雷达目标参数估计讲义

合集下载

雷达信号处理中的目标检测与参数估计

雷达信号处理中的目标检测与参数估计

雷达信号处理中的目标检测与参数估计雷达信号处理是一门研究如何利用雷达系统获取和处理目标信息的学科。

其中,目标检测和参数估计是雷达信号处理的重要应用领域。

本文将分别介绍雷达信号处理中的目标检测和参数估计的原理和方法。

目标检测是指在雷达信号中准确地识别和定位目标的过程。

在雷达系统中,目标检测是一个关键步骤,它可以用于目标跟踪、目标定位、目标识别等应用。

目标检测的主要任务是从雷达接收到的回波信号中提取出目标的特征信息,并将其与噪声进行区分。

常用的目标检测方法包括脉冲-Doppler方法、协方差矩阵检测方法、基于卷积神经网络的方法等。

脉冲-Doppler方法是一种基于传统信号处理理论的目标检测方法。

它利用雷达接收到的回波信号的脉冲宽度和频率信息来确定目标的存在和位置。

该方法根据目标在距离和速度维度上的特征,通过比较回波信号和背景噪声的统计特性来进行目标检测。

脉冲-Doppler方法具有计算复杂度低、实时性好等特点,广泛应用于雷达目标检测中。

协方差矩阵检测方法是一种基于统计特性的目标检测方法。

它利用雷达接收到的回波信号的协方差矩阵来判定目标的存在与否。

该方法通过计算回波信号的协方差矩阵,然后根据协方差矩阵的特征值和特征向量来进行目标检测。

协方差矩阵检测方法具有较好的检测性能和抗噪声性能,适用于复杂环境下的目标检测任务。

基于卷积神经网络的方法是近年来发展起来的一种新型目标检测方法。

它通过训练神经网络来学习雷达回波信号的特征表示,然后利用训练好的神经网络对新的回波信号进行目标检测。

该方法具有较好的自适应能力和泛化能力,适用于复杂目标和复杂信号环境下的目标检测任务。

参数估计是指在雷达信号中准确地估计目标的参数,如目标的距离、速度、角度等。

在雷达系统中,参数估计是一个关键问题,它可以用于目标跟踪、目标识别等应用。

参数估计的主要任务是根据雷达接收到的回波信号,通过解析和处理信号的特征信息,提取出目标的参数信息。

常用的参数估计方法包括脉冲-Doppler方法、最小二乘法、粒子滤波器等。

雷达微动目标参数估计与特征提取方法研究

雷达微动目标参数估计与特征提取方法研究

雷达微动目标参数估计与特征提取方法研究雷达微动目标参数估计与特征提取方法研究摘要:雷达技术在军事、航空、天气、地质勘探等领域起着重要的作用,然而,目标微动对雷达目标参数估计和特征提取造成了很大挑战。

