基于matlab模拟雷达接收机测试信号

news2024/10/6 22:18:56

一、前言

本例展示了如何模拟单基地脉冲雷达的接收信号以估计目标范围。单基地雷达将发射器与接收器并置。发射器产生一个脉冲,该脉冲击中目标并产生接收器接收的回波。通过测量回波在时间上的位置,我们可以估计目标的范围。

本示例重点介绍脉冲雷达系统设计,该系统可以实现一组设计规范。它概述了将设计规范(如探测概率和距离分辨率)转换为雷达系统参数(如发射功率和脉冲宽度)的步骤。它还对环境和目标进行建模,以合成接收的信号。最后,将信号处理技术应用于接收信号以检测目标的范围。

二、设计规格

该脉冲雷达系统的设计目标是在距离雷达最远5000米的距离内检测至少具有50平方米雷达横截面(RCS)的非波动目标,距离分辨率为0米。所需的性能指标是检测概率 (Pd) 为 9.1,误报概率 (Pfa) 低于 6e-<>。由于相干检测需要相位信息,因此计算成本更高,因此我们采用非相干检测方案。此外,此示例假定为可用空间环境。

三、单基地雷达系统设计

我们需要定义雷达系统的几个特征,例如波形、接收器、发射器以及用于辐射和收集信号的天线。

3.1波形

在本例中,我们选择矩形波形。所需的距离分辨率决定了波形的带宽,对于矩形波形,带宽决定了脉冲宽度。

脉冲波形的另一个重要参数是脉冲重复频率(PRF)。PRF 由最大明确范围决定。

请注意,我们将采样率设置为带宽的两倍。

3.2 接收器噪声特性

我们假设接收器中存在的唯一噪声是热噪声,因此此仿真中不涉及杂乱。热噪声的功率与接收器带宽有关。接收器的噪声带宽设置为与波形带宽相同。在实际系统中通常就是这种情况。我们还假设接收器具有20 dB增益和0 dB噪声系数。

3.3 发射机

发射器最关键的参数是峰值发射功率。所需的峰值功率与许多因素有关,包括最大明确范围、接收器所需的SNR以及波形的脉冲宽度。其中,接收器所需的信噪比由Pd和Pfa的设计目标以及接收器实施的检测方案决定。

Pd、Pfa 和 SNR 之间的关系可以用接收器工作特性 (ROC) 曲线来最好地表示。我们可以使用以下命令生成曲线,其中 Pd 是 Pfa 的函数,用于改变 SNR:

ROC曲线表明,为了满足Pfa = 1e-6和Pd = 0.9的设计目标,接收信号的SNR必须超过13 dB。这是一个相当高的要求,不是很实用。为了使雷达系统更可行,我们可以使用脉冲积分技术来降低所需的SNR。如果我们选择积分 10 个脉冲,曲线可以生成为

我们可以看到所需的功率已降至5 dB左右。可以通过积分更多的脉冲来进一步降低SNR,但由于目标的运动或环境的异质性,可用于积分的脉冲数量通常受到限制。

上述方法从曲线中读出SNR值,但通常只计算所需的值是可取的。对于非相干检测方案,所需信噪比的计算理论上相当复杂。幸运的是,有很好的近似值,例如阿尔伯斯海姆方程。使用阿尔伯斯海姆方程,所需的信噪比可以推导出为

一旦我们在接收器上获得所需的SNR,就可以使用雷达方程计算发射器的峰值功率。这里我们假设发射器的增益为20 dB。

为了使用雷达方程计算峰值功率,我们还需要知道传播信号的波长,这与系统的工作频率有关。在这里,我们将工作频率设置为 10 GHz。

请注意,由此产生的功率约为 5 kW,这是非常合理的。相比之下,如果我们不使用脉冲积分技术,产生的峰值功率将是33 kW,这是巨大的。

有了所有这些信息,我们就可以配置变送器了。

同样,由于此示例对单基地雷达系统进行建模,因此 InUseOutputPort 设置为 true 以输出发射器的状态。然后,该状态信号可用于使能接收器。

3.4 散热器和集电器

在雷达系统中,信号以电磁波的形式传播。因此,信号需要由雷达系统中使用的天线辐射和收集。这就是散热器和收集器进入图片的地方。

在单基地雷达系统中,辐射器和集电极共享同一天线,因此我们将首先定义天线。为了简化设计,我们选择了各向同性天线。请注意,天线需要能够在系统的工作频率(10 GHz)下工作,因此我们将天线的频率范围设置为5-15 GHz。

