雷达信号处理的MATLAB仿真
MATLAB在测速雷达仿真中的应用
勒频移为８ ９ ０ ＨＺ ～１ １ ＫＨＺ ，即 输 入 频 率 为 对Ｄ Ｓ Ｐ中的 数 字处 理 部 分 用编 写Ｍ Ａ ＴＬ Ａｔ ３ ９ ０ ０ Ｈｚ ～１ １ Ｋ Ｈｚ ，测 速误 差 ＜ ２ ｋ ｍ／ ｈ 转换 成 中 ． Ｍ文件 进行 仿真 。 频 率 即为频 率分 辨率 高 于８ ９ Ｈｚ 。 ２ ． １模拟部 分 的仿真 实 现 测 速 雷 达 处 理 机输 入 噪 声 主 要 分 为 两 信 号 输 入 可 以 用Ｓ ｉ ｍｕ ｌ ｉ ｎ ｋ 中 的仿 真 源 类 ：１ ）电子 设 备 产 生 的噪 声 ，其功 率 谱 随 信 号 产 生 ，也 可 从 ． ｉ ｎ 文件 中直 接 载入 实际 频 率 的升 高 迅 速衰 减 ；２ ）９ １ 、 部 噪声 ，该 噪 测 量数据 ，仿真 中可 以随 时查 看任 一模块 的 声为 随机 的 ，它 的功 率谱 与带 宽成 正 比。 为 输 入输 出 ，对其 仿 真结 果 存入 Ｉ ． ｍａ ｔ 文件 和 抑制 第 一 类噪 声 ，采 用 图３ 中高通 放 大 滤波 Ｑ． ｍａ ｔ 文 件 ，此 两文 件作 为Ｄ Ｓ Ｐ 处理 器 的输 器 ，为抑 制第 二 类噪 声 ，用低 通滤 波 器 。在 入 ，也 可用 示波 器直 接查 看其频 谱 。信 号处 本 例 中输 入信 号 的峰 峰 值 为 １ ０ ｕ Ｖ～２ ｍＶ， 理 机的模 拟 部分 如 图４ 所示 。 又 因 为 放 大 电路 输 出 电压 幅 值 为 ０ ～５ Ｖ， ２ ． ２ 数 字处理 部分 的仿 真实 现 因 此 选 用 一 阶 高 通 放 大 电路 ，高 频 增 益 取 数 字 处 理 部 分 的 仿 真 用 Ｍ ＡＴＬ ＡＢ编 ６ ０ ｄ ｂ；为使 电路 既 能 对 低 频 噪 声 有 抑制 作 写 ． Ｍ 文 件 实 现 ，程 序 如 下 ， １ 个 主 程 序 用 ，又能对 速度 为２ ｋ ｍ／ ｈ以 上 的 多 普 勒 ｒ ａ ｄａｒ ｕ ｓ ｅ ． ｍ ，调 用 三 个 函数 子 程 序 ｆｔ １ ． ｉ ｎｄ ｆ ｒ ｅ ｑｕｅ ｎｃ ｙ． ｉ ２ ２ 、 ｇｅ ｔ ｖｅ ｌ ｏ ｃ ｉ ｔ ｙ． １ Ｔ Ｉ ， 频 移 有 有 效 放 大 ， 因此 ～３ ｄ ｂ 截 止 频 率 取 ｍ 、 ｆ ５ ｋ Ｈｚ ，衰 减 幅 度 为 一２ ０ ｄ Ｂ。为 抑 制 第 ２ 类 各子 程 序 作 用 如下 ：ｆ ｉ ｔ １ ． Ｉ Ｉ １ 是对５ 批 数 据输 噪 声 ，采 用 图３ 中 的低 通滤 波 电路 ，选 用 二 入数 据进 行加 窗Ｆ Ｆ Ｔ 变换 ，变换后 取频 谱平 阶低 通滤 波 电路 ，选 择截 止频 率 为２ ０ ｋ Ｈｚ ， 均值 并输 出频 谱 ；ｆ ｉ ｎ ｄ ＿ ｆ ｒ ｅ ｑ ｕ ｅ ｎ ｃ ｙ ． １ Ｔ Ｉ 对 输 人 衰 减 幅 度 为 一４ ０ ｄ Ｂ。为 补 偿 滤 波后 的信 号 的频 谱 查 找频 谱 大 干 １ 的峰 值 点 ，将 该 点 的 衰 减 ， 图３ 中 的 补 偿放 大 电路 取 ２ 倍 ， Ａ／ 频谱 序 列和 频谱 数值 输 出 ；ｇ ｅ ｔ — ｖ ｅ ｌ ｏ ｃ ｉ ｔ ｙ． ｍ Ｄ电路 的 电压 输 出 范 围 为 Ｏ ～５ Ｖ，采 样 率 把 频谱 序 列转换 成径 向速度 值 ，并 判断 径 向 取５ Ｏ ＫＨＺ ，１ ２ 位 精 度 。Ｄ Ｓ Ｐ中算 法 采 用 加 速度正 负 。 Ｂ ｌ ａ ｃ ｋ ｍａ ｎ 窗的１ ０ ２ ４ 点Ｆ Ｆ Ｔ，共取 ５ 次 数据 ， ２ ． ３ 仿真 结果 分 别作 Ｆ Ｆ Ｔ 取平 均值 ， 目标 判别 准则 ：对 频 设 定 输 人 信 号 由输 入 幅 值 １ ｍＶ， 频 率 谱 逐 点查 找 ， 当 发 现 极 大 值 点 且 该 点 大 干 ５ ｋ ＨＺ 的余 弦信 号 和输 入幅 值８ ｕ Ｖ， 频 率 １ ，则认 为 为 目 标 。 目标 频率 求法 如 式２ ，式 ｌ ｋ Ｈｚ 的余 弦信 号组 成 ，仿真结 果如 下 ： ３。 运 行ｒ ａ ｄ ａ ｒ — ｕ ｓ ｅ 程序 显示 速 度值为 ｍ／ ｓ
Matlab在雷达信号处理和雷达成像中的应用
Matlab在雷达信号处理和雷达成像中的应用随着科技的不断发展，雷达技术在军事、航空、天文等领域扮演着非常重要的角色。
而在雷达的研究和应用中，数据的处理和成像是至关重要的环节。
Matlab作为一款强大的数学软件，被广泛应用于雷达信号处理和雷达成像的领域。
本文将探讨Matlab在雷达信号处理和雷达成像中的具体应用。
一、雷达信号处理1. 信号预处理雷达接收到的信号常常受到多种干扰，例如噪声、杂波等。
Matlab提供了丰富的信号预处理函数和工具箱，可以对雷达信号进行滤波、降噪、去除杂波等操作。
其中，滤波操作可以通过FIR、IIR滤波器实现，而降噪操作可以通过小波分析等方法实现。
Matlab的强大计算能力和可视化功能使得信号预处理更加高效准确。
2. 目标检测雷达信号中的目标通常表现为一些特征突出的信号，例如脉冲幅度、脉冲宽度等。
