电子科大毕设——有关雷达信号设计(第四章)
雷达波形设计与LFM信号处理(雷达脉冲压缩)
雷达波形设计与LFM信号处理(雷达脉冲压缩)本文关键词：雷达脉冲压缩,波形设计,二相编码信号,旁瓣抑制,检测与参数估计,反辐射导弹,抑制滤波器,分数阶,线性调频,回波,变换,多普勒频移,脉压,信噪比损失,时域信号,匹配滤波,模糊函数,联合分辨,距离旁瓣,峰值旁瓣电平雷达波形设计与线性调频(LFM)信号的处理在雷达系统中占有重要的位置。
本文主要研究了雷达脉冲压缩波形的设计、脉压旁瓣抑制体制的性能分析与改进、旁瓣抑制滤波器的设计、LFM信号的分析与处理特别是反辐射导弹的检测与参数估计。
现代雷达技术中广泛使用LFM信号，对LFM信号的处理至关重要。
雷达信号中线性调频项的产生有两种原因，一是人为因素有意产生的，如脉冲压缩技术中使用的LFM信号；二是目标本身客观存在的，如导弹的主动飞行段、飞机的机动飞行等产生的加速度，以及目标与雷达平台相对运动所产生的雷达回波信号中的线性调频项，如合成孔径雷达(SAR)回波、反辐射导弹回波等。
常规的雷达脉冲压缩波形有LFM信号和相位编码信号。
LFM信号的模糊函数为斜刀刃形，优点是对多普勒频移不敏感，但时频联合分辨率差，脉压输出的峰值旁瓣电平高达-13.2dB；二相编码信号如13位Barkei。
码具有图钉状的模糊函数，因而时频联合分辨率好，且脉压输出的峰值旁瓣电平相对较低，为-22.2dB，但对多普勒频移敏感。
本文提出了一类新的脉压信号——二次伸缩二相编码信号，将具有特定Fourier级数展开系数的波形在时域进行二次伸缩，采样，并符号化为二值序列，即得到这类二次伸缩二相编码信号。
信号本身兼有线性调频和调相，因而其模糊函数为刀刃型和图钉型的复合形状，对多普勒频移不敏感及有较好的距离一速度联合分辨率，且其峰值旁瓣可低于-30dB。
脉压波形经匹配滤波后，除了主瓣，尚存在不希望的距离旁瓣，影响了雷达对多目标的探测。
对于LFM这类复信号，传统的旁瓣抑制方法是在匹配滤波后引入加权网络，在频域进行加权处理，使旁瓣降低。
雷达课程设计
电子科技大学课程设计报告课程名称：雷达原理与系统设计名称：雷达系统设计指导老师：江朝抒姓名：韦瑞强学号：20专业：电子信息工程1.设计要求设计一雷达系统，对1m2目标，要求探测距离为10km发射波形为常规脉冲，方位角分辨力为2°，俯仰角分辨力为20。
，距离分辨力为15m要求：1设计和计算雷达系统的各项参数，包括工作频率、发射功率、接收机灵敏度、天线孔径和增益，脉冲重复频率、相参积累时间等。
2分析系统的最大不模糊速度和最大不模糊距离、计算系统的速度分辨力。
3在学完雷达系统脉冲压缩相关内容后，设计线性调频波形，使雷达的作用距离增加到200km距离分辨力达到3米。
并画出单一目标回波经过脉冲压缩后的波形。
参数求解：1.1雷达工作频率f，发射功率R已知距离分辨率的公式为：R min —，式中C为电波传播数度，为脉2冲宽度，则乙矗107s 0.1 s，不妨取雷达的工作频率为c 3 108f 1GHZ，发射功率P 40kW，贝U - 口09m 0.3m。
f 1 101.2天线孔径及增益雷达的角度分辨力取决于雷达的工作波长和天线口径尺寸L ，约为/2L ,则可得：水平口径尺寸L 为： 垂直口径尺寸h 为:1.3脉冲重复频率f r发射波形为简单的矩形脉冲序列，设脉冲宽度为 ，脉冲重复周期为T r 则有：设f r 称作雷达的工作比为D ，常规的矩形振幅调制脉冲雷达工作比的范围为 0.0001-0.01，为了满足测距的单值性，不妨取 D 0.001，贝U 1.4接收机灵敏度若以单基地脉冲雷达为例，天线采用收发共用，则雷达方程为：所以，接收机灵敏度S min J" 4 竺卫 1 1.8478：W 1.2 10 11W 4 R max 4 0.32 10 103 1.5相参积累时间设单基地脉冲雷达的天线为360环扫天线，天线扫描速度 a 20r / min ， 水平波速选择时运用最大值测向，当水平波速的宽度大于显示器的亮点直径 时，可取：则对一个点目标的相参积累时间t 为： 脉冲积累个数n tf r 丄10 103166602最大不模糊速度，最大不模糊距离，速度分辨率不产生频闪的条件是：f d 1 f r 其中f d 表示脉冲多普勒频率，由f d 22关系可得最大不模糊速度：雷达的最大单值测距范围由其脉冲重复周期 T r 决定，为保证单值测距，通 常应选取：故最大不模糊距离R max 15km 。
雷达信号处理课程设计
雷达信号处理课程设计一、教学目标本课程的教学目标是使学生掌握雷达信号处理的基本原理和方法，能够运用所学知识分析和解决实际问题。
具体目标如下：1.知识目标：学生能够了解雷达信号处理的基本概念、原理和方法，掌握线性信号处理、非线性信号处理、滤波器设计等核心知识。
2.技能目标：学生能够运用MATLAB等工具进行雷达信号处理的基本运算和分析，具备一定的实践能力。
3.情感态度价值观目标：学生能够认识雷达信号处理在国防、通信等领域的应用价值，培养对雷达信号处理的兴趣和热情。
二、教学内容本课程的教学内容主要包括以下几个部分：1.雷达信号处理基本概念：雷达系统、信号与系统、信号处理的基本任务。
2.线性信号处理：傅里叶变换、离散傅里叶变换、滤波器设计、信号检测。
3.非线性信号处理：非线性系统的特性、非线性信号处理方法、非线性滤波器设计。
4.雷达信号处理应用：雷达侦察、雷达跟踪、雷达成像等。
三、教学方法为了实现教学目标，我们将采用以下教学方法：1.讲授法：通过讲解雷达信号处理的基本概念、原理和方法，使学生掌握相关知识。
2.讨论法：学生进行小组讨论，培养学生的思考能力和团队合作精神。
3.案例分析法：分析实际案例，使学生了解雷达信号处理在实际应用中的作用。
4.实验法：通过MATLAB等工具进行实验，培养学生动手能力和实践能力。
四、教学资源为了支持教学内容和教学方法的实施，我们将准备以下教学资源：1.教材：《雷达信号处理教程》等。
2.参考书：《雷达信号处理技术》等。
3.多媒体资料：教学PPT、视频、动画等。
4.实验设备：计算机、MATLAB软件、信号发生器等。
五、教学评估本课程的评估方式包括平时表现、作业和考试三个部分，各部分所占比例分别为40%、30%和30%。
具体评估方式如下：1.平时表现：通过课堂提问、小组讨论等环节，评估学生的参与程度和思考能力。
2.作业：布置适量作业，评估学生的知识掌握和应用能力。
3.考试：期末进行闭卷考试，评估学生对课程知识的全面掌握。
FSK-FMCW雷达通信一体化信号设计与处理方法研究
FSK-FMCW雷达通信一体化信号设计与处理方法研究摘要：为满足现代战争需求，作战平台需装备侦察、雷达、通信、干扰等多种电子设备，这种独立堆砌式的装备方式，虽然在一定程度上提高了平台的整体作战性能，但也不可避免造成平台体积质量大、资源消耗快、设备间电磁干扰强等问题。
雷达通信一体化作为其中的关键，未来不仅在军事领域上应用广泛，在民事领域上也有广阔的应用前景，如智能驾驶。
