Review Jurnal | Dual-Polarization Spectral Filter For Radio Frequency Interference Suppression

Judul Dual-Polarization Spectral Filter For Radio Frequency Interference Suppression
Penulis Laura C. Rojas – University of Helsinki, Finland.
Dmitri N. Moisseev – University of Helsinki, Finland.
V. Chandrasekar – University of Helsinki, Finland; Finnish Meteorological Institute, Finland; Colorado State University, USA.
Jason Sezler – Vaisala Inc, Massachusetts, USA.Beino Keränen – Vaisala Oyj, Finland.
Jurnal ERAD 2012 (The Seventh European Conference On Radar In Meteorology And Hydrology)
Tahun 27 Mei 2012
Reviewer Aprilia Erlita Lisnawati
Tanggal 20 Oktober 2019

.

ABSTRAK

Jurnal dengan judul “Dual-Polarization Spectral Filter For Radio Frequency Interference Suppression” ini membahas mengenai interferensi frekuensi antara radar cuaca C-Band dengan Radio Local Area Networks (RLANs) yang semakin banyak dilaporkan di bagian Eropa Timur, Amerika Selatan, dan India.

Interferensi ini sangat mengganggu data radar cuaca C-Band dimana akan dihasilkan noise pada data radar. Sejauh ini interferensi terjadi pada sudut azimuth dimana pada beberapa kasus mencapai 100. Noise interferensi pada data radar dapat diatasi dengan mengabaikan data radar pada luasan sudut azimuth. Namun, hal ini sangat merugikan pihak observer radar C-Band dimana sebagian besar data radar akan hilang / loss. Solusi lain untuk mengatasi masalah tersebut dengan merancang filter interference pada output radio frequency untuk memfilter echo radar. Penelitian ini juga pernah dilakukan oleh Dixon, et al (2006) dan Chanthavong, et al (2010), dengan melakukan filtering output pada ground clutter, noise, dan non-stationary echos.

Pada penelitian yang dilakukan Dixon, et al (2006), menyebutkan bahwa penelitian dilakukan dengan membuat skema klasifikasi echo radar berdasarkan kombinasi logika fuzzy dari masing-masing variabel. Skema tersebut kemudian diaplikasikan pada kasus interferensi dengan hasil yang sangat efektif untuk memisahkan ground clutter dan echo radar cuaca. Hasil dari penelitian ini menunjukkan bahwa skema klasifikasi echo radar dapat digunakan secara realtime hanya untuk target clutter bukan untuk echo radar cuaca. Begitu juga dengan penelitian Chanthavong, et al (2010) yang dilakukan menggunakan logika fuzzy dengan menguji echo atau sinyal non-meteorologis yang diterima radar dan hipotesis curah hujan menggunakan smooth metric yang disebut sebagai Polarimetric Meteorological Index (PMI). Jika nilai PMI dibawah threshold (ambang batas) maka nilai sinyal tersebut dapat dihilangkan sehingga echo / sinyal meteorologis memungkinkan untuk diolah secara maksimal tanpa noise dari sinyal lain.

Penelitian ini memanfaatkan teknik image signal prosessing untuk memisahkan spectral line yang berbeda pada spectogram range-velocity yang dihasilkan radar cuaca. Pada penelitian sebelumnya yang dilakukan oleh Moisseev dan Chandrasekar (2009) menjelaskan bahwa tekstur diferensial reflektiviti dan phasa serta spektrum korelasi co-polar dapat dimanfaatkan untuk melakukan filter spektral pada ground clutter dan noise.

Prinsip penelitian filtering RLAN pada radar cuaca C-Band ini sama halnya prinsip penelitian yang dilakukan oleh Moisseev dan Chandrasekar (2009) dengan metodologi klasifikasi algoritma logika fuzzy. Fungsi membership yang digunakan berdasarkan kasus interferensi di radar cuaca C-Band Helsinki University Kumpula. Sedangkan untuk penelitian dilakukan pada radar cuaca C-Band di Finland, India, dan Brazil, yang menghasilkan bahwa Dual-Polarization Spectral Filter ini dapat digunakan sebagai solusi mitigasi interferensi radar cuaca C-Band dari frekuensi RLAN.