我们假设天线是静止的。根据天线和工作频率,我们定义了辐射器和集电极。

这样就完成了雷达系统的配置。在以下部分中,我们将定义其他实体,例如模拟所需的目标和环境。然后,我们将模拟信号返回并对模拟信号进行距离检测。

四、系统仿真

4.1 目标

为了测试我们的雷达探测目标的能力,我们必须首先定义目标。让我们假设太空中有 3 个静止的、非波动的目标。它们的位置和雷达横截面如下。

4.2 传播环境

为了模拟信号,我们还需要定义雷达系统和每个目标之间的传播信道。

由于此示例使用单基地雷达系统,因此通道设置为模拟双向传播延迟。

4.3 信号合成

现在,我们已准备好模拟整个系统。

合成的信号是一个数据矩阵,每列都有快速时间(每个脉冲内的时间),每行都有慢时间(脉冲之间的时间)。为了可视化信号,定义快速时间网格和慢时间网格很有帮助。

以下循环模拟接收信号的 10 个脉冲。

我们为接收器中的噪声生成设置种子,以便我们可以重现相同的结果。

五、距离检测


5.1 检测阈值

检波器将信号功率与给定阈值进行比较。在雷达应用中,通常选择阈值以使 Pfa 低于某个水平。在这种情况下,我们假设噪声是白色高斯噪声,检测是非相干的。由于我们也使用 10 个脉冲进行脉冲积分,因此信号功率阈值由下式给出。我们用阈值绘制前两个接收到的脉冲

这些图中的阈值仅用于显示目的。请注意,第二个和第三个目标回波比第一个回波弱得多,因为它们离雷达更远。因此,接收到的信号功率与范围有关,阈值对位于不同范围的目标不公平。

5.2 匹配过滤器

匹配滤波器提供处理增益,从而提高检测阈值。它将接收到的信号与发射波形的局部、时间反转和共轭副本进行卷积。因此,我们必须在创建匹配滤波器时指定传输的波形。接收到的脉冲首先通过匹配滤波器以提高SNR,然后再进行脉冲积分、阈值检测等。

匹配滤波器引入固有滤波器延迟,使峰值位置(最大SNR输出样本)不再与真实目标位置对齐。为了补偿这种延迟,在本例中,我们将匹配滤波器的输出向前移动,并在末尾填充零。请注意,在实际系统中,由于数据是连续收集的,因此实际上没有尽头。

然后,阈值通过匹配的滤波器处理增益增加。下图显示了相同的两个脉冲通过匹配滤波器后的情况。

在匹配滤波器级之后,SNR得到改善。但是,由于接收信号功率取决于范围,因此近距离目标的返回仍然比远处目标的返回要强得多。因此,如上图所示,来自近距离箱的噪声也有很大的机会超过阈值并遮蔽更远的目标。为了确保阈值对可检测范围内的所有目标都是公平的,我们可以使用时变增益来补偿接收回波中的距离相关损耗。

为了补偿与距离相关的损耗,我们首先计算对应于每个信号样本的范围门,然后计算对应于每个范围门的自由空间路径损耗。获得该信息后,我们对接收到的脉冲施加时变增益,以便返回值好像来自相同的参考范围(最大可检测范围)。

现在让我们在范围归一化后绘制相同的两个脉冲

时变增益操作导致本底噪声斜坡上升。但是,目标回报现在与范围无关。现在可以使用恒定阈值在整个可检测范围内进行检测。

请注意,在此阶段,阈值高于每个脉冲中包含的最大功率电平。因此,现阶段还无法检测到任何内容。我们需要执行脉冲积分,以确保来自目标的返回回波的功率可以超过阈值,同时使本底噪声低于条。这是意料之中的,因为它是脉冲积分,允许我们使用较低功率的脉冲序列。

5.3 非相干积分

我们可以通过非相干积分(视频积分)接收到的脉冲来进一步提高信噪比。

在视频集成阶段之后,数据已准备好进入最终检测阶段。从图中可以看出,来自目标的所有三个回波都高于阈值,因此可以检测到。

5.4 距离检测

最后,对积分脉冲进行阈值检测。检测方案识别峰值,然后将其位置转换为目标范围。

请注意,这些距离估计值仅在雷达系统可以实现的距离分辨率(50 m)下准确。

六、总结

在本例中,我们根据一组给定的性能目标设计了一个雷达系统。根据这些性能目标,计算了雷达系统的许多设计参数。该示例还展示了如何使用设计的雷达来执行距离检测任务。

七、程序

使用Matlab R2022b版本,点击打开。(版本过低,运行该程序可能会报错)