本文综述了雷达微动目标参数估计与特征提取的研究现状,重点介绍了微动目标参数的定义、影响因素以及常用的估计方法和特征提取方法,并探讨了未来的研究方向。

1. 引言雷达技术应用广泛,但是当目标发生微动时,对目标参数的估计和特征提取就会受到很大影响。

目标微动是由于目标本身运动或外界干扰引起的,它会导致雷达返回信号的频谱发生变化,使得参数估计和特征提取变得困难。

因此,研究雷达微动目标参数估计与特征提取方法具有重要的理论意义和实际应用价值。

2. 微动目标参数定义与影响因素微动目标参数是指目标微动时与目标运动状态相关的参数,常见的微动目标参数包括速度、加速度、振幅、相位等。

雷达微动目标参数受多种因素影响,如目标本身性质、雷达工作模式、外界环境条件等。

了解这些影响因素对于选择合适的参数估计和特征提取方法至关重要。

3. 微动目标参数估计方法目前,常用的微动目标参数估计方法包括最小二乘法、扩展卡尔曼滤波、粒子滤波等。

最小二乘法是一种常见且简便的估计方法,能够通过最小化预测值和观测值之间的均方误差来估计微动目标参数。

扩展卡尔曼滤波则是一种递归滤波算法,能够通过迭代更新状态向量和协方差矩阵来实现参数的在线估计。

粒子滤波是一种基于蒙特卡洛采样的估计方法,具有适应性强、鲁棒性好等优点。

4. 微动目标特征提取方法在微动目标的特征提取方面,波形特征、频谱特征和图像特征是常用的方法。

波形特征是通过分析目标微动引起的雷达返回信号的波形变化来获取目标的信息,如振动频率、振幅等。

频谱特征则是通过将返回信号经过傅里叶变换得到的频谱数据进行分析,从中提取目标微动的频域特征。

图像特征是通过将雷达返回信号转换为图像进行处理,常见的方法包括基于图像处理的边缘检测、纹理分析等。

雷达目标参数估计解析

雷达目标参数估计解析

1、设10个阵元半波长间距的ULA ,请画出其波束指向0度、-20度和45度的波束方向图,并计算其波束宽度。

解答:(1)理论分析设来波方向为0θ ,阵元数为N ,阵元间距为d ,波长为λ ,且/2d λ= 。

令2/j d τπλ= ,则导向向量表示为:[]{}0exp sin 0:1'w j N τθ=-(1)扫描方向设为θ,扫描向量表示为:[]{}exp sin 0:1'a j N τθ=-(2)则波束形成器输出为:'p w a = (3)波束宽度:波束宽度是峰值波束功率下降3dB 对应的方向角范围。

(2)计算步骤第一步,参数设置:阵元数element_num=10,阵元间距为半波长d_lamda=1/2,扫描方向theta 从-pi/2 到pi/2,来波方向theta0分别等于0度、-20度、45度;标记虚数单位imag=sqrt(-1);第二步:计算导向向量,计算不同theta 值时的扫描向量,进而求出波束形成器输出。

第三步,绘图,标出波束宽度。

(3)仿真结果仿真结果如图1所示,其中(a-c )分别是来波方向为0度、-20度、45度时的波束方向图,波束宽度分别为10.4度,10.8度,14.8度。

θ/deg幅度/d B(a)来波方向0度的波束方向图θ/deg幅度/d B(b)来波方向-20度的波束方向图θ/deg幅度/d B(c)来波方向45度的波束方向图图1 来波方向为0度(a )、-20度(b )、45度(c )时的波束方向图及波束宽度(4)matlab 程序 %% 波束成形%% 10个阵元,阵元间距为半波长%% 画出theta0 =0度的波束方向图,并观察波束宽度。

-20度及45度的波束方向图时,只需要更改theta0的值即可。

clc;clear all;imag=sqrt(-1);element_num=10; %阵元数为10d_lamda=1/2; %阵元间距d 与波长lamda 的关系 theta=linspace(-pi/2,pi/2,400); theta0 = 0 /180*pi; %来波方向w=exp(imag*2*pi*d_lamda*sin(theta0)*[0:element_num-1]'); % 导向向量 for j=1:length(theta)a=exp(imag*2*pi*d_lamda*sin(theta(j))*[0:element_num-1]'); % 扫描向量 p(j)=w'*a; %波束形成器输出 end figure(1)plot(theta/pi*180,abs(p)),grid on xlabel('\theta/deg') ylabel('幅度/dB')title('(a)来波方向0度的波束方向图')2、设单个脉冲信噪比是10分贝,进行10脉冲相干累积,累积后信噪比是多少分贝?并进行计算机仿真验证。

