MARINHA DO BRASIL

DIRETORIA DE ENSINO DA MARINHA

CENTRO DE INSTRUÇÃO ALMIRANTE WANDENKOLK

CURSO DE APERFEIÇOAMENTO AVANÇADO EM SEGURANÇA DA INFORMAÇÃO

E COMUNICAÇÕES

TRABALHO DE CONCLUSÃO DE CURSO

ELINT DO MAGE MK3: O futuro em GE da MB

PRIMEIRO TENENTE EDGARD BRAZ ALVES

Rio de Janeiro
2021
PRIMEIRO TENENTE EDGARD BRAZ ALVES

ELINT DO MAGE MK3: O futuro em GE da MB

Monografia apresentada ao Centro de Instrução

Almirante Wandenkolk como requisito parcial à
conclusão do Curso de Aperfeiçoamento Avançado em
Segurança da Informação e Comunicações

Orientadores:
Capitão de Mar e Guerra (RM1-EN) Jorge Amaral Alves
D.Sc. Jorge Costa Pires Filho

CIAW
Rio de Janeiro
2021
 ii

FOLHA DE APROVAÇÃO

PRIMEIRO TENENTE EDGARD BRAZ ALVES

ELINT DO MAGE MK3: O futuro em GE da MB

Monografia apresentada ao Centro de Instrução Almirante Wandenkolk como requisito parcial

à conclusão do Curso de Aperfeiçoamento Avançado em Segurança da Informação e
Comunicações.

Aprovada em de _____ de 2021

Banca Examinadora:

Gian Karlo Huback Macedo de Almeida, Capitão de Mar e Guerra (RM1-EN), CIAW

Jorge Amaral Alves, Capitão de Mar e Guerra (RM1-EN), EN

D.Sc. Jorge Costa Pires Filho, SCNS, IPQM

CIAW
Rio de Janeiro
2021
 iii

Dedico esse trabalho à minha família, que sempre

me apoiou, e aos meus orientadores que
contribuíram ao longo de cada passo tomado na
confecção desse e sem os quais essa obra não teria
sido possível.
 iv

AGRADECIMENTOS

A minha esposa Juliana Alves, pelo cuidado e suporte, que foram inestimáveis ao
longo desse trabalho.
Ao meu filho Tomás Alves, cuja alegria me incentivou a perseverar cada vez mais
nessa empreitada.
A minha mãe, Margareth Braz, que me apoiou e incentivou em toda minha trajetória
como oficial na Marinha do Brasil
Ao meu pai, CMG Jorge Amaral Alves, por concatenar o apoio como pai e como
auxiliador na confecção desse trabalho.
Ao meu orientador D.Sc. Jorge Costa Pires Filho, por toda a contribuição desferida
na confecção dessa obra, do qual destaco a paciência em me instruir acerca do assunto tratado
e a dedicação com a qualidade deste trabalho.
Ao CMG Huback, por auxiliar na escolha dos orientadores que possibilitaram a
confecção desse trabalho e por todo o auxílio oferecido no andamento do curso.
Aos Professores da PUC-RJ e do CIAW,x que contribuíram para o meu crescimento
profissional.
Aos amigos da turma, pelo companheirismo ao longo do curso.
A Marinha do Brasil, pela oportunidade da realização desse curso que foi de grande
importância para a minha formação profissional.
 v

“Nada deve ser mais estimado do que

a informação, mais bem pago do que a
informação, e nada deve ser mais
confidencial do que o trabalho de
coleta de informações.”
(Sun-Tzu)
 vi

ELINT DO MAGE MK3: O futuro em GE da MB

Resumo

A prontidão para a guerra, necessária a uma armada, depende intrinsicamente da evolução

tecnológica dos seus equipamentos de Guerra Eletrônica, dentre os quais, as Medidas de Apoio
a Guerra Eletrônica. Com os avanços tecnológicos de navios e mísseis que utilizam sistemas de
radar Low Probability of Identity, Low Probability of Detection e Low Probability of
Interception, através de Pulse Compression Techniques, faz-se indubitável a necessidade de
Medidas de Apoio à Guerra Eletrônica modernas, com a utilização de equipamentos de
Electronic Intelligence e Digital Receivers, a fim de melhorar o desempenho em um ambiente
com baixa Signal Noise Ratio e possibilitar melhores análises dos parâmetros intrapulso dos
sinais radar recebidos. Diante disso, o ponto de inflexão tecnológica, que pode garantir o
domínio do cenário de Guerra Eletrônica em um embate, é a utilização de algoritmos modernos
de Electronic Intelligence. Nesse trabalho, será analisada a aplicação dos algoritmos de Short
Time Fourier Transform e Função de Autocorrelação aplicados em Medidas de Apoio a Guerra
Eletrônica de 2ª Geração, com Receptor Digital, e serão apresentados os resultados e a
importância de se ter algoritmos modernos de Electronic Intelligence como os previstos para o
MAGE MK3, em desenvolvimento pelo Instituto de Pesquisas da Marinha, que será instalado
nas Fragatas Classe Tamandaré.

Palavras- chave: MAGE. ELINT. PCT. Função de Autocorrelação. STFT.

 vii

LISTA DE FIGURAS

Figura 1 – Organograma das subdivisões de CGE ................................................................ 19

Figura 2 – Envoltória de um sinal radar pulsado ................................................................... 24
Figura 3 – Equação radar ..................................................................................................... 25
Figura 4 – Agilidade de FRP: [a] PRI estável, radar sem agilidade em FRP; [b] PRI em 2 níveis
diferentes, radar com agilidade em FRP .............................................................. 26
Figura 5 – Agilidade em frequência...................................................................................... 26
Figura 6 – Diferença da detecção, por MAGE, de um radar pulsado (figura superior) e de um
radar com compressão de pulsos (figura inferior) ............................................... 28
Figura 7 – Distinção entre a potência transmitida por um radar pulsado e por um radar CW . 30
Figura 8 – Sinal de modulação do radar FM-CW.................................................................. 31
Figura 9 – Variação de frequência de um radar FM-CW ....................................................... 31
Figura 10 – Sequência de funcionamento da detecção de um MAGE 1ª geração................... 32
Figura 11 – Formação do TDW ............................................................................................ 34
Figura 12 – PRF escalonado ................................................................................................. 35
Figura 13 – Deinterleaving de separação por células ............................................................ 38
Figura 14 – Deinterleaving de um emissor com agilidade em frequência .............................. 39
Figura 15 – Diagrama de estrutura de um MAGE 2ª Geração ............................................... 41
Figura 16 – Diagrama de blocos do funcionamento de um DRX .......................................... 42
Figura 17 – Banda de amostragem da IF .............................................................................. 42
Figura 18 – Modelo gaussiano para ruído branco em função do tempo ................................. 44
Figura 19 – Resultado de uma STFT em um pulso com variação de frequência .................... 45
Figura 20 – Janela de uma STFT .......................................................................................... 46
Figura 21 – Exemplo de um sinal com autocorrelação e de um sinal sem autocorrelação ...... 47
Figura 22 – Representação de um pulso modulado em LFM................................................. 49
Figura 23 – Fase de um pulso em código Frank .................................................................... 50
Figura 24 – Matriz quadrada que representa o código Frank ................................................. 50
Figura 25 – Matriz de fase de um código Frank com N = 4 .................................................. 51
Figura 26 – Amplitude e fase de um código Frank................................................................ 52
Figura 27 – Função de autocorrelação de um código Frank com N = 100 ............................. 53
Figura 28 – Código bifásico Barker 13 ................................................................................. 55
Figura 29 – Função de autocorrelação de um código Barker 13 ............................................ 56
 viii

Figura 30 – Comparação entre Barker 7 e Barker 13 ............................................................ 57

Figura 31 – Codificação de um sinal quadrado de dados em Barker 11 ................................. 58
Figura 32 – Equação para obtenção das amostras de um sinal sem codificação ..................... 63
Figura 33 – IHM criada para o programa.............................................................................. 64
Figura 34 – Gráficos obtidos considerando: Modulação LFM, SNR 10dB, e FP de 170 MHz
......................................................................................................................... 65
Figura 35 – Menus suspensos da IHM com as opções de codificação, SNR e FP................... 66
Figura 36 – Espectrogramas de sinais de diferentes codificações e modulações .................... 67
Figura 37 – Diferenciação entre o sinal FM-CW e o sinal radar pulsado LFM ...................... 69
Figura 38 – Diferenciação entre codificações de sinais através da análise dos gráficos de
autocorrelação ................................................................................................ 70
Figura 39 – Diferenciação entre codificações Barker de diferentes tamanhos de sinais através
da análise dos gráficos de autocorrelação .......................................................... 72
Figura 40 – Identificação de um sinal com baixa SNR através da ferramenta de autocorrelação
......................................................................................................................... 74
Figura 41 – MAGE MK3 a ser instalado nas FCT ................................................................ 76
Figura 42 – SN-BR .............................................................................................................. 77
 ix

LISTA DE TABELAS

Tabela 1 – Lista de entrada de memória do sistema de deinterleaving por Memória associativa

........................................................................................................................... 36
Tabela 2 – Quadro de deinterleaving por memória associativa ............................................. 37
Tabela 3 – Comparação da recepção de sinais LPD (emitidos pelo radar Pilot MK2) pelo MAGE
(ESM) 1ª geração e o MAGE 2ª geração (de alta performance) ........................... 40
Tabela 4 – Lista dos códigos Barker bifásicos conhecidos .................................................... 54
Tabela 5 – Parâmetros de configuração do programa “testeCodificação3.m” ........................ 61
Tabela 6 – LP definidas para cada codificação e modulação correspondente ........................ 62
Tabela 7 – Valores de LPsegundos para cada frequência de portadora, modulação e codificação
específica .......................................................................................................... 62
 x

LISTAS DE SIGLAS E ABREVIATURAS

A/D Analógico para Digital

AGE Ações de Guerra Eletrônica

AOA Angle of Arrival

APEL Aprestamento Eletrônico

ASBM Anti-Ship Ballistic Missile

BPSK Binary-Phased-Shift Keying

CGE Conceito de Guerra Eletrônica

CW Continuous Wave

DGMM Diretoria Geral de Material da Marinha

DRX Digital Receiver

ELINT Electronic Intelligence

FCT Fragatas Classe Tamandaré

FFT Fast Fourier Transform

FM-CW Frequency Modulated Continuous Wave

FRP Frequência de Repetição de Pulso

FW Firmware

GE Guerra Eletrônica

HW Hardware

IF Intermediate Frequency

IHM Interface Homem Máquina

IPQM Instituto de Pesquisas da Marinha

ITA Instituto Tecnológico de Aeronáutica

 xi

LFM Linear Frequency Modulation

LP Largura de Pulso

LPD Low Probability of Detection

LPE Low Probability of Exploitation

LPI Low Probability of Interception

LPID Low Probability of Identity

MAE Medidas de Ataque Eletrônico

MAGE Medidas de Apoio a Guerra Eletrônica

MB Marinha do Brasil

MGE Medidas de Guerra Eletrônica

MPE Medidas de Proteção Eletrônica

NDM Bahia Navio Doca Multipropósito Bahia

OTH Over-The-Horizon

PCT Pulse Compression Technique

PDW Pulse Descriptor Word

PRF Pulse Repetition Frequency

PRI Pulse Repetition Interval

PSL Peak Sidelobe Level

QPSK Quadrature-Phased-Shift Keying

RAM Random Access Memory

RETRON Reconhecimento Eletrônico

SCT Submarinos Classe Tupi

SN-BR Submarino Nuclear Brasileiro

SNR Signal Noise Ratio

STFT Shot Time Fourier Transform

 xii

SW Software

TDW Threat Descriptor Word

TFE Time to First Event

TOA Time of Arrival

 xiii

LISTAS DE SÍMBOLOS

c Velocidade da luz, corresponde aproximadamente a 3*108m /s

∆T Intervalo de tempo decorrido entre a transmissão de um pulso e a posterior recepção

do seu eco

P Potência transmitida

G Ganho da antena

λ Largura de Pulso

σ Seção reta do alvo (na equação radar)

F Figura de ruído do receptor

k Constante de Boltzman (1,38064852*10-23 m2*kg*s-2*k-1)

T Temperatura padrão (na equação radar)

B Largura de banda (na equação radar)

L Perdas do sistema

R Distância do alvo

Rmáx Distância máxima de localização de um alvo

∆Rmin Resolução mínima em distância

PP Potência de pico do radar

EP Energia de Pulso

fs Frequência de Amostragem

B Banda de amostragem (no funcionamento do Digital Receiver)

Te Temperatura equivalente de ruído

SW(f) Movimento aleatório de elétrons em um condutor

N0 Nível de ruído de entrada no receptor de um sistema de comunicação

VR Tensão do ruído

σ Tensão média quadrática do ruído (no ruído branco)

 xiv

Vrms Tensão média quadrática do ruído

π Pi, constante matemática com valor aproximado de 3,1415

w(n) Janela da STFT

E(Y|x) Valor esperado

𝛿(t) Função instante no tempo

RW(t) Equação de autocorrelação de um ruído branco

V0 Amplitude de Tensão

𝜔0 frequência da portadora

𝜃 (t) fase

M Longitude do código Frank

N Quadrado da longitude do código Frank (no código Frank)

N Comprimento do Código Barker (no código Frank)

FP Frequência da Portadora

LPsegundos Tamanho da Largura de Pulso em segundos

LPamostras Tamanho da Largura de Pulso em amostras

i O número da amostra utilizada

 xv

SUMÁRIO

1 INTRODUÇÃO .............................................................................................................. 17
1.1 Contextualização.......................................................................................................... 17
1.1.1 Ações de Guerra Eletrônica (AGE) .................................................................. 18
1.1.2 Medidas de Guerra Eletrônica (MGE).............................................................. 18
1.2 Apresentação do Problema.......................................................................................... 19
1.3 Justificativa e Relevância ............................................................................................ 19
1.4 Objetivos ...................................................................................................................... 20
1.4.1 Objetivo Geral ................................................................................................. 20
1.4.2 Objetivos Específicos ...................................................................................... 21

2 REFERENCIAL TEÓRICO .......................................................................................... 22

2.1 Tipos de Radar............................................................................................................. 23
2.1.1 Radares Pulsados ............................................................................................. 23
2.1.2 Radares Low Probability of Identity (LPID)..................................................... 25
2.1.3 Radares Low Probability of Intercept (LPI) ..................................................... 27
2.1.3.1 Gerenciamento de Potência ................................................................. 27
2.1.3.2 Compressão de Pulsos ......................................................................... 28
2.1.3.3 Aumento da Largura de Banda ............................................................ 28
2.1.3.4 Redução de Lóbulos Secundários ........................................................ 29
2.1.4 Radares Low Probability of Detection (LPD)................................................... 29
2.2 Tipos de MAGE ........................................................................................................... 31
2.2.1 MAGE 1ª Geração ........................................................................................... 32
2.2.1.1 TOA ou PRI ......................................................................................... 34
2.2.1.2 Memória Associativa ........................................................................... 36
2.2.1.3 Separação por Células (Pigeon Hole).................................................. 37
2.2.1.4 Separação por Células (Pigeon Hole) com PRI ................................... 39
2.2.2 MAGE 2ª Geração ........................................................................................... 40
2.3. Ferramentas Utilizadas............................................................................................... 43
2.3.1 Ruído Branco .................................................................................................. 43
2.3.2 Transformada de Fourier de Curto Prazo (STFT) ............................................. 44
2.3.3 Função de Autocorrelação ............................................................................... 47
2.3.4 Modulação e Códigos Utilizados no Programa ................................................. 48
 xvi
2.3.4.1 Modulação Linear em Frequência (LFM) ............................................ 48
2.3.4.2 Codificação Frank ............................................................................... 50
2.3.4.3 Codificação Barker ............................................................................. 53

3 METODOLOGIA DA PESQUISA EXPLORATÓRIA................................................ 59

3.1 Classificação da Pesquisa ............................................................................................ 59
3.1.1 Classificação Quanto aos Fins ......................................................................... 59
3.1.2 Classificação Quanto aos Meios ...................................................................... 59
3.1.3 Classificação Quanto aos Procedimentos Técnicos Utilizados ......................... 60
3.2 Limitações do Método.................................................................................................. 60
3.3 Coleta e Tratamento dos Dados .................................................................................. 60