基于此，本文章对FSK-FMCW雷达通信一体化信号设计与处理方法研究进行探讨，以供相关从业人员参考。
关键词：FSK-FMCW；雷达通信一体化；信号设计；处理方法引言传统应用场景中，雷达与通信设备分别占用不同的硬件平台与频谱资源，这种分立式的设计会导致电子系统的体积、功耗以及成本增加，恶化了电磁环境，容易造成电磁频谱拥挤与干扰等诸多问题。
鉴于此，雷达通信一体化设计可以让雷达与通信共享硬件平台，系统综合化、集成化、小型化程度更高，可更高效地利用频谱资源，从而解决上述难题。
一、一体化共用波形设计方法目前一体化共用波形设计方法主要有两种：一种是基于通信信号的波形设计方法，该方法通常利用通信波形实现雷达探测；二是基于雷达信号的波形设计方法，其通常通过在雷达波形上调制通信信息实现通信信息传输。
在基于通信信号的波形设计方法中，正交频分复用(OFDM)信号由于其频带利用率高、子载波设计灵活等特点被广泛应用于雷达通信一体化波形设计。
将OFDM信号作为共用信号，通过增加子载波数量来提升系统带宽并提高目标距离分辨能力。
通信信息对OFDM共用波形模糊函数的影响，提出利用预调制信息的方法减小随机通信信息对模糊函数的影响。
根据雷达目标的条件互信息与通信的信息速率，联合优化设计OFDM信号各子载波的功率分配，使OFDM一体化信号在雷达与通信性能之间取得折中。
二、雷达信号模拟软件雷达仿真软件的开发为车轮信号的测试分析奠定了基础，采用光栅扫描方法扫描车轮目标，探测车轮信号。
通信雷达一体化波形设计及信号处理
研究不足与展望
由于时间限制，本研究仅对通信雷达一体化波形设计及信号处理进行了初步探索， 尚未对其他性能指标进行深入研究。
在实际应用中，还需要考虑其他因素的影响，如环境噪声、多径效应等，需要进一 步研究和改进。
未来可以进一步优化该方法，提高其性能指标，并探索其在其他领域的应用前景。
应用前景与展望
傅里叶变换
将时域信号转换为频 域信号，用于频谱分 析和滤波。
拉普拉斯变换
将时域信号转换为复 数域信号，用于系统 分析和稳定性判断。
Z变换
将离散信号转换为复 数域信号，用于系统 分析和稳定性判断。
小波变换
将信号分解成不同尺 度的成分，用于图像 处理、信号压缩和去 噪等。
神经网络算法
模拟人脑神经元网络 结构，用于模式识别 、分类和预测等任务 。
信号预处理
对采集到的信号进行滤波、放 大等操作，以提高信噪比和信 号质量。
模式识别与分类
利用提取的特征信息对信号进 行分类和识别。
信号采集
通过传感器将待处理的物理信 号转换为电信号。
特征提取
从预处理后的信号中提取出与 目标相关的特征信息。
决策与控制
根据分类和识别的结果进行决 策和控制。
常见信号处理算法
硬件校准
对实验平台的各个硬件设备进行校 准，确保实验数据的准确性。
波形设计与生成
波形设计
根据通信和雷达的需求，设计合适的波形，如线性调频（LFM） 波形、相位编码波形等。
波形生成
利用数字信号处理技术，生成所需的波形。
波形调制
将信息加载到波形上，实现信息的传输。
信号处理与分析
信号接收
通过天线接收来自目标的信号，并进行初步的信号处 理。
南京理工大学电子信息工程课程设计之雷达信号分析处理
附录一——MATLAB信号处理程序%% 1、准备工作 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 开始clc;clear;close all;clear vars;%% 雷达波形参数定义及说明f1=1e3; % 最低频率f2=11e3; % 最高频率B=f2-f1; % 信号带宽T=1e-2; % 信号扫频时宽(10ms)c=3e8; % 电磁波空间传播速度f0=(f1+f2)/2; % 雷达工作频率（中心频率）(3kHz)fs=1e5; % 采样率(100kHz)N_signal_T=round(fs*T); % 单周期信号的数据点数number_of_signal_period=400; % 脉冲信号的周期个数duty_ratio=0.5; % 信号占空比T_signal=T/duty_ratio; % 脉冲信号周期%% 导入AD数据时频分析[FileName,PathName] = uigetfile('C:\Users\XYB\Desktop\课程设计之雷达信号分析处理\AD数据\USB (3).dat','Select the USB.dat file');f = fullfile(PathName,filesep,FileName);fid = fopen(f,'r');data = fscanf(fid,'%x');fclose(fid);data = data(1:2:end)*256 + data(2:2:end); %将16进制转换为10进制datsgn = data./1000; %单位换算（mV->V）%转化为有符号数（去直流）datsgn=datsgn-mean(datsgn);%时域波形figure;plot([0:1/fs:(length(datsgn)-1)/fs],datsgn);xlabel('时间/s')ylabel('振幅/V')title('LFMCW时域波形')%频谱图N=1024;datfft = (2/N)*fftshift(fft(datsgn(1:N)));nordat = abs(datfft)/max(abs(datfft)); %对信号做FFT并归一化figure;plot([-length(datfft)/2:(length(datfft)/2-1)].*(fs/N),20*log10(abs(nordat)));xlabel('频率/Hz')ylabel('幅度/dB')title('LFMCW频谱图')%% 调频斜率曲线Hf=20*log10(abs(nordat));FHL=zeros(1,2);j=1;for i=round(length(Hf)/2):length(Hf)if(abs(Hf(i)+6.6)<0.2)FHL(j)=i;j=j+1;endendfigure;time_scan=(0:1/fs:T-1/fs);%扫描时间轴B_interval=(fs/N)*(FHL(2)-FHL(1))/length((0:1/fs:T-1/fs));%频率间隔B_test=[0:B_interval:(fs/N)*(FHL(2)-FHL(1))-B_interval]+(FHL(1)-(length(datfft)/2))*(fs/N);k_B=(fs/N)*(FHL(2)-FHL(1))/T/1000;error_B=abs(k_B*1000-(B/T))/(B/T)*100;%调频斜率测量误差plot(time_scan,B_test);xlabel('扫频周期/s')ylabel('频率范围/Hz')title({['L F M C W 扫频曲线'];['调频斜率：',num2str(k_B,'%.0f'),'KHz/s',' 