Pub Date : 2024-02-02DOI: 10.31961/eltikom.v7i2.940
Sabaria Sabaria, Syahfrizal Tahcfulloh
The most important radar system performance is determining the range-velocity of the detected target. This performance is obtained from processing an ambiguity-function (AF) between signals from target reflections and radar radiation signals. Selection of the appropriate waveform transmitted by the radar is a key factor in supporting high resolution radar performance in the AF. There are many waveforms that have been studied in radar systems, especially for multi-antenna radars, i.e., subarray-MIMO (SMIMO) radar which can form phased array (PA) and MIMO radars simultaneously, in the form of linear-frequency-modulated (LFM) signals. In this paper, we examine the use of LFM waveforms combined with SMIMO radar to produce plots of three-dimensional AF as a function of time delay and Doppler shift. The results of the comparison with the Hadamard signal determine the effectiveness of the observed AF performance on parameters such as magnitude, range-velocity resolution, peak sidelobe level ratio, and integrated sidelobe ratio by taking into account the factors of the number of Tx antennas on the PA radar and the number of Tx subarrays on the MIMO radar. The evaluation results of the SMIMO radar configuration (M = 6) with the number of Tx-Rx antenna elements the being 8 provide the best mainlobe magnitude, sidelobe magnitude, range resolution, velocity resolution, PSLR, and ISLR of AF LFM signals compared to conventional radars are 235.2dB, 7.54dB, 37.5m, 75km/s, 29.89dB, and 29.8dB, respectively. Meanwhile, the LFM signal is far superior to the Hadamard signal which has PSLR and ISLR 1.16dB and -3.36dB, respectively.
雷达系统最重要的性能是确定探测目标的距离-速度。这一性能是通过处理目标反射信号和雷达辐射信号之间的模糊函数（AF）获得的。选择雷达传输的适当波形是支持雷达在模糊函数中实现高分辨率性能的关键因素。在雷达系统中，特别是对于多天线雷达，即子阵列-多输入多输出（SMIMO）雷达（可同时形成相控阵（PA）和多输入多输出（MIMO）雷达），有许多波形已被研究，其形式为线性频率调制（LFM）信号。在本文中，我们研究了将 LFM 波形与 SMIMO 雷达结合使用，生成三维 AF 随时间延迟和多普勒频移变化的曲线图。与 Hadamard 信号的比较结果确定了观察到的 AF 性能在幅度、测距-测速分辨率、峰值侧叶电平比和综合侧叶比等参数上的有效性，同时考虑了 PA 雷达上的 Tx 天线数和 MIMO 雷达上的 Tx 子阵列数等因素。与传统雷达相比，Tx-Rx 天线元件数为 8 的 SMIMO 雷达配置（M = 6）提供了最佳的 AF LFM 信号的主频幅度、边频幅度、测距分辨率、速度分辨率、PSLR 和 ISLR，分别为 235.2dB、7.54dB、37.5m、75km/s、29.89dB 和 29.8dB。同时，LFM 信号的 PSLR 和 ISLR 分别为 1.16dB 和 -3.36dB，远远优于 Hadamard 信号。
{"title":"Range and Velocity Resolution of Linear- Frequency-Modulated Signals on Subarray-Mimo Radar","authors":"Sabaria Sabaria, Syahfrizal Tahcfulloh","doi":"10.31961/eltikom.v7i2.940","DOIUrl":"https://doi.org/10.31961/eltikom.v7i2.940","url":null,"abstract":"The most important radar system performance is determining the range-velocity of the detected target. This performance is obtained from processing an ambiguity-function (AF) between signals from target reflections and radar radiation signals. Selection of the appropriate waveform transmitted by the radar is a key factor in supporting high resolution radar performance in the AF. There are many waveforms that have been studied in radar systems, especially for multi-antenna radars, i.e., subarray-MIMO (SMIMO) radar which can form phased array (PA) and MIMO radars simultaneously, in the form of linear-frequency-modulated (LFM) signals. In this paper, we examine the use of LFM waveforms combined with SMIMO radar to produce plots of three-dimensional AF as a function of time delay and Doppler shift. The results of the comparison with the Hadamard signal determine the effectiveness of the observed AF performance on parameters such as magnitude, range-velocity resolution, peak sidelobe level ratio, and integrated sidelobe ratio by taking into account the factors of the number of Tx antennas on the PA radar and the number of Tx subarrays on the MIMO radar. The evaluation results of the SMIMO radar configuration (M = 6) with the number of Tx-Rx antenna elements the being 8 provide the best mainlobe magnitude, sidelobe magnitude, range resolution, velocity resolution, PSLR, and