4 DESCRIÇÃO E ANÁLISE DOS RESULTADOS ........................................................ 67

4.1 Resultados Obtidos a Partir da Análise dos Espectrogramas da STFT .................... 67
4.2 Resultados Obtidos a Partir da Análise das Funções de Autocorrelação .................. 68
4.2.1 Identificação dos Tipos de Códigos ................................................................. 69
4.2.2 Identificação dos Tamanhos (N) da Codificação Barker ................................... 71
4.2.3 Robustez da SNR de Um Sinal Através do Uso de Autocorrelação .................. 73
4.3 Conclusões Baseadas nos Resultados Obtidos ............................................................ 75

5 CONCLUSÃO ................................................................................................................ 76
5.1 Considerações Finais ................................................................................................... 77
5.2 Sugestões Para Futuros Trabalhos.............................................................................. 78

REFERÊNCIAS ................................................................................................................ 80
APÊNDICE A – Texto Referente ao Código em MATLAB da IHM “interface.m” ....... 83
 17

1. INTRODUÇÃO

1.1. Contextualização

A evolução da guerra moderna torna imperativa a necessidade de desenvolvimento

tecnológico de um país, ao acompanhar as diferentes ameaças que venham a surgir nesse
âmbito. Diante desse cenário, a Guerra Eletrônica (GE) se tornou o principal ponto de inflexão
no resultado de um combate e, como fator crucial para o eficaz emprego da GE, começaram a
ser utilizadas técnicas de Inteligência Eletrônica (ELINT – Electronic intelligence), tanto em
apoio ao eficaz emprego da GE por uma força aliada, quanto para reduzir esse por uma força
inimiga.
Porquanto que a GE tenha sido empregada pela primeira vez na Batalha de
Tsushima (Guerra Russo-Japonesa, 1904-1905), conforme [19], equipamentos de ELINT foram
empregados, de acordo com [7], em larga escala, durante a 2º Guerra Mundial (1939-1945),
ocorrendo a primeira missão ELINT pelo dirigível alemão Graf Zeppelin, que buscou
determinar a posição dos radares ingleses que compunham a rede de radares Chain Home
seguido, segundo [6], pelos Estados Unidos, em 1943, quando realizou o mapeamento
eletrônico dos radares japoneses sobre as Ilhas Kiska e Ilhas Aleutasa. Seu emprego também
ocorreu na orientação do bloqueio dos radares terrestres alemães na Europa, em 1944, e em
diversas outras situações, contra radares aerotransportados, navais e equipamentos de
submarinos japoneses.
A ELINT pode ser utilizada operacional e estrategicamente, conforme [6] e [7].
Operacionalmente a ELINT estuda as características de um sinal eletromagnético em tempo
real, durante uma operação, analisando e determinando as características da emissão, como a
largura de pulso e a frequência de repetição dentre outros parâmetros, objetivando o auxílio na
identificação da origem e da intenção do emissor. Estrategicamente, a ELINT trabalha também
no auxílio da confecção de uma biblioteca de informações de radares, contendo as emissões
coletadas, permitindo, nesse caso, que a análise dessas emissões possa ser feita por um período
maior de tempo, a fim de extrair mais informações e obter conhecimentos oriundos destes, que
não seriam possíveis durante a recepção desses sinais.
 18

A ELINT se torna essencial na composição de um sistema de GE, pois atua em

todas as áreas do Conceito de Guerra Eletrônica (CGE). O CGE é dividido em:

1.1.1. Ações de Guerra Eletrônica (AGE)

As AGE são as atividades de pesquisa tática, logística e estratégica que visam apoiar
o emprego de GE, de acordo com [2]. As AGE são divididas em: Reconhecimento Eletrônico
(RETRON), que constitui atividades de apoio ao planejamento de uma operação; e
Aprestamento Eletrônico (APEL), que compõe as atividades de pesquisa, desenvolvimento e
capacitação humana e logística.

1.1.2. Medidas de Guerra Eletrônica (MGE)

Segundo [2], as MGE são ações de GE provenientes de uma operação, e são

divididas em: Medidas de Ataque Eletrônico (MAE), que visam diminuir ou negar o uso do
espectro eletromagnético das forças inimigas, degradando sua capacidade de combate; Medidas
de Proteção Eletrônica (MPE), as quais têm por finalidade defender pessoas, equipamentos e
instalações, e garantir o uso do espectro eletromagnético de forças aliadas frente a ações de GE
de forças inimigas; e Medidas de Apoio à Guerra Eletrônica (MAGE), que compõem um
conjunto de ações de localização, identificação, busca e interceptação de fontes emissoras de
energia eletromagnética, a fim de detectar a existência ou não de uma ameaça, possibilitando
assim, uma posterior reação a essa.
As subdivisões de CGE podem ser visualizadas na figura 1:
 19

Figura 1 – Organograma das subdivisões de CGE

CGE

AGE MGE

RETRON APEL MAE MPE MAGE

Fonte: elaborado pelo autor.

Em todos os âmbitos do CGE temos a necessidade do funcionamento de uma

ELINT: Atuando em auxílio às MGE, ao acuradamente detectar e identificar uma fonte
emissora de energia eletromagnética, possibilitando o funcionamento adequado das MPE e
MAE; e em auxílio às AGE, na coleta de informações que possam ser utilizadas
estrategicamente para o RETRON e em atividades de pesquisa e desenvolvimento para o APEL,
conforme [2].

1.2. Apresentação do Problema

Com o contínuo avanço da tecnologia aplicada a GE, com o incremento de

equipamentos Low Probability of Interception (LPI), Low Probability of Detection (LPD), e
radares de onda contínua modulados em frequência (FM-CW), a detecção, discriminação e
correta identificação dos modernos equipamentos de GE se torna impraticável sem o uso de um
sistema moderno de ELINT aplicado à GE evidenciando a imprescindível importância desse
sistema.

1.3. Justificativa e Relevância

De acordo com o South China Morning Post, em um relato um ex-oficial chinês

 20

Wang Xiangsui, citado por Steven Stashwick, na revista The Diplomat [4]:

“…vários dias depois [após as manobras do porta-aviões], lançamos o DF-21 e o

DF-26, e os mísseis atingiram um navio que navegava ao sul das Ilhas Paracel.
Pouco depois disso, um adido militar americano em Genebra reclamou [para nós]
e disse que as consequências seriam graves se os mísseis atingissem um porta-
aviões americano. Eles veem isso como uma demonstração de força. Mas estamos
fazendo isso por causa de sua provocação.” (STASHWICK, 2020, tradução nossa)

Esse caso ocorreu em 26 de agosto de 2020 e de acordo com Stashwick [4], os

lançamentos desses mísseis foram compreendidos como uma mensagem aos Estados Unidos
por ter efetuado um sobrevoo da mesma área no qual os mísseis foram lançados no dia anterior.
O míssil DF-21 é um Míssil Balístico Anti-Navio (Anti-Ship Ballistic Missile -
ASBM), que, citado por Stashwick, em [4], o Departamento de Defesa dos Estados Unidos
acredita já ter entrado em sua fase operacional inicial desde 2010.
Segundo Chandrashekar (2011, p. 35), em [5], o sistema de navegação utilizado
pelos ASBM, tal qual o DF-21, são sistemas de navegação radar Over-The-Horizon (OTH) que
são sistemas radares FM-CW, o qual os tornam difíceis de serem localizados por um sistema
MAGE isolado. Essas características fazem dos mísseis DF-21 uma ameaça concreta a meios
navais que não contenham uma ELINT moderna capaz de apoiar o MAGE na detecção e reação
frente a essa arma.

1.4. Objetivos

Este trabalho visa apresentar, na teoria e na prática, a atuação de um sistema ELINT,

descrevendo o seu funcionamento diante da detecção e parametrização das características de
radares pulsados e de radares mais modernos LPI e LPD, e, portanto, evidenciando a
importância desse sistema para a Marinha do Brasil (MB) e corroborando com o continuo
investimento e aprimoramento dessa tecnologia.

1.4.1 Objetivo Geral

Simular um cenário de recepção radar gravado por um MAGE de 2ª Geração (que

será definido posteriormente neste trabalho) dotado de receptor digital.
 21

A partir de um sinal que simula a gravação feita por um receptor digital do MAGE,
extrair suas características de modulação intrapulso por meio de algoritmos de software (SW).
Neste trabalho foram analisadas, especificamente, as modulações Linear em
Frequência (Linear Frequency Modulation - LFM), FM-CW e codificações Barker e Frank.
As características extraídas de cada sinal simulado foram: A função de
autocorrelação e a Transformada de Fourier de Curto Prazo (Short Time Fourier Transform -
STFT).
Adicionalmente, foi feita a análise dos pulsos simulados considerando a degradação
desses por diferentes Relações Sinal Ruído (Signal Noise Ratio - SNR), definido,
matematicamente, como a razão da potência do sinal pela potência do ruído (Sinal/Ruído).

1.4.2 Objetivos Específicos

Considerando que as gravações de sinais radar reais são sigilosas, optou-se por
gerar sinais radar de forma simulada. Dessa forma, o primeiro objetivo deste trabalho foi a
simulação dos seguintes sinais radar pulsados: sinal radar pulsado sem codificação; sinais radar
pulsados modulados em LFM; sinais radar pulsados codificados em Barker 7, 11 e 13 e Frank
16 e 64; e sinais radar simulando um FM-CW.
A fim de avaliar a robustez da extração de parâmetros dos sinais radar gerados em
um cenário ruidoso, foi necessária a inserção de um ruído branco simulado a esses sinais radar.
Portanto, para essa análise, foram oferecidas as seguintes relações SNR pelo programa: 10 dB;
5 dB; 0 dB; -5 dB; -10 dB.
Tomando por base [36], foram escolhidos, como métodos principais de extração
dos parâmetros dos pulsos simulados, a função de autocorrelação e o espectrograma (obtido por
meio da STFT), os quais foram calculados em MATLAB.
 22

2. REFERENCIAL TEÓRICO

A guerra, atualmente, é intrinsicamente dependente da tecnologia. O país que detém

o maior avanço tecnológico, em matéria de armamentos e equipamentos, para executar um
ataque ou defender-se de um, terá a superioridade em um combate. Dentre os avanços
tecnológicos de armamentos temos como a mais atual, os mísseis.
Os mísseis, de acordo com Chernij, em [3], foram introduzidos nos cenários de
guerra a partir da 2ª Guerra Mundial, e desde então, diversos países começaram a desenvolver
mísseis mais potentes e tecnológicos tais quais os Tomahawks americanos, os Scuds russos, os
Exocets franceses, e os ASBM, tal qual o DF-21 da China. Esse armamento se distingue de
outros por sua capacidade de navegar independentemente acompanhando um alvo até por fim
atingi-lo.
De acordo com o engenheiro Jacques Waldmann, em [3], professor do Instituto
Tecnológico de Aeronáutica (ITA), citado por Chernij: “O que torna os mísseis diferentes de
meros foguetes é sua capacidade de aliar um sistema de propulsão (o foguete ou a turbina) a
sistemas que lhes permitem corrigir sua rota”. Os sistemas de correção de rota mais comumente
utilizados pelos mísseis, são os sistemas de localização e acompanhamento de alvo via radar.
Segundo [3] e [7], os sistemas de defesa, contra os mísseis, tiveram de acompanhar
a evolução tecnológica desses para fazer frente a essas ameaças. Como os mísseis apresentam
uma enorme precisão e chance de atingir os seus alvos, o meio de defesa mais eficaz
desenvolvido consiste em técnicas de GE tais quais o MAE que recebe do equipamento MAGE
informações sobre a ameaça, suas características e um indicativo da técnica de contramedida a
ser empregada. Essa técnica de defesa (MAE) confunde o sistema de navegação do míssil,
alterando a sua rota a fim de que este erre o alvo.
De acordo com [2], conforme os radares de navegação dos mísseis se desenvolviam,
o MAGE por si só, sem o incremento de um sistema moderno de ELINT, se tornaria incapaz
de detectar ou de, acuradamente, determinar a ameaça.
Para uma melhor noção da ameaça proporcionada pelos sistemas de localização e
acompanhamento de alvo radar, será abordado os tipos de radares atuais, os quais se dividem
em quatro categorias: radares pulsados; radares Low Probability of Identification (LPID);
radares LPI; e radares LPD, assim como os tipos de MAGE, dispostos a interceptar esses
radares, que podem ser divididos em duas categorias: MAGE 1ª geração, que mede alguns
parâmetros intrapulso de um sinal, através de dispositivos de Hardware (HW), e o MAGE 2ª
 23

geração, que mede uma maior quantidade de parâmetros intrapulso de um sinal por meio de
algoritmos de Software (SW) ou de Firmware (FW), usualmente por meio de técnicas de
processamento digital de sinais, tais quais a função de autocorrelação e a transformada STFT.
Neste trabalho, para que demonstremos o funcionamento de um programa que
simule a criação de pulsos codificados em modulações diversas, adicionados a ruído branco e,
posteriormente, o uso da autocorrelação para a extração dos parâmetros do sinal confeccionado,
se faz necessária a introdução das seguintes modulações e codificações utilizadas: LFM; código
Barker 2, 3, 7, 11 e 13; código Frank 16 e Frank 64. Além disso, serão abordados sucintamente:
O funcionamento da autocorrelação; o conceito de ruído branco; e a ferramenta matemática
STFT. A introdução desses assuntos, que serão empregados pelo programa, será feita nos
subcapítulos posteriores. Entretanto, antes de iniciar essa abordagem, precisamos compreender
o funcionamento dos tipos de radares e MAGE envolvidos no processo de GE.

2.1. Tipos de Radares

2.1.1. Radares Pulsados

De acordo com [2], os radares pulsados são muito utilizados como radares de
navegação e emitem um único pulso eletromagnético, fazendo-se uso de uma onda portadora,
com suas características específicas tais quais largura de pulso (LP), que corresponde ao período
de duração de um pulso, e amplitude, que é o valor máximo de energia desferida por esse pulso.
Outras características dos radares pulsados, conforme [2], são: O Tempo de
Descanso, período em que o radar não realiza nenhuma emissão, que ocorre entre o término da
emissão de um pulso eletromagnético e o início da emissão de outro; o Intervalo de Repetição
de Pulso (Pulse Repetition Interval – PRI), que é o tempo entre a emissão de um pulso
eletromagnético e a emissão de outro pulso eletromagnético, que corresponde ao inverso da
Frequência de Repetição de Pulso (FRP). Algumas dessas características podem ser
visualizadas na figura 2, com a linha em azul representando a envoltória de um sinal radar
pulsado:
 24

Figura 2 – Envoltória de um sinal radar pulsado.

Fonte: Elaborado pelo autor.

Segundo [2], esse tipo de radar apresenta um período muito pequeno de tempo de
emissão do seu pulso eletromagnético e faz uso de um tempo bem maior de descanso, no qual
não realiza emissão alguma. Durante esse período de descanso, aguarda a recepção dos ecos
causados pela reflexão do último pulso eletromagnético emitido.
Em um radar pulsado, conforme [1], a medida do intervalo de tempo decorrido entre
a transmissão de um pulso e a posterior recepção de seu eco, é denominado ∆T. Considerando
a velocidade de propagação do pulso eletromagnético, emitido pelo radar, como sendo igual a
velocidade da luz no vácuo, denominada c (correspondente a aproximadamente 300.000.000
m/s), consegue-se determinar a distância entre esse radar e um alvo pela seguinte equação: R =
c*∆T/2, sendo R a distância entre esse radar e um alvo.
De acordo com [2], a equação que determina o alcance radar, denominada equação
radar, pode ser visualizada na figura 3:
 25

Figura 3 – Equação radar.

Fonte: Allan, SGE - Conceitos de GE_v1, p. 75.