测量误差：',num2str(error_B,'%.0f'),'%']});%% 信号变换与生成（转换为脉冲信号）if(N_signal_T>1024)N_signal_T=1024;endsignal_1T=datsgn(1:N_signal_T,1); %单周期的LFM信号signal_half_duty_ratio_1T=[signal_1T',zeros(N_signal_T/duty_ratio-N_signal_T,1)'];%单周期LFM脉冲信号（50%占空比）signal_NT=repmat(signal_half_duty_ratio_1T,1,number_of_signal_period); %周期延拓后的LFM脉冲信号（20个周期）figure;plot([0:1/fs:(length(signal_NT)-1)/fs],signal_NT);axis([0 (length(signal_NT)/80-1)/fs -2 2]);xlabel('时间/s')ylabel('振幅/V')title('LFM脉冲信号时域波形')%% 加入噪声noise=1*randn(1,length(signal_NT))';%高斯白噪声（没有滤波）/均值为0方差为1signal_noise=signal_NT+noise'; %信号叠加噪声%信号叠加噪声时域波形figure;subplot(211)plot([0:1/fs:(length(signal_NT)-1)/fs],signal_NT);xlabel('时间/s')ylabel('振幅/V')title('信号未叠加噪声时域波形')subplot(212)plot([0:1/fs:(length(signal_noise)-1)/fs],signal_noise);xlabel('时间/s')ylabel('振幅/V')title('信号叠加噪声时域波形')%% 2、单目标分析 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 回波信号合成（延时+多普勒+传输衰减）%-----------------------------% 目标信息：distance=8e5; % 目标径向距离(100km)t_delay=2*distance/c; % 与目标径向距离相对应的回波延时N_delay=round(t_delay*fs);%与回波延迟对应的数据点个数v=200000; % 目标径向速度(1000m/s)fd=2*v*f0/c; % 与目标径向速度对应的多普勒频移k=0.5; % 传输衰减系数%-----------------------------% 回波合成：t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd.*t)'; % 目标多普勒信号s_attenuation=k*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'+noise'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)sr_noise_doppler_1=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay)'; % 时延序列sr_noise_doppler_delay=[delay_n',sr_noise_doppler];% 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)sr_noise_doppler_delay_1=[delay_n',s_attenuation]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%-----------------------------% 回波时域图（未滤波）：% 未考虑传输衰减figure;subplot(211)plot(t,signal_NT);xlabel('时间/s')ylabel('振幅/V')title('未考虑传输衰减的纯信号')% 考虑传输衰减subplot(212)plot(t,s_attenuation);xlabel('时间/s')ylabel('振幅/V')title('考虑传输衰减的纯信号')% 有多普勒信息的回波（带噪声）figure;plot(t,sr_noise_doppler);xlabel('时间/s')ylabel('振幅/V')title('有多普勒信息的回波')%figure;plot([0:1/fs:(length(sr_noise_doppler_delay)-1)/fs],sr_noise_doppler_delay);xlabel('时间/s')ylabel('振幅/V')title('合成回波')%% 接收机前端滤波% 带通滤波器设计（切比雪夫）% 指标：通带宽度：1kHz-5kHz 截止频率：0.5*f1(下)、1.25*f2(上)ws1=f1/fs; %下截止频率（可为其他）wp1=2*f1/fs; %下通带频率wp2=2*f2/fs; %上通带频率ws2=2.5*f2/fs; %上截止频率（可为其他）Rp=1;Rs=30;ws=[ws1 ws2];wp=[wp1 wp2];[ N3,wn ] = cheb1ord( wp , ws , Rp , Rs);[ b,a ] = cheby1(N3,Rp,wn,'bandpass'); %获得转移函数系数filter_bp_sn= filter(b,a,sr_noise_doppler_delay);%信号叠加噪声通过带通滤波器noise_filter =filter(b,a,noise); %纯噪声通过带通滤波器signal_filter=filter(b,a,s_attenuation_doppler); %(传输衰减后)纯信号(有多普勒)通过带通滤波器X_bp_s = fftshift(abs(fft(filter_bp_sn)))/length(sr_noise_doppler_delay); %信号叠加噪声通过带通滤波后的幅频X_bp_s_angle = fftshift(angle(fft(filter_bp_sn))); %信号叠加噪声通过带通滤波后的相频X_bp_n = fftshift(abs(fft(noise_filter)))/length(noise_filter); %纯噪声通过带通滤波后的幅频X_bp_n_angle = fftshift(angle(fft(noise_filter))); %纯噪声通过带通滤波后的相频%滤波器频谱特性figure;freqz(b,a);%信号叠加噪声滤波前后时域波形对比figure;subplot(211);plot([0:length(sr_noise_doppler_delay)-1]./fs,sr_noise_doppler_delay);grid