MATLAB仿真程序
matlab2010b电机仿真
matlab2010b电机仿真在MATLAB 2010b中进行电机仿真可以使用Simulink和Simscape Power Systems工具箱。
下面是一个简单的示例，演示了如何使用Simulink建立并运行一个电机仿真模型。
1. 打开MATLAB 2010b软件。
2. 在Simulink库浏览器中找到电机建模组件。
可以在“Simulink”标签下的“Electrical”部分找到一些相关组件，如“Induction Motor”和“DC Motor”等。
3. 双击相应的组件，将其拖动到模型编辑器中。
可以使用这些组件来构建一个电机模型。
4. 连接电机建模组件的输入和输出端口。
例如，可以将一个输入信号传递到电机的控制端口，将输出信号连接到电机的运动端口。
5. 配置电机的参数。
双击电机组件，可以打开参数对话框，并设置电机的参数，如转矩、速度、电压等。
6. 添加其他必要的组件和连接，以完成电机模型的搭建。
7. 单击模型编辑器中的“运行”按钮，开始仿真电机模型。
可以通过观察仿真结果和信号波形来分析电机的行为和性能。
注意：MATLAB 2010b版本可能需要安装额外的工具箱才能进行电机仿真。
可以在软件安装目录下的“toolbox”文件夹中查找相关的工具箱，并确保其已经安装和激活。
此外，Simscape Power Systems工具箱也提供了一系列电机模型和仿真组件，可以用于建立更精细和复杂的电机系统模型。
可以按照类似的步骤，使用Simscape Power Systems工具箱中的电机组件进行仿真。
希望以上信息对您有帮助！。
matlab电路仿真教程
matlab电路仿真教程Matlab是一种功能强大的软件，用于进行电路仿真和分析。
通过Matlab，用户可以轻松地进行电路分析、验证和优化。
在本教程中，我将介绍如何使用Matlab进行电路仿真，并提供一些实例来帮助您更好地理解。
首先，我们需要了解Matlab中的电路仿真工具。
Matlab提供了许多函数和工具箱，用于电路建模和仿真。
其中最常用的是Simulink和Circuits工具箱。
Simulink是一个可视化的仿真环境，用于建立和模拟电路系统。
Circuits工具箱则提供了一些基本电路元件和函数，用于电路建模和分析。
要开始使用Matlab进行电路仿真，首先需要安装Matlab和Simulink软件，并确保您具有有效的许可证。
然后，打开Matlab并导航到Simulink库。
在Simulink库中，您将找到许多电路元件，例如电阻器、电容器和电感器，以及电压源和电流源。
将合适的元件拖放到工作区域中，然后连接它们以构建您的电路。
在电路建模完成后，您需要为电路设置适当的参数。
例如，您可以指定电阻、电容和电感的值，以及电压源和电流源的值。
您还可以添加信号源和观察点，以便在仿真期间监视电路的行为。
一旦您完成了电路建模和参数设置，接下来就可以对其进行仿真了。
在Simulink工具箱中，有几种不同类型的仿真可用，例如时域仿真和频域仿真。
通过选择合适的仿真类型，并设置仿真时间和步长，您可以开始执行仿真并观察电路的响应。
在仿真完成后，您可以使用Matlab绘图工具箱中的一些函数来绘制和分析电路响应。
例如，您可以绘制电压随时间的变化曲线，或者计算电源输出和负载电流之间的关系。
通过使用Matlab的分析工具，您还可以进行降阶、优化和参数估计等进一步分析。
让我们通过一个简单的示例来说明如何使用Matlab进行电路仿真。
假设我们有一个简单的RC电路，其中包括一个电阻器和一个电容器。
我们想要了解电容器的电压如何随时间变化。
matlab 光纤sbs仿真程序
matlab 光纤sbs仿真程序光纤SBS（Stimulated Brillouin Scattering，受激布里渊散射）是一种重要的非线性光学效应，在光通信系统中具有广泛的应用。
为了更好地理解和研究光纤SBS的特性和影响因素，我们可以使用MATLAB进行光纤SBS的仿真。
在进行光纤SBS仿真之前，我们首先需要了解光纤SBS的基本原理。
光纤SBS是一种非线性光学过程，当一束高功率的激光光束通过光纤时，会与光纤中的声子模式发生相互作用，从而产生新的光学波长。
这种相互作用过程中，激光光束中的光子会被散射成为新的频率和波矢的声子，从而产生散射光。
光纤SBS的效应会导致光信号的失真和损耗，因此在光通信系统设计中需要进行充分的考虑。
在MATLAB中进行光纤SBS仿真可以通过建立合适的数学模型和参数设置来实现。
首先，我们需要定义光纤的基本参数，如长度、折射率、光纤的非线性系数等。