PENGUKURAN

Penelitian ini membutuhkan coresponden data spektral dari sinyal interferensi RF (Radio Frequency) radar cuaca jenis C-Band yang diambil dari tiga site radar yaitu Finland (Kumpula), India (Dehli), dan Brazil (Elefante). Data radar cuaca Finland yang digunakan adalah data tanggal 3 hingga 5 Desember 2005 dimana RLAN telah dikoneksikan dengan 16th OSCE Ministerial Council. Data radar cuaca India  yang digunakan adalah tanggal 11 Januari 2012, sedangkan Brazil tanggal 19 November 2011 dengan keduanya menggunakan sudut elevasi 0,50.

METODOLOGI

Metodologi yang digunakan dalam penelitian ini didasarkan pada tiga penelitian yang telah dilakukan sebelumnya, sehingga penelitian ini sudah sangat cukup kredible dan kuat landasannya. Dasar penelitian yang digunakan adalah penelitian dari Bringi dan Chandrasekar (2001) serta Daviak dan Zrnić (1993). Adapun metodenya dengan menggunakan data time series dari pengamatan radar dual-polarisasi yang digunakan untuk mengestimasi spektrum power Doppler dari masing-masing polarisasi. Selanjutnya, rata-rata rentang waktu diaplikasikan ke estimator untuk mengurangi estimasi varian.

Berdasarkan estimasi spektrum power Doppler menghasilkan beberapa parameter yang dalam penelitian ini dikonsentrasikan pada tiga jenis parameter meliputi, differential reflectivity d[k], co-polar coherency spectrum ρhv[k], dan differential phase ψdp[k]. Tiga parameter tersebut digunakan untuk membuat spektogram range-velocity pada masing-masing gate. Penelitian ini menggunakan teknik image processing pada beberapa spektogram untuk memisahkan sinyal echo meteorologi dan non-cuaca untuk mendapatkan data yang lebih akurat. Teknik image processing dipilih karena dapat didefinisikan sebagai fungsi variasi spasial dalam intensitas pixel.

Tekstur gambar pada image processing digunakan untuk mengidentifikasi daerah homogen yang digunakan untuk mengkasilkan peta yang telah diklasifikasikan. Peta ini kemudian digunakan untuk menentukan filter yang akan digunakan. Teksturnya merupakan filter median dari standar deviasi dua dimensi gambar dimana filter median ini digunakan untuk mengurangi noise dan tetap menjaga tekstur pada tepi gambar. Gambar 1 menunjukkan adanya perbedaan spektral sinyal echo meteorologi dan non-cuaca. Penelitian ini menggunakan kasus represrntatif dari curah hujan, ground clutter, dan estimasi noise yang akurat. Pada masing-masing kasus distribusi dari nilai tekstur gambar SDZd, SD ψdp, dan spektrum co-polar dibangun. Gambar 2 menunjukkan distribusi untuk curah hujan, ground clutter dan noise. Pada kasus noise ini muncul sinyal yang tumpang tindih (overlap) antara curah hujan dan clutter dalam bentuk tekstur pada gambar. Namun dapat diketahui bahwa nilai SDZd berpusat pada sekitar 1,5 dB dimana nilainya lebih besar dari nilai rata-rata curah hujan dan lebih kecil dari clutter. Selain itu juga nilai SD ψdp selalu lebih besardari nilai tengah/pusat curah hujan dan clutter nilai-nilai didistribusikan dari 0 hingga 0,6 dengan nilai rata-rata 0,2.

Penelitian yang dilakukan oleh Joe et al (2005) menyebutkan interferensi RF dapat diketahui sebagai noise berwarna putih pada display. G ambar 2 menunjukkan distribusi perbedaan sudut azimut dimana interferensi RF teramati. Nilai-nilai SDZd menyebar dari 1 hingga 18 dB dengan nilai pusat menjadi 8 dB, lebih besar dari pada kasus interferensi lainnya. Untuk nilai-nilai SDψdp sama dengan distribusi noise yang ditemukan pada SDZd. Distribusi ρ terlihat mengikuti pola pada curah hujan, perbedaannya untuk interferensi RF kurva dimulai naik sebelum 0,9.