通过对这些特征进行分析和处理，可以实现雷达信号中目标的检测和定位。
Matlab提供了一系列的目标检测算法和函数，如常用的卡尔曼滤波、最小二乘法等。
通过对雷达信号进行预处理和目标检测，可以提高雷达系统的性能和准确度。
3. 距离测量雷达系统通过测量目标与雷达之间的回波时间来实现距离的测量。
Matlab提供了丰富的信号处理函数和工具，可以实现对回波信号的采样、分析和测量。
通过对回波信号进行FFT、相关分析等处理，可以精确地测量目标与雷达之间的距离。
二、雷达成像1. 合成孔径雷达成像合成孔径雷达（SAR）是一种基于合成孔径技术的雷达成像方法，可以利用雷达的运动和信号处理来实现高分辨率的雷达图像。
Matlab提供了完善的SAR成像算法和工具箱，可以实现SAR数据的处理、成像和评估。
通过对SAR数据进行范围压缩、方位压缩和图像重建，可以获得高质量的SAR图像。
2. 多普勒处理雷达在接收回波信号时，目标的运动会引起回波频率的改变，这被称为多普勒效应。
多普勒处理是雷达成像的重要环节之一。
Matlab提供了多普勒处理的算法和函数，例如多普勒频谱分析和多普勒滤波等。
在Matlab中进行雷达信号处理和目标跟踪
在Matlab中进行雷达信号处理和目标跟踪雷达信号处理和目标跟踪是现代雷达技术的重要组成部分，在军事、航空、航天、气象等领域中具有广泛的应用。
Matlab作为一种功能强大的数学软件工具，为雷达信号处理和目标跟踪提供了便利的开发环境。
本文将介绍如何利用Matlab 进行雷达信号处理和目标跟踪，并探讨一些常用的算法和技术。
首先，我们需要了解雷达信号处理的基本概念和流程。
雷达信号处理包括信号预处理、目标检测、目标定位和跟踪等步骤。
在Matlab中，我们可以利用其丰富的工具箱和函数实现这些步骤。
例如，通过使用信号处理工具箱中的函数，我们可以对雷达信号进行滤波、解调、去噪等预处理操作；而通过使用图像处理工具箱中的函数，我们可以实现雷达信号的目标检测和定位。
此外，Matlab还提供了强大的图形界面和数据可视化工具，使我们能够直观地显示和分析雷达信号。
接下来，让我们具体介绍一些常用的雷达信号处理算法和技术。
其中之一是自适应抗干扰处理技术。
雷达系统在实际应用中可能会受到各种干扰，如天线旁瓶、气象杂波等。
自适应抗干扰技术能够根据实时环境自动调整各种参数，提高雷达系统的抗干扰性能。
在Matlab中，我们可以使用自适应滤波器函数对雷达信号进行抗干扰处理。
另一个常用的算法是脉冲压缩处理。
脉冲压缩是一种通过延长脉冲宽度来提高雷达目标分辨率的方法。
在Matlab中，我们可以利用FFT（快速傅里叶变换）等函数对雷达信号进行压缩处理，从而减小脉冲宽度，提高目标分辨率。
除了雷达信号处理，目标跟踪也是雷达应用中的重要环节。
目标跟踪旨在实时追踪目标的位置和运动状态。
在Matlab中，我们可以使用一些常见的目标跟踪算法，如卡尔曼滤波器和粒子滤波器。
这些算法能够根据目标的先验信息和测量值，精确估计目标的位置和动态特性，并实现目标的实时跟踪。
除了以上提到的算法和技术，Matlab还提供了许多其他功能强大的工具和函数，如多普勒失真校正、雷达图像生成、目标特征提取等。
雷达信号处理的MATLAB仿真
11目录1. 设计的基本骤 (1)1.1 雷达信号的产生 (1)1.2 噪声和杂波的产生 (1)2. 信号处理系统的仿真 (1)2.1 正交解调模块 (2)2.2 脉冲压缩模块 ...............................................2.3 回波积累模块 ...............................................2.4 恒虚警处理（CFAR）模块 (4)结论 (11)1 设计的基本骤雷达是通过发射电磁信号，再从接收信号中检测目标回波来探测目标的。
再接收信号中，不但有目标回波，也会有噪声（天地噪声，接收机噪声）；地面、海面和气象环境(如云雨)等散射产生的杂波信号；以及各种干扰信号（如工业干扰，广播电磁干扰和人为干扰）等。
所以，雷达探测目标是在十分复杂的信号背景下进行的，雷达需要通过信号处理来检测目标，并提取目标的各种信息，如距离、角度、运动速度、目标形状和性质等。
图3-6 设计原理图2 信号处理系统的仿真雷达信号处理的目的是消除不需要的信号（如杂波）及干扰，提取或加强由目标所产生的回波信号。
雷达信号处理的功能有很多，不同的雷达采用的功能也有所不同，本文是对某脉冲压缩雷达的信号处理部分进行仿真。
一个典型的脉冲压缩雷达的信号处理部分主要由A/D 采样、正交解调、脉冲压缩、视频积累、恒虚警处理等功能组成。
因此，脉冲压缩雷达信号处理的仿真模型.2.1 正交解调模块雷达中频信号在进行脉冲压缩之前，需要先转换成零中频的I 、Q 两路正交信号。
中频信号可表示为:0()()cos(2())IF f t A t f t t πϕ=+ (3.2)式(3.2)中， f 0 为载波频率。