on;xlabel('时间/s')ylabel('振幅/V')title('信号叠加噪声带通滤波前时域图形');subplot(212);plot([0:length(sr_noise_doppler_delay)-1]./fs,filter_bp_sn);grid on;xlabel('时间/s')ylabel('振幅/V')title('信号叠加噪声带通滤波后时域图形');% %纯噪声滤波前后时域波形对比figure;subplot(211);plot([0:length(noise)-1]./fs,noise);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯噪声带通滤波前时域图形');subplot(212);plot([0:length(noise_filter)-1]./fs,noise_filter);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯噪声带通滤波后时域图形');% %纯信号滤波前后时域波形对比figure;subplot(211);plot([0:length(s_attenuation_doppler)-1]./fs,s_attenuation_doppler);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯信号带通滤波前时域图形');subplot(212);plot([0:length(signal_filter)-1]./fs,signal_filter);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯信号带通滤波后时域图形');% %信号叠加噪声带通滤波后幅频相频特性figure;subplot(2,1,1);f_fft_sn=[-length(sr_noise_doppler_delay)/2:length(sr_noise_doppler_delay)/2-1].*(fs/length(sr_noise_doppler_delay));%频率轴plot(f_fft_sn,X_bp_s);xlabel('频率/Hz')ylabel('幅度')title('信号叠加噪声带通滤波后频域幅度特性');subplot(2,1,2);plot(f_fft_sn,X_bp_s_angle);xlabel('频率/Hz')ylabel('相位')title('信号叠加噪声带通滤波后频域相位特性');% %纯噪声带通滤波后幅频相频特性figure;subplot(2,1,1);f_fft_n=[-length(noise)/2:length(noise)/2-1].*(fs/length(noise));%频率轴plot(f_fft_n,X_bp_n);xlabel('频率/Hz')ylabel('幅度')title('纯噪声带通滤波后频域幅度特性');subplot(2,1,2);plot(f_fft_n,X_bp_n_angle);xlabel('频率/Hz')ylabel('相位')title('纯噪声带通滤波后频域相位特性');%% 回波信噪比设定snr_in=0; %输入信噪比设定值sr_filter=filter_bp_sn; %带通滤波器处理后的回波信号S_P=sum((signal_filter).^2)/length(signal_filter); %(传输衰减的)回波纯信号滤波后平均功率noiseP=sum(abs(noise_filter).^2)/length(noise_filter); %滤波后的噪声平均功率A_extra=sqrt((noiseP/S_P).*(10.^(snr_in/10))); %信号外加幅度sr_snr=[delay_n',(A_extra*signal_filter+noise_filter')]; %设定输入信噪比的回波信号%设定输入信噪比后的时域波形figure;plot([0:1/fs:(length(sr_noise_doppler_delay)-1)/fs],sr_snr)xlabel('时间/s')ylabel('振幅/V')text_s=['设定输入信噪比后的时域波形(信噪比：',num2str(snr_in,'%.0f'),'dB',')'];title(text_s);%% 匹配滤波处理(时域卷积法)match_filter=fliplr(signal_1T'); % 匹配滤波器冲激响应match_out=conv(match_filter,sr_snr); % 信号叠加噪声通过匹配滤波器match_out_noise=conv(match_filter,noise_filter); % 纯噪声通过匹配滤波器match_out_signal=conv(match_filter,A_extra*signal_filter); % 纯信号通过匹配滤波器match_out_signal_1=conv(match_filter,signal_1T); % 单周期信号匹配滤波% 单周期匹配滤波波形figure;plot([0:1/fs:(length(match_out_signal_1)-1)/fs],20*log10(abs(match_out_signal_1)/max(abs(match_out_signal_1))));xlabel('时间/s')ylabel('振幅/V')title('单周期匹配滤波冲激响应')%匹配滤波冲激响应figure;plot([0:1/fs:(length(match_filter)-1)/fs],match_filter)xlabel('时间/s')ylabel('振幅/V')title('匹配滤波冲激响应')%匹配滤波输出波形figure;subplot(311)plot([0:1/fs:(length(match_out)-1)/fs],abs(match_out));title('信号叠加噪声匹配输出')subplot(312)plot([0:1/fs:(length(match_out_noise)-1)/fs],abs(match_out_noise));title('纯噪声匹配输出')subplot(313)% plot(abs(match_out_signal));plot([0:1/fs:(length(match_out_signal)-1)/fs],abs(match_out_signal));title('纯信号匹配输出')%匹配滤波信噪比增益计算n_mf_P=sum(abs(match_out_noise).