打开下面的“XXX.m”文件,点击运行,就可以看到上述效果。

程序下载:https://download.csdn.net/download/weixin_45770896/87666452

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/490679.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

【线程安全】死锁问题及解决方案

1. 什么是死锁 比如上一次讲到 synchronized 的时候&#xff0c;一个线程&#xff0c;对同一个对象连续加锁两次&#xff0c;如果出现阻塞等待&#xff0c;代表这个锁是不可重入锁&#xff0c;这样的线程&#xff0c;也就称为死锁&#xff01; 一旦程序进入死锁了就会导致线程僵…

低代码开发重要工具:JVS列表页字段样式配置说明

列表页中&#xff0c;通常存在各种各样的样式控制&#xff0c;例如字段宽度需要可调、字段的颜色根据内容变化等&#xff0c;那么我们接下来介绍下字段的样式控制的内容以及对应的效果。 1、字段样式控制配置位置 进入列表页的 数据配置界面&#xff0c;每个字段可以有独立的配…

在外远程控制我的世界服务器 - MCSM面板【端口映射】

文章目录 概述1.MCSManager 安装2.内网穿透2.1 安装cpolar内网穿透 3. 访问公网地址4.固定公网地址4.1 保留一个二级子域名4.2 配置固定二级域名4.3 访问固定公网地址 5. 设置节点公网地址6. 固定节点公网地址6.1 保留一个固定tcp地址6.2 配置固定TCP地址 转载自远程穿透文章&a…

从零开始学习Linux运维,成为IT领域翘楚(七)

文章目录 &#x1f525;Linux下常用软件安装_JDK和Tomcat安装&#x1f525;Linux下常用软件安装_MySQL安装&#x1f525;Linux下常用软件安装_MySQL卸载 &#x1f525;Linux下常用软件安装_JDK和Tomcat安装 Jdk 安装 解压jdk安装包 tar -zxvf jdk-8u201-linux-x64.tar.gz -C/…

中国核心生态区类型及土地利用数据有哪些,如何进行获取

全国生态功能区划是在全国生态调查的基础上&#xff0c;分析区域生态特征、生态系统服务功能与生态敏感性空间分异规律&#xff0c;确定不同地域单元的主导生态功能&#xff0c;制定全国生态功能区划&#xff0c;对贯彻落实科学发展观&#xff0c;牢固树立生态文明观念&#xf…

顺序存储二叉树线索化二叉树

顺序存储二叉树&线索化二叉树 文章目录 顺序存储二叉树&线索化二叉树顺序存储二叉树介绍代码实现 线索化二叉树介绍代码实现 顺序存储二叉树 介绍 背景&#xff1a;从数据存储来看&#xff0c;数组存储方式和树的存储方式可以相互转换&#xff0c;即数组可以转换成树…

我把大厂起诉了,协商拿了2N,整理点经验心得给大家,关于离职时如何让自己利益最大化!...

离职时&#xff0c;如何让自己的利益最大化&#xff1f; 一位跟大厂仲裁&#xff0c;并通过协商拿到2n的网友分享了自己的经验心得&#xff0c;干货满满&#xff0c;下面是要点总结&#xff1a; 1.大部分裁员都是违法裁员&#xff0c;应该给2n&#xff0c;但公司不会承认&#…

排序算法 — 归并排序

文章目录 归并排序介绍从下往上的归并排序从上往下的归并排序 归并排序实现从上往下的归并排序从下往上的归并排序 归并排序的时间复杂度和稳定性归并排序时间复杂度归并排序稳定性 代码实现核心&总结 每日一道算法&#xff0c;提高脑力。第五天(时隔7天&#xff0c;终于回…

mac下用git客户端生成ssh秘钥并配置到souretree进行使用

一、使用git 生成 ssh 密钥 1、Mac 安装 git 客户端 打开终端&#xff0c;执行命令&#xff1a; $ brew install git2、执行命令 $ git config --global user.name "xxx" 你自己的名字 $ git config --global user.email "xxxxxx.com&q…

Educational-Codeforces-Round-147-Rated-for-Div-2

title: Educational Codeforces Round 147 (Rated for Div. 2) date: 2023-04-21 15:47:29 categories: AlgorithmCodeforces tags:codeforcesdiv2 Educational Codeforces Round 147 (Rated for Div. 2) A. Matching 题目大意 给你一个字符串&#xff0c;里面包含数字和?,…

