欢迎来到海神之光博客之家✅博主简介热爱科研的Matlab仿真开发者修心和技术同步精进个人主页海神之光代码获取方式海神之光Matlab王者学习之路—代码获取方式⛳️座右铭行百里者半于九十。更多Matlab信号处理仿真内容点击①Matlab信号处理 进阶版②付费专栏Matlab信号处理初级版⛳️关注CSDN海神之光更多资源等你来⛄一、雷达信号处理简介利用MATLAB设计经典的雷达数字信号处理。该系统具备对雷达目标回波的处理能力能够从噪声中将目标检测出来并提取目标的距离、速度、角度信息。教程分五节完成主要包括第一节雷达LFM信号分析第二节脉冲压缩处理第三节相参积累处理第四节恒虚警CFAR处理第五节目标信息提取处理。1 雷达LFM信号分析脉冲压缩雷达最常见的调制信号是线性调频Linear Frequency Modulation信号,接收时采用匹配滤波器Matched Filter压缩脉冲。脉冲压缩雷达能同时提高雷达的作用距离和距离分辨率。这种体制采用宽脉冲发射以提高发射的平均功率保证足够大的作用距离而接受时采用相应的脉冲压缩算法获得窄脉冲以提高距离分辨率较好的解决雷达作用距离与距离分辨率之间的矛盾。LFM信号的数学表达式为2.脉冲压缩处理脉冲压缩指雷达在发射时采用宽脉冲信号接收和处理回波后输出窄脉冲。脉冲压缩技术是匹配滤波理论和相关接收理论的一个很好的实际应用。很好地解决了这样的一个问题在发射端发射大时宽、带宽信号以提高信号的发射能量而在接收端将宽脉冲信号压缩为窄脉冲以提高雷达对目标的距离分辨精度和距离分辨力。该技术解决了雷达远距离探测与高精度测距性能不可兼顾的问题是现代雷达中不可缺少的关键技术。脉冲压缩的DSP处理方法有时域相关或频域相乘。对于点数较多的回波信号采用频域相乘方法可以获得较快的运算速度。频域脉冲压缩的原图如下图所示。DSP对采样后的数据进行FFT变换变换至频域后与其匹配滤波器频率数据进行复数相乘相乘后再与复数补偿因子进行相乘解决脉冲间距离走动问题最后将结果做IFFT重新变换回时域。其中FFT点数、复数相乘点数、IFFT点数均为1024点。信号的匹配滤波器的时域脉冲响应为3.相参积累处理在信号理论中相参又称为相干定义为脉冲之间存在确定的相位关系。简单来说脉冲间的相位可以互相对照知道其中一个相位就有办法知道另外一个。相参处理的意义在于脉冲积累时提高信噪比提高多普勒频率的准确度。由于雷达回波信号不但有微弱的信号还会有很强的噪声。雷达的主要目的就是要把微弱的目标信号从噪声中分离出来设法提高信噪比。要想把信号提取出来必须要将信号放大但放大的同时噪声也被放大因为它们总是同时存在的并且放大电路自己本身也有噪声放大后信号与噪声的比值反而变小了更不利于提取有用的回波信号。解决的方法是进行相参积累可以对n个回波进行累加由于噪声是随机的累加的结果是信号变强而噪声因是随机的强度反而变小这样信号与噪声比就提高了。相参积累中多个脉冲之间相位关系固定且明确所以理论上积累后信噪比可提高到n倍。下图为相参积累原理示意图4.恒虚警CFAR处理恒虚警率CFAR是ConstantFalse-AlarmRate的缩写。在雷达信号检测中当外界干扰强度变化时雷达能自动调整其灵敏度使雷达的虚警概率保持不变这种特性称为恒虚警率特性。恒虚警率检测是雷达目标自动检测的一个重要组成部分作为从雷达中提取目标的第一步是进一步识别目标的基础。虚警率是指侦察设备在单位时间内将噪声或其他干扰信号误判为威胁辐射源信号的概率。而恒虚警率检测则证明了检测算法的稳定性和可靠性。雷达信号恒虚警率检测就是要求虚警概率保持恒定这主要是因为在雷达信号检测中信号的最佳检测通常采用奈曼-皮尔逊准则即在保持恒定的虚警概率的条件下使正确检测的概率达到最大值。精细的恒虚警检测。5.目标信息提取处理本文介绍的雷达系统采用单脉冲体制具备精密跟踪的能力。每发射一个脉冲天线能同时形成若干个波束将各波束回波信号的振幅和相位进行比较当目标位于天线轴线上时各波束回波信号的振幅和相位相等信号差为零当目标不在天线轴线上时各波束回波信号的振幅和相位不等产生信号差驱动天线转向目标直至天线轴线对准目标这样可测出目标的方位角与俯仰角。从各波束接收的信号之和可测出目标的距离从而实现对目标的测量和跟踪功能。单脉冲雷达已经广泛应用在军事上主要用于目标识别、靶场精密跟踪测量、导弹预警和跟踪、导弹再入弹道测量、火箭和卫星跟踪、武器火力控制、炮位侦查、地形跟随、导航、地图测绘等在民用上主要用于交通管制。