^2)/length(match_out_noise);%匹配滤波后噪声功率s_mf_P_max=max(abs(match_out_signal))^2; %匹配滤波后信号峰值功率G_snr_mf=10*log10(s_mf_P_max/n_mf_P)-snr_in; %匹配滤波信噪比增益计算%% 多普勒滤波处理（MTD）%距离门重排distance_door=c/(2*fs); %相邻采样点之间的距离NT=number_of_signal_period;%信号周期数MTD_process_sn=zeros(N_signal_T/duty_ratio,NT);%信号和噪声同时经过脉压后重排MTD_process_s=zeros(N_signal_T,NT); %信号经过脉压后重排(用于信噪比增益分析)MTD_process_n=zeros(N_signal_T,NT); %噪声经过脉压后重排(用于信噪比增益分析)j=1;for i=1:N_signal_T/duty_ratio*NTif((mod(i,N_signal_T/duty_ratio)==0))MTD_process_s((i/j),j)=match_out_signal(i);MTD_process_sn((i/j),j)=match_out(i);MTD_process_n((i/j),j)=match_out_noise(i);j=j+1;elseMTD_process_s(mod(i,N_signal_T/duty_ratio),j)=match_out_signal(i);MTD_process_sn(mod(i,N_signal_T/duty_ratio),j)=match_out(i);MTD_process_n(mod(i,N_signal_T/duty_ratio),j)=match_out_noise(i);endendfigure;mesh([1:NT],(0:distance_door:(N_signal_T/duty_ratio*distance_door-distance_door))-N_signal_T*distance_door,(abs(MTD_process_sn)));xlabel('频率通道');ylabel('目标距离');title('距离门重排')%FFTi=round(log2((NT)));while ((2^i)<(NT))i=i+1;endMTD_N=2^(i);%确定FFT点数%内存分配MTD_FFT_sn=zeros(N_signal_T/duty_ratio,MTD_N);MTD_FFT_sn_w_H=zeros(N_signal_T/duty_ratio,MTD_N);MTD_FFT_sn_w_B=zeros(N_signal_T/duty_ratio,MTD_N);for i=1:N_signal_T/duty_ratioMTD_FFT_sn(i,:)=(2/MTD_N)*abs(fft([MTD_process_sn(i,:)],MTD_N));%信号+噪声脉压后FFT%加海明窗MTD_FFT_sn_w_H(i,:)=(2/MTD_N)*abs(fft(([MTD_process_sn(i,:),zeros(1,MTD_N-NT)]).*hamming(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT%加布拉克曼窗MTD_FFT_sn_w_B(i,:)=(2/MTD_N)*abs(fft(([MTD_process_sn(i,:),zeros(1,MTD_N-NT)]).*blackman(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFTendfigure;[R_single,V_single]=find(fftshift(20*log10(abs(MTD_FFT_sn)))==max(max(fftsh ift(20*log10(abs(MTD_FFT_sn))))));V_single_1=(V_single(2,1)-MTD_N/2)*(0.5*(1/MTD_N)*c/f0/(T_signal));%目标速度error_v=abs(V_single_1-v)/v*100;%测速误差(%)R_single_1=R_single(1,1)*distance_door;%目标距离error_R=abs(R_single_1-distance)/distance*100;%测速误差(%)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_sn)))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title({['\fontsize{12}{单目标探测}'];['目标距离：',num2str(R_single_1,'%.0f'),'m',' 目标速度：',num2str(V_single_1,'%.0f'),'m/s'];['测距误差：',num2str(error_R,'%.0f'),'%',' 测速误差：',num2str(error_v,'%.0f'),'%']})figure;subplot(311)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_sn)))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('FFT单目标（不加窗）')subplot(312)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_H))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('FFT单目标（加海明窗）')subplot(313)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_B))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('FFT单目标（加布拉克曼窗）')%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 多目标分析 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %**************************************%****************目标一****************%目标信息R_1=1e6; % 目标径向距离t_delay_1=2*R_1/c; % 与目标径向距离相对应的回波延时N_delay_1=round(t_delay_1*fs);%与回波延迟对应的数据点个数v_1=1250e3; % 目标径向速度fd_1=2*v_1*f0/c; % 与目标径向速度对应的多普勒频移k_1=0.8; % 传输衰减系数%目标回波t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd_1.