【雷达原理】基本雷达方程的推导

news2024/11/20 3:19:29

基本雷达方程

  • 一、研究目的
  • 二、推导过程
    • 1、基本雷达方程常用的表达形式
    • 2、计算案例
    • 3、仿真代码
  • 参考文献

一、研究目的

雷达方程定量地描述了作用距离与雷达参数及目标特性之间的关系。
研究雷达方程主要有以下作用:
(1)根据雷达参数来估算雷达的作用距离;
(2)根据雷达的威力范围来估算雷达的发射功率;
(3)分析雷达参数对雷达作用距离的影响,这对雷达系统设计中正确地选择系统参数有重要的指导作用。

二、推导过程

设雷达发射功率为 P t P_{t} Pt,当采用全向辐射天线时,与雷达的距离为 R 1 R_{1} R1 处任意点的功率密度 S 1 S_{1} S1为雷达的发射功率 P t P_{t} Pt 与球的表面积 4 π R 1 2 4πR_{1}^2 4πR12 之比,即:
S 1 = P t 4 π R 1 2 ( 2 − 1 ) S_{1}=\frac{P_{t}}{4πR_{1}^2} (2-1) S1=4πR12Pt21
功率密度的单位为 W / m 2 W/m^2 W/m2

为了增加在某一方向上的辐射功率密度,雷达通常采用方向性天线。因此,在自由空间中,在雷达天线增益为 G t G_{t} Gt 的辐射方向上,距离雷达天线为 R 1 R_{1} R1 的目标所在位置的功率密度为:
S 1 ′ = S 1 G t = P t G t 4 π R 1 2 ( 2 − 2 ) S'_{1}=S_{1}G_{t}=\frac{P_{t}G_{t}}{4πR_{1}^2} (2-2) S1=S1Gt=4πR12PtGt22
目标受到电磁波的照射,因其散射特性将产生散射回波。散射功率的大小显然和目标所在点的发射功率密度 S 1 ′ S'_{1} S1 及目标的散射特性有关。用目标的散射截面积 σ σ σ (其量纲是面积)来表征其散射特性。

若假定目标可将接收到的回波能量无损耗地辐射出来,就可以得到目标的散射功率(二次辐射功率)为:
P 2 = S 1 ′ σ = P t G t σ 4 π R 1 2 ( 2 − 3 ) P_{2}=S'_{1}σ=\frac{P_{t}G_{t}σ}{4πR_{1}^2}(2-3) P2=S1σ=4πR12PtGtσ23
假设目标的散射回波全向辐射,接收天线与目标的距离为 R 2 R_{2} R2 ,则接收天线处的回波功率密度为:
S 2 = P 2 4 π R 2 2 = P t G t σ ( 4 π ) 2 R 1 2 R 2 2 ( 2 − 4 ) S_{2}=\frac{P_{2}}{4πR_{2}^2} =\frac{P_{t}G_{t}σ}{(4π)^2R_{1}^2R_{2}^2}(2-4) S2=4πR22P2=(4π)2R12R22PtGtσ24
若雷达接收天线的有效接收面积为 A r A_{r} Ar,天线增益 G r G_{r} Gr 和有效面积之间 A r A_{r} Ar 的关系为:
A r = G r λ 2 4 π ( 2 − 5 ) A_{r}=\frac{G_{r}λ^2}{4π}(2-5) Ar=4πGrλ225
则接收天线处回波的功率为:
P r = A r S 2 = P t G t σ A r ( 4 π ) 2 R 1 2 R 2 2 = P t G t G r σ λ 2 ( 4 π ) 3 R 1 2 R 2 2 ( 2 − 6 ) P_{r}=A_{r}S_{2}=\frac{P_{t}G_{t}σA_{r}}{(4π)^2R_{1}^2R_{2}^2}=\frac{P_{t}G_{t}G_{r}σλ^2}{(4π)^3R_{1}^2R_{2}^2}(2-6) Pr=ArS2=(4π)2R12R22PtGtσAr=(4π)3R12R22PtGtGrσλ226
单基地脉冲雷达通常采用收发共用天线,则令 G t = G r = G G_{t}=G_{r}=G Gt=Gr=G R 1 = R 2 = R R_{1}=R_{2}=R R1=R2=R,将其代入上式有:
P r = P t G 2 λ 2 σ ( 4 π ) 3 R 4 ( 2 − 7 ) P_{r}=\frac{P_{t}G^2λ^2σ}{(4π)^3R^4}(2-7) Pr=(4π)3R4PtG2λ2σ27
式(2-7)为常用的基本雷达方程的一种形式,可以看出,接收的回波功率 P r P_{r} Pr 与目标的距离 R R R 的四次方成反比,这是因为在一次雷达中,雷达波的能量衰减很大(其传播距离为 2 R 2R 2R )。只有当接收到的功率 P r P_{r} Pr 大于最小可检测信号功率 S m i n S_{min} Smin 时,雷达才能可靠地发现目标。