雷达目标参数估计和跟踪关键技术研究

雷达目标参数估计和跟踪关键技术研究

雷达目标参数估计和跟踪关键技术研究雷达目标参数估计和跟踪关键技术研究摘要:雷达作为一种重要的感知器件,广泛应用于军事、民用、交通等领域。

雷达目标参数估计和跟踪技术是其中的关键环节,对于实现高精度、高效率的目标检测和跟踪具有重要意义。

本文将从雷达信号处理、目标参数估计和目标跟踪等方面详细介绍雷达目标参数估计和跟踪的关键技术。

1. 引言雷达目标参数估计和跟踪是雷达应用中的重要环节,它可以通过对雷达接收到的信号进行处理和分析,获取目标的位置、速度、径向加速度等关键参数。

在雷达目标探测、导航、自动控制等方面起到至关重要的作用。

目前,随着雷达技术的不断发展和应用领域的不断扩大,如何提高雷达目标参数估计和跟踪的精度和性能已经成为一个研究热点。

2. 雷达信号处理在雷达目标参数估计和跟踪中,雷达信号处理是一个关键的环节。

首先,雷达接收到的信号是经过调制、脉冲压缩等处理后的复杂信号。

通过对信号进行采样、滤波、解调等处理,可以得到目标的回波信号。

然后,对回波信号进行时域分析或频域分析,可以提取目标的时延、多普勒频移等关键参数。

最后,利用目标回波信号的特征,可以进行目标检测和目标分离。

3. 目标参数估计目标参数估计是雷达目标跟踪的关键环节之一。

通过对雷达回波信号进行处理和分析,可以估计目标的位置、速度、径向加速度等参数。

常用的目标参数估计方法包括最小二乘法、卡尔曼滤波、粒子滤波等。

其中,最小二乘法是一种基于数据的拟合方法,通过最小化拟合误差来估计目标参数;卡尔曼滤波是一种基于状态估计的方法,通过迭代更新状态估计值来估计目标参数;粒子滤波是一种基于随机粒子采样的方法,通过对粒子进行加权和重采样来估计目标参数。

4. 目标跟踪算法目标跟踪是雷达目标参数估计的核心内容之一。

通过对目标的连续观测数据进行处理和分析,可以实时跟踪目标的位置、速度、运动轨迹等信息。

目前,常用的目标跟踪算法包括卡尔曼滤波、粒子滤波、扩展卡尔曼滤波等。

经典雷达资料-第2章--雷达距离估算

经典雷达资料-第2章--雷达距离估算

第2章雷达距离估算Lamont V. Blake2.1 引言对于自由空间中特定目标的检测(该目标的检测受热噪声的限制),雷达最大作用距离估算的基本物理机理从雷达出现起就为人所熟知。

本章的术语自由空间指以雷达为球心、半径远远延伸到目标之外的球形空域内仅有雷达和目标。

本章采用的自由空间定义对具体的雷达而言是相当准确的,而通用定义是冗长的,且用处不大。

该定义还暗示,自由空间内可被检测的雷达频率电磁波除了来源于雷达自身的辐射外,仅来自于自然界热或准热噪声源,如2.5节所述。

尽管上述的条件是不可能完全实现的,但是它接近许多雷达的实际环境。

在许多非自由空间和完全非热噪声的背景下,估算问题要复杂得多。

这些在早期分析中没有考虑到的复杂性也是由接收系统电路的信号和噪声关系的改变(信号处理)引起的。

在本章中将给出自由空间方程,讨论基本的信号处理,以及考虑一些十分重要的非自由空间环境下的方程和信号处理。

另外还将考虑一些常见非热噪声的影响。

虽然不可能涉及所有可能的雷达环境,但是本章所叙述的方法将简要地说明那些适合于未考虑到的环境和条件的必然方法的一般性质。

一些要求采用特定分析的专用雷达将在后面章节中叙述。

定义雷达作用距离方程包含许多雷达系统及其环境的参数,其中一些参数的定义是相互依赖的。

正如2.3节所讨论的,某些定义含有人为因素,不同作者使用不同的作用距离方程因子定义是常见的。

当然,若存在被广泛接受的定义,则采用该定义。

但更重要的是,虽然某些定义允许一定的随意性,但是一旦一个距离方程因子采用特定的定义,则一个或更多的其他因子的定义将不再具有随意性。

例如,脉冲雷达的脉冲功率和脉冲宽度的定义各自均具有很大的随意性,但是一旦任何一个定义被确定,那么另一个定义将由限制条件决定,即脉冲功率与脉冲宽度的乘积必须等于脉冲能量。