*t)'; % 目标多普勒信号s_attenuation=k_1*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k_1*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay_1)'; % 时延序列sr_target_1=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%**************************************%****************目标二****************%目标信息R_2=1.5e6; % 目标径向距离t_delay_2=2*R_2/c; % 与目标径向距离相对应的回波延时N_delay_2=round(t_delay_2*fs); %与回波延迟对应的数据点个数v_2=500e3; % 目标径向速度fd_2=2*v_2*f0/c; % 与目标径向速度对应的多普勒频移k_2=0.6; % 传输衰减系数%目标回波t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd_2.*t)'; % 目标多普勒信号s_attenuation=k_2*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k_2*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay_2)'; % 时延序列sr_target_2=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%**************************************%****************目标三****************%目标信息R_3=5e6; % 目标径向距离t_delay_3=2*R_3/c; % 与目标径向距离相对应的回波延时N_delay_3=round(t_delay_3*fs); %与回波延迟对应的数据点个数v_3=1500e3; % 目标径向速度fd_3=2*v_3*f0/c; % 与目标径向速度对应的多普勒频移k_3=0.4; % 传输衰减系数%目标回波t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd_3.*t)'; % 目标多普勒信号s_attenuation=k_3*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k_3*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay_3)'; % 时延序列sr_target_3=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%**************************************%**************回波合成****************max_1=max(length(sr_target_2),length(sr_target_1));max_n=max(length(sr_target_3),max_1);sr_multiple_target=[sr_target_1,zeros(1,max_n-length(sr_target_1))]+[sr_target_2,zeros(1,max_n-length(sr_target_2))]+[sr_target_3,zeros(1,max_n-length(sr_target_3))];%**************************************%**************BPF滤波*****************sr_multiple_target_BPF_out=filter(b,a,sr_multiple_target); %信号叠加噪声通过带通滤波器%**************************************%**************匹配滤波****************sr_multiple_target_BPF_out_match_out=conv(match_filter,sr_multiple_target_BPF_out);% 信号叠加噪声通过匹配滤波器%**************************************%**************距离门重排**************MTD_process_multiple_target=zeros(N_signal_T/duty_ratio,NT); %信号和噪声同时经过脉压后重排j=1;for i=1:N_signal_T/duty_ratio*NTif((mod(i,N_signal_T/duty_ratio)==0))MTD_process_multiple_target((i/j),j)=sr_multiple_target_BPF_out_match_out(i);j=j+1;elseMTD_process_multiple_target(mod(i,N_signal_T/duty_ratio),j)=sr_multiple_target_BPF_out_match_out(i);endendfigure;mesh([1:NT],(0:distance_door:(N_signal_T/duty_ratio*distance_door-distance_door)),(abs(MTD_process_multiple_target)));xlabel('频率通道');ylabel('目标距离');title('距离门重排')i=round(log2((NT)));while ((2^i)<(NT))i=i+1;endMTD_N=2^(i);%确定FFT点数%内存分配MTD_FFT_multiple_target=zeros(N_signal_T/duty_ratio,MTD_N);for i=1:N_signal_T/duty_ratioMTD_FFT_multiple_target(i,:)=(2/MTD_N)*abs(fft([MTD_process_multiple_target(i,:)],MTD_N)); %信号+噪声脉压后FFT%加海明窗MTD_FFT_sn_w_H(i,:)=(2/MTD_N)*abs(fft(([MTD_process_multiple_target(i,:),zeros(1,MTD_N-NT)]).