单脉冲自动测角属于同时波瓣测角法在一个角平面内两个相同的波束部分重叠交叠方向即为等信号轴的方向。将这两个波束接收到的回波信号进行比较就可取得目标在这个平面上的角误差信号然后将此误差电压放大变换后加到驱动电动机控制天线向减小误差的方向运动。因为两个波束同时接收到回波故单脉冲测角获得目标角误差信息的时间可以很短理论上只要分析一个回波脉冲就可以确定角误差所以叫“单脉冲”。这种方法可以获得很高的测角精度故精密跟踪雷达通常采用它。由于取出角度误差信号的具体方法不同单脉冲雷达的种类很多应用最广的是振幅和差式单脉冲雷达该方法的实质实际上是利用两个偏置天线方向图的和差波束。⛄二、部分源代码%% 线性调频信号的产生clc;close all;clear all;T 10e-6; %脉宽B 25e6; %信号带宽K B/T; %调频斜率Fs 2B;Ts 1/Fs; %采样频率及采样间隔N T/Ts;t linspace(-T/2,T/2,N);St exp(jpiKt.^2); %生成线性调频信号figure;subplot(211)plot(t1e6,St);xlabel(‘Time in u sec’);title(‘线性调频信号’);grid on;axis tight;subplot(212)freq linspace(-Fs/2,Fs/2,N);plot(freq1e-6,fftshift(abs(fft(St))));xlabel(‘Frequency in MHz’);title(‘线性调频信号的幅频特性’);grid on;axis tight;%% CFAR% 先运行 processCoherent.m文件%%%%%%%%%%%二维筛选%%%%%%%%%N_ref_2D M/4; %参考区域大小PC_data_ifft_CA_abs abs(PC_data_ifft_CA);N_point length(PC_data_ifft_CA_abs);%计算区域1的和sum1 sum(PC_data_ifft_CA_abs(1:N_ref_2D,1:N_ref_2D)); %按行相加sum_ref_2D(1,1) sum(sum1(1,:)); %按列相加%计算区域2的和sum2 sum(PC_data_ifft_CA_abs(1:N_ref_2D,(N_point-N_ref_2D1):N_point));sum_ref_2D(1,2) sum(sum2(1,:));%计算区域3的和sum3 sum(PC_data_ifft_CA_abs((M-N_ref_2D1):M,1:N_ref_2D));sum_ref_2D(1,3) sum(sum3(1,:));%计算区域4的和sum4 sum(PC_data_ifft_CA_abs((M-N_ref_2D1):M,(N_point-N_ref_2D1):N_point));sum_ref_2D(1,4) sum(sum4(1,:));%%%产生门限Threshold%%%SNR_Threshold 15; % 检测门限 dBThreshold ((sum(sum_ref_2D(:,1:4)) - max(sum_ref_2D))/(N_ref_2D2*3))*10(SNR_Threshold/10);%%%寻找 PC_data_ifft_CA 中大于门限的点并记录其位置%%%location zeros(M,N_point); %填1表示该点大于门限for i1:1:Mfor j1:1:N_pointif(PC_data_ifft_CA_abs(i,j) (1*Threshold))location(i,j) 1;elselocation(i,j) 0;endendend% figure(4),mesh(location),title(‘二维筛选后的结果/location’);axis tight;%%%筛选结果显示%%%selected zeros(M,N_point);for i1:1:Mfor j1:1:N_pointif(location(i,j) 1)selected(i,j) PC_data_ifft_CA_abs(i,j);elseselected(i,j) 0;endendendfigure(5),mesh(t_x_ca_cut,f_x_ca,selected),title(‘二维CFAR后的结果(信号1的SNR-5,信号2的SNR2)/selected’);axis