在本章中将给出一套定义,该定义遵循上述准则,并已被权威组织采纳。

约定由于传播途径因子和其他距离方程因子的变化很大,因此在这些因子的具体值未知的标准条件下,某些约定是估算作用距离所必需的。

基于高阶矩函数的雷达目标微动参数估计方法

基于高阶矩函数的雷达目标微动参数估计方法

基于高阶矩函数的雷达目标微动参数估计方法
基于高阶矩函数的雷达目标微动参数估计方法是一种利用雷达
信号高阶矩函数对目标微动参数进行估计的技术。

高阶矩函数是指信号的高阶统计量,通常包括三阶矩和四阶矩。

根据高阶矩函数的变化可以提取出信号的微小特征,从而实现目标微动参数的估计。

该方法的具体步骤如下:
1. 利用雷达系统对目标进行扫描,获取反射信号。

2. 对反射信号进行分析,求取信号的高阶矩函数,例如三阶矩
和四阶矩。

3. 根据高阶矩函数的变化,提取出目标微动信号的特征,并对
其进行分析。

4. 建立目标微动模型,利用所得到的特征参数进行目标微动参
数的估计。

5. 对估计结果进行验证和修正,得到最终的目标微动参数。

相比于传统的雷达目标识别和跟踪方法,基于高阶矩函数的雷达目标微动参数估计方法在捕捉微弱目标信号方面具有明显优势。

同时,该方法需要充分考虑雷达系统的参数设置和信号处理技术,才能获得较为准确的目标微动参数。

总之,基于高阶矩函数的雷达目标微动参数估计方法是一种高效、准确的技术,在军事、民用等领域具有广泛的应用前景。

机载雷达目标空时参数快速估计方法

机载雷达目标空时参数快速估计方法
得 到 3个不 同的 自适应 权 矢量和 输 出响应 , 再利 用这 些权 矢量和 输 出响应 , 多项式 求根 方 法得到 用
目标 的空域 频率 , 然后利 用 多普勒 频率 滤波 响应 主瓣 附近 的 3个频 率 的输 出, 依据 二 阶近似 求解极
值得到 目 标的多普勒频率最大似然估计值. 仿真实验表明, 该方法在保证估计精度与参数搜索方法 相 同的情况 下 , 算量 能够减 小到 参数搜 索方法 的 1 1 0 计 /0.
1 0 o h to h rd s a c ig me h dwih t es mee t to c u a y ft a ft eg i e r h n t o t h a si 0 ma in a c r c . Ke wo d : ar o n a a ; mo ig t r e ; s a et e a a t e p o e sn y r s ib r e r d r vn a g t p c -i d p i r c s ig; s a et e p r m e m v p c -i a a — m
Pa a e e s o r o n d r Ta g t r m t r f Ai b r e Ra a r e
ZHANG ie g,W ANG n L fn To g,W U in i Ja xn,BAO h n Z eg
( t na yLa o ao y o d rSg a o e sn Nai lKe b rt r fRa a in lPr c sig,Xiin Unv riy,Xi n 7 00 1 o da ie st 1 7 ,Chn ) a ia
( 西安 电子科技大学雷达信号处理 国家重点实验室 ,70 7 ,西安) 空时参数估计 中常用的基于最大似然准则的参数搜索方法计算量过大

机载相控阵雷达STAP及目标参数估计方法研究

机载相控阵雷达STAP及目标参数估计方法研究

机载相控阵雷达STAP及目标参数估计方法研究机载相控阵雷达STAP及目标参数估计方法研究引言:随着现代雷达技术的发展,相控阵雷达(Synthetic Aperture Radar, SAR)已广泛应用于军事和民用领域。

作为一种重要的传感器系统,相控阵雷达能够提供高分辨率、全天候的观测能力。

然而,在目标检测与跟踪中,雷达系统往往面临着无数的干扰信号和杂波干扰,这对准确的目标参数估计提出了巨大的挑战。

本文将重点研究机载相控阵雷达空时自适应处理(Space-Time Adaptive Processing, STAP)技术和目标参数估计方法,以提高雷达系统的抗干扰能力和目标识别准确度。