令:00()()cos 2()sin 2IF f t I t f t Q t f t ππ=- (3.3)则00()()cos 2()sin 2IF f t I t f t Q t f t ππ=- (3.4)在仿真中，所有信号都是用离散时间序列表示的，设采样周期为T ,则中频信号为 f IF (rT ) ，同样，复本振信号采样后的信号为f local =exp(?j ω 0rT ) (3.5)则数字化后的中频信号和复本振信号相乘解调后，通过低通滤波器后得到的基带信号f BB (r ) 为:11000{()cos()}(){()sin()}()N N BB IF IF n n f f r n r n T h n j f r n r n T h n ωω--==-----∑∑ (3.6)式(3.6)中， h (n ) 是积累长度为N 的低通滤波器的脉冲响应。
激光雷达数据处理matlab
一、激光雷达技术概述激光雷达是一种使用激光束来测量距离、速度和方向的遥感技术。
它通过发射激光脉冲并接收反射光来获取目标物体的位置信息，广泛应用于自动驾驶、航空航天领域。
二、激光雷达数据处理的重要性激光雷达获取的原始数据需要经过一系列处理步骤才能得到可用的信息。
数据处理是激光雷达系统中非常重要的步骤，直接影响到最终的数据质量和信息提取效果。
三、激光雷达数据处理的流程激光雷达数据处理一般包括数据读取、去噪、地面提取、目标检测与跟踪等步骤。
1. 数据读取首先需要将激光雷达采集到的原始数据导入到Matlab环境中进行处理。
一般数据格式包括ASCII格式、二进制格式等。
2. 数据去噪由于激光雷达数据容易受到噪声干扰，需要进行去噪处理。
常见的方法包括滤波、波形拟合、信号处理等。
3. 地面提取在激光雷达数据中，地面点的位置与形状是非常重要的信息。
地面提取是激光雷达数据处理的关键步骤，它可以过滤掉大部分无关的点云数据，保留有效信息。
4. 目标检测与跟踪激光雷达可以用于检测和跟踪目标物体，如车辆、行人等。
通过激光雷达获取的目标信息可以用于自动驾驶、交通监控等应用领域。
四、Matlab在激光雷达数据处理中的应用Matlab作为一种强大的科学计算软件，提供了丰富的工具和函数，可以方便地对激光雷达数据进行处理和分析。
1. 数据可视化Matlab可以用于对激光雷达数据进行可视化，包括点云数据的显示、图像生成、立体显示等。
2. 数据处理算法Matlab提供了众多数据处理算法，如滤波、拟合、聚类等，适用于激光雷达数据的去噪、地面提取、目标检测等环节。
3. 仿真与验证Matlab还可以用于激光雷达系统的仿真和验证，通过建立模型和算法进行数据处理的验证和优化。
五、结语本文通过介绍激光雷达数据处理的概念和流程，以及Matlab在该领域的应用，展现了激光雷达数据处理在科研和工程应用中的重要性和广泛性。
随着激光雷达技术的不断发展，激光雷达数据处理的需求也日益增加，Matlab作为一种多功能且灵活的工具，为激光雷达数据处理提供了便利和有效的解决方案。
使用Matlab进行实时雷达信号处理与目标识别的实践指南
使用Matlab进行实时雷达信号处理与目标识别的实践指南引言雷达技术在军事、航空航天、气象等领域中有着广泛的应用。
实时雷达信号处理与目标识别是其中重要的研究方向之一。
Matlab作为一种功能强大的工具，可以帮助我们实现实时雷达信号处理和目标识别的算法。
本文将介绍如何使用Matlab进行实时雷达信号处理与目标识别，并提供实践指南。
一、雷达信号处理的基础知识1.1 雷达系统基本原理雷达系统由发射机、天线、接收机和信号处理模块组成。
发射机将电磁波发送至目标物体并接收反射回来的信号。
天线用于发射和接收信号。
接收机接收和放大返回的信号。
信号处理模块用于提取目标信息。
1.2 雷达信号处理流程雷达信号处理包括信号质量评估、信号预处理、目标检测与跟踪等步骤。
信号质量评估用于分析信号的特点，判断信号质量。
信号预处理包括去噪、增强等操作，以提高信号的质量。
目标检测与跟踪则是通过信号处理算法来识别目标。
二、Matlab在实时雷达信号处理中的应用2.1 信号质量评估Matlab提供了丰富的工具箱和函数，方便我们对信号进行特征提取和质量评估。
例如，我们可以使用MATLAB中的fft函数对信号进行频谱分析，通过观察频谱来评估信号的质量。
2.2 信号预处理信号预处理是提高信号质量的一个重要步骤。
Matlab提供了各种去噪和增强算法，例如小波去噪算法和自适应滤波算法。
我们可以根据具体需求选择适合的算法，并结合实时数据对算法进行调参和优化。
2.3 目标检测与跟踪目标检测与跟踪是雷达信号处理的核心任务之一。
在Matlab中，我们可以使用各种目标检测和跟踪算法来实现目标识别。
例如，常用的算法包括卡尔曼滤波、粒子滤波、模板匹配等。
Matlab提供了相关工具箱和函数，方便我们进行算法的实现和调试。
三、Matlab实时雷达信号处理与目标识别的实践指南3.1 数据获取与处理实时雷达信号处理需要依赖实时采集的雷达信号数据。
我们可以通过硬件设备或仿真数据生成器来获取数据。
雷达信号处理仿真
雷达信号处理仿真【摘要】文章针对现代雷达信号处理的主要方式，建立了雷达信号处理仿真的数学模型，其中包括正交双通道处理、动目标检显示、动目标检测以及恒虚警处理等。