然后，我们可以通过输入光信号的频率、功率和波形等信息来模拟光纤中的光场传输过程。
在仿真过程中，我们可以考虑光纤的非线性效应和声子模式的影响，从而得到光纤中的散射光信号。
为了更好地理解光纤SBS的影响，我们可以通过改变光纤的参数和输入光信号的特性来进行不同情况下的仿真实验。
例如，我们可以改变光纤的长度、直径和折射率等参数，观察散射光的频率和强度的变化。
此外，我们还可以改变输入光信号的频率、功率和波形等特性，研究它们对光纤SBS效应的影响。
通过光纤SBS的仿真实验，我们可以得到光纤SBS效应的一些重要特性和参数。
例如，我们可以得到光纤SBS的阈值功率和阈值频率，即当输入光功率或频率超过一定的阈值时，光纤SBS效应会变得明显。
此外，我们还可以得到光纤SBS的增益谱和散射光的功率谱密度等信息，从而更好地了解光纤SBS的特性和应用。
在进行光纤SBS仿真时，我们还可以结合其他光纤效应和系统参数进行综合分析。
例如，我们可以考虑光纤的色散效应、非线性效应和衰减等因素，从而研究它们与光纤SBS效应的相互作用。
实验一典型环节的MATLAB仿真
实验一典型环节的MATLAB仿真一、实验目的1．熟悉MATLAB桌面和命令窗口，初步了解SIMULINK功能模块的使用方法。
2．通过观察典型环节在单位阶跃信号作用下的动态特性，加深对各典型环节响应曲线的理解。
3．定性了解各参数变化对典型环节动态特性的影响。
二、SIMULINK的使用MATLAB中SIMULINK是一个用来对动态系统进行建模、仿真和分析的软件包。
利用SIMULINK功能模块可以快速的建立控制系统的模型，进行仿真和调试。
1．运行MATLAB软件，在命令窗口栏“>>”提示符下键入simulink命令，按Enter 键或在工具栏单击按钮，即可进入如图1-1所示的SIMULINK仿真环境下。
2．选择File菜单下New下的Model命令，新建一个simulink仿真环境常规模板。
3．在simulink仿真环境下，创建所需要的系统。
以图1-2所示的系统为例，说明基本设计步骤如下：1）进入线性系统模块库，构建传递函数。
点击simulink下的“Continuous”，再将右边窗口中“Transfer Fen”的图标用左键拖至新建的“untitled”窗口。
图1-1 SIMULINK仿真界面图1-2 系统方框图2）改变模块参数。
在simulink 仿真环境“untitled ”窗口中双击该图标，即可改变传递函数。
其中方括号的数字分别为传递函数的分子、分母各次幂由高到低的系数，数字之间用空格隔开；设置完成后，选择OK ，即完成该模块的设置。
3）建立其它传递函数模块。
按照上述方法，在不同的simulink 的模块库中，建立系统所需的传递函数模块。
例：比例环节用“Math ”右边窗口“Gain ”的图标。
4）选取阶跃信号输入函数。
用鼠标点击simulink 下的“Source ”，将右边窗口中“Step ”图标用左键拖至新建的“untitled ”窗口，形成一个阶跃函数输入模块。
5）选择输出方式。
海杂波matlab仿真程序
海杂波matlab仿真程序海杂波（sea clutter）是雷达信号处理中的一个重要问题，也是海洋环境中的一个常见现象。
海杂波指的是雷达接收到的来自海面的回波信号中的杂波部分，它主要由海浪、海浪与海面之间的散射物、海洋生物等引起。
海杂波会对雷达系统的性能产生影响，因此对海杂波进行研究和仿真具有重要意义。
Matlab是一种常用的科学计算软件，它提供了丰富的工具和函数，可以用来进行海杂波的仿真和分析。
在海杂波仿真中，我们可以通过模拟海洋环境中的各种因素，来生成与实际海杂波相似的信号。
这样可以帮助我们更好地理解海杂波的特性，并为雷达系统的设计和性能评估提供参考。
海杂波的特点是多变性和复杂性。
海洋环境中的海浪和散射物会引起回波信号的频率和相位的变化，这使得海杂波的特性难以准确描述。
因此，在进行海杂波的仿真时，我们需要考虑到这些因素，并结合实际的海洋环境数据进行模拟。
海杂波的仿真可以帮助我们研究海洋环境中的信号处理算法和雷达系统的性能。
通过对海杂波的仿真，我们可以评估不同算法对海杂波的抑制效果，并选择最优的算法来提高雷达系统的性能。
同时，海杂波的仿真还可以用于雷达系统的性能测试和验证，以确保系统能够正常工作。
海杂波的仿真还可以帮助我们研究海洋环境中的其他问题，例如海洋生物的检测和跟踪。
海洋生物在雷达回波中会产生特定的特征，通过对海杂波的仿真，我们可以研究这些特征，并开发相应的算法来检测和跟踪海洋生物。
除了海杂波的仿真，Matlab还可以用于海杂波数据的处理和分析。