一、相控阵雷达STAP技术概述相控阵雷达是一种基于相位控制和阵列信号处理的多波束雷达系统。

STAP技术是相控阵雷达中广泛应用的一种信号处理方法,其主要目的是抑制干扰和增强目标信号。

STAP通过利用辅助波束的协方差矩阵来估计干扰信号的统计特性,并使用这些特性来抑制干扰。

STAP技术通过将单个像元的信息与邻近多个像元的信息进行组合来提高雷达系统的性能。

二、STAP技术中的脉冲压缩脉冲压缩是STAP技术的一个重要组成部分。

脉冲压缩可以提高雷达系统的距离分辨率,使得雷达能够更准确地估计目标的位置和速度。

脉冲压缩可以通过使用匹配滤波器实现,匹配滤波器可以将原始雷达信号与散射目标的理想响应进行匹配,并提供距离方向上的增益。

三、STAP技术中的空时滤波器在STAP技术中,空时滤波器是用来抑制干扰信号的关键。

空时滤波器通过对雷达的接收信号进行空间和时间上的处理来抑制杂波干扰。

为了实现这一目标,空时滤波器需要获取到干扰信号的统计特性,包括空间谱和时间谱。

然后,通过将接收信号与干扰信号的相关性进行比较,得到最佳的空时滤波器。

四、目标参数估计方法目标参数估计是在STAP技术中非常关键的一步,它可以提供目标的位置、速度、方位角等重要信息。

传统的目标参数估计方法包括最小二乘法(Least Square, LS)、最大似然法(Maximum Likelihood, ML)和非线性最小二乘法(Nonlinear Least Square, NLS)等。

  1. 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. 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. 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)。

1、设10个阵元半波长间距的ULA ,请画出其波束指向0度、-20度和45度的波束方向图,并计算其波束宽度。

解答:(1)理论分析设来波方向为0θ ,阵元数为N ,阵元间距为d ,波长为λ ,且/2d λ= 。

令2/j d τπλ= ,则导向向量表示为:[]{}0exp sin 0:1'w j N τθ=-(1)扫描方向设为θ,扫描向量表示为:[]{}exp sin 0:1'a j N τθ=-(2)则波束形成器输出为:'p w a = (3)波束宽度:波束宽度是峰值波束功率下降3dB 对应的方向角范围。

(2)计算步骤第一步,参数设置:阵元数element_num=10,阵元间距为半波长d_lamda=1/2,扫描方向theta 从-pi/2 到pi/2,来波方向theta0分别等于0度、-20度、45度;标记虚数单位imag=sqrt(-1);第二步:计算导向向量,计算不同theta 值时的扫描向量,进而求出波束形成器输出。

第三步,绘图,标出波束宽度。

(3)仿真结果仿真结果如图1所示,其中(a-c )分别是来波方向为0度、-20度、45度时的波束方向图,波束宽度分别为10.4度,10.8度,14.8度。

θ/deg幅度/d B(a)来波方向0度的波束方向图θ/deg幅度/d B(b)来波方向-20度的波束方向图θ/deg幅度/d B(c)来波方向45度的波束方向图图1 来波方向为0度(a )、-20度(b )、45度(c )时的波束方向图及波束宽度(4)matlab 程序 %% 波束成形%% 10个阵元,阵元间距为半波长%% 画出theta0 =0度的波束方向图,并观察波束宽度。

-20度及45度的波束方向图时,只需要更改theta0的值即可。

clc;clear all;imag=sqrt(-1);element_num=10; %阵元数为10d_lamda=1/2; %阵元间距d 与波长lamda 的关系 theta=linspace(-pi/2,pi/2,400); theta0 = 0 /180*pi; %来波方向w=exp(imag*2*pi*d_lamda*sin(theta0)*[0:element_num-1]'); % 导向向量 for j=1:length(theta)a=exp(imag*2*pi*d_lamda*sin(theta(j))*[0:element_num-1]'); % 扫描向量 p(j)=w'*a; %波束形成器输出 end figure(1)plot(theta/pi*180,abs(p)),grid on xlabel('\theta/deg') ylabel('幅度/dB')title('(a)来波方向0度的波束方向图')2、设单个脉冲信噪比是10分贝,进行10脉冲相干累积,累积后信噪比是多少分贝?并进行计算机仿真验证。