根据数学模型，用Matlab软件对雷达信号处理系统进行了仿真，得到了雷达系统中各个处理点上的具体信号形式，并用图形用户界面（GUI）来动态显示雷达信号处理过程，使仿真结果表现得更直观。
【关键词】雷达信号处理；正交双通道处理；动目标显示；动目标检测；恒虚警检测1引言的目的是消除所有不需要的信号及干扰，提取或加强由目雷达信号处理[12]标所产生的回波信号，在处理过程中要用到一些信号处理的关键技术，如数字正交双通道处理、脉冲压缩技术、固定目标对消技术、动目标显示技术、动目标检测技术[3]、恒虚警处理[4]和脉冲积累等。
由于现代雷达信号处理过程日益变得复杂，难以用简单直观的分析法进行处理，往往需要借助计算机来完成对系统的各项功能和性能的仿真。
利用计算机来进行雷达系统的仿真[5]具有方便、灵活以及经济的特点。
而MATLAB提供了强大的仿真平台，可以为大多数雷达系统的仿真提供方便快捷的运算。
2雷达信号处理基础2.1数字正交双通道处理在全相参雷达中，可以用正交双通道处理来获得中频信号的基带信号（零中频信号）()x t，有时也称()x t为中频信号的复包络。
正交双通道处理的框图如图s t为中频回波信号。
1所示，其中()r图1正交双通道处理框图其中中频回波信号为：0()()cos[2()]r d s t a t f f t π=+(1)上式中，0f 为中频频率，d f 表示多普勒频率，其值可能是正值或负值，也可能为零。
0000()()cos(2)()cos[2()]cos(2)11()cos(2)()cos[2(2)]22I r d d d s t s t f t a t f f t f t a t f t a t f f t πππππ==+ =++ (2)0000()()cos(2)()cos[2()]sin(2)211()sin(2)()sin[2(2)]22Q r d d d s t s t f t a t f f t f t a t f t a t f f t ππππππ=+=-+ =-+(3)图1中的低通滤波器将滤去02f 的分量，这样就可以得到正交双通道信号。
MATLAB雷达信号处理仿真
MATLAB雷达信号处理仿真5.2 噪声和杂波的产⽣在实际的雷达回波信号中，不仅仅有⽬标的反射信号，同时还有接收机的热噪声、地物杂波、⽓象杂波等各种噪声和杂波的叠加。
由于噪声和杂波都不是确知信号，只能通过统计特性来分析。
本节将讨论⼀些常见的噪声和杂波的产⽣⽅法。
5.2.1 随机热噪声随机热噪声有多种，常见有概率密度函数服从⾼斯分布、均匀分布、指数分布以及τ分布的热噪声。
1. 服从⾼斯（Guass ）分布的热噪声（随机序列）标准⾼斯分布的概率密度为：)2exp(1)(22σσπx x p -= (5.2.1)均值为0x 的⾼斯分布的概率密度函数为：)2)(exp(1)(220σσπx x x p --= (5.2.2) Matlab7.0本⾝⾃带了标准⾼斯分布的内部函数randn ，调⽤格式如下:Y = randn(n)Y = randn(m,n) Y = randn([m n]) Y = randn(size(A)) s = randn('state')randn 函数产⽣的随机序列服从均值为m=0，⽅差σ2＝1的⾼斯分布。
Y = randn(n)产⽣的是⼀个n ×n 的随机序列矩阵，⽽Y = randn(m,n) 和Y = randn([m n])产⽣的m ×n 的随机序列矩阵，Y = randn(size(A))产⽣的是⼤⼩与矩阵A 同样⼤⼩的随机序列矩阵。
s = randn('state') 返回的是⼀个具有两个元素的向量，该向量显⽰的是当前正态随机数产⽣器的状态。
randn('state',s) 指令可以将产⽣器的状态设置到s ，⽽randn('state',0) 则可以将正态随机数产⽣器的状态恢复到初始状态。
因此，利⽤randn 函数可以⾮常简单快捷地产⽣出服从⾼斯分布的随机序列，如图5.7。
图5.7服从⾼斯分布的随机序列及其直⽅图2. 服从均匀分布的热噪声（随机序列） (a-b)均匀分布的概率密度函数为：ab x p -=1)( (5.2.3) 根据（a-b ）均匀分布的概率密度函数和（0-1）均匀分布的概率密度函数可以推导出它们之间的关系为：a u ab ba au +?-=--=)(ζζ或 (5.2.4)其中u 服从（0-1）单位均匀分布，ζ服从（a-b ）分布所以根据上式，可以先产⽣⼀个服从（0-1）单位均匀分布的信号，然后再将其经过上式的变换，就可以得到⼀个服从（a-b ）均匀分布的信号了。
- 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)。
11目录1. 设计的基本骤 (1)1.1 雷达信号的产生 (1)1.2 噪声和杂波的产生 (1)2. 信号处理系统的仿真 (1)2.1 正交解调模块 (2)2.2 脉冲压缩模块 (3)2.3 回波积累模块 (3)2.4 恒虚警处理（CFAR）模块 (4)结论 (11)1 设计的基本骤雷达是通过发射电磁信号，再从接收信号中检测目标回波来探测目标的。