通过对海杂波数据的处理和分析，我们可以提取出海杂波的特征和统计信息，从而更好地理解海杂波的性质。
这些信息可以用于雷达系统的设计和性能评估，并为海洋环境的监测和预测提供参考。
海杂波的仿真是雷达信号处理中的一个重要问题。
通过使用Matlab 进行海杂波的仿真和分析，我们可以更好地理解海杂波的特性，并为雷达系统的设计和性能评估提供参考。
海杂波的仿真还可以帮助我们研究海洋环境中的其他问题，例如海洋生物的检测和跟踪。
模糊pid matlab(simulink)仿真详细步骤
下面用一个简单的例子作介绍：（本例不是特别针对实现什么功能，只是为了介绍方便）第一部分创建一个模糊逻辑（.fis文件）第一步：打开模糊推理系统编辑器步骤：在Commond Window 键入fuzzy回车打开如下窗口，既模糊推理系统编辑器第二步：使用模糊推理系统编辑器本例用到两个输入，两个输出，但默认是一个输人，一个输出步骤：1、添加一个输入添加一个输出得如下图2、选择Input、output(选中为红框)，在Name框里修改各输入的名称并将And method 改为prod，将Or method 改为 probor提示：在命名时’_’在显示时为下标，可从上图看出。
第三步：使用隶属函数编辑器该编辑器提供一个友好的人机图形交互环境，用来设计和修改模糊推理系中各语言变量对应的隶属度函数的相关参数，如隶属度函数的形状、范围、论域大小等，系统提供的隶属度函数有三角、梯形、高斯形、钟形等，也可用户自行定义。
步骤：1、双击任何一个输入量（In_x、In_y）或输出量打开隶属度函数编辑器。
2、在左下处Range和Display Range处添加取值范围，本例中In_x和In_y的取值范围均为[0 10], Out_x和Out_y的取值范围均为[0 1]3、默认每个输入输出参数中都只有3个隶属度函数，本例中每个输入输出参数都需要用到五个，其余几个需要自己添加：选中其中一个输入输出参数点击Edit菜单，选Add MFS…打开下列对话框将MF type设置为trimf(三角形隶属度函数曲线，当然你也需要选择其他类型) 将Number of MFs 设置为2点击OK按钮同样给其他三个加入隶属度函数4、选中任何一个隶属度函数（选中为红色），在Name 中键入名称，在Type中选择形状，在Params中键入范围，然后回车如下图：5、关闭隶属函数编辑器第四步：使用规则编辑器通过隶规则编辑器来设计和修改“IF...THEN”形式的模糊控制规则。
基于matlab的机械结构仿真程序
基于matlab的机械结构仿真程序基于Matlab的机械结构仿真程序是一种用于模拟和分析机械系统动态行为的工具。
通过使用Matlab编程语言和Simulink仿真环境，我们可以构建出具有各种结构和运动特性的机械系统，并对其进行仿真和优化。
以下是一个基于Matlab的机械结构仿真程序的探讨：1. 简介在介绍这个仿真程序之前，我们首先明确一下机械结构仿真的定义和意义。
机械结构仿真是指通过建立数学模型和运用仿真技术，对机械系统进行虚拟化，以便通过模拟和分析机械系统的行为，获得系统的性能指标和设计优化。
2. Matlab的仿真环境Matlab是一种强大的科学计算软件，具有丰富的工具箱和编程语言。
Simulink是Matlab的一个附属工具，用于建立、模拟和分析动态系统。
Simulink提供了一个直观的图形化界面，使得机械结构仿真程序的搭建更加便捷。
3. 机械结构建模在进行机械结构仿真前，我们需要首先建立机械系统的数学模型。
这包括建立机械结构的几何模型、物理模型和动力学模型。
通过使用Matlab的数学工具箱，可以方便地表示机械结构的运动学和动力学方程，从而实现仿真程序的搭建。
4. 动力学仿真一旦机械结构的数学模型建立完毕，我们可以使用Matlab的仿真工具对机械系统的动态行为进行仿真。
仿真可以模拟机械结构在不同工况下的运动和响应，例如负载变化、初始条件变化等。
通过对仿真数据的分析，我们可以获得机械系统的性能指标，如速度、加速度、力矩等。
5. 仿真结果分析仿真结果的分析是机械结构仿真程序中非常重要的一环。
通过使用Matlab的数据处理和可视化工具，我们可以对仿真结果进行综合分析。
通过绘制机械系统的运动轨迹图、动力学响应曲线和频谱图，我们可以更直观地理解系统的行为特性，并进一步对机械结构进行优化。
6. 优化设计基于仿真结果的分析，我们可以对机械结构的设计进行优化。
通过改变机械结构的几何参数、材料选择和工艺参数等，可以改善系统的性能和可靠性。
MATLAB机器人仿真程序