ISLR of AF LFM signals compared to conventional radars are 235.2dB, 7.54dB, 37.5m, 75km/s, 29.89dB, and 29.8dB, respectively. Meanwhile, the LFM signal is far superior to the Hadamard signal which has PSLR and ISLR 1.16dB and -3.36dB, respectively.","PeriodicalId":517210,"journal":{"name":"Jurnal ELTIKOM","volume":"48 3-4","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139896505","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Semakin meningkatnya kebutuhan energi listrik di sektor rumah tangga hingga industri menyebabkan energi listrik menjadi salah satu kebutuhan yang sangat penting dalam kehidupan sehari hari, sehingga keandalan dalam pendistribusian energi listrik harus sangat diperhatikan. Adanya gangguan-gangguan yang terjadi karena beberapa factor gangguan dapat menyebabkan terganggunya keandalan pada supply listrik. Situasi seperti ini sering terjadi di unit Perusahan Listrik Negara (PLN) di wilayah Surabaya Selatan, hal inilah yang melatar belakangi penelitian ini dibuat salah satunya dengan memprediksi gangguan distribusi listrik yang bertujuan untuk menguji metode Knowledge Growing System (KGS) dalam memprediksi masalah gangguan listrik dengan cara mengenali pola gangguan yang terjadi di setiap bulannya yang kemudian di akumulasi menjadi pola gangguan pertahun. KGS adalah agen cerdas yang dapat menghasilkan pengetahuannya sendiri tentang fenomena yang diamati dan menggunakan pengetahuan yang dihasilkan untuk membuat prediksi. Dengan memiliki pengetahuan tentang 10 pola gangguan listrik di lokasi distribusi listrik, KGS telah mampu memprediksi bahwa gangguan yang paling mungkin terjadi karena gangguan belum ditemukan/gangguan sesaat di Gardu induk Rungkut, Waru, Wonorejo, Sukolilo dan Ngagel dengan rata rata terjadi gangguan sebesar 26,91 %. Dengan prediksi yang cepat, unit PLN dapat mengembangkan rencana yang tepat untuk mengatasi gangguan dan memulihkan pasokan listrik dengan cepat.
{"title":"Prediksi Cepat Gangguan Jaringan Tegangan Menengah Menggunakan Metode Knowledge Growing System (KGS)","authors":"Ika Noer Syamsiana, Puspa Ayu Yohana Yohana, Indrazno Sirajuddin, Arwin Datumaya Wahyudi Sumari, Andhika Sulistio","doi":"10.31961/eltikom.v7i2.573","DOIUrl":"https://doi.org/10.31961/eltikom.v7i2.573","url":null,"abstract":"Semakin meningkatnya kebutuhan energi listrik di sektor rumah tangga hingga industri menyebabkan energi listrik menjadi salah satu kebutuhan yang sangat penting dalam kehidupan sehari hari, sehingga keandalan dalam pendistribusian energi listrik harus sangat diperhatikan. Adanya gangguan-gangguan yang terjadi karena beberapa factor gangguan dapat menyebabkan terganggunya keandalan pada supply listrik. Situasi seperti ini sering terjadi di unit Perusahan Listrik Negara (PLN) di wilayah Surabaya Selatan, hal inilah yang melatar belakangi penelitian ini dibuat salah satunya dengan memprediksi gangguan distribusi listrik yang bertujuan untuk menguji metode Knowledge Growing System (KGS) dalam memprediksi masalah gangguan listrik dengan cara mengenali pola gangguan yang terjadi di setiap bulannya yang kemudian di akumulasi menjadi pola gangguan pertahun. KGS adalah agen cerdas yang dapat menghasilkan pengetahuannya sendiri tentang fenomena yang diamati dan menggunakan pengetahuan yang dihasilkan untuk membuat prediksi. Dengan memiliki pengetahuan tentang 10 pola gangguan listrik di lokasi distribusi listrik, KGS telah mampu memprediksi bahwa gangguan yang paling mungkin terjadi karena gangguan belum ditemukan/gangguan sesaat di Gardu induk Rungkut, Waru, Wonorejo, Sukolilo dan Ngagel dengan rata rata terjadi gangguan sebesar 26,91 %. Dengan prediksi yang cepat, unit PLN dapat mengembangkan rencana yang tepat untuk mengatasi gangguan dan memulihkan pasokan listrik dengan cepat.","PeriodicalId":517210,"journal":{"name":"Jurnal ELTIKOM","volume":"444 ","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139894018","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
