基于matlab使用蒙特卡罗模拟生成雷达系统的接收机工作特性 (ROC) 曲线

news2024/10/7 20:26:59

一、前言

此示例说明如何使用蒙特卡罗模拟生成雷达系统的接收机工作特性 (ROC) 曲线。接收器工作特性决定了系统在目标不存在(误报)时抑制大杂散信号值时检测目标的能力。检测系统将通过将接收到的信号值与预设阈值进行比较来声明目标的存在与否。目标的检测概率(Pd)是当目标实际存在时瞬时信号值大于阈值的概率。误报概率 (Pfa) 是当目标不存在时信号值大于阈值的概率。在这种情况下,信号是由噪声引起的,其属性取决于噪声统计。蒙特卡罗模拟在存在和不存在目标的情况下都会生成大量雷达回波。模拟计算PdPfa是通过计算每种情况下超过阈值的信号值的比例。

ROC 曲线将 Pd 绘制为 pfa 的函数。ROC曲线的形状取决于信号的接收信噪比。如果到达信号SNR已知,则ROC曲线显示系统在PdPfa方面的性能。如果指定 PdPfa,则可以确定满足此要求所需的功率。

您可以使用该函数计算理论 ROC 曲线。此示例显示了由单天线雷达系统的蒙特卡罗模拟生成的 ROC 曲线,并将该曲线与理论曲线进行比较。

二、指定雷达要求


将所需的检测概率设置为 0.9,将误报概率设置为10−6.将雷达的最大范围设置为 4000 米,将范围分辨率设置为 50 米。将实际目标范围设置为 3000 米。将目标雷达横截面设置为 1.5 平方米,并将工作频率设置为 10 GHz。所有计算均在基带内执行。

任何计算 Pfapd 的仿真都需要处理许多信号。为了保持较低的内存要求,请以脉冲块处理信号。将要处理的脉冲数设置为 45000,并将每个块的大小设置为 10000。

三、选择波形和信号参数


使用脉冲范围分辨率计算波形脉冲带宽。从最大范围计算脉冲重复频率。由于信号是基带,因此将采样频率设置为带宽的两倍。根据脉冲带宽计算脉冲持续时间。

实现特定的PdPfa要求在目标反射信号后有足够的信号功率到达接收器。使用阿尔伯斯海姆方程计算实现指定的误报概率和检测概率所需的最小 SNR。

为了实现此信噪比,必须将足够的功率传输到目标。使用雷达方程估算峰值发射功率,在 3000 米范围内实现目标的指定 SNR 以 dB 为单位。接收到的信号还取决于目标雷达横截面(RCS)。假设遵循非波动模型(Swerling 0)。将雷达设置为具有相同的20 dB发射和接收增益。给出雷达方程peak_power

四、设置发射机系统对象


创建构成仿真传输部分的系统对象:雷达平台、天线、发射器和辐射器。

五、设置目标系统对象


创建与具有非零目标横截面的实际反射目标相对应的目标系统对象。来自该目标的反射将模拟实际的雷达回波。为了计算误报,请创建雷达横截面为零的第二个目标系统对象。除噪声外,来自该目标的反射为零。

六、设置自由空间传播系统对象


对从雷达到目标再返回的传播环境进行建模。

七、设置接收方系统对象


通过将属性设置为 290 K 并将属性设置为 <> K 来指定噪声。

八、指定快速时间网格


快速时间网格是一个脉冲重复时间间隔内的时间样本集。每个样本对应一个范围箱。

九、从波形创建发射脉冲


创建要传输的波形。创建包含发射天线增益的发射信号。从波形系统对象创建匹配的滤波器系数。然后创建匹配的筛选器系统对象。

十、计算目标范围箱


计算目标范围,然后将索引计算到范围箱数组中。由于目标和雷达是静止的,因此在整个仿真循环中使用相同的位置和速度值。您可以假设范围箱索引在整个模拟中是恒定的。

十一、脉冲环路


创建信号处理循环。每个步骤都是通过执行系统对象来完成的。环路处理脉冲两次,一次用于目标存在条件,一次用于目标不存在条件。

  1. 使用 将信号辐射到空间中。phased.Radiator

  1. 使用 将信号传播到目标并传回天线。phased.FreeSpace

  1. 使用 反射来自目标的信号。phased.Target

  1. 使用 接收天线上的反射信号。phased.Collector

  1. 使用接收放大器将接收信号传递到接收放大器。此步骤还会将随机噪声添加到信号中。phased.ReceiverPreamp

  1. 匹配滤波放大的信号使用 .phased.MatchedFilter

  1. 将匹配的滤波器输出存储在目标范围箱索引处,以便进一步分析。

十二、创建匹配滤波器输出的直方图


计算目标存在和目标不存在返回的直方图。使用 100 个箱来粗略估计信号值的扩散。设置从最小信号到最大信号的直方图值范围。

十三、比较模拟和理论PdPFA


要计算 PdPfa,请计算目标不存在返回和目标存在返回超过给定阈值的实例数。这组阈值的粒度比上一次模拟中用于创建直方图的箱更精细。然后,按脉冲数对这些计数进行归一化,以获得概率的估计值。向量是作为阈值函数的模拟误报概率。向量是模拟的检测概率,也是阈值的函数。接收器设置阈值,以便它可以确定目标是否存在。上面的直方图表明最佳阈值在 1.8 左右。