解答:(1)理论分析设单脉冲的信噪比为()1SNR ,相干累积N 个脉冲得到的信噪比为:()()1CI SNR N SNR =⋅(4)在对数形式下,已知()110SNR dB =,N=10,则()20CI SNR dB =。

(2)计算步骤第一步,参数设置:设采样点数N ,通道数为C ,多普勒为fd ,脉冲宽度为Te ,相干累积的脉冲数为M ;第二步,生成信号:生成M 行N 列的信号矩阵,其中每个通道行的第150列为感兴趣的目标信号,其它为零,然后加上随机噪声。

设置噪声强度使信噪比为10dB 。

第三步,对信号进行C 个点的傅里叶变换从而相干累积,并画出三维相干累积信号图。

第四步,通道累加求和。

第四步,计算累积后信号的信噪比。

(3)仿真结果matlab 随机计算一次,得到输入信号信噪比9.9376dB ,相干累积后信噪比19.066dB 。

三维的相干累积信号如图2所示。

多普勒/Hz相干累积信号图2 三维相干累积信号图(4)matlab 程序%% 回波信号信噪比10dB ,验证10个脉冲相干累积后的信噪比提高10dB clear all close all clc%%%%构造回波信号 N=300; %采样点数 C=100; % 通道数 fd=100; % 多普勒Te = 50e-6; % 脉冲宽度M=10; % 参与相干累积的脉冲数量signal = zeros(M,N); % M 行N 列signal(:,150) = exp(j*2*pi*fd*(0:M-1)*Te);% 每行第1000个代表感兴趣的目标信号,同时进行多普勒noise = sqrt(0.05)*(randn(M,N)+j*randn(M,N)); %噪声signal_power = sum(abs(signal(:,150)).^2)/M; % 信号功率为 1 nosie_power = sum(var(noise))/N; % 噪声功率为0.1SNR_in = 10*log10(signal_power/nosie_power) %信噪比为10dBecho = signal + noise; % 信号与噪声加合for i=1:Necho_CI(:,i) = fftshift(fft(echo(:,i),C)); % 相干累积,通道数为C endmesh(1:N,1:C,abs(echo_CI)) %画出累积信号的三维图 xlabel('多普勒/Hz');ylabel('通道'); title('相干累积信号');echo_CI_sum = sum(echo_CI); % 通道求和signal_CI_power = sum(abs(echo_CI_sum(150)).^2)/C; %相干累积信号功率 noise_CI_power = var(echo_CI(1,:)); %相干累积噪声功率SNR_out = 10*log10(signal_CI_power/noise_CI_power) % 相干累积信号信噪比3、设脉冲宽度是50us ,信号宽度是1MHz ,LFM 波形,采样频率是2MHz ,请进行数字脉压仿真(脉压系数加权不加权都可以,要事先声明)。

同时对其模糊函数进行仿真验证。

解答:声明:脉压系数没有加权;采用升频线性调频脉冲。

(1)理论分析升频线性调频信号表示为:()2j t p t s t ct e T πμ⎛⎫=⎪ ⎪⎝⎭(5)其中p T 为脉冲宽度,μ为调频斜率,信号带宽为p B T μ=。

