Kun tutkavasteesta halutaan tunnistaa erilaisia kohteita, pitää tietää, miltä kyseiset kohteet näyttävät tutkalle. Käyttötarkoituksesta riippuen tunnistus pitää tapahtua toisinaan nopeastikin, jopa reaaliajassa. Monimutkaisen kohteen – kuten auton tai lentokoneen – asento tutkaan nähden vaikuttaa merkittävästi tutkavasteeseen, ja pienikin asennon muutos voi muuttaa vastetta huomattavasti. Jotta eri suunnasta nähtyihin kohteisiin osataan varautua tunnistusvaiheessa riittävän hyvin, kohteen tutkavaste pitää tuntea monesta eri suunnasta. Jos tunnistuksen tulee toimia lähes reaaliajassa, pitää vertailussa käytettävät tutkavastearvot olla joko laskettavissa hyvin nopeasti tai tallennettuna valmiiksi. Nämä voivat olla etukäteen mitattua dataa tai simuloitua dataa.
Tutkavastetta mittaamalla saadaan luonnollisesti todellisuutta vastaavaa dataa, mutta kattavat mittaukset vaativat paljon työtä ja aikaa. Simuloimalla tutkavastetta saadaan puolestaan kattavaa dataa, jopa harvoin tavattavista kohteista tai muista kohteista, jotka olisivat hankalasti saatavilla mittauksiin. Monet simulointimenetelmät ovat kuitenkin liian hitaita toimimaan reaaliajassa, joten simuloinnitkin pitää monesti suorittaa etukäteen. Tutkan kantoaallon taajuus vaikuttaa myös tutkavasteeseen ja asentoherkkyyteen ja tutkavasteen simuloinnissa pitää tämä taajuus ottaa huomioon; yleensä taajuuden muutos vaatii täysin uuden simuloinnin alusta alkaen.
Heijastusmallilla tutkavaste voitiin laskea nopeasti
Diplomi-insinööri Henna Perälä keskittyi väitöskirjassaan heijastusmallin tuottamiseen 3D-mallista. Hän hyödynsi tutkimuksessaan tietokonegrafiikkaa ja vektorilaskentaa.
– Teimme tutkimusryhmämme kanssa tutkimuksessamme oletuksen, että tutkan lähettämä säteily käyttäytyisi riittävän samankaltaisesti näkyvän valon kanssa, jolloin pystyin käyttämään säteenjäljitystä määrittämään, mitkä osat kohteesta näkyvät tutkalle. Säteenjäljitystä käytetään muun muassa tietokonegrafiikassa valokuvankaltaisten kuvien tuottamiseen, Perälä kertoo.
Tutkimusryhmänsä tutkimuksessa Perälä hyödynsi kaupallista säteenjäljitysohjelmistoa, jolla tuotettiin alun perin kaksi ja myöhemmin kolme kuvaa kohteesta jokaisesta kiinnostavasta asennosta; näitä asentoja oli yhdelle kohteelle kymmeniätuhansia. Yhden kuvan perusteella Perälä laski kohteen pinnan pisteiden sijainnit kolmiulotteisessa avaruudessa; sitä varten piti tietää kameran polttovälistä riippuva katselukulma ja ottaa huomioon pisteiden sijainnit kuvassa. Kappaleen heijastusominaisuudet hän määritti käyttämällä täysin heijastavaa peilipintaista kohdetta, josta Perälä tuotti aluksi yhden kuvan, mutta myöhemmin kaksi kuvaa tarkemman heijastussuunnan määrittämiseksi.
– Tämä oli mielenkiintoinen tekniikka, mutta menetelmän viimeisimmässä versiossa luovuin kaupallisesta säteenjäljitysohjelmistosta sen rajoitteiden vuoksi ja tein säteenjäljitysvaiheesta oman toteutuksen, Perälä kertoo.
Perälä tuotti kohteen heijastusmallin säteenjäljitystä käyttäen. Vaikka heijastusmallin laskenta oli hidasta, sillä voitiin laskea varsinainen tutkavaste hyvinkin nopeasti.
– Koska heijastusmalli oli laskettu säteenjäljitystä käyttäen, se toimi jotakuinkin riippumatta tutkan taajuudesta. Näin samaa heijastusmallia käyttäen pystyimme laskemaan tutkavasteen eri kantoaaltotaajuuksilla. Tämä oli huomattavasti nopeampaa kuin se, että koko laskenta olisi suoritettu kullekin taajuudelle kokonaan erikseen, Perälä kuvailee.
Väitöstilaisuus perjantaina 25. lokakuuta 2024
Diplomi-insinööri Henna Perälän signaalinkäsittelyn alaan kuuluva väitöskirja Robust Target Characterization for Fast Radar Signature Simulation in Multiple Frequencies tarkastetaan julkisesti Tampereen yliopiston Informaatioteknologian ja viestinnän tiedekunnassa perjantaina 25.10.2024 klo 12 Hervannan kampuksella Tietotalon salissa TB109 (Korkeakoulunkatu 1, Tampere). Vastaväittäjänä toimii professori Richard Bamler Münchenin teknillisestä yliopistosta, Saksasta. Kustoksena toimii professori Ari Visa Tampereen yliopiston Informaatioteknologian ja viestinnän tiedekunnasta.