要绘制实验 ROC 曲线,必须反转 Pfa 曲线,以便可以针对 Pfa 绘制 Pd。仅当可以将 Pfa 表示为 的严格单调递减函数时,才能反转 Pfa 曲线。要以这种方式表示 Pfa,请查找 Pfa 是相邻索引上的常数的所有数组索引。然后,从 PdPfa 数组中删除这些值。

将最小 Pfa 限制为10−6.计算从最小 Pfa 到 1 的理论 PfaPd 值。然后绘制理论 Pfa 曲线。

十四、使用一百万个脉冲改进仿真


在前面的仿真中,低 Pfa 下的 Pd 值不会沿着平滑曲线下降,甚至不会向下延伸到指定的操作状态。原因是在非常低的PFA水平下,很少有样品超过阈值(如果有的话)。要在低 Pfa 下生成曲线,必须按照 Pfa 的反数顺序使用多个样本。这种类型的模拟需要很长时间。以下曲线使用45万个脉冲而不是000,1000000个脉冲。

十五、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“Example.mlx”文件,点击运行,就可以看到上述效果。

程序下载:基于matlab使用蒙特卡罗模拟生成雷达系统的接收机工作特性(ROC)曲线

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/597959.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

Angular学习笔记:environment.ts文件

本文是自己的学习笔记&#xff0c;主要参考资料如下。 - B站《Angular全套实战教程》&#xff0c;达内官方账号制作&#xff0c;https://www.bilibili.com/video/BV1i741157Fj?https://www.bilibili.com/video/BV1R54y1J75g/?p32&vd_sourceab2511a81f5c634b6416d4cc1067…

网络监控工具

网络监控是一项重要的 IT 操作&#xff0c;可控制网络中的危险信号&#xff0c;并有助于避免潜在的业务问题。网络监控工具提供有关网络可用性和运行状况的见解&#xff0c;并跟踪 CPU 使用率、延迟和数据包丢失等关键性能指标&#xff0c;使管理员能够全面了解网络。 为什么网…

Kafka Schema-Registry

一、为什么需要Schema-Registry 1.1、注册表 无论是 使用传统的Avro API自定义序列化类和反序列化类 还是 使用Twitter的Bijection类库实现Avro的序列化与反序列化&#xff0c;这两种方法都有一个缺点&#xff1a;在每条Kafka记录里都嵌入了schema&#xff0c;这会让记录的大…

持续集成部署-微前端 镜像可以有多小?

微前端 镜像可以有多小&#xff1f; 1. 需求2. 开整 1. 需求 目前项目前端的镜像大小基本在 150M 左右&#xff0c;试下能不能缩小到 20M&#xff1f; 看了下前端打包后的压缩包只有 几 兆&#xff1b; 想着有空调试下&#xff0c;第一反应应该是使用 alpine 镜像&#xff0…

Delving into Shape-aware Zero-shot Semantic Segmentation(CVPR2023)

文章目录 摘要本文方法Pixel-wise Vision-Language AlignmentShape ConstraintSelf-supervised Spectral Decomposition推理 实验结果 摘要 由于大规模视觉语言预处理取得了令人瞩目的进展&#xff0c;最近的识别模型可以以零样本和开放集的方式对任意对象进行分类&#xff0c…

WIKIBON:大模型炒作中,有哪些云与AI的新趋势?

进入2023年以来&#xff0c;以ChatGPT为代表的大模型喧嚣引发了AI的新一轮炒作热潮&#xff0c;堪比当年的加密货币。不同的是&#xff0c;以微软、NVIDIA、AWS、Google等为代表的云与芯片大厂纷纷实质性入局大模型&#xff0c;为大模型AI注入持续的生命力。因此ChatGPT可类比于…

【网络原理】TCP/IP四层模型中的重点网络协议

目录 &#x1f31f;一、应用层协议 &#x1f308;1、XML协议 &#x1f308; 2、JSON &#x1f308; 3、其他协议 &#x1f31f;二、传输层协议&#xff08;UDP与TCP重点&#xff09; &#x1f308;1、UDP协议格式 &#x1f308; 2、TCP协议格式 &#x1f389;TCP的10条…

字母钥匙圈

钥匙圈&#xff0c;字母&#xff01; 项目概况&#xff1a; 在这个项目中&#xff0c;您将学习使用字母制作钥匙圈&#xff01; 放置字母 是时候发挥创意了。为您的朋友或您自己设计一个。 指示 首先将字母拖到红色底座上&#xff08;位于“设计入门”>“字母和数字”下…