Sendo: P a potência transmitida; G o ganho da antena; λ a LP; σ a seção reta radar

do alvo; F a figura de ruído do receptor; K a constante de Boltzman; T a temperatura padrão; B
a largura de banda; L as perdas do sistema; e R a distância do alvo.
O radar pulsado, conforme [1], apesar de ser um sistema muito útil à navegação,
apresenta a limitação de sua distância máxima de localização de um alvo, ser restringida por
sua FRP: FRP = 2*(Rmáx/c), com Rmáx sendo a distância máxima de localização de um alvo por
esse radar. [1]
Outra característica importante desse tipo de radar, segundo [1], é a sua resolução
mínima em distância (∆Rmin), que provém da possibilidade de sobreposição de ecos
subsequentes provindos de um mesmo azimute. Portanto, para que o processamento do radar
não seja errôneo ou desconsidere a presença de dois alvos muito próximos, o ∆Rmin = c*(LP)/2.
De acordo com [1], uma forma de se aumentar o ∆Rmin é a diminuição da LP. Porém,
a redução da LP acarreta um aumento da potência de pico do radar (PP) para uma mesma energia
de pulso (EP), o que pode ser demonstrado pela seguinte equação: EP = PP*LP.

2.1.2. Radares Low Probability of Identity (LPID)

Os radares LPID, conforme [8], têm a característica de serem facilmente detectados,

porém, dificilmente identificados por um receptor MAGE, por apresentarem uma rápida
variação (agilidade) de diversos parâmetros do radar, tais quais frequência, LP e FRP.
Segundo [8], a agilidade nos parâmetros do radar atrapalha o processo de
classificação do seu sinal por um MAGE, pois o MAGE necessita detectar pulsos
individualmente e analisá-los, em um período mínimo de tempo (time-slice), por meio de um
processo de clusterização, a partir dos parâmetros radar, para a identificação do emissor. A
caracterização do emissor não ocorre, adequadamente, se houver agilidade desses parâmetros.
Em [9], a agilidade aplicada a FRP ocorre ao se alternar o PRI em 2, 3 ou 4 níveis
diferentes, como pode-se ver na figura 4:
 26

Figura 4 – Agilidade de FRP: [a] PRI estável, radar sem agilidade em FRP; [b] PRI em 2 níveis diferentes, radar
com agilidade em FRP

Fonte: Silva, Rafael S. (2016, p. 10)

Outros dois parâmetros em que se utiliza a agilidade, de acordo com [10], são a LP
e a frequência, sendo a agilidade em frequência a técnica mais frequentemente utilizada pelos
radares LPID. Um exemplo de funcionamento de um radar LPID com agilidade em frequência
em 160 MHz é o apresentado pela figura 5 abaixo, do analisador de espectro R&S®FSW da
Rohde & Schwarz:

Figura 5 – Agilidade em frequência

Fonte: Rohde & Schwarz, 2021.

Para que esse tipo de radar seja identificado corretamente por um equipamento
MAGE, são necessários algoritmos de deinterleaving mais sofisticados do que os apresentados
neste trabalho. Um caminho de solução para esse problema, além da sofisticação do algoritmo
de clusterização, seria o emprego de parâmetros extras (não abordados neste trabalho, como por
exemplo o Tempo de Subida do Pulso ou Overshoot) durante o processo de identificação do
emissor. Esses parâmetros extras, associados ao pulso radar do emissor, invariavelmente,
somente podem ser obtidos por um processamento digital (MAGE de 2ª Geração). Uma
segunda abordagem seria acrescentar uma etapa prévia ao processo de deinterleaving
 27

empregando filtros de acompanhamento específicos para esses tipos de Radar (também fora de
escopo deste trabalho). No entanto, embora essa solução possa ser utilizada em MAGEs de 1ª
Geração, ela necessita de informações ELINT (interpulso) em constante atualização para
manter a eficácia desses filtros de acompanhamento.

2.1.3. Radares Low Probability of Intercept (LPI)

Os radares LPI, conforme [8], buscam emitir sinais de difícil interceptação por um
MAGE adversário buscando o uso seguro do espectro eletromagnético, o que só é possível por
conta da distinção entre o funcionamento do radar e do MAGE.
Segundo [8], enquanto o MAGE intercepta um sinal em função da potência de pico
desse, em uma SNR, o radar tem o seu funcionamento determinado pela potência média
transmitida (total de energia transmitida/tempo de transmissão). Tal diferença de
funcionamento possibilitou a criação dos radares LPI que, através de diversas técnicas,
diminuem a potência de pico dos seus sinais enquanto mantém a potência média necessária para
a operação do radar.
Existem quatro técnicas utilizadas pelos radares LPI, em [8], para reduzir o pico de
potência dos seus sinais e manter a potência média desses:

2.1.3.1 Gerenciamento de Potência

De acordo com [8], o gerenciamento de potência é uma técnica que busca utilizar
somente a quantidade necessária de energia para acompanhar um alvo. Essa técnica busca
diminuir a potência de pico emitida ao menor nível útil para o cumprimento do propósito do
tipo de radar no qual essa técnica é aplicada.
Essa técnica, conforme [8], é aplicável a radares que necessitam emitir somente a
energia necessária para acompanhar um alvo, considerando sua variação de distância, tais quais
os radares utilizados pelas aeronaves de interceptação.
Segundo [8], como os radares de busca e interceptação tem como propósito realizar
a detecção de alvos em qualquer distância torna-se inviável o emprego do gerenciamento de
potência.
 28

2.1.3.2 Compressão de Pulsos

A técnica de compressão de pulsos, em [8], utiliza a capacidade do radar de integrar

diversos sinais eletromagnéticos recebidos em um longo período de tempo, diminuindo assim
a potência de pico emitida por cada sinal isoladamente.
De acordo com [8], a compressão de pulsos diminui consideravelmente a
possibilidade de interceptação das emissões de um radar por um MAGE, por conta de o MAGE
não dispor, ou ter uma capacidade muito pequena, de integrar sinais de longos intervalos de
tempo, tratando cada pulso individualmente.
Conforme [8], os radares que utilizam compressão de pulsos, portanto, dividem a
potência média necessária para a sua operação em diversos pulsos emitidos em intervalos
diferentes de tempo. Tal capacidade permite também uma diversidade de variações no sinal
emitido.
A diferença de detecção, por um MAGE, de um radar que utiliza a técnica de
compressão de pulsos e um radar pulsado é apresentada na figura 6 abaixo:

Figura 6 – Diferença da detecção, por MAGE, de um radar pulsado (figura superior) e de um radar com
compressão de pulsos (figura inferior)

Fonte: De Oliveira e Dias (2007)

2.1.3.3 Aumento da Largura de Banda

A técnica LPI, segundo [8], de aumentar a largura de banda de um sinal consiste

em aumentar o tempo de duração de um pulso, distribuindo a potência desse pulso ao longo do
 29

seu tempo de duração, e com isso diminuir a potência de pico desse pulso.
Essa técnica, em [8], dificulta a interceptação do sinal pelo MAGE em função do
MAGE não ser capaz de separar sinais muito próximos em frequência, pois a largura de banda
do MAGE somente deve ser larga o suficiente para receber e medir um sinal.
De acordo com [8], uma contramedida que pode ser utilizada por um MAGE para
detectar um radar que tenha tido um aumento de sua largura de banda seria aumentar a largura
de faixa do canal do MAGE. Porém, essa contramedida, aumentaria a quantidade de ruído que
o MAGE receberia, diminuindo assim a SNR do MAGE e, em consequência, reduzindo também
a sensibilidade de detecção desse MAGE.

2.1.3.4 Redução de Lóbulos Secundários

Radares comuns, conforme [8], emitem sinais eletromagnéticos não só na direção

da qual a sua antena aponta, mas para os seus arredores, devido aos lóbulos secundários. Os
lóbulos secundários de um radar comum apresentam um nível de potência cerca de 100 vezes
menor que a potência do lóbulo principal o que pode vir a ser suficiente para um receptor
MAGE detectar tais lóbulos.
Segundo [8], a técnica de redução dos lóbulos secundários de um radar consiste em
reduzir, em até 10.000 vezes, a potência emitida pelos lóbulos secundários desse radar,
diminuindo a probabilidade desse radar ser interceptado por conta de seus lóbulos secundários.

2.1.4. Radares Low Probability of Detection (LPD)

Os radares LPD, em [11], compõem um tipo único de radar que, apesar de estar
abrangido dentre o conjunto de radares LPI, se distingue suficientemente dos outros tipos de
radares LPI que dividiu os radares LPI em dois tipos: os radares Low Probability of Exploitation
(LPE), que compõem todos os tipos de LPI já conhecidos; e os radares LPD, que utilizam uma
técnica avançada de compressão de pulsos em combinação com uma alteração de amplitude e
fase evitando ter seus sinais interceptados por um MAGE.
De acordo com [8], a tecnologia de radar LPD faz o emprego de ondas contínuas
(continuous waves – CW), o que por si só não seriam capazes de medir a distância de um alvo.
Para que as CW consigam ser efetivamente utilizadas por um radar na medição da distância dos
alvos à antena desse foram aplicadas diversas tecnologias de modulação às ondas CW tais quais:
 30

Modulações de fase, como o Phase-Reversal (Binary-Phased-Shift Keying, BPSK),

Quadrature-Phased-Shift Keying (QPSK) e Higher-Level Phase Modulation; e FM-CW.
Conforme [8], os radares FM-CW, também conhecidos como Chirp, são os radares
LPD mais utilizados atualmente. Esse tipo de radar diminui consideravelmente a potência de
pico transmitida por conta de estar continuamente transmitindo, o que é a característica de ser
CW. Como pode-se perceber na figura 7 abaixo, há uma enorme distinção entre a potência de
pico de um radar pulsado e de um radar CW:

Figura 7 – Distinção entre a potência transmitida por um radar pulsado e por um radar CW

Fonte: De Oliveira e Dias (2007)

O radar FM-CW, segundo [12], realiza uma modulação de frequência por varredura
com o objetivo de permitir a medição de distâncias desse radar à um alvo e evitar a
interceptação, bloqueio ou detecção de seus sinais por um MAGE ou MAE inimigo. A
varredura que o radar FM-CW realiza é relativamente rápida e por uma grande faixa de
frequência conforme demonstrado na figura 8 abaixo:
 31

Figura 8 – Sinal de modulação do radar FM-CW

Fonte: ADAMY, 2009, p. 42.

O gráfico da variação de frequência de um sinal transmitido de um radar FM-CW

no domínio do tempo pode ser visto na figura 9 abaixo:

Figura 9 – Variação de frequência de um radar FM-CW

Elaborado pelo autor

Não necessariamente, em [12], a forma de onda da varredura do radar FM-CW será

linear, podendo haver variações na taxa de varredura, de formas aleatórias, assim como dos
períodos de início de cada varredura.

2.2. Tipos de MAGE

 32

2.2.1. MAGE 1ª Geração

De acordo com [14], o MAGE realiza a busca, interceptação, localização (da origem
do sinal), classificação e identificação de um sinal eletromagnético a fim de obter informações
desse sinal que apoiem decisões ou apoiem a execução de ações automáticas em resposta a uma
ameaça imediata.
Dentre as informações que o MAGE coleta de um pulso, em [35], temos os
parâmetros internos a cada pulso, chamados de parâmetros intrapulso, que são a amplitude do
pulso, frequência, LP, os parâmetros interpulso, parâmetros entre pulsos, característicos da
sequência de pulsos recebida, tais quais PRI, o tipo de PRI, a Taxa de Varredura, e os
parâmetros do cenário, como Time of Arrival (TOA) e Angle of Arrival (AOA).
Um MAGE antigo (usualmente um MAGE de 1ª geração, ou com ELINT
interpulso), conforme [14], realiza suas ações através da sequência de funcionamento de seus 4
subsistemas: O receptor, onde é formada a Palavra Descritora do Pulso (Pulse Descriptor Word
– PDW); o pré-processador, onde é formada a Palavra Descritora da Ameaça (Threat Descriptor
Word – TDW); o processador principal; e a interface homem-máquina (IHM). A sequência de
funcionamento desse MAGE é demonstrada na figura 10:

Figura 10 – Sequência de funcionamento da detecção de um MAGE 1ª geração

Receptor Pré-processador
Processador Interface
(Formação da (Formação da principal homem-máquina
PDW) TDW)

Fonte: Elaborado pelo autor.

Segundo [14] e [7], o sinal é inicialmente detectado pelo receptor (o qual pode
apresentar diferentes capacidades de desempenho), que mede os parâmetros individuais de cada
pulso, como sua frequência, LP, amplitude, tempo de chegada de cada sinal e marcação da
possível origem do sinal. Posteriormente, após ter os parâmetros do sinal definidos, esse sinal,
com a PDW formada, passa pelo pré-processador, que reduz a taxa de processamento,
agrupando os pulsos (PDW) num processo usualmente típico de clusterização (deinterleaving
primário), para que caracterizado os agrupamentos estes sejam associados aos emissores
(TDWs) juntamente com a caracterização dos seus parâmetros médios estáticos respectivos.
Posteriormente, no processador principal, é identificado o nível de ameaça dos emissores, ao
comparar a TDW, associada a cada emissor, com uma biblioteca de emissões (processo
 33

conhecido como classificação), construída na MB a partir do Sistema Fênix. Por fim, na IHM,
os resultados são apresentados ao operador.
Na maioria desses tipos de MAGE, em [15], o sistema ELINT trabalha no pré-
processador armazenando as PDWs presentes no cenário para que se possa fazer,
posteriormente, a partir desses dados, uma análise ELINT offline. Posteriormente, a partir
desses pulsos, o sistema MAGE extrai parâmetros interpulso separando os trens de pulso
individualmente para analisar seus parâmetros, processo conhecido como deinterleaving.
A PDW de um pulso, produzida no receptor do MAGE, é formada pelos parâmetros
individuais desse pulso. Parâmetros como a LP, a amplitude do pulso e a frequência da
portadora desse.
Com a PDW de um pulso, conforme [14], o pré-processador, através de médias
estatísticas de informações do AOA, frequência da portadora, LP, tipo de PRI, valor da PRI,
tipo de varredura e parâmetro de varredura, extraídas de um processo de agrupamento
(clusterização) de pulsos, forma a TDW.
De acordo com [14], após o deinterleaving primário, em uma fase denominada
deinterleaving secundário, o processador principal mede outros parâmetros da emissão radar,
normalmente relacionados com a dinâmica da transmissão realizada pelo emissor como: A
frequência de repetição de pulso (PRF); tipo de PRF, largura de feixe da antena; velocidade de
rotação da antena; padrão de rotação da antena; e o chaveamento de modo.
Já de acordo com [15], o processo de deinterleaving ocorre utilizando os parâmetros
primários do pulso, tais quais, LP, frequência central, frequência da portadora, amplitude,
ângulo de chegada, a existência de modulação intrapulso e TOA; e os parâmetros secundários
desse, que são o tipo de varredura e a PRI. Os parâmetros secundários de um pulso são definidos
a partir de análises dos parâmetros primários desse, que são recolhidos diretamente da análise
de um pulso
A TDW se, ao ser comparada aos outros dados constantes da biblioteca principal
de emissões, não constar nessa, ocorrerá uma inserção na biblioteca auxiliar de emissões para
que, num momento futuro, seja feita a atualização dessa TDW na biblioteca Fênix.
Na figura 11 pode-se ver a formação do TDW:
 34

Figura 11 – Formação do TDW

Fonte: Allan, SGE - MAGE_v1, p. 41

Entretanto, segundo [15], sem um bom pré-processamento do sinal, a fim de separar

e definir adequadamente os parâmetros principais desse, não será possível a confecção do
TDW, não permitindo, assim, que o MAGE detecte o nível de ameaça que o sinal
eletromagnético oferece.
No MAGE 1ª geração existem 4 métodos conhecidos de deinterleaving:

2.2.1.1 TOA ou PRI

Separam os pulsos com base em suas características de TOA ou PRI, conforme

[15], e, portanto, não demanda unidades receptoras muito complexas, pois não necessita de
outros parâmetros do sinal a ser analisado.
Segundo [15], o deinterleaving por TOA ou PRI de um sinal se torna essencial, pois
existem sistemas que apresentam medidas muito pobres dos outros parâmetros de um sinal o
que dificulta a análise deste, caso não houvesse esse método de deinterleaving.
Esse método de deinterleaving é considerado, por Mardia, em [20], como o
 35

primeiro algoritmo de deinterleaving existente. Para fazer a separação dos pulsos por TOA é
analisado o histograma de diferença cumulativa dos TOA captados pelo receptor MAGE,
através do qual se tem a indicação do provável PRI do sinal recebido.
De acordo com [20], Podemos dividir os tipos de PRF em três categorias: PRF
constantes, que tem uma variação menor do que 1% do PRF médio emitido; PRF com agilidade,
emitido por radares LPID; e PRF escalonado, no qual é formado um trem de pulsos a partir da
repetição de um mesmo pulso, com seu PRI constante, em escalonado, no qual um pulso é
emitido com seu instante de emissão, Time to First Event (TFE), diferente para cada nível de
escalonamento, como pode-se verificar na figura 12.

Figura 12 – PRF escalonado

Fonte: Ata’a e Abdullah, 2007, p. 5

O deinterleaving, conforme [20], por TOA consegue identificar com facilidade um

emissor com PRF constante, mas tem dificuldade para identificar emissores que contenham
PRF com agilidade, no qual outros elementos de ELINT se fazem necessários para a
identificação de um emissor, tais quais algoritmos de busca de sequência, e PRF escalonado,
no qual se faz necessário a aplicação do histograma de diferença cumulativa para se tentar
identificar os diferentes picos e definir seus PRI.
Segundo [20], esse método de deinterleaving também apresenta dificuldade para
identificar um emissor isolado quando há mais de um emissor no ambiente. O deinterleaving
por TOA, nesse caso, tenta analisar o histograma de diferença cumulativa a fim de distinguir
um pulso do outro e torna a analisar os pulsos repetidamente através desse histograma até que
sejam distinguidas as características de cada pulso ou que o sistema defina que a informação
captada é incompreensível.
 36

2.2.1.2 Memória Associativa

Esse processo de deinterleaving consiste, de acordo com [13], em determinar um

número a uma célula de memória (usualmente memória RAM dinâmica comum) que conterá
os bits relacionados a frequência e AOA de possíveis alvos detectados.
Nesse processo, conforme [13], se cria uma lista contendo os dados de AOA e
frequência de cada possível alvo definindo, o respectivo número de entrada de cada possível
alvo dessa lista, através da fórmula 2(nº de bits correspondentes a frequência + nº de bits correspondentes a AOA),
considerando a primeira entrada como “0”, correspondente a indicação de que não há nenhuma
célula associada a essa entrada, e a última entrada como o tamanho máximo de frequência e
AOA alocado para essa memória -1, o que corresponderia a 2(nº de bits correspondentes a frequência + nº
de bits correspondentes a AOA)
– 1.
Um exemplo de como o formato da lista de entrada de memória desse sistema
ficaria pode ser visualizado na tabela 1 abaixo:

Tabela 1 – Lista de entrada de memória do sistema de deinterleaving por Memória associativa

Mem_Cel: Entrada (0)
Entrada (1)
Endereço = [F, AOA] => ...
Entrada (2(nº de bits correspondentes a frequência + nº de bits correspondentes a AOA) – 2)
Entrada (2(nº de bits correspondentes a frequência + nº de bits correspondentes a AOA) – 1)
Fonte: Heraldo e Vinícius, 1995, p. 11

Esse processo de deinterleaving oferece tamanhos distintos de células a cada alvo

detectado dependendo dos valores de frequência e AOA de cada alvo, segundo [13].
Podemos verificar um exemplo de dois alvos, com entradas de valores 4 e 7 na lista
de entrada de memória desse sistema, representados na tabela 2 abaixo:
 37

Tabela 2 – Quadro de deinterleaving por memória associativa

M 4 4 4 4 4
a 4 4 4 4 4
r
4 4 4 4 4
c
a 4 4 4 4 4 7 7 7 7 7 7
ç 4 4 4 4 4 7 7 7 7 7 7
ã
o 7 7 7 7 7 7

Frequência
Fonte: Heraldo e Vinícius, 1995, p. 11

Na tabela 2, cada quadrícula contém o tamanho de 2,8º de AOA e 10 MHz de

frequência, e corresponde a uma posição na memória (usualmente RAM) desse sistema.
Portanto, pode-se verificar, na figura 14, que o alvo correspondente a entrada 4 do sistema,
contém AOA de 14º e frequência de 50 MHz.
Esse tipo de algoritmo de deinterleaving, em [13], é rápido em steady state
(momento em que aguarda a detecção de um pulso), mas consome recursos computacionais
(assim como tempo de computação) para a criação de novas células e, posteriormente, o
reagrupamento de células a fim de criar uma célula com agilidade.
Outro problema que esse algoritmo de deinterleaving tem, de acordo com [13], é a
tolerância de frequência e ângulo de uma célula no caso de existirem células vizinhas já
endereçadas.

2.2.1.3 Separação por Células (Pigeon Hole)

Esse processo de deinterleaving, em [14] e [15], é um dos mais conhecidos e

utilizados, no qual se separa os pulsos a serem analisados em células, anteriormente
estabelecidas, de tamanhos fixos quanto a AOA e frequência, como podem verificar na figura
13 abaixo:
 38

Figura 13 – Deinterleaving de separação por células

Fonte: Allan, SGE - MAGE_v1, p. 32

A vantagem desse método de deinterleaving é proporcionar uma considerável

redução de dados, por conta da diminuição dos passos necessários para o processamento de
cada pulso, ao só se comparar os pulsos a partir da célula que cada qual se encontra, e uma
maior rapidez na execução, por não depender de parâmetros secundários para realizar o
deinterleaving, conforme [15]. Essas vantagens são compartilhadas também pelo processo de
deinterleaving por memória associativa.
A grande desvantagem desse método de deinterleaving, de acordo com [15] e [16],
é a sua ineficiência de análise diante de emissores com agilidade em algum parâmetro de suas
emissões, podendo, um mesmo emissor, aparecer em diversas células de análise diferentes e
aparentar ser mais de um só emissor como pode-se visualizar na parte direita desse histograma
de duas dimensões (Frequência e LP), da figura 14, realizado através desse deinterleaving.
 39

Figura 14 – Deinterleaving de um emissor com agilidade em frequência

Fonte: SILVA, 2002, p. 33.

2.2.1.4 Separação por Células (Pigeon Hole) com PRI

Esse método de deinterleaving, em [15], ocorre em duas etapas: na primeira etapa

ocorre o deinterleaving de separação por células adaptativo, o qual, diferente do Pigeon Hole
tradicional, pode-se aumentar ou diminuir o tamanho de cada célula a ser utilizada; na segunda
etapa, em cada célula separadamente, ocorre o deinterleaving por PRI.
De acordo com [15], esse método de deinterleaving permite um rápido
agrupamento de pulsos através do deinterleaving Pigeon Hole, e apresenta uma melhor
eficiência, em relação às demais técnicas, de detecção de emissores com agilidade em seus
parâmetros, pois pode-se aplicar diferentes técnicas de deinterleaving por TOA para detectar
acuradamente um emissor.
Porém, conforme [15], apesar de apresentar uma melhor possibilidade de detecção
de emissores com agilidade em seus parâmetros, em relação aos outros métodos de
 40

deinterleaving tratados, pois pode aumentar o tamanho de sua célula a fim de conter toda a faixa
de variação, por agilidade, de um parâmetro, essa técnica de deinterleaving ainda não é
suficientemente eficiente contra esses emissores que contém uma grande faixa de variação de
seus parâmetros, pois, no aumento de suas células, a fim de englobar toda a faixa de variação
em agilidade do emissor, a célula de análise pode vir a englobar outra emissão legítima para
analisar juntamente com a emissão que contém agilidade, impedindo, assim, que haja uma
análise acurada de ambas as emissões em questão.

2.2.2. MAGE 2ª Geração

Segundo [15], [8] e [17], MAGEs que contém um receptor digital (DRX), são
capazes de realizar ações de ELINT intrapulso por SW ou FW, conferindo uma rápida
conversão de um sinal analógico para um sinal digital (conversão A/D) e um rápido
processamento digital do sinal recebido, apresentando um melhor desempenho de recepção de
sinais com SNR baixos e possibilitando a recepção de sinais LPD.
A importância da evolução dos MAGEs, em [8], se deu em função do
desenvolvimento de parâmetros de codificação intrapulso dos sinais e do desenvolvimento dos
sinais LPD que inviabilizavam o emprego efetivo de MAGE que não continham um
desempenho adequado para a detecção desses sinais, como podemos observar na tabela 3
abaixo:

Tabela 3 – Comparação da recepção de sinais LPD (emitidos pelo radar Pilot MK2) pelo MAGE (ESM) 1ª
geração e o MAGE 2ª geração (de alta performance)

Fonte: De Oliveira e Dias (2007)

 41

De acordo com [17], o DRX é o outro grande diferencial entre os MAGEs antigos
(usualmente de 1ª geração) e os MAGEs modernos (usualmente de 2ª geração).
Pode-se ver a estrutura de um MAGE 2ª geração na figura 15 abaixo:

Figura 15 – Diagrama de estrutura de um MAGE 2ª Geração

Fonte: Neri, 2001, p. 353.

Na figura 15, conforme [17], podemos visualizar os blocos que compõe um DRX:
O spectrum analyzer, também conhecido como canalizador, que é composto de filtros digitais
e realiza operações de transformadas rápidas de Fourier (Fast Fourier Transform, FFT) após a
filtragem dos sinais que recebe; e o detection and measurements e o conversor A/D, que
correspondem ao digitalizador, responsável por fazer uma rápida amostragem do sinal, de
acordo com a teoria de Shannon, enquanto aumenta o paralelismo do fluxo de dados de forma
a reduzir a taxa de variação desse sinal e equiparar a velocidade de processamento do
canalizador, assim como, também é responsável pela conversão do sinal analógico para digital
e a conversão do sinal à frequência de banda base.
As suas vantagens, em relação aos receptores dos MAGE 1ª geração (receptores
analógicos) , consiste no processamento digital dos sinais que oferece: Estabilidade na
operação; maior agilidade de repetição de análises; maior flexibilidade de funcionamento;
possibilidade de programações diversas; capacidade de executar uma análise instantânea de um
 42

sinal em uma banda larga, através do uso de ferramentas típicas de processamento digital de
sinais, tais quais o uso da FFT, que será abordada posteriormente nesse trabalho; facilidade de
conseguir separar as componentes de fase e frequência de um sinal das componentes com
modulação de fase ou frequência desse, tais quais a QPSK, BPSK e FM-CW.
Pode-se ver o diagrama de blocos do funcionamento de um DRX na figura 16
abaixo:

Figura 16 – Diagrama de blocos do funcionamento de um DRX

Fast Fourier
Frequência Sinal em fase
Transformation (FFT)
intermediária (IF)
+ Digitalizador Filtros digitais
Taxa de amostragem
(fs) Sinal modulado (QPSK, Fast Fourier
BPSK, FM-CW) Transformation (FFT)

Fonte: Elaborado pelo autor.

Na figura 16, temos a representação mais completa do canalizador, com os filtros

digitais, que trabalham em conjunto e em tempo real na detecção das modulações do sinal, e as
FFT, que parametrizam o sinal em amplitude e em fase, após esse ter passado pelos filtros
digitais.
Segundo [17], para que a fs seja acurada, se faz necessário respeitar a taxa de
Nyquist, no qual a fs deverá ser maior que o dobro da largura de banda do sinal (fs > 2B).
A IF, ao passar pelo digitalizador, sofre uma down conversion, no qual essa IF é
analisada a partir da banda de amostragem B, como pode-se visualizar na figura 17 abaixo:

Figura 17 – Banda de amostragem da IF

Fonte: Neri, 2001, p. 105.

 43

Na figura 17 o centro da IF corresponde ao ponto de encontro da ordenada com a

abscissa do gráfico.
Portanto, conforme a figura 17, uma exigência necessária, em [17], para que
consigamos encontrar a IF, o conversor A/D deve ter uma largura de banda grande o suficiente
para captar a frequência máxima (IF + B/2), e mínima (IF - B/2), de interesse.
De acordo com [17], após conseguirmos determinar a banda base do sinal emitido,
podemos facilmente separar os componentes em fase e frequência dos seus componentes
modulados (QPSK, BPSK e FM-CW) do sinal através de filtragens digitais.

2.3. Ferramentas Utilizadas

2.3.1 Ruído Branco

Segundo [21], por conta dos MAGEs, serem limitados quanto a capacidade de
detectar um sinal dependendo do SNR em questão, é importante entender a influência do ruído
na emissão de uma onda eletromagnética.
Existe, em [21], três tipos diferentes de ruídos: o ruído ambiental; o ruído térmico;
e o ruído intrínseco do próprio receptor.
De acordo com [21], dentre os ruídos existentes, o ruído térmico, usualmente
modulado como ruído branco, se faz presente em qualquer sistema de emissão e recepção de
ondas eletromagnéticas, é de natureza aleatória, é originado externamente a um sistema, e pode
corromper a informação que seria recebida por um sinal.
O ruído branco, conforme [21], é formado pelo movimento aleatório de elétrons em
um condutor e é definido como SW(f)=N0/2, no qual N0 = kTe, sendo N0 o nível de ruído de
entrada no receptor de um sistema de comunicação, k a constante de Boltzmann
(1,38064852*10-23 m2*kg*s-2*k-1), e Te a temperatura equivalente de ruído na qual um resistor
deve ser mantido para que, ao se conectar um resistor na entrada do sistema, seja produzida a
mesma potência de ruído na saída desse sistema que a produzida pelas fontes de ruído de um
sistema real.
Segundo [21], a partir da expressão SW(f) podemos observar que a potência média
do ruído tenderia ao infinito e, portanto, seria impossível se realizar um modelo teórico que o
representasse com perfeição. O modelo prático mais aceitável para a representação do ruído
 44

𝟐
(𝑽 )
𝟏 − 𝑹𝟐
branco é o modelo gaussiano, f(VR)=(𝛔√𝟐𝝅 𝒆 𝟐𝛔 ), com VR sendo a tensão do ruído e σ sendo

a tensão média quadrática do ruído (Vrms).

A função f(VR) é representada temporalmente pela figura 18, com o valor de Vrms
representando uma probabilidade de ocorrência de 68,7%:

Figura 18 – Modelo gaussiano para ruído branco em função do tempo

Fonte: Ivo et al., 2012, p.3

2.3.2 Transformada de Fourier de Curto Prazo (STFT)

As transformadas de Fourier, em [22], nos permitem calcular o espectro de

frequência de uma função temporal. Porém, para sinais não estocásticos, ou seja, sinais cujas
características variam no tempo, as transformadas clássicas de Fourier não se tornam adequadas
para análise. Para esses casos, em que necessitamos analisar sinais estocásticos, foi
desenvolvida a STFT.
De acordo com [22], a STFT, diferente das outras transformadas de Fourier, fornece
as informações de como a frequência de um sinal muda ao longo do tempo, fornecendo uma
análise de tempo-frequência desse sinal, ao extrair diversos quadros desse a partir da aplicação
da transformada de Fourier em uma janela, ou seção do sinal, que varia ao longo do tempo. Se
essa janela, para a aplicação da STFT, for estreita o suficiente, cada quadro extraído do sinal
pode ser visto como estacionário para possibilitar a aplicação da transformada de Fourier.
 45

Na figura 19 pode-se ver o resultado de uma STFT em um pulso que varia de

frequência com o tempo:

Figura 19 – Resultado de uma STFT em um pulso com variação de frequência

Fonte: OriginLab, 2021.

A equação que define a STFT, conforme [22], é: STFT{x[n]} = ∑𝒏=+∞

𝒏=−∞ 𝐱[𝐧] ∗

𝐰[𝐧 − 𝐦] ∗ 𝒆−𝒋𝒘𝒏, de uma função x(n), com w(n) representando a janela de aplicação da
transformada de Fourier variante no tempo.
A aplicação da janela, ou window, da STFT será feita em uma matriz de tempo por
amplitude como pode-se visualizar na figura 20:
 46

Figura 20 – Janela de uma STFT

Fonte: OriginLab, 2021.