再接收信号中，不但有目标回波，也会有噪声（天地噪声，接收机噪声）；地面、海面和气象环境(如云雨)等散射产生的杂波信号；以及各种干扰信号（如工业干扰，广播电磁干扰和人为干扰）等。
所以，雷达探测目标是在十分复杂的信号背景下进行的，雷达需要通过信号处理来检测目标，并提取目标的各种信息，如距离、角度、运动速度、目标形状和性质等。
图3-6 设计原理图2 信号处理系统的仿真雷达信号处理的目的是消除不需要的信号（如杂波）及干扰，提取或加强由目标所产生的回波信号。
雷达信号处理的功能有很多，不同的雷达采用的功能也有所不同，本文是对某脉冲压缩雷达的信号处理部分进行仿真。
一个典型的脉冲压缩雷达的信号处理部分主要由A/D 采样、正交解调、脉冲压缩、视频积累、恒虚警处理等功能组成。
因此，脉冲压缩雷达信号处理的仿真模型.2.1 正交解调模块雷达中频信号在进行脉冲压缩之前，需要先转换成零中频的I 、Q 两路正交信号。
中频信号可表示为:0()()cos(2())IF f t A t f t t πϕ=+ (3.2)式(3.2)中， f 0 为载波频率。
令:00()()cos 2()sin 2IF f t I t f t Q t f t ππ=- (3.3)则00()()cos 2()sin 2IF f t I t f t Q t f t ππ=- (3.4)在仿真中，所有信号都是用离散时间序列表示的，设采样周期为T ,则中频信号为 f IF (rT ) ，同样，复本振信号采样后的信号为f local =e xp(−j ω 0rT ) (3.5)则数字化后的中频信号和复本振信号相乘解调后，通过低通滤波器后得到的基带信号f BB (r ) 为:11000{()cos()}(){()sin()}()N N BB IF IF n nf f r n r n T h n j f r n r n T h n ωω--==-----∑∑ (3.6)式(3.6)中， h (n ) 是积累长度为N 的低通滤波器的脉冲响应。
根据实际的应用，仅仅采用以奈奎斯特采样率进行采样的话，得不到较好混频信号和滤波结果，采样频率f s 一般需要中心频率的4 倍以上才能获得较好的信号的实部和虚部。
当采样频率为f s = 4 f 0时，ω0 T = π/2，则基带信号可以简化为110(){()cos()}(){()sin()}()22N N BB IF IF n nf r f r n r n h n j f r n r n h n ππ--==-----∑∑ (3.7)使用Matlab 仿真正交解调的步骤： （1） 产生理想线性调频信号y 。
（2） 产生I 、Q 两路本振信号。
设f 0为本振信号的中心频率，f s 为采样频率，n 为线性调频信号时间序列的长度，则I 路本振信号为cos(n2πf 0/f s ),同样，Q 路本振信号sin(n2πf 0/f s )。
当f s = 4 f 0 时，I 、Q 两路本信号分别为cos(πn/2)和sin( n π /2)。
（3） 线性调频信号y 和复本振信号相乘,得到I 、Q 两路信号。
（4） I 、Q 两路信号通过低通滤波器，滤除高频分量，以获得最终的检波结果。
Matlab提供了方便的滤波函数filter(b,a,x)。
其中x 为输入信号，b,a 为滤波器传递函数的分子和分母的系数向量。
2.2 脉冲压缩模块在进行脉冲压缩处理之前，首先要获得相应的雷达发射信号的匹配滤波器。
在实际工程中，对脉冲压缩的处理往往是在频域实现的，因为这样可以利用FFT算法提高计算速度，然后将雷达回波与匹配滤波器的频域响应（脉冲压缩系数）相乘，再经过IFFT变换，从而得到脉冲压缩处理的结果，而不用进行卷积处理，大大降低了运算量。
因此，在进行脉冲压缩处理仿真的时候，首先应当获取脉冲压缩处理的匹配滤波器或脉冲压缩系数。
求线性调频信号的脉冲压缩系数比较简单，只需要将理想线性调频信号取共轭和翻转即可。
使用Matlab仿真线性调频信号脉冲压缩的步骤：（1）产生理想线性调频信号y ；（2）对信号正交解调，得到解调后的信号fbb = fbb _ i + j * fbb _ q ；（3）产生理想线性调频脉冲压缩系数。
这一步要首先求出正交解调后的信号fbb 的匹配滤波器，然后利用离散傅里叶变换求出脉冲压缩系数；（4）产生理想回波信号（signal ），对信号进行正交解调。
理想回波信号是一个脉冲重复周期内雷达收到的回波信号，并假设目标为静止点目标；（5）脉冲压缩处理。
首先对回波信号做离散傅里叶变换，得到signal_fft，然后将signal_fft与匹配滤波器的频域响应（脉冲压缩系数）相乘，再经过离散傅里叶反变换，从而得到脉冲压缩结果。
设雷达发射信号为线性调频信号，具体参数如下：脉宽10μs、中心频率10MHz、调频带宽2MHz。
对雷达回波信号的采样频率为40MHz，中频进行正交下变频。
2.3 回波积累模块现在的雷达都是在多脉冲观测的基础上进行检测的，多个脉冲积累后可以有效地提高信噪比，从而改善雷达的检测能力。
积累处理可以在包络检波前完成，称为检波前积累或者中频积累。
信号在中频积累时要求信号间有严格的相位关系，也就是说信号是相参的，所以也称为相参积累。