Redis缓存穿透和雪崩

Redis缓存穿透和雪崩 Redis缓存的使用&#xff0c;极大的提升了应用程序的性能和效率&#xff0c;特别是数据查询方面。但同时&#xff0c;它也带来了一些问题。其中&#xff0c;最要害的问题&#xff0c;就是数据的一致性问题&#xff0c;从严格意义上讲&#xff0c;这个问题…

AI 工具合辑盘点(七)持续更新 之 AI 音频生成工具

AI 音频生成工具 想要不亲自录制&#xff0c;快速将文本转换为语音&#xff1f;AI 音频生成工具为你提供数千种语音选择&#xff0c;从“普通人”的声音到模仿演员、政治家或电影角色的合成声音&#xff0c;各种声音应有尽有 &#x1f5e3; AI 音频生成工具可用于创建商业用途…

模糊PID模糊控制(清晰化方法梯形图实现)

模糊PID的模糊化请参看下面的博客文章: 博途PLC模糊PID三角隶属度函数指令(含Matlab仿真)_plc 模糊pid_RXXW_Dor的博客-CSDN博客三角隶属度函数FC,我们采用兼容C99标准的函数返回值写法,在FB里调用会更加直观,下面给大家具体讲解代码。常规写法的隶属度函数FC可以参看下…

Python小姿势 - Python中的列表推导式

Python中的列表推导式 Python中的列表推导式是一种很好的创建列表的方式。它允许你将一个操作应用于列表中的每个元素&#xff0c;并将结果放入一个新的列表中。 例如&#xff0c;假设你有一个包含数字的列表&#xff0c;但是你想将每个数字都乘以2&#xff0c;并将结果放入一个…

第三十二章 Unity Mecanim动画系统(上)

在上一章节中&#xff0c;我们介绍了Unity的旧版动画系统&#xff0c;本章节来介绍新版的Mecanim动画系统。新版的Mecanim动画系统实际是对旧版动画系统的升级。新版的Mecanim动画系统仍然是建立在动画片段的基础上的&#xff0c;只不过它给我们提供了一个可视化的窗口来编辑动…

服务攻防-数据库安全-服务应用的安全问题以及测试流程-MysqlHadoop未授权访问RCE-漏洞复现

目录 一、服务应用的安全问题 1、配置不当——未授权访问 2、安全机制——特定安全漏洞 3、安全机制——弱口令爆破攻击 二、服务应用的安全测试思路 1、判断服务是否开放 2、判断服务类型 3、判断利用方式 三、Mysql-未授权访问-CVE-2012-2122 利用 1、漏洞概述 2、…

Detours HOOK

参考文本 如何使用Detours库进行DLL注入&#xff0c;拦截API - 知乎 (zhihu.com) 解决‘nmake‘ 不是内部或外部命令,也不是可运行的程序 或批处理文件。_nmake 不是内部或外部命令,也不是可运行的程序 或批处理文件。_AI浩的博客-CSDN博客 Detours使用方法&#xff0c;简单…

五音不全?手把手教你用自己声音唱任何歌;最详细的Auto-GPT整理;4月AI绘画模型推荐;HayoAI平台简直太酷了 | ShowMeAI日报

&#x1f440;日报&周刊合集 | &#x1f3a1;生产力工具与行业应用大全 | &#x1f9e1; 点赞关注评论拜托啦&#xff01; &#x1f916; 『ChatGPT Code Interpreter Magic』魔法&#xff01;离谱&#xff01;正在怀疑人生… OpenAI 近期面向部分用户发放了 Code Interp…

一起单测引起的项目加载失败惨案 | 京东云技术团队

作者&#xff1a;京东科技 宋慧超 一、前言 最近在开发一个功能模块时&#xff0c;在功能自测阶段&#xff0c;通过使用单测测试功能的完整性&#xff0c;在测试单测联通性使用到静态方法测试时&#xff0c;发现单测报错&#xff0c;通过查阅解决方案发现需要对Javaassist包进…

vue3+webpack4 前端优化首屏时间

项目背景 中小项目&#xff0c;Vue-cli3 vue2 webpack4 目标 缩短白屏时间&#xff0c;用户能够更快的看到我的页面&#xff01; 白屏时间&#xff1a;从打开页面到看到页面&#xff0c;中间白屏停留的时间。 方向 1.减少资源体积&#xff0c;从而缩短请求时间 2.减少资…