tight;xlabel(‘时间/s’,‘FontSize’,12);ylabel(‘频率/Hz’,‘FontSize’,12);zlabel(‘检测结果(尖峰处为目标)’,‘FontSize’,12);%%%%%%%%%%二维筛选结束%%%%%%%%%%%%%%%%%%%%%一维筛选%%%%%%%%%%%%%%距离维筛选%%%%N_prot_R 30; %保护单元覆盖第二旁瓣次大点与次次大点N_ref_R 135; %参考单元threshold_R zeros(M,N_point); %记录距离维每个观察点的门限值for i1:1:Mfor j1:1:N_pointif(location(i,j) 1) %只筛选经过二维筛选之后的点if(j (N_prot_R N_ref_R) ) %观察点过于偏左左侧点数不足threshold_R(i,j) (sum(PC_data_ifft_CA_abs(i,(jN_prot_R1):(jN_prot_RN_ref_R))))/N_ref_R; %观察点右侧参考点相加求平均elseif( j (N_point - N_prot_R - N_ref_R 1)) %观察点过于偏右右侧点数不足threshold_R(i,j) (sum(PC_data_ifft_CA_abs(i,(j-N_prot_R-N_ref_R):(j-N_prot_R-1))))/N_ref_R; %观察点左侧参考点求平均else %观察点居中左右点数均足够sum_R_left sum(PC_data_ifft_CA_abs(i,(j-N_prot_R-N_ref_R):(j-N_prot_R-1)));sum_R_right sum(PC_data_ifft_CA_abs(i,(jN_prot_R1):(jN_prot_RN_ref_R)));threshold_R(i,j) max(sum_R_left,sum_R_right)/(N_ref_R); %观察点两侧取大的一侧求均值endelsethreshold_R(i,j) 0;endendend%利用距离维门限进行一维筛选location_R zeros(M,N_point);for i1:1:Mfor j1:1:N_pointif(location(i,j) 1) %只筛选经过二维筛选之后的点if(PC_data_ifft_CA_abs(i,j) (1*threshold_R(i,j)))location_R(i,j) 1;elselocation_R(i,j) 0;endelselocation_R(i,j) 0;endendend⛄三、运行结果⛄四、matlab版本及参考文献1 matlab版本2014a2 参考文献[1]李树锋.基于完全互补序列的MIMO雷达与5G MIMO通信[M].清华大学出版社.2021[2]何友,关键.雷达目标检测与恒虚警处理第二版[M].清华大学出版社.20113 备注简介此部分摘自互联网仅供参考若侵权联系删除 仿真咨询1 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化2 机器学习和深度学习方面卷积神经网络CNN、LSTM、支持向量机SVM、最小二乘支持向量机LSSVM、极限学习机ELM、核极限学习机KELM、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断3 图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知4 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化5 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配6 无线传感器定位及布局方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化7 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化8 电力系统方面微电网优化、无功优化、配电网重构、储能配置9 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长10 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合