【雷达原理】雷达测距原理及实现方法

news2024/10/6 8:38:57

目录

  • 一、雷达测距原理
    • 1.1 基本原理
    • 1.2 实现方法
    • 1.3 与距离有关的概念
  • 二、MATLAB仿真实验
    • 2.1 应用案例
    • 2.2 MATLAB代码

一、雷达测距原理

1.1 基本原理

我们知道,电磁波的传播速度为光速 c c c,若雷达与目标之间的距离为 R R R,则雷达发出的电磁波到达目标,再经过目标反射后被雷达接收到,所用的时间 τ τ τ 为:
τ = 2 R c τ=\frac{2R}{c} τ=c2R
时间 τ τ τ 称为发射信号与回波信号的时延,对于LFMCW雷达,在一个调制周期内,发射信号与接收信号的差频 f b f_{b} fb 为:
f b = μ τ f_{b}=μτ fb=μτ
进而可以得到: f b = μ 2 R c f_{b}=μ\frac{2R}{c} fb=μc2R,说明目标与雷达之间的相对距离 R R R 跟信号混频后的差频 f b f_{b} fb 成正比。
一般情况下,雷达的调频斜率 μ μ μ 是固定的,电磁波在空气中的传播速度 c c c 约为 3 × 1 0 8 3×10^{8} 3×108,所以要测量目标的距离 R R R,只需要计算差频 f b f_{b} fb 即可。

1.2 实现方法

发射信号与接收信号经过混频、低通滤波等处理后,得到中频信号(IF),此时的中频信号为模拟信号,需要用ADC将模拟信号转换为数字信号,才可以进行后续处理。ADC采样后的信号为离散点,借助离散傅里叶变换(DFT),将中频信号从时域变换到频域,从而计算出信号的频率。

在实际工程应用中,为了计算的实时性,通常采用离散傅里叶变换的快速算法——快速傅里叶变换(FFT)来实现信号的时频转换。

1.3 与距离有关的概念

(1)最大测量距离
设中频信号的频率为 f I F f_{IF} fIF f I F = f b = μ 2 R c f_{IF}=f_{b}=μ\frac{2R}{c} fIF=fb=μc2R,所以目标的最大可测量距离为:
R m a x = f I F m a x c 2 μ R_{max}=\frac{f_{IF_{max}}c}{2μ} Rmax=2μfIFmaxc
而信号经过ADC采样后,可测量的信号最大频率受限于采样率 F s F_{s} Fs,即 F s > = f I F m a x = μ 2 R m a x c F_{s}>=f_{IF_{max}}=μ\frac{2R_{max}}{c} Fs>=fIFmax=μc2Rmax,从而得到:
R m a x = F s c 2 μ R_{max}=\frac{F_{s}c}{2μ} Rmax=2μFsc
实际上,无论是奈奎斯特采样还是带通采样,采样后可测量到有效的信号最大频率小于等于 F s / 2 F_{s}/2 Fs/2

(2)距离点精度
距离点精度表示在频域上,一个频率点(频率分辨率)对应的目标距离,设中频信号的采样点为 N N N,进行 F F T FFT FFT 的点数为 N f f t N_{fft} Nfft,此时的频率分辨率为 △ f = F s N f f t △f=\frac{F_{s}}{N_{fft}} f=NfftFs,从而得到距离点精度为:
R p o i n t = c 2 μ F s N f f t R_{point}=\frac{c}{2μ}\frac{F_{s}}{N_{fft}} Rpoint=2μcNfftFs
(3)距离分辨力
距离分辨率是指雷达对距离相近的两个目标的分辨能力。设两个目标与雷达之间的距离差为 △ R △R R,则在频域上其频率相差为 △ f = △ R ⋅ 2 μ c △f=\frac{△R·2μ}{c} f=cR2μ
△ f > 1 T = > △ R ⋅ 2 μ c > 1 T = > △ R > c 2 μ ⋅ T △f>\frac{1}{T}=> \frac{△R·2μ}{c}>\frac{1}{T}=> △R> \frac{c}{2μ·T} fT1=>cR2μT1=>R>2μTc
又因为带宽 B = μ ⋅ T B=μ·T B=μT,所以 △ R > c 2 B △R>\frac{c}{2B} R2Bc,因此,距离分辨率的计算公式为:
R p o i n t = c 2 B R_{point}= \frac{c}{2B} Rpoint=2Bc
由距离点精度的计算公式易知,若信号进行 F F T FFT FFT 的点数 N f f t = N = F s ⋅ T N_{fft}=N=F_{s}·T Nfft=N=FsT,则有 △ R = c 2 B △R= \frac{c}{2B} R=2Bc

(4)距离测量精度
距离测量精度是指雷达对目标的距离测量值与目标到雷达的真实距离之间的误差。噪声是影响雷达测量的最主要因素,通常采用测量值与真实值之差的均方根值来度量雷达的测距误差,即测距精度。
计算公式为:
σ R = c 2 B ⋅ s q r t ( 2 S N R ) σ_{R}=\frac{c}{2B·sqrt({2SNR})} σR=2Bsqrt(2SNR)c