Segundo [22], a janela escolhida na STFT pode afetar a análise acurada do sinal,
sendo, portanto, necessário escolher adequadamente o tamanho e forma de janela para realizar
a análise.
O tamanho da janela escolhida, em [22], está intimamente relacionado à resolução
de tempo e frequência da STFT. Há uma relação de proporcionalidade, entre o tamanho da
janela e a resolução na frequência e no tempo, no qual, quanto menor a janela, maior a resolução
da STFT no tempo e menor a resolução dessa em frequência, e quanto maior a janela, menor a
resolução da STFT no tempo e maior a resolução dessa em frequência. Esse fenômeno de
proporcionalidade, entre o tamanho da janela e as resoluções em tempo e em frequência da
STFT, reflete o chamado princípio da incerteza de Heisenberg.
De acordo com [22], outro parâmetro importante a se definir, ao se utilizar a STFT,
é o tamanho das seções sobrepostas, do sinal, para uso nas janelas. Um tamanho de sobreposição
diferente de zero ajuda a detectar mudanças de quadros em relação aos quadros adjacentes,
porém requer maior tempo de computação, enquanto um tamanho menor de sobreposição
requer uma menor computação, mas dificulta a detecção de mudanças de quadros com relação
à quadros adjacentes.
 47

2.3.3 Função de Autocorrelação

A função de autocorrelação, conforme [23] e [24], é a correlação entre diversos

valores, no tempo ou no espaço, de uma função, definindo, portanto, a tendência temporal dos
valores sucessivos dessa função.
Segundo [24], a autocorrelação permite também que se analise o grau de
irregularidade de um sinal.
De acordo com o teorema de Gauss-Markov, em [25], para haver autocorrelação,
deve haver: Uma relação linear entre os valores dos eixos “x” e “y”; os valores do eixo “x”
devem ser fixos, em repetidas amostras, enquanto os valores do eixo “y” devem variar de acordo
com uma distribuição de probabilidade, ou seja, de acordo com o valor esperado, E(Y|x).
A autocorrelação, de acordo com [25], e conforme Gauss-Markov, apresentará,
como propriedade, o valor esperado zero, E(e|x) =0, para “erros” ou valores aleatórios, que não
seguem um padrão e não fazem parte da função. Portanto, os erros, tanto no eixo “x”, quanto
no eixo “y”, não são autocorrelacionados, tendo E(eiej)=0.
Na figura 21 temos um exemplo de um sinal com autocorrelação e de um sinal sem
autocorrelação:

Figura 21 – Exemplo de um sinal com autocorrelação e de um sinal sem autocorrelação

Fonte: Maia, Autocorrelação, p. 3

Conforme [25], existem 3 principais causas de haver autocorrelação em uma função

ou série: A inércia, no qual uma série apresenta um ciclo de crescimento ou decaimento; falha
na especificação, quando a autocorrelação é devida a falha na especificação da forma da função;
e a defasagem, quando um valor da função depende de valores de momentos anteriores dessa,
ou do eixo “x”, ou do eixo “y”.
Conhecendo-se a equação de autocorrelação, segundo [21], de um ruído branco,
RW(t) = 𝛿(t)*N0/2, com 𝛿(t) representando um instante no tempo e N0 o nível de ruído no estágio
 48

de entrada do receptor, podemos verificar que RW(t) só apresentará um valor para instantes
específicos de tempo por conta do 𝛿(t). Por conta disso, se analisarmos duas amostras de ruído
branco, temporalmente próximas uma da outra, não haverá autocorrelação dessas amostras,
demonstrando, assim, a aleatoriedade que o ruído branco possui.
Diante dessas propriedades, a autocorrelação se torna muito útil na exclusão do
ruído branco em uma transmissão de sinal, pois somente a função do sinal tem autocorrelação.

2.3.4 Modulação e Códigos Utilizados no Programa

Em [26], pulsos curtos e com grande pico de potência, emitidos por radares,
oferecem uma boa resolução dos alvos, mas são facilmente detectáveis por MAGE. Enquanto
pulsos mais largos e com picos menores de potência são mais difíceis de serem detectados por
MAGE, mas tem uma menor resolução dos seus alvos.
Os radares pulsados LPI, para diminuir a amplitude de seus pulsos, de acordo com
[26], começaram a utilizar técnicas de compressão de pulsos (PCT, Pulse Compression
Technique), porém, para não diminuir a capacidade de detecção de seus alvos, os radares
pulsados LPI começaram a utilizar codificações que permitissem a PCT sem comprometer o
alcance de detecção desse radar.
Conforme [26], uma das formas de codificação mais simples é a modulação de uma
forma de onda conhecida pelo receptor, no qual é feita uma operação de correlação cruzada, em
que uma medida de similaridade entre dois sinais é feita através de um atraso aplicado a um
deles. Através disso, a forma da onda longa, comprimida por PCT em uma onda curta e
codificada, permite uma autocorrelação máxima, com defasagens próximas de zero,
possibilitando a completa reconstrução dessa onda no receptor.
Diante disso, o objetivo de um bom PCT é a escolha da codificação ideal que
permita uma curta função de autocorrelação.
Dentre as PCTs existentes o programa de simulação de pulsos desse trabalho analisa
LFM, o código Barker e o código Frank.

2.3.4.1 Modulação Linear em Frequência (LFM)

Segundo [26], é uma modulação da forma de onda na frequência, com variação

linear, no tempo, da frequência da portadora. A LFM pode ser aplicada por um período
 49

específico, para radares CW, ou dentre a largura de pulso, para radar pulsado.
A tensão da LFM, em [26], pode ser escrita como: V(t) = V0cos (𝝎0t + 𝜽(t)), com
V0 sendo a amplitude, 𝜔0 a frequência da portadora e 𝜃 (t) a fase, considerando 𝜽(t) = kt2, sendo
k uma constante previamente definida.
Conhecendo as equações da LFM temos que a frequência instantânea será 𝝎(t) =
𝒅𝝓(𝒕)
= 𝝎0 + 2kt, demonstrando que há variação, com o tempo, da frequência instantânea.
𝒅𝒕

Pode-se verificar a representação de um pulso modulado em LFM na figura 22

abaixo:

Figura 22 – Representação de um pulso modulado em LFM

Fonte: Said et al., 2012, p.2

Na figura 22 a letra “a)” demonstra a representação da forma da onda transmitida

por um pulso LFM; a letra “b)” representa a frequência crescente, linearmente, da forma de
onda de um pulso LFM; a letra “c)” exibe a forma de pulso da onda LFM no tempo; e a letra
“d)” demostra a frequência decrescente, linearmente, da forma de onda de um pulso LFM.
De acordo com [26], no receptor do radar, assim como em um MAGE, é feita a
operação de autocorrelação que detecta a presença do eco recebido. Para simplificar, essa
operação de autocorrelação, pode-se usar também STFT. Conforme [21], ao utilizar a operação
 50

de autocorrelação, não só o sinal é detectado, como quaisquer ruídos brancos são descartados
pela operação, o que faz com que o processo de recepção do sinal se torne ainda mais preciso.

2.3.4.2 Codificação Frank

A codificação Frank é uma codificação de fase polifásica.

As codificações de fase dividem um pulso em M subpulsos, cada qual de igual
duração entre si, com valores diferentes de fase.
Dentre os tipos de codificação de fase tem-se as codificações binárias e as
codificações polifásicas.
As codificações binárias se dividem em sequências de +1 e -1, correspondentes aos
ângulos de 0° e 180°, enquanto as codificações polifásicas podem assumir quaisquer outros
valores angulares.
A fase dos elementos do código Frank é definida pela equação da figura 23:

Figura 23 – Fase de um pulso em código Frank

2𝜋
∅(𝑖, 𝑗) = (𝑖 − 1)(𝑗 − 1)
𝑁
Fonte: Miguel, 2018, p.14

Através da equação de fase do código Frank, em [32], podemos formar a matriz

quadrada que representa a sequência do código Frank, conforme a figura 24:

Figura 24 – Matriz quadrada que representa o código Frank

0 0 0 … 0
0 1 2 … (𝑁 − 1)
0 2 4 … 2(𝑁 − 1)
𝐴=
0 3 6 … 3(𝑁 − 1)
… … … … …
[0 (𝑁 − 1) 2(𝑁 − 1) … (𝑁 − 1) ]
Fonte: Kolli, 2011, p.17

Com N = √𝑴, M a longitude do código, e com as colunas i e j variando de 1 a N,

de acordo com [32] e [33].
 51

Para que N apresente um valor natural, a longitude do código necessita, portanto,

ser um número quadrado.
A matriz de fase se obtém, segundo [32] e [33], ao se multiplicar cada elemento da
matriz da figura 26 por 2π/N. Em [34], o método de geração desse código é chamado de método
de geração de tamanho de quadrado perfeito.
Um exemplo de matriz de fase formada por um código Frank com N = 4 pode-se
verificar na figura 25.

Figura 25 – Matriz de fase de um código Frank com N = 4

0 0 0 0
𝜋 3𝜋
0 𝜋
2 2
∅4𝑥4 = 0 𝜋 0 𝜋
3𝜋 𝜋
[0 2 𝜋
2]
Fonte: Kolli, 2011, p.17

A forma de onda codificada no código Frank consistirá de um sinal de amplitude

constante com sua frequência da portadora modulada, em fase, pelo código Frank.
Na figura 26 pode-se verificar a amplitude e fase por número de amostras de um
código Frank:
 52

Figura 26 – Amplitude e fase de um código Frank

Fonte: Miguel, 2018, p.15

 53

A função de autocorrelação de um código Frank pode ser vista na figura 27:

Figura 27 – Função de autocorrelação de um código Frank com N = 100

Fonte: Kolli, 2011, p.18

A codificação Frank, conforme [32], é uma codificação de fase polifásica específica

que apresenta um aumento de fase maior no centro de sua sequência, fazendo com que, se
passarmos essa sequência por um amplificador passa-banda, o código sofra uma maior
atenuação em seu centro. Por conta dessa característica, a codificação Frank, tende a ter um
maior aumento de seus lóbulos secundários e se tornar intolerante à pré-compressão em banda
limitada.
Segundo [33], apesar das limitações do código Frank, essa codificação apresenta
uma razão de pico entre o lóbulo principal e o lóbulo secundário (PSL, Peak Sidelobe Level) de
−29,79𝑑𝐵, o que é consideravelmente maior que a PSL da codificação Barker 13 que será
apresentada posteriormente.
Existem também outras versões modificadas do código Frank, os denominados
códigos P1, P2, P3 e P4, que não foram estudados nesse trabalho.

2.3.4.3 Codificação Barker

A codificação Barker utilizada no programa foi a codificação Barker Bifásica. As

 54

sequências Barker são sequências s = s1, s2, s3, sN, cujos elementos si assumem valores de -1 ou
de +1, de tamanho finito igual a N, e que apresentam propriedades de autocorrelação ideais.
Segundo [27], os códigos Barker bifásicos têm uma relação de tensão entre seus
lóbulos principais e os seus lóbulos laterais, no qual o lóbulo principal assumirá valor de 1/N,
enquanto os lóbulos laterais desse código têm o seu pico de potência definido por 20log10(1/N).
Para um código aperiódico, em [27], o código Barker atinge o menor valor de PSL.
De acordo com [27], os códigos Barker bifásicos conhecidos são listados na tabela
4 abaixo, com o valor correspondente da PSL, e a sequência de código (code sequence), para
cada comprimento N (code length):

Tabela 4 – Lista dos códigos Barker bifásicos conhecidos

Fonte: Richards et al., 2010, p.818

Como pode-se verificar pela tabela 4, a maior sequência conhecida, em N, dos

códigos bifásicos Barker, tem tamanho 13, PSL de -22,3 dB, e valor de pico do lóbulo principal
de 1/13 ≅ 0,077 do valor do pulso sem codificação.
O código Barker, conforme [31], não apresenta outras sequências diferentes das
apresentadas na tabela 4.
Na figura 28 podemos verificar a forma de onda de um código bifásico Barker de
N =13, considerando a magnitude 1 representando o valor total do pico do lóbulo principal.
 55

Figura 28 – Código bifásico Barker 13

Fonte: Richards et al., 2010, p.818

Segundo [28], as sequências Barker têm os menores coeficientes de off-peak,

casamento de uma sequência com sua réplica, possíveis. Os coeficientes de off-peak de uma
sequência Barker são dadas por Ax = ∑𝑵−𝒙
𝒊=𝟏 𝒔𝒊 𝒔𝒊+𝒙 , no qual |Ax| <= 1, para qualquer valor de x

entre 1 e N.
Outra propriedade particular das codificações Barker, em [29], é que a amplitude
de pico do lóbulo principal de uma função Barker apresenta o tamanho igual ao tamanho N do
seu código, e os lóbulos laterais apresentam valor unitário de tamanho, como podemos verificar
na figura 29:
 56

Figura 29 – Função de autocorrelação de um código Barker 13

Fonte: Molina et al., 2010, p.4

De acordo com [29], o código Barker também é conhecido como código perfeito,
por teoricamente apresentar a mínima energia possível distribuída uniformemente através de
seus lóbulos secundários.
Como já foi apresentado anteriormente, quanto maior a largura de um pulso, menor
a potência de pico transmitida por esse. Podemos ratificar essa afirmação através da análise de
um mesmo pulso codificado em Barker 7 e Barker 13, que nos são apresentados na figura 30
abaixo:
 57

Figura 30 – Comparação entre Barker 7 e Barker 13

Fonte: Molina et al., 2010, p.5

A figura 30 letra “a)” representa o pulso codificado em Barker 7 e a letra “b)” o

pulso codificado em Barker 13.
Como pode-se ver na figura 30, o pulso codificado em Barker 13 apresenta uma
maior largura de transmissão e, portanto, uma menor potência de pico.
A codificação de um sinal por um código Barker, conforme [30], ocorre ao se
codificar cada bit de dados da informação pelo código Barker correspondente, como ocorre na
figura 31 abaixo, no qual se utiliza o código Barker 11 (10110111000):
 58

Figura 31 – Codificação de um sinal quadrado de dados em Barker 11

Fonte: Quintero et al., 2009, p.306

Na imagem inferior, da figura 31, tem-se o sinal quadrado de dados a ser transmitido
e codificado, enquanto na imagem superior podemos ver o mesmo sinal de dados codificado
em Barker 11.
Segundo [29], como o objetivo da PCT é o de diminuir a potência de pico e
aumentar a largura de um pulso o pulso codificado em Barker 13 é o que oferece melhores
resultados.
 59

3 METODOLOGIA DA PESQUISA EXPLORATÓRIA

Esse trabalho visa demonstrar a importância de algumas ferramentas de ELINT no

auxílio da detecção de um pulso, em ambientes com ruído, por meio do emprego da função de
autocorrelação e da STFT. Com o emprego dessas ferramentas é possível a extração de
características do sinal radar capazes de agilizar a identificação e classificação desse sinal.
Uma vez que os dados reais gravados por um sistema de ELINT são considerados
classificados, optou-se em empregar sinais radar simulados por computador.
Assim para atingir os objetivos desse trabalho, foi utilizado um programa,
desenvolvido pelos engenheiros Jorge Costa Pires Filho (SCNS, IPQM) e Rodrigo da Silva
Moreira (SCNS, IPQM), de simulação de pulsos com diversas codificações intrapulso e SNR
diferentes. A esses pulsos simulados calculou-se sua função de autocorrelação e a STFT. A fim
de melhorar a visualização desses sinais simulados, foi desenvolvida uma interface gráfica
(IHM) pelo CMG(RM1-EN) Jorge Amaral Alves (EN) e pelo 1T Edgard Braz Alves (CIAW).
Com o emprego dessa IHM foi possível analisar os resultados das ferramentas de ELINT
utilizadas e a influência da redução da SNR na capacidade de detecção dos sinais radar.

3.1 Classificação da Pesquisa

3.1.1 Quanto aos Fins

Foram utilizados dois tipos de pesquisas neste trabalho: A pesquisa exploratória,

com a apresentação do funcionamento dos Radares pulsados e modernos, o funcionamento dos
MAGE de primeira e segunda geração, e o funcionamento da ELINT em apoio a esses MAGE;
e a pesquisa explicativa, ao descrever e explicar experimentalmente o funcionamento de um
programa que simula sinais radar, assim como as ações da ELINT para extrair as características
desses sinais e possibilitar a identificação e classificação desses sinais.

