SAR雷达系统反设计及典型目标建模与仿真实现研究——目标生成与检测（Matlab代码实现）

news2024/9/27 21:29:12

🍒🍒🍒欢迎关注🌈🌈🌈

📝个人主页：我爱Matlab

👍点赞➕评论➕收藏 == 养成习惯（一键三连）🌻🌻🌻

🍌希望大家多多支持🍓~一起加油 🤗

💬语录：将来的我一定会感谢现在奋斗的自己！

🍁🥬🕒摘要🕒🥬🍁

现代战争对雷达目标识别提出了更高的要求,由于现役雷达大部分是低分辨雷达,对其开展目标识别技术的研究具有重要军事意义。在小样本、样本不均衡等复杂电磁环境条件下,传统低分辨雷达目标识别方法存在泛化性较差、识别率较低等问题。本文围绕深度学习方法对低分辨雷达目标识别技术开展研究,主要研究内容如下:传统低分辨雷达目标识别技术采用先提取信号特征,再基于特征进行识别的两步识别方法。

✨🔎⚡运行结果⚡🔎✨

FFT 操作

在混合信号上实现一维FFT
将向量重塑为 Nr*Nd 数组。
沿量程箱尺寸（Nr）对节拍信号运行 FFT
规范化 FFT 输出。
取该输出的绝对值。
保留一半的信号
绘制输出
目标初始位置应有一个峰值
结果如下：

第二个FFT将生成一个范围多普勒图，如下图所示，它将由变量“RDM”给出。

第二个FFT将生成一个范围多普勒图，如下图所示，它将由变量“RDM”给出。

最后，对第二个FFT的输出执行CFAR处理以显示目标。
2D CFAR处理应该能够抑制噪声并分离目标信号。输出应与演练中共享的图像匹配。
确定每个维度的训练单元数。同样，选择保护单元的数量。
在整个矩阵上滑动被测单元格。确保 CUT 从边缘留出训练和守卫单元的余量。
对于每次迭代，对所有训练单元内的信号电平求和。求和使用 db2pow 函数将值从对数转换为线性。
平均使用的所有训练单元的总和值。平均后，使用 pow2db 将其转换回对数。
进一步添加偏移量以确定阈值。
接下来，将 CUT 下的信号与此阈值进行比较。
如果 CUT 级别>阈值为其分配值 1，否则将其等同于 0。
上述过程将生成一个阈值块，该块小于距离多普勒图，因为由于存在目标和防护单元，CUT不能位于矩阵的边缘。因此，这些单元格不会被阈值化。
要使映射大小与 CFAR 之前相同，请将所有非阈值像元等同于 0。

💂♨️👨‍🎓Matlab代码👨‍🎓♨️💂

clear;
close all;
clc;

%% Radar Specifications
%%%%%%%%%%%%%%%%%%%%%%%%%%%
% Frequency of operation = 77GHz
% Max Range = 200m
% Range Resolution = 1 m
% Max Velocity = 100 m/s
%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Declare the variables
Range_max = 200; % in meters
Range_resolution = 1; % in meters
Velocity_max = 100; % in m/s
c = 3e8; %speed of light

%speed of light = 3e8
%% User Defined Range and Velocity of target
% *%TODO* :
% define the target's initial position and velocity. Note : Velocity
% remains contant

Target_range = 100; % in meters
Target_velocity = 50; % in m/s

%% FMCW Waveform Generation

% *%TODO* :
%Design the FMCW waveform by giving the specs of each of its parameters.
% Calculate the Bandwidth (B), Chirp Time (Tchirp) and Slope (slope) of the FMCW
% chirp using the requirements above.

%To calculate Bandwidth

B = c / (2 * Range_resolution);

%To find the chirp time
%Sweep time has to ben knowsn and it should be around 5 -6 times the round trip time
Tsweep = 5.5;
Tchirp = Tsweep * (2 * Range_max / c) ;

%To find slope of FMCW
slope = B / Tchirp;

%Operating carrier frequency of Radar
fc= 77e9; %carrier freq

%The number of chirps in one sequence. Its ideal to have 2^ value for the ease of running the FFT
%for Doppler Estimation.
Nd=128; % #of doppler cells OR #of sent periods % number of chirps

%The number of samples on each chirp.
Nr=1024; %for length of time OR # of range cells

% Timestamp for running the displacement scenario for every sample on each
% chirp
t=linspace(0,Nd*Tchirp,Nr*Nd); %total time for samples

%Creating the vectors for Tx, Rx and Mix based on the total samples input.
Tx=zeros(1,length(t)); %transmitted signal
Rx=zeros(1,length(t)); %received signal
Mix = zeros(1,length(t)); %beat signal

%Similar vectors for range_covered and time delay.
r_t=zeros(1,length(t));
td=zeros(1,length(t));