二、MATLAB仿真实验

2.1 应用案例

(1)对固定目标的测量
设定一个距离为R1=1000m的目标,利用雷达测距方法在MATLAB上进行仿真验证,对混频后的信号加汉明窗,进行4096点FFT,得到其频谱图如下:
在这里插入图片描述
由图可知,目标峰值点出现在x=138的位置,根据距离点精度的计算公式 R p o i n t = c 2 μ F s N f f t R_{point}=\frac{c}{2μ}\frac{F_{s}}{N_{fft}} Rpoint=2μcNfftFs,得到 R p o i n t = 7.3192 R_{point}=7.3192 Rpoint=7.3192,所以目标距离测量结果为:
R m e = R p o i n t ∗ ( 138 − 1 ) = 1002.7 m R_{me}=R_{point}*(138-1)=1002.7m Rme=Rpoint(1381)=1002.7m
与目标实际位置1000m,存在2.7m的测距误差。

(2)不同带宽下的距离分辨率

2.2 MATLAB代码

(1)对固定目标的测量

clc;
clear;
close all;

%% LFM信号参数
B = 20e6;       % 带宽
T = 100e-6;      % 脉冲宽度
u = B/T;        % 调频斜率
fs = 2*B;       % 采样率
N = T*fs;       % 采样点数

c = physconst('LightSpeed');        % 光速
f0 = 77e9;                          % 载频
Lambda = c/f0;                      % 波长

R_max = fs*c/(2*u);     % 最大测量距离
%% 模拟信号
t = linspace(0,T,N);
Phase_t = @(f0,u,t) 2*pi*(f0*t+1/2*u*t.^2);        % LFM信号的相位表达式

Signal_Tx = rectpuls(t-T/2,T).*exp(1j*Phase_t(f0,u,t));        % 发射信号

R0 = 1000;           % 静止目标
tao = 2*R0/c;       % 目标回波的时延
Signal_Rx = rectpuls(t-T/2,T).*exp(-1j*Phase_t(f0,u,(t-tao)));        % 接收信号

% 混频
Signal_Mix = Signal_Tx.*Signal_Rx;

% 测距
win = hamming(N);       % 加窗
Nfft = 4096;            % FFT点数
R_point = (fs/Nfft)*c/(2*u);    % 距离点精度
delta_R = c/(2*B);              % 距离分辨率
fft_Data = fft(Signal_Mix.*win',Nfft);
figure;
subplot(2,1,1);plot(abs(fft_Data));title('距离维fft');xlim([0 400]);
subplot(2,1,2);plot(mag2db(abs(fft_Data)));title('距离维fft(db)');xlim([0 400]);

(2)不同带宽下的距离分辨率

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1063191.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

网络爬虫中的代理技术:socks5代理和HTTP代理

网络爬虫是一种非常重要的数据采集工具,但是在进行网络爬虫时,我们经常会遇到一些限制,比如IP封锁、反爬虫机制等,这些限制会影响我们的数据采集效果。为了解决这些问题,我们可以使用代理服务器,其中socks5…

Vue中如何进行自定义图表与可视化图形设计

Vue中如何进行自定义图表与可视化图形设计 在现代Web应用程序开发中,数据可视化图表和图形设计是至关重要的一部分。Vue.js是一个流行的JavaScript框架,它提供了强大的工具来构建交互性强大的用户界面。本文将探讨如何在Vue.js中进行自定义图表和可视化…

好奇喵 | Tor浏览器——访问.onion网址,揭开Dark Web的神秘面纱

前言 在之前的博客中: 1.Surface Web —> Deep Web —> Dark Web,我们解释了表层网络、深层网络等的相关概念; 2.Tor浏览器——层层剥开洋葱,我们阐述了Tor的历史和基本工作原理; 3.Tor浏览器…

Oracle Database Express Edition (XE)配置与部署

获取下载安装包 https://www.oracle.com/cn/database/technologies/xe-downloads.htmlhttps://yum.oracle.com/repo/OracleLinux/OL7/latest/x86_64/index.html安装.rpm安装包 cd /usr/local/src wget https://download.oracle.com/otn-pub/otn_software/db-express/oracle-d…

实时人脸五观检测:基于libfacedetection(CNN模型)

一、前言 随着人工智能技术的不断发展,人脸检测已成为计算机视觉领域的重要应用之一。人脸检测是一种将输入图像中的人脸位置和轮廓提取出来的技术,广泛应用于人脸识别、智能监控、人机交互等领域。利用libfacedetection开源的人脸检测库,实现人脸检测。 libfacedetection…