3.1.2 Quanto aos Meios

Os meios de pesquisa utilizados foram: A pesquisa experimental, ao se fazer uso de

um programa desenvolvido para incrementar o conhecimento do tópico abordado; e a pesquisa
 60

bibliográfica, ao apresentar documentos, artigos e publicações que tratam do tema.

3.1.3 Quanto aos Procedimentos Técnicos Utilizados

As técnicas utilizadas para essa pesquisa foram: A coleta de dados, através da

documentação indireta fazendo-se uso de documentos que abordaram diretamente os temas em
questão, e da documentação direta, através da pesquisa de laboratório ao demonstrar o
funcionamento do equipamento de ELINT em um ambiente controlado; e a análise de dados
qualitativa acerca dos resultados da pesquisa de laboratório.

3.2 Limitações do Método

Para que a funcionalidade de ELINT intrapulso, proposta nesse trabalho, possa ser
empregada, é necessário que o MAGE possua um HW que disponibilize uma boa SNR e que
possibilite o emprego de um DRX no qual os algoritmos desenvolvidos possam ser empregados.
Outra limitação é a necessidade desse sistema empregar um analista de GE com
experiência para interpretar visualmente os dados coletados pelos algoritmos de ELINT. Essa
limitação poderá ser consideravelmente superada, futuramente, com a incorporação de
algoritmos de processamento de imagens e de Inteligência Artificial visando uma estimação
automática da modulação intrapulso presente em sinais radar detectados.
O programa de ELINT que foi desenvolvido neste trabalho é capaz de identificar
sinais radar: Não codificados; sinais FM-CW; pulsos modulados em LFM; pulsos codificados
em Barker; e pulsos codificados em Frank. Outras codificações e modulações não foram
testadas.
Neste trabalho, foram empregados sinais radar simulados, portanto, não foi possível
testar o programa ELINT desenvolvido em um ambiente real.

3.3 Coleta e Tratamento de Dados

O processo de análise de sinais radar que possuam modulação intrapulso, proposto

por este trabalho, se baseia em um programa desenvolvido em MATLAB denominado
 61

“testeCodificação3.m”. Este programa simula os sinais radar a serem testados, bem como extrai,
desses sinais simulados, a função de autocorrelação e a transformada STFT. Com base nas
características das funções de autocorrelação e das transformadas STFT é possível identificar o
tipo de codificação intrapulso existente nos sinais.
Adicionalmente, o programa empregado permite também avaliar a robustez das
características extraídas do sinal na presença de ruído aditivo branco. A SNR pode ser
selecionada previamente por meio da IHM.
Todo esse processo procura reproduzir algumas das etapas presentes em um DRX
de um MAGE 2ª geração que contém algoritmos específicos de ELINT intrapulso.
Para este trabalho foi desenvolvida uma IHM que permite configurar a codificação
a ser testada. Ao rodar a IHM, esta chama outro programa denominado “testeCodificação3.m”.
Este programa calcula a função de autocorrelação e a transformada STFT que são apresentadas
em gráficos individuais.
Para a configuração do programa “testeCodificação3.m” foi necessário atribuir
valores iniciais para alguns parâmetros que são apresentados na tabela 5 abaixo.

Tabela 5 – Parâmetros de configuração do programa “testeCodificação3.m”

Variáveis de entrada Valores definidos

Número total de amostras 120.000
Frequência da portadora (Fp) 170 MHz; 2,4 GHz; e 9,6 GHz
Frequência de amostragem (Fs) 10*Fp
Largura de banda de frequência (BW) 20 MHz (para Fp = 170 MHz)
200 MHz (para Fp = 2,4 GHz e 9,6 GHz)
Janelas de gravação do DRX 120 a 220 MHz (para Fp = 170 MHz)
2 a 3 GHz (para Fp = 2,4 GHz)
9 a 10 GHz (para Fp = 9,6 GHz)
Amplitude do sinal simulado 20 V
Fonte: Elaborado pelo autor.

Dentre as definições feitas para a execução deste programa foi definida também, de
forma empírica, a LP dos pulsos simulados conforme o tipo de codificação empregada na
simulação de cada pulso, no qual, quanto mais extensa é a codificação de um pulso, maior
tenderá ser a LP desse. Essa proporcionalidade entre a LP e o tamanho do código empregado
na formação de um pulso condiz com os objetivos práticos observados pela PCT descrito no
 62

subtítulo 2.3.4. Temos, portanto, na tabela 6, as LP definidas nesse programa para cada
modulação e codificação correspondente:

Tabela 6 – LP definidas para cada codificação e modulação correspondente

Tamanho definido, em amostras, da LP

Codificação/modulação utilizada
correspondente
Sem codificação 6000
LFM 6000
Barker 7 12621
Barker 11 19833
Barker 13 23439
Frank 16 9616
Frank 64 38464
Fonte: Elaborado pelo autor.

Tomando por base o tamanho de LP definida e a frequência de amostragem

utilizada em cada codificação, pode-se calcular o tamanho correspondente de LP em segundos
de acordo com a equação LPsegundos = LPamostras/FS. Os valores de LPsegundos, calculados por
essa equação, para cada FS, modulação, e codificação específica, pode ser visualizado na tabela
7 abaixo:

Tabela 7 – Valores de LPsegundos para cada frequência de portadora, modulação e codificação específica
Codificação/Modulação utilizada
FS Sem Barker Barker
LFM Barker 7 Frank 16 Frank 64
codificação 11 13
170 MHz 3,53 µs 3,53 µs 7,42 µs 11,67 µs 13,79 µs 5,67 µs 22,63 µs
2,4 GHz 250 µs 250 µs 525,88 µs 826,38 µs 976,63 µs 400,67 µs 1,6 µs
9,6 GHz 62,5 µs 62,5 µs 131,5 µs 206,6 µs 244,16 µs 100,17 µs 400,67 µs
Fonte: Elaborado pelo autor.

Tomando por base os parâmetros definidos anteriormente, a equação que define o

valor de cada amostra i do sinal radar simulado no domínio do tempo é obtida por meio da
equação da figura 32 “(a)”. Nesta equação considerou-se a simulação do sinal sem codificação
e LP de 6000 amostras.
 63

Como definido na tabela 5, adotou-se nesse trabalho uma Fs dez vezes maior que a
Fp, ou seja, Fs = 10*Fp. Substituindo esse valor na equação da figura 32 “(a)”, obtém-se os
valores das equações da figura 32 “(b)” e “(c)”.

Figura 32 – Equação para obtenção das amostras de um sinal sem codificação

FP
(a) amostra (i) = 20 sin (2π i);
FS
FP
(b) amostra (i) = 20 sin (2π i);
10FP
i
(c) amostra (i) = 20 sin (2π ), para 1 ≤ i ≤ LP e LP = 6000.
10
Fonte: Elaborado pelo autor.

Com o objetivo de facilitar a visualização dos resultados do programa, diante dos

pulsos simulados, foi desenvolvida uma IHM, denominada “interface.m”, pelo CMG Jorge
Amaral Alves e pelo 1T Edgard Braz Alves, cujo código consta no Apêndice - A deste trabalho.
A IHM contém 3 menus suspensos que possibilitam, com maior facilidade: A
escolha do tipo de codificação intrapulso a ser simulada; a escolha da SNR (em dB) a ser
testada; e a escolha de uma entre três frequências da portadora (em MHz ou GHz) disponíveis.
Na figura 33, temos um exemplo da IHM implementada considerando as seguintes
seleções: Codificação = LFM; SNR = 10 dB; e Fp = 170 MHz.
Essa IHM apresenta três gráficos, o gráfico de sinal acrescido de ruído, o gráfico da
autocorrelação do sinal, e o gráfico do espectrograma da STFT. O espectrograma da STFT é
obtido a partir do plano bidimensional (tempo X frequência) do gráfico tridimensional da STFT.
Após selecionados os parâmetros desejados para a simulação de um pulso na IHM,
roda-se o programa pressionando o botão de nova codificação.
Além de apresentar os resultados em 3 gráficos, a IHM, ainda fornece 4 gráficos,
em telas separadas da mesma, para que os resultados possam ser analisados mais
detalhadamente. Os 3 gráficos da IHM podem ser vistos na figura 33.
 64

Figura 33 – IHM criada para o programa

Fonte: Alves A. e Alves B. Interface.m

Os quatro gráficos gerados, após rodar a IHM, são apresentados na figura 34.
 65

Figura 34 – Gráficos obtidos considerando: Modulação LFM, SNR 10dB, e FP de 170 MHz

Fonte: Pires Filho e Moreira, testeCodificacao3.m

Conforme observado na figura 34, em cada execução da IHM teremos, como

resultados, 4 gráficos. Esses gráficos são: O gráfico do sinal pulsado acrescido do ruído, com o
eixo das ordenadas apresentando a tensão em V, e o eixo das abscissas o número de amostras,
sendo definido, o tamanho da LP para cada codificação e o tamanho padrão de 120000 amostras
para a janela das abscissas, conforme tabela 5; o gráfico da função de autocorrelação do sinal
simulado com o eixo das abscissas representando o número de amostragem padrão estipulado
para cada codificação, e o eixo das ordenadas apresentando o PSL, com seu eixo padronizado
de 0 a 1, onde o valor 1 representa o valor do pico do lóbulo principal da autocorrelação do
pulso; o gráfico que apresenta o espectrograma da STFT do pulso, com o eixo das ordenadas
representando a frequência em 108 Hz, e o eixo das abscissas representando o tempo em 10-5 s;
e um gráfico que apresenta as três dimensões da STFT do pulso com o eixo das ordenadas
 66

representando a potência do pulso em Watts, o eixo das abscissas representando a frequência

em 10-8 Hz, e o eixo de cotas representando o tempo em 10-5 s.
Conforme apresentado na figura 35, a IHM permite a seleção de 1 entre 8 tipos de
codificação: Sem codificação; LFM; Barker 7, 11 e 13; Frank 16 e 64; e FMCW.
A IHM permite também a seleção de 1 entre 5 valores de SNR: 10 dB; 5 dB; 0 dB;
-10 dB; e -5 dB.
Adicionalmente é possível escolher uma entre 3 opções de Fp disponíveis: 170
MHz; 2,4 GHz; e 9,6 GHz.
Os menus suspensos com as opções de codificação, SNR e FP, que a IHM fornece
para a simulação de um sinal radar, podem ser visualizadas na figura 35:

Figura 35 – Menus suspensos da IHM com as opções de codificação, SNR e FP

Fonte: Alves A. e Alves B. Interface.m

 67

4 DESCRIÇÃO E ANÁLISE DOS RESULTADOS

Através do uso do programa descrito anteriormente, das ferramentas da

transformada STFT e da função de autocorrelação, foi possível extrair os seguintes resultados
tratados nos subcapítulos a seguir.

4.1 Resultados Obtidos a Partir da Análise dos Espectrogramas da

STFT

Através dos espectrogramas fornecidos através da aplicação da STFT nos sinais

simulados, pôde-se determinar a codificação e modulação utilizada em cada sinal, conforme
podemos visualizar na figura 36.

Figura 36 – Espectrogramas de sinais de diferentes codificações e modulações

Fonte: Pires Filho e Moreira, testeCodificacao3.m

 68

Na figura 36, imagem “a)”, temos o espectrograma de um sinal radar modulado em

LFM; na imagem “b)”, o espectrograma de um sinal radar FM-CW; na imagem “c)”, o
espectrograma de um sinal radar codificado em Barker 13; e na imagem “d)”, o espectrograma
de um sinal radar codificado em Frank 64.
Como pode-se visualizar na figura 36, cada codificação e modulação de um sinal
apresenta um gráfico próprio de espectrograma fornecido pela STFT: O pulso em LFM
apresenta um tempo de transmissão menor que as demais codificações e modulações
visualizadas na figura 36, além de ter a característica de apresentar um crescimento linear de
frequência de 1,6*108 Hz a 1,8*108 Hz; o sinal FM-CW apresenta o maior tempo de transmissão
dentre os sinais analisados na figura 36 e apresenta a característica de um crescimento linear de
frequência durante sua transmissão, característica essa, semelhante à do pulso modulado em
LFM; o pulso modulado em Barker, que apresenta a característica de manter a maior parte do
sinal concentrado no centro do intervalo de variação de frequência, 1,7*10 8 Hz, no caso em
questão, de apresentar pequenas variações lineares crescentes e decrescentes partindo da
frequência central do intervalo de variação, e de retornar a frequência central, e repetir as
características mencionadas anteriormente, após um período de tempo, até o final de seu tempo
de transmissão; e o pulso modulado em Frank, que apresenta a característica de, partindo da
frequência central do intervalo de variação, 1,7*108 Hz, no caso em questão, variar, crescendo
linearmente, enquanto, simultaneamente, pouco a pouco, a potência do sinal começa a ser
transmitida em outra linha crescente, paralela, e a uma pequena distância em frequência abaixo
da linha inicial de transmissão, até que toda a potência desse sinal se concentre nessa segunda
linha no momento que ela alcance a frequência central do intervalo de variação, momento esse
que coincidirá com o ponto final do intervalo de tempo de transmissão do sinal nessa
codificação.
Como podemos constatar, através da figura 36, cada modulação e codificação
apresenta um espectrograma característico que o distingue dos demais.
Essas características únicas visualmente identificáveis podem ser exploradas pelo
emprego de técnicas de processamento de imagens, a fim de permitir uma futura identificação
automática, de forma semelhante ao implementado na conclusão do trabalho de Ming, em [36].

4.2 Resultados Obtidos a Partir da Análise das Funções de

Autocorrelação
 69

4.2.1 Identificação dos Tipos de Códigos

A análise gráfica das funções de autocorrelação será feita somente nos sinais radar
pulsados simulados por conta de ser difícil de se fazer a distinção, entre os sinais FM-CW e o
sinal radar pulsado em LFM, como podemos constatar na figura 37 abaixo.

Figura 37 – Diferenciação entre o sinal FM-CW e o sinal radar pulsado LFM

Fonte: Pires Filho e Moreira, testeCodificacao3.m

No gráfico do item “a)” da figura 37, temos a aproximação, em um intervalo de

aproximadamente 6,3*104 amostras, de um sinal FM-CW simulado, e em “b)” da figura 37
temos um sinal pulsado LFM no seu espaço amostral de aproximadamente 6,0*103 amostras.
Conforme podemos constatar, ao analisarmos os gráficos “a)” e “b)” da figura 37,
a distinção, entre o sinal radar FM-CW e o sinal radar pulsado LFM, é quase imperceptível,
salvo pelo seu espaço amostral que corresponde ao período de tempo em que o sinal existe.
Assim, ambos os sinais se distinguem melhor, um do outro, por conta da característica de onda
contínua do sinal FM-CW, que apresenta uma duração amostral muito maior que o sinal radar
pulsado LFM.
A análise gráfica das funções de autocorrelação dos sinais radar pulsados, no
entanto, nos permite a identificação do tipo de código presente em cada pulso, conforme
apresentado na figura 38 abaixo.
 70

Figura 38 – Diferenciação entre codificações de sinais através da análise dos gráficos de autocorrelação

Fonte: Pires Filho e Moreira, testeCodificacao3.m

Na figura 38 temos os gráficos das funções de autocorrelação obtidos para 3 tipos

diferentes de codificação. As diferenças podem ser percebidas visualmente por conta das
características de cada gráfico.
No gráfico do item “a)” da figura 38, tem-se a função de autocorrelação obtida para
um sinal radar com codificação Barker. Este gráfico se distingue dos demais pela presença de
5 lóbulos principais, sendo um central, e 4 laterais, igualmente espaçados entre si.
No gráfico do item “b)” da figura 38, tem-se a função de autocorrelação obtida para
um sinal radar com codificação Frank. Este gráfico se distingue dos demais por possuir lóbulos
secundários com formato semelhante a degraus, ou seja, esses lóbulos tem tendência crescente
e decrescente. Essa forma de onda é chamada de “stepped waveform” em [36].
No gráfico do item “c)” da figura 38, tem-se a função de autocorrelação de um sinal
radar LFM. Este gráfico se distingue dos demais por apresentar um único pico central, ou seja,
 71

a potência se inicia com um valor mínimo, atinge seu valor máximo no centro do gráfico, e
decresce até seu valor mínimo novamente.