此外，积累过程可以在包络检波后完成，称为检波后积累或者视频积累。
由于信号在包络检波后失去了相位信息而只保留了幅度信息，所以检波后积累处理就不需要信号间有严格的相位关系，因此这种积累又称为非相参积累。
实现非相参积累的方法有很多，例如抽头延迟线积累（FIR 积累）器和反馈积累器。
下面介绍抽头延迟线积累（FIR 积累）模型。
（1） 积累脉冲数 积累脉冲数N 应该等于天线波束扫过一个点目标时的目标回波个数，即：束扫过一个点目标时的目标回波个数，即：(360/)*a ac BW BW N T PRIθ==∆ (3.8) 式(3.8)中： BWa 为天线方位波束宽度； Δθ为天线在一个脉冲重复周期扫过的角度； Tc 为天线扫描一周所需的时间； PRI 为脉冲重复周期。
（2） 回波幅度调制 雷达接收机内部的噪声一般都认为是高斯白噪声，且是平稳随机过程，而回波脉冲的幅度调制还受天线双程场强波瓣图调制。
如果天线场强波瓣图（单程）是sinx/x 的形式，则天线主瓣内的脉冲将以如下的权函数加4sin ()()na h n N n N na θθ∆=-≤≤∆ (3.9)Δθ 为天线在一个脉冲重复周期扫过的角度 2.4 恒虚警处理（CFAR ）模块恒虚警处理有多种方法，从大的分类来看，有所谓的均值类CFAR 、有序统计量类CFAR 和杂波图CFAR 等等。
均值类CFAR 包括多种实现方式，如单元平均方式、两侧单元平均选大方式、两侧单元平均选小方式等等，其基本理论是相同的。
使用Matlab 仿真恒虚警处理的步骤：（1） 产生叠加了瑞利杂波、热噪声的点目标回波。
这一步首先按照上述的方法分别产生高斯热噪声和瑞利杂波，然后与点目标回波进行叠加，叠加时需要对瑞利杂波和热噪声的幅度加权。
（2） 对叠加了瑞利杂波、热噪声的点目标回波进行恒虚警处理。
这一步首先要确定参考单元数。
如果参考单元数为16，那么第1点恒虚警处理时噪声均值由其后面的16点噪声决定，第2点到第16点的恒虚警的噪声均值由其前面和后面的16点噪声共同决定，而正常数据点的恒虚警处理的噪声均值由其前后各16点的噪声决定，最后16点的恒虚警处理与前16点相同。
最后输出的信号为每个检测单元与杂波均值估计值的比值。
程序close all;clear all;clc;%%%%%%%产生雷达发射信号%%%%%%%%%%%%%%%%code=[1,1,1,1,1,-1,-1,1,1,-1,1,-1,1];%13位巴克码tao=10e-6;%脉冲宽度10μsfc=28e6;%调频信号起始频率f0=30e6;fs=100e6;%采样频率100MHzts=1/fs;B=4e6;%调频信号带宽t_tao=0:1/fs:tao-1/fs;N=length(t_tao);k=B/fs*2*pi/max(t_tao);n=length(code);pha=0;s=zeros(1,n*N);for i=1:n;if code(i)==1pha=pi;else pha=0;ends(1,(i-1)*N+1:i*N)=cos(2*pi*fc*t_tao+k*cumsum(t_tao)+pha);endt=0:1/fs:13*tao-1/fs;figure(1),subplot(2,1,1),plot(t,s),xlabel('t(单位:s)'),title('混合调制信号(13位巴克码+线性调频)');s_fft_rsult=abs(fft(s(1:N)));subplot(2,1,2),plot((0:fs/N:fs/2-fs/N),abs(s_fft_result(1:N/2))),xlabel('频率(单位：Hz）'),title('码内信号频谱');%%%%%%%%%%%%%%%%生脉冲压缩系数%%%%%%%%%%%%%%%%%%% %____________正交解调__________________%N=tao/ts;n=0:N-1;s1=s(1:N);local_oscillator_i=cos(n*f0/fs*2*pi);%i路本振信号local_oscillator_q=sin(n*f0/fs*2*pi);%q路本振信号fbb_i=local_oscillator_i.*s1;%i路解调fbb_q=local_oscillator_q.*s1;%q路解调window=chebwin(51,40);[b,a]=fir1(50,2*B/fs,window);fbb_i=[fbb_i,zeros(1,25)];fbb_q=[fbb_q,zeros(1,25)];fbb_i=filter(b,a,fbb_i);fbb_q=filter(b,a,fbb_q);fbb_i=fbb_i(26:end);%截取有效信息fbb_q=fbb_q(26:end);%截取有效信息fbb=fbb_i+j*fbb_q;%______产生理想线性调频脉冲压缩匹配系数___________%M=131072;%因为回波信号数据长度位3600点，所以利用FFT做4096点FFTD=B*tao;match_filter_1=ts*fliplr(conj(fbb))*sqrt(D)*2/tao;match_filter_1_fft=fft(match_filter_1,M);%第一次脉冲压缩处理匹配系数figure(2),subplot(2,1,1),plot(real(match_filter_1_fft)),title('脉冲压缩系数（实部）');subplot(2,1,2),plot(imag(match_filter_1_fft)),title('脉冲压缩系数（虚部）');N=length(s);n=0:N-1;local_oscillator_i=cos(n*f0/fs*2*pi);%i路本振信号local_oscillator_q=cos(n*f0/fs*2*pi);%q路本振信号fbb_i=local_oscillator_i.*s;%i路解调fbb_q=local_oscillator_q.*s;%q路解调window=chebwin(51,40);%这是采用50阶cheby窗的FIR低通滤波器[b,a]=fir1(50,0.5,window);fbb_i=[fbb_i,zeros(1,25)];fbb_q=[fbb_q,zeros(1,25)];fbb_i=filter(b,a,fbb_i);fbb_q=filter(b,a,fbb_q);fbb_i=fbb_i(26:end);%截取有效信息fbb_q=fbb_q(26:end);%截取有效信息signal=fbb_i+j*fbb_q;clear fbb_i;clear fbb_q;signal_fft=fft(signal,M)*2;pc_result_fft=signal_fft.*match_filter_1_fft;pc_result=ifft(pc_result_fft,M);figure(3),plot((0:ts:length(signal)*ts-ts),pc_result(1:length(signal))),xlabel('时间,单位:s'),title('回波脉冲压缩处理结果');clear local_oscillator_i;clear local_oscillator_q;t=tao*length(code);match_filter_2=2*ts*fliplr(conj(pc_result))*2/t;match_filter_2_fft=fft(match_filter_2,M);%第二次脉冲压缩处理匹配系数figure,subplot(2,1,1),plot(real(match_filter_2_fft)),title('脉冲压缩系数（实部）');subplot(2,1,1),plot(imag(match_filter_2_fft)),title('脉冲压缩系数（虚部）');clear fbb;clear match_filter_1;clear match_filter_2;clear signal;clear signal_fft;clear pc_result;clear pc_result_fft;%%%%%%%%%%%%%%%%%%%%%产生雷达回波%%%%%%%%%%%%%%%%%% f_frame=1e3;%雷达发射信号重频，单位HzT_frame=1/f_frame;N_echo_frame=18;f_doppler=3.5e3;%动目标的多普勒领串t_mobj=200e-6;%动目标位置echo_mobj_pulse=[zeros(1,t_mobj/ts),s,zeros(1,(T_frame-t_mobj)/ts-length(s))];echo_mobj=repmat(echo_mobj_pulse,1,N_echo_frame);t_doppler=0:ts:N_echo_frame*T_frame-ts;s_doppler=cos(2*pi*f_doppler*t_doppler);s_echo_mobj=echo_mobj.*s_doppler;t_fobj=450e-6;%固定目标位置echo_fobj_pulse=[zeros(1,t_fobj/ts),s,zeros(1,(T_frame-t_fobj)/ts-length(s))];s_echo_fobj=repmat(echo_fobj_pulse,1,N_echo_frame);t_clutter=700e-6;%杂波位置t_clutter_pulse=39e-6;sigma=2;%瑞利分布canshu数sigmat1=0:ts:t_clutter_pulse-ts;rand('state',0);%把均匀分布伪随机发生器置为0状态u=rand(1,length(t1));echo_clutter=0.08*sqrt(2*log(1./u))*sigma;%,*ss_echo_clutter_pulse=[zeros(1,t_clutter/ts),echo_clutter,zeros(1,(T_frame-t_clutter)/ts-length(echo_cl