Perbedaan tekstur dapat dimanfaatkan untuk membuat klasifikasi proses yang digunakan dalam evaluasi apakah sinyal yang diterima memenuhi sifat-sifat kelas tertentu. Sama halnya pada penelitian Moisseev dan Chandrasekar (2009) menggunakan algoritma klasifikasi logika fuzzy yang digunakan dalam metode penelitian kasus interferensi ini. Dalam penelitian ini digunakan membership function meliputi curah hujan, ground clutter, dan noise serta interferensi RF yang ditunjukkan dalam gambar 3.

Gambar 4 menunjukkan arsitektur klasifikasi membership function. Input sistem meliputi ρ, SDZd, dan SD ψdp untuk masing-masing range-Doppler. Input yang diberikan untuk masing-masing kelas, tingkat keanggotaannya dihitung berdasarkan membership function yang disebutkan. Setelah tingkat keanggotaan masing-masing range-Doppler ditemukan selanjutnya menentukan apakah sinyal tersebut termasuk curah hujan atau bukan.

Tahap terakhir dalam penelitian ini adalah menghitung momen spektral radar. Langkah pertama yang dilakukan pada spektrum daya Doppler dikoreksi noise. Selanjutnya proses filtering diimplementasi menggunakan teksture sinyal curah hujan. Untuk menghindari kemungkinan hilangnya daya dalam nilai reflektifitas, interpolasi Gaussian digunakan lebih dari Svvf. Pendekatan interpolasi ini mirip pada penelitian yang dilakukan oleh Siggia dan Passarelli (2004).

HASIL

Hasil penelitian ini menunjukkan bahwa filter spektral yang rancang dapat berfungsi pada setiap kasus bahkan jika radar mempunyai konfigurasi yang berbeda. Gambar 5 menunjukkan kinerja prosedur klasifikasi untuk set data ini pada sudut azimuth 33o.

Pada gambar 5 dapat dilihat bahwa pemisahan antara sinyal sel curah hujan dan non-cuaca dapat dilihat dengan sangat jelas. Namun pada beberapa sel pada interferensi RF yang sangat kuat, ground clutter dan noise masih dikategorikan dalam curah hujan yang terjadi pada range radar diatas 250 km. Gambar 6 menunjukkan plot PPI dari data asli dan ter-filter. Dapat dilihat bahwa sebagian besar interferensi RF telah ter-filter. Meskipun, ketika interferensi RF kuat, misalnya antara sudut azimuth 30o hingga 35o, noise tetap ada dalam data yang ter-filter. Bagaimanapun pengamatan jauh lebih baik setelah dilakukan filter.

KESIMPULAN

Penelitian ini menggunakan polarimetric spectral filter untuk meningkatkan pengamatan radar ketika terjadi interferensi RF. Hasil menunjukkan bahwa ketika menggunakan pendekatan ini hasil pengamatan radar dan variabel polarimetrik menunjukkan peningkatan kualitas data. Dalam penelitian ini juga dilakukan klasifikasi antara echo meteorologi dan non-cuaca, tetapi hasil klasifikasi menunjukkan bahwa perbedaan antara berbagai jenis noide non-meteorologis juga dapat ditemukan.

KEKURANGAN

Kekurangan yang ditemukan dalam penelitian ini adalah sebagai berikut :

  1. Penelitian ini dilakukan dengan menggunakan data radar pada waktu yang tidak bersamaan dari tiga radar yang berlokasi di tempat yang berbeda.
  2. Penggunaan treshold sinyal radar sebaiknya disesuaikan dengan kondisi lokasi radar, karena nilai treshold disetiap tempat berbeda.
  3. Dasar landasan dalam penentuan membership funtion kurang kuat.

KELEBIHAN

Kelebihan yang ditemukan dalam penelitian ini adalah sebagai berikut :

  1. Metodologi yang dilakukan merupakan pengembangan dari metode penelitian sebelumnya.
  2. Hasil penelitian dapat diaplikasikan dengan baik pada tiga sample radar penelitian di tempat yang berbeda yaitu Finland (Kumpula), India (Dehli), dan Brazil (Elefante).

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google photo

You are commenting using your Google account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

This site uses Akismet to reduce spam. Learn how your comment data is processed.