4.2.2 Identificação dos Tamanhos (N) da Codificação Barker

Ratificando as características dos códigos Barker e de suas autocorrelações,

mencionadas anteriormente, no subcapítulo 2.3.4.3, conseguimos diferenciar os tamanhos da
codificação Barker de um sinal radar, por meio da análise dos seus gráficos de autocorrelação.
Como podemos verificar na figura 39 abaixo.
 72

Figura 39 – Diferenciação entre codificações Barker de diferentes tamanhos de sinais através da análise dos
gráficos de autocorrelação

Fonte: Pires Filho e Moreira, testeCodificacao3.m

As imagens “a)”, “c)” e “e)” da figura 39 apresentam os gráficos de autocorrelação

de pulsos radar codificados, respectivamente, em Barker 7, 11 e 13.
 73

As imagens “b)”, “d)” e “f)” da figura 39 apresentam os gráficos ampliados de

autocorrelação de pulsos radar codificados, respectivamente, em Barker 7, 11 e 13, e, além
disso, ilustram, por meio de elipses, os picos, cuja contagem, identifica o tamanho N da
codificação Barker.
Portanto, conclui-se que, a partir da contagem do lóbulo principal e dos lóbulos
secundários que o circundam, identifica-se o tamanho N da codificação Barker.

4.2.3 Robustez da SNR de Um Sinal Através do Uso de

Autocorrelação

Conforme as características da ferramenta de autocorrelação já mencionadas no

subcapitulo 2.3.3, podemos constatar a robustez que a função de autocorrelação confere na
identificação de um sinal na figura 40:
 74

Figura 40 – Identificação de um sinal com baixa SNR através da ferramenta de autocorrelação

Fonte: Pires Filho e Moreira, testeCodificacao3.m

Na figura 40 “a)”, “c)” e “e)”, temos os gráficos dos sinais modulados em Frank 64
com SNR, respectivamente, de 10 dB, 0 dB, e -10 dB. Nos gráficos “b)”, “d)” e “f)”, temos as
 75

respectivas funções de autocorrelação dos sinais “a)”, “c)” e “e)”, da figura 40. Como podemos
constatar, o sinal, na imagem “e)”, é imperceptível, ou seja, a detecção não é possível no
domínio do tempo. Entretanto, esse mesmo sinal é facilmente detectado por meio de sua função
de autocorrelação, conforme identificado na imagem “f)”.
A detecção do sinal em um ambiente ruidoso, por meio da função de autocorrelação,
é possível devido às propriedades da função de autocorrelação mencionadas no subcapitulo
2.3.3, no qual o ruído branco é excluído dos resultados fornecidos por essa função.

4.3 Conclusões Baseadas nos Resultados Obtidos

Com base nos resultados obtidos e na análise dos gráficos gerados foram possíveis
quatro conclusões.
A primeira conclusão é obtida por meio da análise dos espectrogramas dos sinais.
Nessa análise é possível identificar o tipo de codificação intrapulso presente, ou seja, é possível
identificar uma codificação Barker, Frank, modulação LFM, FM-CW, ou um sinal sem
codificação.
A segunda conclusão é obtida por meio da análise dos gráficos das funções de
autocorrelação. A partir dessa análise é possível distinguir os códigos Barker 7, Barker 11 e
Barker 13.
A terceira conclusão é obtida por meio da análise dos gráficos das funções de
autocorrelação. Foi possível diferenciar cada tipo de codificação utilizada no sinal radar.
A quarta e última conclusão é obtida também por meio da análise dos gráficos das
funções de autocorrelação. Pode-se visualizar a robustez dos algoritmos de análise de sinais
radar propostos nesse trabalho, em um ambiente ruidoso, e com valores baixos de SNR com o
emprego da ferramenta de autocorrelação.
 76

5 CONCLUSÃO

A utilização de um MAGE de 2ª geração se faz cada vez mais imperativa a MB em

vista das novas ameaças atuais, no qual se utilizam radares LPD e LPI em sistemas de
navegação de misseis como o ASBM e em sistemas modernos de navegação de aeronaves e
navios.
Em face a essas novas ameaças o Instituto de Pesquisas da Marinha (IPQM) está
desenvolvendo o MAGE MK3. Um MAGE de 2ª geração que conta com DRX e com algoritmos
modernos de ELINT, dentre os quais a função de autocorrelação e o STFT apresentados nesse
trabalho.
O sistema de ELINT do MAGE MK3 dotado de DRX melhorará a capacidade de
estimar as informações contidas nos sinais radar LPI e LPD além de trazer diversas outras
vantagens em relação ao seu antecessor, o MAGE DEFENSOR.
O MAGE MK3 está previsto a ser instalado nas próximas Fragatas Classe
Tamandaré (FCT) e no Navio Doca Multipropósito Bahia (NDM Bahia), de acordo com [7].
Podemos visualizar, na figura 41, o croqui do MAGE MK3 a ser instalado nas novas
FCT.

Figura 41 – MAGE MK3 a ser instalado nas FCT

Fonte: Graan, 2018. Disponível em: < https://estrategiaglobal.blog.br/2018/12/ndm-bahia-brasil-atualiza-radares-

de-navegacao-e-guerra-eletronica-2.html >. Acesso em: 04 de abr. de 2021.

Juntamente com o MAGE MK3, em [7], o IPQM também está em projeto de

desenvolvimento do MAGE MK4, que contará com todas as funcionalidades do MAGE MK3,
mas será desenvolvido para a instalação em submarinos. O MAGE MK4 está previsto a ser
 77

instalado nos Submarinos Classe Tupi (SCT) e no futuro Submarino Nuclear Brasileiro (SN-
BR), segundo o Diretor da Diretoria Geral de Material da Marinha (DGMM), em uma entrevista
concedida a Luiz Padilha na revista digital Defesa Aérea & Naval, em 23 novembro de 2017,
em [37].
O SN-BR pode ser visualizado na figura 42 a seguir.

Figura 42 – SN-BR

Fonte: Galante, A., 2018. Disponível em: <http://www.naval.com.br/blog/2018/02/20/o-prosub-e-o-submarino-

nuclear-brasileiro-sn-br/>. Acesso em: 04 de abr. de 2021.

Com a incorporação dos MAGE MK3 e MK4, que conferem com um sistema
moderno de algoritmos de ELINT, a esquadra da MB será capaz de se antepor a qualquer
ameaça moderna e estará à altura, em nível de tecnologia de GE, das esquadras das principais
potências mundiais e conferindo, a MB, uma posição de destaque diante da comunidade global.

5.1 Considerações Finais

Tivemos quatro resultados com o uso do programa de ELINT na análise dos sinais
radar simulados. Três desses quatro resultados vieram da análise da função de autocorrelação e
um resultado adveio da análise do espectrograma de cada sinal obtido por meio da STFT.
Os resultados advindos da análise da função de autocorrelação e do espectrograma
descritos, e os benefícios que esses resultados trariam a um MAGE com DRX são: a capacidade
de identificar um sinal radar com baixa SNR. Essa capacidade advém da robustez da função de
autocorrelação. Essa robustez confere uma maior capacidade de detecção ao MAGE, o que pode
ser visto no subcapítulo 4.2.3. Dessa forma, o MAGE poderá detectar sinais radar a uma maior
distância, assim como poderá detectar sinais LPD e LPI; a possibilidade de detecção de sinais
radar com baixa potência de pico, conforme podemos visualizar no subcapítulo 4.2.1., o qual
 78

confere ao MAGE uma maior capacidade de detecção de sinais radar, assim como, uma maior
possibilidade de detecção de sinais radar LPI e LPD; a possibilidade de distinguir as
codificações utilizadas na PCT de cada sinal radar, conforme subcapítulos 4.2.1 e 4.2.2, que
conferem ao MAGE a possibilidade de distinguir os sinais radar que passaram por uma PCT
recebidos e aliar cada qual ao seu alvo incluindo, assim, mais uma informação para distinção
de alvos no Sistema Fênix.
A partir da análise dos gráficos de espectrograma da STFT, pôde-se diferenciar e
determinar cada codificação utilizada na formação de um sinal radar que passou por uma PCT.
O gráfico específico do espectrograma de cada sinal radar com diferente codificação de PCT
possibilita uma melhoria na análise de cada sinal pelo Sistema Fênix da MB.
Os resultados deste trabalho demonstram que, com a aplicação de algoritmos
modernos de ELINT, aliados a um MAGE de 2ª Geração, há uma ampliação das possibilidades
de AGE, tanto para APEL quanto para RETRON, assim como é conferida uma maior
capacidade tática ao MAGE que utiliza tais algoritmos. Assim sendo, um MAGE dotado de
algoritmos modernos de ELINT, aumentará a sua capacidade de detecção de sinais radar com
SNR baixas, além de permitir a detecção de radares LPI e LPD.

5.2 Sugestões Para Futuros Trabalhos

O programa de ELINT analisado neste trabalho oferece diversos benefícios ao

sistema MAGE de 2ª Geração que o utiliza, entretanto, impõe a limitação de depender da
capacidade de análise e de interpretação gráfica do operador do sistema MAGE.
Uma sugestão para trabalho futuro seria realizar, conforme o trabalho de Ming em
[36], a análise autômata dos gráficos fornecidos pelo programa de ELINT ao determinar, sem
a ação humana, a codificação utilizada na PCT de formação de cada sinal radar. No entanto, tal
análise autômata, deve poder ser revista por um grupo de inteligência da MB, responsável pela
análise ELINT desses dados, para que se possa uma revisão ou validação do funcionamento
deste sistema, pois sempre poderão surgir novos padrões transmissão, padrões estes diferentes
ou parecidos aos já conhecidos, e que, eventualmente, possam criar dificuldades no
funcionamento deste sistema afetando o seu desempenho.
A análise autômata dos gráficos, fornecidos pelo programa de ELINT, pode ser feita
através de um processamento digital de imagens combinadas com técnicas de aprendizado de
 79

máquina, no qual, poderia ser confeccionada uma biblioteca, contendo os possíveis resultados
das classes associadas ao classificador (técnica de aprendizado de máquina escolhida), do
espectrograma e dos gráficos de autocorrelação que o programa forneceria, para que seja feita
a discriminação da codificação utilizada na PCT de cada sinal, ao comparar os resultados
fornecidos pela função de autocorrelação, classificador e STFT de cada qual, à biblioteca e ao
encontrar uma semelhança, entre esses dados, determinar a codificação do sinal analisado em
questão.
 80
REFERÊNCIAS

[1] RICHTER, R. M.; e PEREIRA, T. de S. M. Análise de desempenho de radares LPI (Low

Probability of Intercept) frente a sensores passivos aeroembarcados de guerra eletrônica.
Spectrum, nº 21, p. 33-39, jul. 2020. Disponível em:
<https://revistaeletronica.fab.mil.br/index.php/spectrum/article/view/74/68>. Acesso em: 05 jan.
2021.

[2] SÁ, A. O. de. Slides SGE - Conceitos de GE_v1, ago. 2020. 77 slides.

[3] CHERNIJ, C. Mísseis, os mensageiros nada amistosos. Aventuras na História, Mar. 2007.
Disponível em: <https://aventurasnahistoria.uol.com.br/noticias/acervo/misseis-mensageiros-nada-
amistosos-435192.phtml>. Acesso em: 10 jan. 2021.

[4] STASHWICK, S. Chinese Ballistic Missiles Fired into South China Sea Claimed to Hit Target
Ship. The Diplomat, nov. 2020. Disponível em: <https://thediplomat.com/2020/11/chinese-
ballistic-missiles-fired-into-south-china-sea-claimed-to-hit-target-ship/>. Acesso em: 11 jan. 2021.

[5] CHANDRASHEKAR, S. et al. China's Anti-ship Ballistic Missile Game Changer in the
Pacific Ocean. 5. Ed. India, Bangalore: National Institute of Advanced Studies, nov. 2011. 49 p.

[6] BERNARD, R. L. Electronic Intelligence (ELINT) at NSA. Maryland, USA: Ed. Center for
Cryptologic History National Security Agency, 2009. 18 p.

[7] ALVES, E. B. MAGE MK3: O futuro da Guerra Eletrônica na MB. Rio de Janeiro: Ed.
Centro de Instrução Almirante Wandenkolk, ago. 2020. 15 p.

[8] OLIVEIRA, M. L. de; Dias, J. C. M. LPI: Invisible Radars. Passadiço. P. 40-45, 2007.
Disponível em: <http://www.mycity-military.com/uploads2/160003_1133182428_10-Pag40.pdf>.
Acesso em: 12 jan. 2021.

[9] SILVA, R. S. da. Gerador de sinais radar para utilização em campo. Rio de Janeiro: Ed.
UFRJ, jan. 2016. 51 p.

[10] ROHDE & SCHWARZ. Análise simplificada dos radares ágeis de frequência. São Paulo,
2021. Disponível em: <https://www.rohde-schwarz.com/br/aplicativos/an-lise-simplificada-dos-
radares-geis-de-frequ-ncia-cartao-de-aplicativo_56279-41792.html>. Acesso em: 13 jan. 2021.

[11] WANG, F. et al. Target tracking while jamming by airborne radar for low probability of
detection. Sensors, Suíça, Basel, 1 set. 2018. Disponível em:
<https://www.researchgate.net/publication/327410402_Target_Tracking_While_Jamming_by_Air
borne_Radar_for_Low_Probability_of_Detection>. Acesso em: 14 jan. 2021.

[12] ADAMY, D. L. Tactical Battlefield Communications Electronic Warfare. Londres: Ed.

Artech House, jan. 2009. 348 p.

[13] HERALDO; e VINICIUS, M. Modelo de Referência para o Subsistema PSMAGE. São

Paulo, ago. 1995. 46 p.

[14] SÁ, A. O. de. Slides SGE - MAGE_v1, ago. 2020. 71 slides.

[15] BRITTO, R. M. de. O Parâmetro Amplitude no “Deinterleaving” de Pulsos Radar. Rio de

Janeiro: Ed. UFRJ, abr. 2005. 100 p.
 81
[16] SILVA, N. R. da. Um algoritmo de alarme antecipado para sistemas MAGE radar. Rio
de Janeiro: Ed. IME, jul. 2002. 103 p.

[17] NERI, F. Introduction to Electronic Defense Systems. 2ª Ed. Londres: Ed. Artech House,
ago. 2001. 622 p.

[18] MOSSI, W. P. Comparação entre o emprego da guerra eletrônica (GE) nas guerras de
terceira e quarta geração: a GE na guerra do golfo e na guerra civil síria. Resende: Ed.
AMAN, 2019. 41 p.

[19] MARDIA, H.K. New technique for the deinterleaving of repetitive sequences, IEE Proc.
Part F, 1989. 149 p.

[20] ATA’A, A. W.; e ABDULLAH, S. N. Deinterleaving of radar signals and PRF identification
algorithms. IET Radar, Sonar & Navigation. The Institution of Engineering and Technology,
doi:10.1049/iet-rsn:20070037, 2007. p. 340-347.

[21] IVO, F. S.; et al. Análise da Taxa de Erro em Terminais1553B Operando na Presença do
Ruído Térmico Induzido. In: Simpósio Brasileiro de Telecomunicações, nº 30, Brasília. São
José dos Campos: Ed. ITA, set. 2012. 5 p.

[22] ORIGINLAB, 18.4.3 Short-Time Fourier Transform (Pro Only). Disponível em:
<https://www.originlab.com/doc/Origin-Help/ShortTime-FourierTransform>. Acesso em: 15 mar.
2021.

[23] MONDLANE, J. Autocorrelação Trabalho. 3 p. Trabalho – Faculdade de Ciências

Econômicas, Universidade São Tomás de Moçambique, Maputo.

[24] SILVA FILHO, A. C. da; e LIMA, F. G. A função de autocorrelação e a escolha do passo

da reconstrução. In: Encontro de pesquisadores: Comunicações. Nº 9. SP, França: Ed. UNI-
FACEF, 2008. 10 p.