*hamming(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT%加布拉克曼窗MTD_FFT_sn_w_B(i,:)=(2/MTD_N)*abs(fft(([MTD_process_multiple_target(i,:),zeros(1,MTD_N-NT)]).*blackman(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFTendfigure;subplot(311)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_multiple_target)))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('多目标探测（不加窗）')subplot(312)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_H))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('多目标探测（加海明窗）')subplot(313)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_B))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('多目标探测（加布拉克曼窗）')。
基于国产化DSP的雷达信号处理软件设计
基于国产化 DSP的雷达信号处理软件设计简要：目前，雷达不仅在军事中发挥着重要的作用，而且已经广泛运用于我们的生活中。
对于在雷达信号处理过程中算法的复杂度和高数据率，我们一般选用DSP进行信号的处理。
本文我们重点研究基于国产化DSP的雷达信号软件设计。
关键词：国产化DSP；雷达信号软件；设计一国产化DSP简述DSP （digital signal process/digital signal processor）理论中是数字信号处理，在硬件中可以是数字信号处理芯片。
通信系统中处理数字信号需要用到DSP芯片，DSP芯片属于数字处理专用芯片，相比CPU来说有更好的数字运算能力（CPU控制方面比较强），完成数字信号处理过程需要用到DSP（数字信号处理）理论，对信号进行采样量化编码，然后处理传输。
DSP在电子信息领域之中具有很重要的地位。
DSP芯片(Digital Signal Processor)是一个内嵌了数字信号处理功能的单片机芯片（该功能也叫DSP:Digital Signal Processing数字信号处理），现在市面上常见的有16位和32位的。
专门用布数字信号运算处理。
数字信号运算处理并不是简单的加减乘除。
而是那种傅里叶变换等时域频域方面的转换处理等。
如果是普通的四则运算，32位DSP和ARM的运算能力是差不多的。
举个例子：一种实时的声音滤波应用，通过麦克风把一个嘈杂环境中的声音记录下来，通过处理实时单独把其中某个人的声音提取出来，最后实时播放出来。
实时同步的，不是存到磁盘或磁带里再慢慢运算，这就需要用到DSP。
DSP是数字信号处理器，可以视作特殊化后的MCU，主要是比MCU多了硬件乘法器和诸如FFT算法指令的支持。
DSP主要是实现数字信号处理问题，直接硬件上支持滤波和各种变换所需的大量各种专用功能，提供这方面专用指令集。
既可以是独立芯片，也可以是电路的一部分。
专用DSP芯片在运算能力上，特别是大数据量的数字信号处理上，优势相比ARM是非常大的，很多运算DSP一个cycle就能完成的。
机载认知雷达自适应波形设计
作者签名：
日期： 年 月 日
论文使用授权
本学位论文作者完全了解电子科技大学有关保留、使用学位论文 的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁 盘，允许论文被查阅和借阅。本人授权电子科技大学可以将学位论文 的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或 扫描等复制手段保存、汇编学位论文。
关键词：机载认知雷达，杂波建模，环境信息数据库，发射波形自适应，时域合 成
Iபைடு நூலகம்
ABSTRACT
ABSTRACT
There are practical values of radar in the following fields: life detection, the growth of crop roots, civil aviation, military and so on. With the limitations of the size and weight, the airborne radar has the characteristics of smallness in size, lightness in weight and sharing the same antennas when transmitting and receiving signals. When an airborne radar detects motion targets with low-altitude and slow-speed, the non-homogeneous clutter and interference caused by non-homomorphism clutter, complicated target background and artificial buildings have serious influence on its detection performance. In order to reduce the influence above, the concept of cognitive radar was presented. At present, the cognitive radar is still in the phase of a concept, and there are many key technical problems to solve. This article proposed a new clutter modeling method and the adaptive forming algorithm of the transmitted waveform based on the concept of cognitive radar. The contents of this paper are as follows:
- 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)。
第4章仿真软件设计方案
4.1总体设计方案
警戒雷达接收机仿真平台总体方案的思路是不设计硬件电路，只利用计算机软件仿真雷达所有的工作过程。