MATLAB机器人仿真程序哎呀，说起 MATLAB 机器人仿真程序，这可真是个有趣又充满挑战的领域！我还记得有一次，我带着一群学生尝试做一个简单的机器人行走仿真。
那时候，大家都兴奋极了，眼睛里闪着好奇的光。
我们先从最基础的开始，了解 MATLAB 这个工具的各种函数和命令。
就像是给机器人准备好各种“零部件”，让它能顺利动起来。
比如说，我们要设定机器人的初始位置和姿态，这就好像是告诉机器人“嘿，你从这里出发，站好啦！”然后，再通过编程来控制它的运动轨迹。
有的同学想让机器人走直线，有的同学想让它拐个弯，还有的同学想让它走个复杂的曲线。
在这个过程中，可遇到了不少问题呢。
有个同学不小心把坐标设置错了，结果机器人“嗖”地一下跑到了不知道哪里去，大家哄堂大笑。
还有个同学在计算速度和加速度的时候出了差错，机器人的动作变得奇奇怪怪的，像是在跳“抽筋舞”。
不过，大家并没有气馁，而是一起努力找错误，修改代码。
终于，当我们看到那个小小的机器人按照我们设想的轨迹稳稳地行走时，那种成就感简直无法形容。
回到 MATLAB 机器人仿真程序本身，它其实就像是一个神奇的魔法盒子。
通过输入不同的指令和参数，我们可以创造出各种各样的机器人运动场景。
比如说，我们可以模拟机器人在不同地形上的行走，像是平坦的地面、崎岖的山路或者是湿滑的冰面。
这时候，我们就要考虑摩擦力、重力等各种因素对机器人运动的影响。
想象一下，机器人在冰面上小心翼翼地走着，生怕滑倒，是不是很有趣？而且，MATLAB 机器人仿真程序还能帮助我们优化机器人的设计。
比如说，如果我们发现机器人在某个动作上消耗了太多的能量，或者动作不够灵活，我们就可以通过调整程序中的参数来改进。
这就像是给机器人做了一次“整形手术”，让它变得更完美。
另外，我们还可以用它来进行多机器人的协同仿真。
想象一下，一群机器人在一起工作，有的负责搬运东西，有的负责巡逻，它们之间需要相互配合，避免碰撞。
这就需要我们精心设计它们的通信和协调机制，让它们像一支训练有素的团队一样高效工作。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
窗型选择仿真程序：clear,clcbw=3e6;% 信号带宽T=1e-4;%信号脉冲宽度A=2;%信号幅度fs=4*bw;lfft=round(T*fs);%采样点数lfft=2^nextpow2(lfft);dt=1/fs;%采样间隔f0=1e6;t=(0:lfft-1)*dt;%时域采样点q=(0:lfft-1)*2*pi/lfft;s=A*exp(j*2*pi*f0*t+j*pi*bw*t.*t/T);%产生线性调频信号S=(fft(s));%线性调频信号的傅立叶变换fftH=conj(S);%匹配滤波器的频率响应Y=S.*H;%线性调频信号的频域匹配滤波输出y=fftshift(ifft(Y));%线性调频信号的时域匹配滤波输出%对chirp信号进行时域加权h1=(triang(lfft))';%三角窗函数s1=s.*h1;S1=fft(s1);H1=conj(S1);Y1=S1.*H1;y1=fftshift(ifft(Y1));%加三角窗后的线性调频信号的时域匹配滤波输出h2=(hanning(lfft))';%汉宁窗函数s2=s.*h2;S2=fft(s2);H2=conj(S2);Y2=S2.*H2;y2=fftshift(ifft(Y2));%加汉宁窗后的线性调频信号的时域匹配滤波输出h3=(hamming(lfft))';%海明窗函数s3=s.*h3;S3=fft(s3);H3=conj(S3);Y3=S3.*H3;y3=fftshift(ifft(Y3));%加海明窗后的线性调频信号的时域匹配滤波输出figure;subplot(3,1,1),plot(t,real(s)),title('chirp signal');subplot(3,1,2),plot(q,abs(S)),title('线性调频信号幅度谱');subplot(3,1,3),plot(q,angle(S)),title('线性调频信号相位谱');figure;subplot(2,1,1),plot(q,abs(H));title('MF的幅度谱');subplot(2,1,2),plot(q,angle(H));title('MF的相位谱');figure;subplot(3,1,1),plot(t,real(y)),title('脉压信号');subplot(3,1,2),plot(q,abs(Y)),title('脉压信号幅度谱');subplot(3,1,3),plot(q,angle(Y