华为云云耀云服务器L实例评测|SpringCloud相关组件——nacos和sentinel的安装和配置 运行内存情况 服务器被非法登陆尝试的解决

前言 最近华为云云耀云服务器L实例上新,也搞了一台来玩,期间遇到各种问题,在解决问题的过程中学到不少和运维相关的知识。 本篇博客介绍SpringCloud相关组件——nacos和sentinel的安装和配置,并分析了运行内存情况,此…

osg实现自定义插件读取自定义格式的模型文件到场景

目录 1. 前言 2. 预备知识 3. 工具、原料 4. 代码实现 1. 前言 osg提供了很多插件来读取模型文件到场景中,这些插件支持大约70种格式类型的文件,但现实中的文件是各式各样,osg不可能囊括所有类型文件,当osg不支持某种类型格式…

林沛满-Wireshark的提示

本文整理自:《Wireshark网络分析的艺术 第1版》 作者:林沛满 著 出版时间:2016-02 最近有不少同事开始学习 Wireshark,他们遇到的第一个困难就是理解不了主界面上的提示信息,于是跑来问我。问的人多了,我也…

海洋测绘外业总结(2023年9月)

本次外业大约历时2个多月,中间遇到了多波束噪声、电火花电源箱冒烟、侧扫声纳绞车承重头内部线路中断,连接拖鱼的硫化头烧坏问题。 1、多波束噪声的问题 在外业采集过程中,EM2040D多波束水体图呈现了明显三段,意思就是&#xff…

SSM 注解配置方式整合

文章目录 Bean注解使用注解方式代替 web.xml 文件Spring注解方式整合Mybatis事务管理器配置请求与响应EnableWebMvc 注解REST 风格RestControllerComponentScan静态资源放行表现层数据封装EnableAspectJAutoProxy(AOP注解方式)AOP 通知获取数据&#xff…

AUTOSAR COM模块框架梳理

框架: COM的功能主要就是两个: 把IPDU内的signal提取出来提供给SWC使用,把SWC发送的signal拷贝到IPDU buffer内 所以,COM的关键字是 signal, signal group, IPDU, IPDU group Signal group 是为了保证 Complex Data Types 的数…

NodeMCU ESP8266开发流程详解(图文并茂)

文章目录 整体架构打开软件setuploop 连接开发板CP2102版本CH340版本 下载结论 整体架构 NodeMCU ESP8266基于Arduino IDE的开发相对来说还是比较容易上手的,我们基本需要以下几个东西; 一台安装好Arduino IDE的PC,并且已经部署环境&#x…

unity脚本_transform父子物体

运行 就没有父子关系了 当我们需要设置父物体时 通常我们用方式二 说明: 参数一:父物体 参数二:是否保留世界坐标的 位置 角度 缩放 信息 true 会保留 世界坐标系下的状态 和 父物体 进行计算 得到本地坐标系信息 false 不会保留 会直…

点餐小程序实战教程04-用户注册

我们上一篇讲解了自定义方法以及生命周期函数的概念,本节我们讲解一下数据源操作的方法。 1 查询单条数据 在我们的业务逻辑里,是要根据用户的登录信息来去数据源获取数据,根据返回结果来判断是否注册过。这里就涉及到要如何过滤数据的问题…

Qt扩展-Advanced-Docking 简介及配置

Advanced-Docking 简介及配置 一、概述二、项目结构三、安装配置四、代码测试 一、概述 Advanced-Docking 是类似QDockWidget 功能的多窗口停靠功能的库。很像visual stdio 的 停靠功能,这个库对于停靠使用的比较完善。很多的软件都使用了这个框架。 项目源地址&a…

基于知识蒸馏的两阶段去雨去雪去雾模型学习记录(二)之知识收集阶段

前面学习了模型的构建与训练过程,然而在实验过程中,博主依旧对数据集与模型之间的关系有些疑惑,首先是论文说这是一个混合数据集,但事实上博主在实验时是将三个数据集分开的,那么在数据读取时是如何混合的呢&#xff0…

【前端开发---Vue3】前段开发之详细的Vue3入门教程,特别适合小白系统学习,入门到熟练使用Vue看这一篇就够了!

前言: 这篇文章更加侧重的是Vue3不同于Vue2的知识点,如果学习Vue2请看下面这篇文章 Vue2详细系统入门教程 11.2 Vue3 声明:图片资源来自于黑马程序员公开学习资料 本人在学习当中,详细整理了笔记,供大家参考学习 1…

基于最近电平逼近的开环MMC逆变器Simulink仿真模型

💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…

重新认识AUTOSAR Interface

核心: S/R interface: data elementC/S interface: operation (with arguement)M/S interface: mode group (macro) 其实 data element,operation,mode group 才是核心,他们可以看作是用户自定义的变量类…

柯桥实用口语学习,韩语口头禅系列短句-恋爱篇

사랑해.我爱你。 너한테 미치겠어.我为你疯狂。 난 니거야.我是你的。 넌 내거야.你是我的。 너 잘 생겼어.你很帅。 네가 뽀뽀/키스 해도 돼? 我可以吻你吗?