RESTful Python

RESTful Python是一种使用Python编程语言实现RESTful API的方法。下面是一些常用的Python库和框架&#xff0c;可以用来创建RESTful API: Flask&#xff1a; Flask是一个轻量级的Python Web框架&#xff0c;可以用来创建RESTful API。它具有灵活、易于使用和快速开发的特点。 …

[数据库]关于数据库设计的原则

数据表设计原则: 自动编号的ID应该设计为bigint&#xff0c;因为int可能不够用&#xff0c;并且&#xff0c;为了便于统一管理&#xff0c;写的舒心不出错&#xff0c;建议所有表的自增ID全部使用bigint 。&#xff08;缺点是占空间&#xff0c;如果有20亿条数据&#xff0c;浪…

地震勘探基础(二)之地震分辨率

地震分辨率 分辨率&#xff08;resolution&#xff09;表示分离出两个十分靠近的物体的能力&#xff0c;一般用距离表示。如果两个物体之间的距离大于某个特定距离时可以分辨出是两个分离的物体&#xff0c;小于这个特定距离时就不再能分辨出是两个物体&#xff0c;那么这个特…

电压放大器在超声波测距仪中的应用实例研究

超声波测距仪是一种用于测量距离的设备&#xff0c;其原理是利用超声波在空气中传播的速度和反射特性来计算距离。而电压放大器则是超声波测距仪中的一个重要组成部分&#xff0c;它可以将超声波信号放大到足够强的水平&#xff0c;以便于后续处理和显示。本安泰电子将为大家介…

【学习日记2023.6.1】数据库隔离级别

1. 数据库隔离级别 1.1 事务 事务只是一个改变&#xff0c;是一些操作的集合&#xff1b;用专业的术语讲&#xff0c;他就是一个程序的执行单元&#xff1b;事务本身其实并不包含这4个特性&#xff0c;只是我们需要通过某些手段&#xff0c;尽可能的让这个执行单元满足这四个特…

【C语言进阶笔记】

文章目录 1. const&#xff08;常量指针、指针常量&#xff09;2. static3. extern4. 指针数组和数组指针5. 结构体对齐6. int / uint取值范围、二进制形式与转换、负数表示7. \0&#xff0c;0&#xff0c;"0"&#xff0c;0之间的区别8. 类型自动转换9. 内存结构10. …

【前端之旅】nvm-Node版本管理工具

一名软件工程专业学生的前端之旅,记录自己对三件套(HTML、CSS、JavaScript)、Jquery、Ajax、Axios、Bootstrap、Node.js、Vue、小程序开发(Uniapp)以及各种UI组件库、前端框架的学习。 【前端之旅】Web基础与开发工具 【前端之旅】手把手教你安装VS Code并附上超实用插件…

【HttpRunnerManager】搭建接口自动化测试平台操作流程

一、需要准备的知识点 1. linux: 安装 python3、nginx 安装和配置、mysql 安装和配置 2. python: django 配置、uwsgi 配置 二、我搭建的环境 1. Centos7 &#xff08;配置 rabbitmq、mysql 、Supervisord&#xff09; 2. python 3.6.8 &#xff08;配置 django、uwsgi&am…

自然语言处理实战9-大语言模型的训练与文本生成过程

大家好&#xff0c;我是微学AI&#xff0c;今天给大家介绍一下自然语言处理实战9-大语言模型的训练与文本生成过程&#xff0c;以下是本文的目录结构&#xff1a; 文章目录 1.引言 2.大语言模型概述 3.大语言模型的应用项目 3.1 语言生成 3.2 机器翻译 3.3 问答系统 3.4 自动…

Express框架从入门到如土

目录 前言一&#xff0c;初体验二&#xff0c;路由2.1 什么是路由2.2. 路由的使用2.3 获取请求报文参数2.4 id的通配2.5 响应的设置 三&#xff0c;中间件3.1 中间件概述3.2 全局中间件与路由中间件的比对3.3 全局中间件的使用3.4 局部中间件的使用3.5 静态资源中间件&#xff…

“邮件营销新趋势,这个平台让你收获颇丰!

随着各媒体平台的迅速发展&#xff0c;2023年大家更专注于视频营销、网红营销、直播营销等营销方式。可以见得&#xff0c;数字媒介手段的发展&#xff0c;对于营销方式也产生了巨大的影响。但是&#xff0c;企业在拥抱新兴的营销方式的同时&#xff0c;也不要忽视传统的营销方…

好用的Chrome浏览器插件推荐(不定期更新)

好用的Chrome浏览器插件推荐 1.1 CSDN-浏览器助手1.2 Google 翻译1.3 JSON Viewer1.4 ModHeader - Modify HTTP headers1.5 Octotree - GitHub code tree 1.1 CSDN-浏览器助手 CSDN-浏览器助手 是一款集成本地书签、历史记录与 CSDN搜索(so.csdn.net) 的搜索工具 推荐&#x…