)),title('脉压信号相位谱');figure;subplot(2,2,1),plot(t,20*log10(abs(y)/max(abs(y))));title('未加窗时的时域输出'); subplot(2,2,2),plot(t,20*log10(abs(y1)/max(abs(y1))));title('加三角窗时的时域输出'); subplot(2,2,3),plot(t,20*log10(abs(y2)/max(abs(y2)))); title('加汉宁窗时的时域输出'); subplot(2,2,4),plot(t,20*log10(abs(y3)/max(abs(y3))));title('加海明窗时的时域输出');叠加3个频移多普勒干扰程序：BandWidth=10e6; %发射信号带宽TimeWidth=20e-6; %发射信号时宽mu=BandWidth/TimeWidth %调频率Fs=2*BandWidth; %采样频率Ts=1/Fs;Ns=fix(Fs*TimeWidth);%计算一个脉冲周期的采样点数400；N=1024; %FFT点数t=0:Ts:TimeWidth-Ts;y=exp(j*pi*mu*t.^2); %产生LFM信号h=zeros(1,Ns);for i=1:Nsh(i)=conj(y(Ns-i+1));endfd=6e6;y1=exp(j*2*pi*(fd*t+0.5*mu*t.^2));%频移干扰信号fd1=+1e6;y2=exp(j*2*pi*(fd1*t+0.5*mu*t.^2));%频移干扰信fd2=+10e6;y3=exp(j*2*pi*(fd2*t+0.5*mu*t.^2));%频移干扰信y=y1+exp(j*pi*mu*t.^2)+y2+y3; %产生叠加了干扰的LFM信号yfft=fft(y,1024);win = hamming(Ns)';h_w=h.*win;hfft_w=fft(h_w,1024);ycomp = abs(ifft(yfft .*hfft_w)); %脉冲压缩maxval1 = max(ycomp);ycomp_w = eps + ycomp ./ maxval1; % 利用ycomp的最大值归一化tt =0:Ts:2*TimeWidth-Ts;plot (tt,ycomp_w(1:2*Ns),'b')xlabel ('t - seconds ');ylabel(' 幅度db')title('带宽=10MHZ，叠加fd=0MHZ,+1MHZ,+6MHZ,+10MHZ的脉压') grid on加噪仿真：BandWidth=1.0e6; %发射信号带宽TimeWidth=200e-6; %发射信号时宽mu=BandWidth/TimeWidth %调频率Fs=2*BandWidth; %采样频率Ts=1/Fs;Ns=fix(Fs*TimeWidth);%计算一个脉冲周期的采样点数400；N=1024; %FFT点数t=0:Ts:TimeWidth-Ts;%==================================================================== y=exp(j*pi*mu*t.^2); %产生LFM信号figure(1)plot(real(y));%加噪前的输入信号title('未加噪前的LFM信号');h=zeros(1,Ns);for i=1:Nsh(i)=conj(y(Ns-i+1));endfigure(2)plot(real(h));title('匹配滤波器信号');hfft= fft(h,N); % 匹配滤波器的频域响应y_n=awgn(y,20);%在中叠加一个信噪比为20的高斯白噪声figure(3)plot(real(y_n));%加噪后的输入信号title('加噪后的LFM信号');y_nfft = fft(y_n,N) ;ycomp =abs(ifft(y_nfft .*hfft)); %脉冲压缩maxval = max (ycomp);ycomp = eps + ycomp ./ maxval; % 利用最大值归一化ycomp_db=20*log10(ycomp); %取对数%%%%%%%%%%%%%% 加窗处理 %%%%%%%win = hamming(Ns)';figure(4)plot(win);title('海明窗信号');h_w=h.*win; % 加窗hfft_w=fft(h_w,N); % 加窗的匹配滤波器的频域响应ycomp_w = abs(ifft(y_nfft .