匹配滤波器为()*s t ,脉压信号为调频信号与匹配滤波器的时域卷积或频率乘积。

模糊函数为:()()()()()()22222*;1Re Re sin 11,1dp j f d j t T j t pppd p p pp d p p f s t s t edtt t ct ct e e dt T T T f T T T T f T T ππμπμχττττπμττττπμτ∞-∞∞+-∞=+⎛⎫⎛⎫+= ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎛⎫⎛⎫+- ⎪⎪ ⎪ ⎪⎛⎫⎝⎭⎝⎭=-≤ ⎪ ⎪⎛⎫⎝⎭+-⎪ ⎪⎝⎭⎰⎰ (6)(2)计算步骤第一步,参数设置:设脉冲宽度T ,信号宽度B ,采样频率Fs ;并由以上计算出啁啾斜率K=B/T ,采样间隔Ts=1/Fs ,采样点数N=T/Ts ;第二步:形成总长度为T ,个数为N 的时间序列t ;并根据啁啾斜率求出调频信号St ,及匹配滤波器Ht ;然后将调频信号与匹配滤波器在时域求卷积,得到脉压信号。

第三步,根据(2)式求模糊函数。

第四步,绘图。

(3)仿真结果仿真结果如图3所示,(a-b )为线性调频信号时域波形、频谱图,(c )为脉压信号频谱图;(d )为模糊函数等高线图。

-20-1001020-0.50.5时间/us幅度/v(a)时域调频信号-1-0.500.5151015频率/MHz 幅度/d B m(b)频域调频信号-150-100-50050时间/us幅度/d B(c)时域脉压信号时延/us多普勒/M H z(d)模糊函数-1-0.500.51图3 线性调频信号时域波形(a )、频谱图(b ); 脉压信号频谱图(c );模糊函数等高线图(d )(4)matlab 程序%% 调频信号的产生,及经过匹配滤波器后变为脉压信号T=50e-6; % 脉冲宽度50us B=1e6; % 信号宽度1MHz K=B/T; % 啁啾斜率 Fs=2e6;Ts=1/Fs; % 采样频率与采样间隔 N=T/Ts; % 采样点数t=linspace(-T/2,T/2,N); %形成总长度为T ,个数为N 的序列 St=exp(j*pi*K*t.^2); % 调频信号 Ht=exp(-j*pi*K*t.^2); % 匹配滤波器Sot=conv(St,Ht); % 求调频信号与匹配滤波器的时域卷积,即为所需要的脉压信号 freq=linspace(-Fs/2,Fs/2,N); % 频域序列subplot(221) %两行两列图 plot(t*1e6,real(St)) % 脉压 axis([-T/2*1e6,T/2*1e6, -inf,inf]); xlabel('时间/us'); ylabel('幅度/v'); title('调频信号');subplot(222)plot(freq*1e-6,fftshift(abs(fft(St)))); % 对调频信号的频谱xlabel('频率/MHz');ylabel('电平/dBm');title('调频信号的幅度');grid on;axis tight;subplot(223)L=2*N-1; % 卷积之后变为(2N-1)个点t1=linspace(-T,T,L); % 卷积之后的横坐标Z=abs(Sot); % 绝对值Z=Z/max(Z); %归一化Z=20*log10(Z+1e-6); % 化为对数形式plot(t1*1e6,Z);grid on;xlabel('时间/us');ylabel('幅度/dB');title('脉压信号');subplot(224)x = lfm_ambg(T, B, 1); % 求模糊函数,1表示升频线性调频tau = (-1.1:.002:1.1)*T; % 时延坐标fd = (-1.1:.002:1.1)*B; % 多普勒坐标contour(tau*1e6,fd/1e6,x) % 三维网格图xlabel ('时延/us')ylabel ('多普勒/MHz')title('(d)模糊函数');%% 模糊函数%% taup: 脉冲宽度%% b:带宽%% up-down:1为升频线性调频,-1为降频线性调频%% 返回模糊函数矩阵function x = lfm_ambg(taup, b, up_down)eps = 0.000001;i = 0;mu = up_down * b / taup;for tau = (-1.1:.002:1.1)*taupi = i + 1;j = 0;for fd = (-1.1:.002:1.1)*bj = j + 1;val1 = 1 - abs(tau)/taup;val2 = pi*taup*(1-abs(tau)/taup);val3 = (fd+mu * tau);val = val2*val3;x(j,i) = abs(val1*(sin(val+eps)/(val+eps))).^2;endend。

相关文档
最新文档