Semakin meningkatnya kebutuhan energi listrik di sektor rumah tangga hingga industri menyebabkan energi listrik menjadi salah satu kebutuhan yang sangat penting dalam kehidupan sehari hari, sehingga keandalan dalam pendistribusian energi listrik harus sangat diperhatikan. Adanya gangguan-gangguan yang terjadi karena beberapa factor gangguan dapat menyebabkan terganggunya keandalan pada supply listrik. Situasi seperti ini sering terjadi di unit Perusahan Listrik Negara (PLN) di wilayah Surabaya Selatan, hal inilah yang melatar belakangi penelitian ini dibuat salah satunya dengan memprediksi gangguan distribusi listrik yang bertujuan untuk menguji metode Knowledge Growing System (KGS) dalam memprediksi masalah gangguan listrik dengan cara mengenali pola gangguan yang terjadi di setiap bulannya yang kemudian di akumulasi menjadi pola gangguan pertahun. KGS adalah agen cerdas yang dapat menghasilkan pengetahuannya sendiri tentang fenomena yang diamati dan menggunakan pengetahuan yang dihasilkan untuk membuat prediksi. Dengan memiliki pengetahuan tentang 10 pola gangguan listrik di lokasi distribusi listrik, KGS telah mampu memprediksi bahwa gangguan yang paling mungkin terjadi karena gangguan belum ditemukan/gangguan sesaat di Gardu induk Rungkut, Waru, Wonorejo, Sukolilo dan Ngagel dengan rata rata terjadi gangguan sebesar 26,91 %. Dengan prediksi yang cepat, unit PLN dapat mengembangkan rencana yang tepat untuk mengatasi gangguan dan memulihkan pasokan listrik dengan cepat.
{"title":"Prediksi Cepat Gangguan Jaringan Tegangan Menengah Menggunakan Metode Knowledge Growing System (KGS)","authors":"Ika Noer Syamsiana, Puspa Ayu Yohana Yohana, Indrazno Sirajuddin, Arwin Datumaya Wahyudi Sumari, Andhika Sulistio","doi":"10.31961/eltikom.v7i2.573","DOIUrl":"https://doi.org/10.31961/eltikom.v7i2.573","url":null,"abstract":"Semakin meningkatnya kebutuhan energi listrik di sektor rumah tangga hingga industri menyebabkan energi listrik menjadi salah satu kebutuhan yang sangat penting dalam kehidupan sehari hari, sehingga keandalan dalam pendistribusian energi listrik harus sangat diperhatikan. Adanya gangguan-gangguan yang terjadi karena beberapa factor gangguan dapat menyebabkan terganggunya keandalan pada supply listrik. Situasi seperti ini sering terjadi di unit Perusahan Listrik Negara (PLN) di wilayah Surabaya Selatan, hal inilah yang melatar belakangi penelitian ini dibuat salah satunya dengan memprediksi gangguan distribusi listrik yang bertujuan untuk menguji metode Knowledge Growing System (KGS) dalam memprediksi masalah gangguan listrik dengan cara mengenali pola gangguan yang terjadi di setiap bulannya yang kemudian di akumulasi menjadi pola gangguan pertahun. KGS adalah agen cerdas yang dapat menghasilkan pengetahuannya sendiri tentang fenomena yang diamati dan menggunakan pengetahuan yang dihasilkan untuk membuat prediksi. Dengan memiliki pengetahuan tentang 10 pola gangguan listrik di lokasi distribusi listrik, KGS telah mampu memprediksi bahwa gangguan yang paling mungkin terjadi karena gangguan belum ditemukan/gangguan sesaat di Gardu induk Rungkut, Waru, Wonorejo, Sukolilo dan Ngagel dengan rata rata terjadi gangguan sebesar 26,91 %. Dengan prediksi yang cepat, unit PLN dapat mengembangkan rencana yang tepat untuk mengatasi gangguan dan memulihkan pasokan listrik dengan cepat.","PeriodicalId":517210,"journal":{"name":"Jurnal ELTIKOM","volume":"43 11","pages":""},"PeriodicalIF":0.0,"publicationDate":"2024-02-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":null,"resultStr":null,"platform":"Semanticscholar","paperid":"139897369","PeriodicalName":null,"FirstCategoryId":null,"ListUrlMain":null,"RegionNum":0,"RegionCategory":"","ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":"","EPubDate":null,"PubModel":null,"JCR":null,"JCRName":null,"Score":null,"Total":0}
京公网安备 11010802042870号
京ICP备2023020795号-1
扫码关注我们
求助内容：
应助结果提醒方式：