[25] MAIA, A. G. Autocorrelação: Econometria. mar. 2021. 23 slides.

[26] SAID, H. A.; et al. Design and Realization of Digital Pulse Compression in Pulsed Radars
Based on Linear Frequency Modulation (LFM) Waveforms Using FPGA. In: International
Conference on Advanced Information and Communication Technology for Education, ago.
2013. p. 827-832.

[27] RICHARDS, M. A.; et al. Principles of Modern Radar. Volume 1. USA, Raleigh: Ed.
Scitech, dez. 2010. 904 p.

[28] CUNHA, E. N. da; e BALDINI FILHO, R. Codificação Cooperativa utilizando Códigos

LDPC Quasi-Cíclico Irregulares Construídos a partir de Sequências de Barker. Campinas:
Ed. UNICAMP, jan. 2016. 5 p.

[29] MOLINA, M. G.; et al. Análisis comparativo de esquemas de codificación de señales para
aplicaciones en radares ionosféricos. In: Jornadas de Jóvenes Investigadores UNT. Nº 4.
Argentina, Tucumán: Ed. Universidad Nacional de Tucumán, jun. 2010. 8 p.

[30] QUINTERO, E. A.; et al. Generación de spread spectrum usando microcontrolador. In:
Scientia et Technica. Nº 15. Colômbia, Pereira: Ed. Universidad Tecnológica de Pereira, mai.
2009. p. 303-308.

[31] BLAKE, L.V., Radar Range-Performance Analysis. Massachusetts, Dedham: Ed. Artech
House, dez. 1986. 84 p.
 82
[32] MIGUEL, L. M. Desarrollo de una herramienta software para el diseño y análisis de
formas de onda avanzadas para sensores radar digitales. Madrid: Ed. Universidad Tecnológica
de Pereira, jul. 2018. 64 p.

[33] KOLLI, V. R. Side lobe suppression techniques for polyphase codes in radar. Índia,
Rourkela: Ed. National Institute of Technology Rourkela, jun. 2011. 78 p.

[34] SANDHU, M. J. On sequence design for integrated radar and communication systems.
Sweden, Karlshamn: Ed. Blekinge Institute of Technology, jun. 2017. 246 p.

[35] MOLINA, A. L. B. Identificação de sinais radar pulsados por meio de transformada de

wavelet contínua e redes neurais artificiais. Brasília: Ed. Universidade de Brasília, dez. 2006. 94
p.

[36] MING, Z.; et al. LPI Radar Waveform Recognition Based on Time-Frequency Distribution.
Sensors. Suíça, Basel, 12 out. 2016. Disponível em: < https://www.mdpi.com/1424-
8220/16/10/1682/htm >. Acesso em: 25 mar. 2021.

[37] CAROLI, L. H. DAN entrevista o Diretor Geral do Material da Marinha – “Força de

Submarinos”. Entrevista concedida a Luiz Padilha. Defesa Aérea & Naval. Rio de Janeiro, 23
nov. 2017. Disponível em: <https://www.defesaaereanaval.com.br/entrevistas/dan-entrevista-o-
diretor-geral-do-material-da-marinha-forca-de-submarinos/amp>. Acesso em: 04 de abr. de 2021.

[38] GALANTE, A. O PROSUB E O SUBMARINO NUCLEAR BRASILEIRO SN-BR. Poder

Naval. Rio de Janeiro, 20 fev. 2018. Disponível em:
<http://www.naval.com.br/blog/2018/02/20/o-prosub-e-o-submarino-nuclear-brasileiro-sn-br/>.
Acesso em: 04 de abr. de 2021.

[39] GRAAN. NDM BAHIA: BRASIL ATUALIZA RADARES DE NAVEGAÇÃO E GUERRA

ELETRÔNICA. Estratégia Global. 19 de dez. de 2018. Disponível em:
<https://estrategiaglobal.blog.br/2018/12/ndm-bahia-brasil-atualiza-radares-de-navegacao-e-
guerra-eletronica-2.html>. Acesso em: 02 de ago. de 2020.

[40] PIRES FILHO, J. C.; e MOREIRA, R. da S. testeCodificacao3.m. Rio de Janeiro: IPQM, abr.
2021.

[41] ALVES, J. A.; e ALVES, E. B. interface.m. Rio de Janeiro, abr. 2021.

 83
APÊNDICE A – Texto Referente ao Código em MATLAB da IHM
“interface.m”

% Trabalho de Conclusao de Curso (TCC) - CApA - CIAW - 2021

% Tipo : Function
% Nome : interface.m
% Funcao : Cria uma Inteface (IHM) a fim de visualizar as caracteristicas dos espectrogramas
% obtidos por meio da Transformada SFFT de um sinal radar com
% 06 tipos de modulacao intrapulso.
% Na interface eh possivel visualizar os seguintes graficos:
% - O sinal original, no dominio do tempo, com a codificacao escolhida pelo usuario,
% acrescido do ruido.
% (Codificacoes possiveis para analise:Linear FM; Barker 7,11 e 13; Frank 16 e 64;
FMCW)
% - A funcao de autocorrelacao do sinal
% - O Espectograma do sinal
% Data 01 ABRIL 2021
% Versao : 1.0
% Autor : 1T Edgard BRAZ Alves
% Orientadores: MSc. CMG(RM1-EN) Jorge AMARAL Alves (Escola Naval)
% DSc. Jorge Costa Pires (Instituto de Pesquisas da Marinha)

function interface(action)

if nargin<1,
action='initialize';
end;

if strcmp(action,'initialize'),
oldFigNumber=watchon;

figNumber=figure( ...
'Name','ELINT Intrapulso (Linear FM, Barker Code e Frank Code)', ...
'NumberTitle','off', ...
'Visible','off', ...
'BackingStore','off');
axPos=[0.40 0.95-0.28 0.20 0.28];
axHndl1=axes( ...
'Units','normalized', ...
'Position',axPos, ...
'XTick',[],'YTick',[], ...
'Box','on');
labelPos=[0.05 0.80 0.30 0.05];
uicontrol( ...
'Style','text', ...
'String','Sinal com Mod. Intrapulso', ...
'BackgroundColor','k', ...
'ForegroundColor','w', ...
'Units','normalized', ...
'Position',labelPos);

axHndl2=axes( ...
'Units','normalized', ...
'Position',axPos+[0 -0.31 0 0], ...
'XTick',[],'YTick',[], ...
 84
'Box','on');
labelPos=[0.05 0.50 0.30 0.05];
uicontrol( ...
'Style','text', ...
'String','Autocorrelacao do Sinal', ...
'BackgroundColor','k', ...
'ForegroundColor','w', ...
'Units','normalized', ...
'Position',labelPos);

axHndl3=axes( ...
'Units','normalized', ...
'Position',axPos+[0 -0.62 0 0], ...
'XTick',[],'YTick',[], ...
'Box','on');
labelPos=[0.05 0.20 0.30 0.05];
uicontrol( ...
'Style','text', ...
'String','Espectrograma (Transf. STFT)', ...
'BackgroundColor','k', ...
'ForegroundColor','w', ...
'Units','normalized', ...
'Position',labelPos);

%=================================
% Informacoes para todos os botoes
%=================================

top=0.95;
bottom=0.05;
labelColor=[0.8 0.8 0.8];
btnWid=0.20;
btnHt=0.10;
right=0.95;
left=right-btnWid;
% Espacamento entre o botao e o proximo label de commando
spacing=0.05;

%=====================
% Definicao do CONSOLE
%=====================

frmBorder=0.02;
frmPos=[left-frmBorder bottom-frmBorder btnWid+2*frmBorder 0.9+2*frmBorder];
h=uicontrol( ...
'Style','frame', ...
'Units','normalized', ...
'Position',frmPos, ...
'BackgroundColor',[0.5 0.5 0.5]);

%===========================================================
% Botao de Novo Sinal com a Codificacao Intrapulso escolhida
%===========================================================

btnNumber=1;
yPos=top-btnHt-(btnNumber-1)*(btnHt+spacing);
labelStr='Nova Codificacao';
 85
callbackStr='interface(''new'');';

%Informacoes gerais do botao

btnPos=[left yPos btnWid btnHt];

flyHndl=uicontrol( ...
'Style','pushbutton', ...
'Units','normalized', ...
'Position',btnPos, ...
'String',labelStr, ...
'Callback',callbackStr);

%====================================================================
=====
% Controle tipo Drop-Down para a escolha do Tipo de Codificacao Intrapulso

%====================================================================
=====
btnNumber=2;
yPos=top-btnHt-(btnNumber-1)*(btnHt+spacing);

labelStr='Code';

%Informacoes gerais do botao

codePos=[left yPos btnWid btnHt/2];
labelPos=[left yPos+btnHt/2 btnWid btnHt/2];

codeHndl=uicontrol( ...
'Style','popupmenu', ...
'Units','normalized', ...
'Position',codePos, ...
'String',{'Sem Codificacao','LFM','Barker 7','Barker 11','Barker 13','Frank 16','Frank
64','FMCW'});

uicontrol( ...
'Style','text', ...
'Units','normalized', ...
'String','Codificacao', ...
'Position',labelPos);

%==============================================================
% Controle tipo Drop-Down para a escolha da Relacao Sinal/Ruido
%==============================================================

btnNumber=3;
yPos=top-btnHt-(btnNumber-1)*(btnHt+spacing);
labelStr='Relacao S/N';

%Informacoes gerais do botao

noisePos=[left yPos btnWid btnHt/2];
labelPos=[left yPos+btnHt/2 btnWid btnHt/2];

noiseHndl=uicontrol( ...
'Style','popupmenu', ...
'Units','normalized', ...
'Position',noisePos, ...
 86
'String',{'10dB','5dB','0dB','-5dB','-10dB'});

uicontrol( ...
'Style','text', ...
'Units','normalized', ...
'String','Relacao S/R(dB)', ...
'Position',labelPos);

%==================================================================
% Controle tipo Drop-Down para a escolha da Frequencia da Portadora
%==================================================================

btnNumber=4;
yPos=top-btnHt-(btnNumber-1)*(btnHt+spacing);
labelStr='Freq';

%Informacoes gerais do botao

freqPos=[left yPos btnWid btnHt/2];
labelPos=[left yPos+btnHt/2 btnWid btnHt/2];

freqHndl=uicontrol( ...
'Style','popupmenu', ...
'Units','normalized', ...
'Position',freqPos, ...
'String',{'170MHz','9,6GHz','2,4GHz'});

uicontrol( ...
'Style','text', ...
'Units','normalized', ...
'String','Freq. da Portadora', ...
'Position',labelPos);

%==============================
% O botao de informacoes (INFO)
%==============================

labelStr='Info';
callbackStr='interface(''info'')';
infoHndl=uicontrol( ...
'Style','push', ...
'Units','normalized', ...
'Position',[left bottom+btnHt+spacing btnWid btnHt], ...
'String',labelStr, ...
'Callback',callbackStr);

%==========================
% O botao de fechar (CLOSE)
%==========================

labelStr='Close';
callbackStr='close(gcf)';
closeHndl=uicontrol( ...
'Style','push', ...
'Units','normalized', ...
'Position',[left bottom btnWid btnHt], ...
'String',labelStr, ...
'Callback',callbackStr);
 87

%Tornar a figura visivel

hndlList=[axHndl1 axHndl2 axHndl3 codeHndl noiseHndl freqHndl];

set(figNumber, ...
'Visible','on', ...
'UserData',hndlList);

watchoff(oldFigNumber);

interface new;
figure(figNumber);

elseif strcmp(action,'new'),
figNumber=watchon;
hndlList=get(figNumber,'Userdata');
axHndl1=hndlList(1);
axHndl2=hndlList(2);
axHndl3=hndlList(3);
codeHndl=hndlList(4);
noiseHndl=hndlList(5);
freqHndl=hndlList(6);

%============================================================
% Identifica a Frequencia da Portadora escolhida pelo usuario
%============================================================

frequencia=get(freqHndl,'Value');

if (frequencia==1)
freqPort=170e6; %Freq da Portadora=170MHz
elseif (frequencia==2)
freqPort=9.6e9; %Freq da Portadora=9,6GHz
elseif (frequencia==3)
freqPort=2.4e9; %Freq da Portadora=2,4GHz
end

%================================================
% Identifica a Codificacao escolhida pelo usuario
%================================================

code=get(codeHndl,'Value');

if (code==1)
%Sem codificacao
codificacao=0;

elseif (code==2)
%Linear FM
codificacao=1;

elseif (code==3)
%Barker 7
codificacao=7;

elseif (code==4)
%Barker 11
 88
codificacao=11;

elseif (code==5)
%Barker 13
codificacao=13;

elseif (code==6)
%Frank 16
codificacao=616;

elseif (code==7)
%Frank 64
codificacao=664;

elseif (code==8)
%FMCW
codificacao=-1;

end

%================================================================
% Identifica a Relacao Sinal-Ruido (S/N) escolhida pelo usuario e
% o valor da respectiva constante para a relacao sinal-ruido e
% Chama a funcao testeCodificacao3 que calcula a Funcao de
% Autocorrelacao e a Transformada Tempo-Frequencia STFT
%================================================================

noise=get(noiseHndl,'Value');

matrizDeRuido=[ 0 0 0 0 0
0 0 0 0 0
3 8 13 18 23
5 10 15 20 25
5.7 10.7 15.7 20.8 25.8
1.7 6.7 11.65 16.7 21.7
7.7 12.7 17.7 22.7 27.7
0 0 0 0 0];

cteParaRuido=matrizDeRuido(code,noise);

[autC,amostras,Z,f,t]=testeCodificacao3(codificacao,cteParaRuido,freqPort,'white.mat','arquivo1.
mat',1,1); %2021

%===========================
% 1) Plota o Sinal com Ruido
%===========================
axes(axHndl1);
plot(amostras); %title('Sinal + ruído');

%xlabel('Tempo');
%ylabel('Amplitude (Volt)');
%legend({'Port.=167MHz'});
%legend('boxoff');

%===================================
 89
% 2) Plota a Autocorrelacao do Sinal
%===================================
axes(axHndl2);
plot(autC); %title('Autocorrelacao do sinal');

%=================
% 3) Plota a STFT
%=================
axes(axHndl3);
pcolor(t,f,Z);grid on;
shading interp;
axis xy; axis tight; colormap(jet); view(0,90);
xlabel('Tempo');
ylabel('Frequencia (Hz)');
%title('SFFT');

%==================================
% 4) Plota a SFFT em 3-D (opcional)
%==================================
%surf(t,f,Z);
%title('SFFT');

watchoff(figNumber);

elseif strcmp(action,'info'),
ttlStr=get(gcf,'Name');
hlpStr= {' '
' Esta Interface demonstra o emprego da Transformada Tempo-Frequencia (STFT) e '
' da Funcao de Autocorrelacao do Sinal para a identificacao de algumas codificacoes'
' intrapulso presentes em um sinal radar. '
' A analise se baseia na analise das caracteristicas existentes nos espectogramas obtidos '
' a partir da STFT e das caracteristicas das respectivas Funcoes de Autocorrelacao.'
' Sao analisadas as seguintes codificacoes: '
' Linear FM; '
' Barker 7,11 e 13; '
' Frank 16 e 64; e'
' FMCW.'
' Sao analisados tambem os efeitos de ruido branco aditivo ao sinal. '
' Para a analise da influencia do ruido sao adotadas as seguintes relacoes sinal-ruido (S/N): '
' 10dB, 5dB, 0dB, -5dB e -10dB '
' Os sinais radar com codificacao intrapulso sao simulados por meio do programa
testeCodificacao3.m'
' '
' O usuario pode testar o programa pressionando o botao "Nova Codificacao". '
' O controle drop-down "Codificacao" seleciona qual a codificacao intrapulso a ser testada.'
' O controle drop-down "Relacao S/N(dB)" seleciona a relacao S/N a ser avaliada com a
adicao de ruido branco.'
' O controle "Freq. da Portadora" seleciona a frequencia da portadora a ser adotada no teste.'
' '
' Nome do Arquivo: interface.m '};
helpwin(hlpStr,ttlStr);

end;