utter))];s_echo_clutter=repmat(s_echo_clutter_pulse,1,N_echo_frame);s_nosie=0.1*rand(1,N_echo_frame*T_frame/ts);s_echo=s_echo_mobj+s_echo_fobj+s_echo_clutter+s_nosie;clear s_echo_mobj;clear s_echo_fobj;clear s_echo_clutter;clear s_echo_clutter_pulse;clear s_nosie;clear echo_mobj_pulse;clear echo_mobj;clear echo_fobj_pluse;clear echo_clutter;clear s_doppler;clear t_doppler;%________正交解调_____________%N=N_echo_frame*T_frame/ts;n=0:N-1;local_oscillator_i=cos(n*f0/fs*pi);%I路本振信号local_oscillator_q=cos(n*f0/fs*pi);%Q路本振信号s_echo_i=local_oscillator_i.*s_echo;%I路解调s_echo_q=local_oscillator_q.*s_echo;%Q路解调window=chebwin(51,40);%这是采50阶cheby窗的FIR低通滤波器[b,a]=fir1(50,2*B/fs,window);s_echo_i=[s_echo_i,zeros(1,25)];s_echo_q=[s_echo_q,zeros(1,25)];s_echo_i=filter(b,a,s_echo_i);s_echo_q=filter(b,a,s_echo_q);s_echo_i=s_echo_i(26:end);%截取有效信息s_echo_q=s_echo_q(26:end);%截取有效信息s_echo_mf=s_echo_i+j*s_echo_q;clear s_echo_iclear local_oscillator_i;clear local_oscillator_q;clear s_echo_i;clear s_echo_q;clear n;%%%%%%%%%%%%%%%脉冲压缩处理%%%%%%%%%%%%%%%%%%%%%%%% for i=1:N_echo_frames_echo_fft_result=fft(s_echo_mf(1,(i-1)*T_frame/ts+1:i*T_frame/ts),M);s_pc_fft_1=s_echo_fft_result.*match_filter_1_fft;s_pc_fft_2=s_pc_fft_1.*match_filter_2_fft;s_pc_result(i,:)=ifft(s_pc_fft_2,M);endclear s_echo_mf;s_pc_result_1=s_pc_result';s_pc_result_1=reshape(s_pc_result_1,1,N_echo_frame*M);figure,subplot(2,1,1),plot(0:ts:length(s_pc_result_1)*ts-ts,real(s_pc_result_1)),%N_echo_frame*T_frame-tsxlabel('t(单位:s)'),title('脉冲压缩处理后结果（实部）');subplot(2,1,2),plot(0:ts:length(s_pc_result_1)*ts-ts,imag(s_pc_result_1)),xlabel('t(单位:s)'),title('脉冲压缩处理后结果（虚部）'); %%%%%%%%%%%%%%%%%%%%%固定杂波对消处理%%%%%%%%%%%%%%%% for i=1:16s_MTI_result(i,:)=s_pc_result(i,:)+s_pc_result(i+2,:)-2*s_pc_result(i+1,:);endclear s_pc_result;clear s_pc_result_1;s_MTI_result_1=s_MTI_result';s_MTI_result_1=reshape(s_MTI_result_1,1,(N_echo_frame-2)*M);figure,subplot(2,1,1),plot(0:ts:length(s_MTI_result_1)*ts-ts,real(s_MTI_result_1)),xlabel('t(单位:s)'),title('固定杂波对消后结果（实部）');subplot(2,1,2),plot(0:ts:length(s_MTI_result_1)*ts-ts,imag(s_MTI_result_1)),xlabel('t(单位:s)'),title('固定杂波对消后结果（虚部）');clear s_MTI_result_1;结论使用Matlab 进行雷达信号处理系统仿真，能迅速建立起系统模型，设计理念可以在任何细节上得到体现，建模时间短，模型简单、清晰，计算精度高，同时在系统设计的任何阶段都能够很方便地修改模型、评估结果和验证系统行为。