*hfft_w)); %脉冲压缩maxval1 = max(ycomp_w);val=ycomp_w ;ycomp_w = eps + ycomp_w ./ maxval; % 利用ycomp的最大值归一化ycomp_w1 = eps + val./ maxval1; % 利用ycomp_w的最大值归一化ycomp_w_db=20*log10(ycomp_w); %取对数ycomp_w1_db=20*log10(ycomp_w1); %取对数%%%%%%%%%%%%%%%%tt =0:Ts:2*TimeWidth-Ts;figure(5)plot (tt,ycomp_db(1:2*Ns),'b')axis([.2*TimeWidth 1.8*TimeWidth -60 0] )xlabel ('t - seconds ');ylabel('幅度db')title('未加窗的脉冲压缩输出')grid onfigure(6)plot (tt,ycomp_w1_db(1:2*Ns),'r')axis([.2*TimeWidth 1.8*TimeWidth -60 0] )xlabel ('t - seconds ');ylabel(' 幅度db')title('加窗的脉冲压缩输出')grid onfigure(7)plot (tt,ycomp_db(1:2*Ns),'b',tt,ycomp_w_db(1:2*Ns),'r')axis([.2*TimeWidth 1.8*TimeWidth -60 0] )xlabel ('t - seconds ');ylabel(' 幅度db')legend('未加窗','加窗');title('脉冲压缩输出对比')grid on延时干扰仿真：BandWidth=1.0e6; %发射信号带宽TimeWidth=200e-6; %发射信号时宽mu=BandWidth/TimeWidth %LFM的调频率Fs=2*BandWidth; %采样频率Ts=1/Fs; %采样周期Ns=fix(Fs*TimeWidth);%计算一个脉冲周期的采样点数；N=1024; %FFT点数t=0:Ts:TimeWidth-Ts;y=exp(j*pi*mu*t.^2); %产生LFM信号，写成复数的形式h=zeros(1,Ns); %匹配系数初始化为0，点数与LFM的点数一致for i=1:Nsh(i)=conj(y(Ns-i+1));end %匹配滤波系数取LFM信号的镜像共轭yfft=fft(y,1024);%对回波LFM信号做FFT变换win = hamming(Ns)'; %产生海明窗h_w=h.*win; %时域加海明窗，匹配系数乘以海明窗函数，完成加权抑制距离旁瓣hfft_w=fft(h_w,1024);%加权后的匹配系数做FFT变换ycomp = abs(ifft(yfft .*hfft_w)); %完成脉冲压缩maxval1 = max(ycomp); %取ycomp的最大值ycomp_w = ycomp ./ maxval1; % 利用ycomp的最大值归一化tt =0:Ts:2*TimeWidth-Ts;subplot(2,1,1);plot (tt,ycomp_w(1:2*Ns),'b')axis([.2*TimeWidth 1.8*TimeWidth 0 1] ) %设定显示图形的尺寸title('时宽=200us无时延的脉冲压缩输出') ;grid on ;td1=20e-6;%时延值为td1t1=t+td1;%有时延的时间变量yd1=exp(j*pi*mu*t1.^2); %产生时延为td1的LFM信号td2=20e-6%时延值为td2t2=t-td2;yd2=exp(j*pi*mu*t2.^2); %产生时延为td2的LFM信号y1=y+yd1+yd2;%叠加有2个时延的回波信号y1fft=fft(y1,1024);hfft_w=fft(h_w,1024);ycomp_w1 = abs(ifft(y1fft .*hfft_w)); %脉冲压缩maxval1 = max(ycomp_w1);ycomp_w2 = ycomp_w1 ./ maxval1; % 利用ycomp_w1的最大值归一化%%%%%%%%%%%%%%%%tt =0:Ts:2*TimeWidth-Ts;subplot(2,1,2);plot (tt,ycomp_w2(1:2*Ns),'r')axis([.1*TimeWidth 2.0*TimeWidth 0 1] ) xlabel ('t - seconds ');title('有td=+20us,-20us时延干扰输出') grid on。