Integration av atmosfärsmodeller i MSSLab
Publiceringsdatum: 2008-08-22
Rapportnummer: FOI-R--2521--SE
Sidor: 66
Skriven på: Svenska
Nyckelord:
- IR
- laser
- radar
- väder
- MSSLab
Sammanfattning
I denna rapport beskrivs arbetet med att simulera sensorsystem i olika vä-derfall. Sensorerna som studerats i denna rapport är IR, laser och radar. Oli-ka simuleringsprogram har använts för att simulera de olika sensorerna och dessa simuleringsprogram är integrerade i MSSLab. MSSLab (MultiSen-sorSimuleringsLab) är ett simuleringslab där avancerade sensorsystem kan simuleras i olika miljöer. Rapporten inleds med en kort översikt om väder och hur vädret påverkar optroniska- och radarsensorer. Fyra väderscenarier har specificerats: vackert väder, regn, moln och snöfall. Dessa väderfall kommer i det fortsatta arbetet att användas för att studera hur en UAV (Unmanned Aerial Vehicle) med dess sensorer påverkas av de olika väderfallen. En beskrivning av den tänkta UAV:n och dess anflygning mot vissa områden finns även i rapporten. För IR och visuella simuleringar har beräkningsprogrammet CameoSim använts. För att beräkna atmosfärerna som används i CameoSim har trans-missionsmodellen MODTRAN använts. Med MODTRAN kan atmosfärens egenskaper för olika väderfall beräknas. En modell för 3D-laser som tagits fram på FOI används för lasersimulering-arna. Denna modell saknar för tillfället möjlighet att simulera väder, men med underlag från exempelvis MODTRAN kan även atmosfärspåverkan på lasersensorer simuleras. För radarsimuleringar används beräkningsprogrammet SE-RAY-EM. Detta program har nu kompletterats med funktioner för att ta hänsyn till både dämpning och spridning för de olika väderfallen. Några metoder för hur en simuleringsgemensam vädermodulering kan åstadkommas finns även be-skriven i rapporten. Inledande simuleringar har gjorts med IR och radar för de olika väderfallen och avstånd upp till några kilometer. De visar att framförallt moln kraftigt degraderar IR-prestanda, medan väderpåverkan på det simulerade radarsy-stemet endast är måttlig.