该平台主要用于验证建立的信号模型、回波模型、噪声模型、雷达信号的发生和接收过程、数据处理算法等的正确性，不追求实时性，为便于开发与维护，采用MATLAB语言编程，利用MATLAB丰富的数字信号处理函数迅速建立起系统模型，在设计的任何阶段都能够很方便的对其进行修改。
仿真平台外部环境模拟、雷达信号处理与数据处理进程尽可能与实际雷达的工作环境相匹配，接收机仿真平台工作流程，见图4.1。
图4.1接收机仿真流程图
当用户输入仿真参数后，雷达接收机仿真平台开始启动，各模块间可以实现数据、信息的传递及共享，其功能与雷达接收机各系统分机完成功能基本相同，同时仿真平台能够模拟外部环境参数，信号处理与数据处理进程尽可能与实际雷达的工作环境相匹配。
接收机系统的软件设计需要充分考虑系统的可维护性和可移植性，基于模块化方法，建立仿真平台的软件设计规范和约定，把仿真平台要完成的功能分解细化，变成相对独立的子程序模块的开发，降低系统的复杂性，使得系统容易修改，为后期继续研究提供良好的实验平台。
4.2各模块设计方案
4.2.1回波信号产生模块
在雷达信号模拟中，一项很重要的工作就是为雷达目标和雷达工作环境建立
数学模型。
模拟回波与实际雷达回波的相似程度主要取决于目标和环境模型的选择。
由于一种模型一般只适用于某些特定情况，因此对不同体制的雷达，应具体研究目标和环境模型的设置方法。
根据仿真系统功能要求和总体方案，回波信号产生模块需要具备的功能模块有回波信号发生器、杂波发生器、噪声发生器。
回波信号产生模块连接关系，如图4.2所示。
图4.2回杂波模块关系图
雷达回波模型主要包括目标模型、噪声模型、杂波模型。
雷达回波的目标模型包括信号类型，目标距离、回波幅度、幅度起伏、多普勒频率。
信号类型主要包括线性调频信号和相位编码信号。
目标距离的模拟要根据目标运动的速度和方向以及雷达工作时间的变化计算产生。
回波幅度的模拟要根据距离方程和目标散射截面的变化计算产生。
幅度起伏通常采用斯威林的4种模型，与目标RCS起伏的统计分布和相关特性紧密相关，以及雷达系统参数有关[3]。
雷达系统的噪声通常是高斯分布的白噪声，因此可以采用蒙特卡洛方法模拟产生。
但为了更广泛的适用于各种场合，本文同样也建立了其他噪声模型。
雷达系统的杂波变化复杂，一般来说，描述杂波变化规律的参数是概率密度函数和功率谱。
雷达系统的杂波概率密度函数还与雷达系统的体制、参数有关，因此普通分辨率雷达和高分辨率雷达的杂波模型也不相同。
杂波的功率谱取决于雷达与杂波的相对运动和雷达系统的参数。
回波信号模块模型汇总，如表4.1所示。
4.2.2接收机信号处理模块
雷达接收机的组成框图[4]，如图4.3所示。
通过目标反射的雷达信号由天线接收后，送到接收前端射频信号变换为宽带中频信号，并进行放大再送到高速AD变换为数字信号，然后由数字下变频器变换为正交的基带信号I’(n)、Q’(n),再进行诸如脉冲压缩，解线条，包络检波(求模)、FFT等运算，并与发射信号做相关处理，既可求得到达时间、多普勒频移，反射信号电平等参数，进而实现对目标的探测和定位。
图4.3雷达接收机的组成框图
根据仿真系统功能要求和总体方案，本文不对射频信号进行仿真处理，而是直接接受中频回波信号并进行后续处理，所以接收机信号处理模块需要具备的功能模块有：数字下变频、脉冲压缩、解线调、测量模块。
接收机模块关系[5]，如图4.4所示。
图4.4接收机模块关系图
①数字下变频
数字下变频(Digital down Converter)主要由混频器和抽取滤波器构成，其基本功能是从输入的宽带高数据流的数字信号中提取所需的窄带信号，将其下变频为数字基带信号，并转换成较低的数据流。
本接收机仿真平台通过软件仿真实现接收机的有关参数调整和仿真信号放大、下变频，将有用的信息传递到脉冲压缩
处理，解线调等模块。
数字下变频技术是雷达接收机中的关键技术之一，采用数字下变频器后的雷达接收系统，就可通过改变的滤波器特性，使接收机实现不同带宽的信号进行下变频，它是雷达系统收端的重要组成部分。
②脉冲压缩处理
雷达的分辨理论表明:精度和分辨力是一致的，要得到高的测距精度和好的距离分辨力，发射信号必须具有大的带宽。
要得到高的测速精度和好的速度分辨力，信号必须具有大的时宽。
因此，要使作用距离远，又具有高的测距、测速精度和好的距离、速度分辨力，要求雷达信号具有大的时宽、带宽、能量乘积。
单载频脉冲信号的时宽带宽乘积接近于1，大的时宽和带宽不可兼得。
显然，单载频矩形脉冲雷达不能满足现代雷达提出的要求。
而脉冲压缩技术可以获得大时宽带宽信号，使雷达同时具有作用距离远、高测距、测速精度和好的距离、速度分辨力。
具有大时宽带宽的信号通常被称为脉冲压缩信号。
③解线调
线性调频(LFM)信号广泛应用于通信、雷达、声纳、地震探测、地质勘探、医学成像等众多的研究领域。
在雷达系统中，作为大时宽带-宽积的信号，LFM 信号可以在获得大的时间分辨率的同时获得大的距离分辨率。
解线调技术就是解除x(t)的线性调制，把x(t)变成单频率信号；从参数估计的角度来看就是估计信号x(t)中LFM信号的调频斜率k和初始频率w0。
发射信号的调频斜率k已知，多普勒频移引起初始频率w0的变化，因此本设计只需估计出回波信号的中心频率即可。
④测量模块
雷达仿真系统的最终目的是要在模拟的雷达终端显示器上显示雷达所获得的目标信息和情报。
显示的内容包括目标的距离、位置、角度坐标及其运动情况，目标的各种特征参数等。
所以，测量分析模块在整个系统中最为重要。
根据仿真系统功能要求和总体方案，测量与分析模块需要具备：测距、测速、测角功能。
1）测距
雷达工作时，利用回波脉冲滞后于发射脉冲的时间，测量出目标的距离。
脉冲法测距利用目标回波脉冲与发射脉冲的包络相对延时，来测量目标的距离，通常脉冲雷达都采用这种方法。
2）测速
当目标与雷达之间存在相对速度时，接收到回波信号的载频相对于发射信号的载频产生一个频偏，即多普勒频率。
利用多普勒频率测量出目标的速度。
由回波信号经过解线调处理变为具有单根谱线的信号，通过数字鉴频技术，即可测出
目标的多普勒测量。
由于多普勒频移只能反映目标的径向速度，所以在测速中通常可以根据目标轨迹来估计目标的速度大小及方向的大致信息。
3）测角
为了确定目标的空间位置，雷达不仅要测定目标的距离，而且还要测定目标的方向，即测定目标的角坐标，其中包括目标的方位角和俯仰角。
在雷达信息处理中，需要对各种目标坐标实时的转换到某一统一坐标系下，而本设计接受系统采用雷达接收机所在位置为中心的空间坐标系。
测角的方法主要有相位法测角、振幅法测角以及振幅和差测角法测角。
相位法测角利用多个天线所接收回波信号之间的相位差进行测角；振幅法测角是用天线收到的回波信号幅度值来做角度的测量，其中，振幅法又分为最大信号法和等信号法。
由于目标的方位角和俯仰角是得到目标三维坐标必要信息，所以本仿真平台通过四路信号，采用振幅和差法测量目标的角度。
站长资讯 cjb13x。