所以,当 P r P_{r} Pr 正好等于 S m i n S_{min} Smin 时,就可得到雷达检测目标的最大作用距离 R m a x R_{max} Rmax 。因为超过这个距离,接收的信号功率进一步减小,就不能可靠地检测到目标。
它们的关系式可以表示为:
P r = S m i n = P t G 2 λ 2 σ ( 4 π ) 3 R m a x 4 ( 2 − 8 ) P_{r}=S_{min}=\frac{P_{t}G^2λ^2σ}{(4π)^3R_{max}^4}(2-8) Pr=Smin=(4π)3Rmax4PtG2λ2σ28
上述雷达方程虽然给出了作用距离和各参数间的定量关系,但因未考虑设备的实际损耗和环境因素,而且方程中还有两个不可能准确预定的量:目标有效反射面积 σ σ σ 和最小可检测信号 S m i n S_{min} Smin ,因此它常作为一个估算公式,用来考察雷达各参数对作用距离影响的程度。

在实际情况中,雷达接收的回波信号总会受接收机内部噪声和外部干扰的影响。为了描述这种影响,通常引入噪声系数这一概念。接收机的噪声系数 F F F 为:
F = N 0 N i G a = S i / N i S i G a / N o = ( S N R ) i ( S N R ) o ( 2 − 9 ) F=\frac{N_{0}}{N_{i}G_{a}}=\frac{S_{i}/N_{i}}{S_{i}G_{a}/N_{o}}=\frac{(SNR)_{i}}{(SNR)_{o}}(2-9) F=NiGaN0=SiGa/NoSi/Ni=(SNR)o(SNR)i29
其中, N 0 N_{0} N0 为实际接收机的输出噪声功率, N i N_{i} Ni 为接收机的输入噪声功率, G a G_{a} Ga 为接收机的增益。
进一步有:
( S N R ) i = S i N i = F ( S N R ) o ( 2 − 10 ) (SNR)_{i}=\frac{S_{i}}{N_{i}}=F(SNR)_{o}(2-10) (SNR)i=NiSi=F(SNR)o210
由于接收机输入噪声功率为 N i = k T 0 B N_{i}=kT_{0}B Ni=kT0B k k k 为玻尔兹曼常数, T 0 T_{0} T0 为标准室温,B为接收机带宽),代入上式,则输入端信号的功率为:
S i = k T 0 B F ( S N R ) o ( 2 − 11 ) S_{i}=kT_{0}BF(SNR)_{o}(2-11) Si=kT0BF(SNR)o211
若雷达的检测门限设置为最小输出信噪比 ( S N R ) o (SNR)_{o} (SNR)o,则最小可检测信号功率为:
S m i n = k T 0 B F ( S N R ) o m i n ( 2 − 12 ) S_{min}=kT_{0}BF(SNR)_{omin}(2-12) Smin=kT0BF(SNR)omin212
将上式代入基本雷达方程中,并用 L L L 表示雷达各部分的总损耗,可得到:
( S N R ) o m i n = P t G 2 λ 2 σ ( 4 π ) 3 k T 0 B F L R m a x 4 ( 2 − 13 ) (SNR)_{omin}=\frac{P_{t}G^2λ^2σ}{(4π)^3kT_{0}BFLR_{max}^4}(2-13) (SNR)omin=(4π)3kT0BFLRmax4PtG2λ2σ213
即雷达的最大作用距离方程为:
R m a x 4 = P t G 2 λ 2 σ ( 4 π ) 3 k T 0 B F L ( S N R ) o m i n ( 2 − 14 ) R_{max}^4=\frac{P_{t}G^2λ^2σ}{(4π)^3kT_{0}BFL(SNR)_{omin}}(2-14) Rmax4=(4π)3kT0BFL(SNR)ominPtG2λ2σ214
式(2-13)和式(2-14)是雷达方程的两种基本形式。在早期雷达中,通常用各类显示器来观察和检测目标信号,所以称所需的 ( S N R ) o m i n (SNR)_{omin} (SNR)omin 为识别系数或可见度因子M。现代雷达则用建立在统计检测理论基础上的统计判决方法来实现信号检测,检测目标信号所需的最小输出信噪比又称为检测因子(Detectability Factor) D 0 D_{0} D0,即 D 0 = ( S N R ) o m i n D_{0}=(SNR)_{omin} D0=(SNR)omin D 0 D_{0} D0 就是满足所需检测性能(即检测概率为 P d P_{d} Pd 和虚警概率为 P f a P_{fa} Pfa )时,在检波器输入端单个脉冲所需要达到的最小信噪比,也经常表示为 D 0 ( 1 ) D_{0}(1) D0(1)

当用信号的能量 E t = P t τ E_{t}=P_{t}τ Et=Ptτ 来代替脉冲功率 P t P_{t} Pt,用检测因子 D 0 D_{0} D0 代替 ( S N R ) o m i n (SNR)_{omin} (SNR)omin,并在雷达作用距离方程中增加带宽校正因子 C B C_{B} CB,代入式(2-14),则有:
R m a x 4 = P t τ G 2 λ 2 σ ( 4 π ) 3 k T 0 F L D 0 C B ( 2 − 15 ) R_{max}^4=\frac{P_{t}τG^2λ^2σ}{(4π)^3kT_{0}FLD_{0}C_{B}}(2-15) Rmax4=(4π)3kT0FLD0CBPtτG2λ2σ215
其中,时宽带宽积约等于1,即 τ ≈ 1 B τ≈\frac{1}{B} τB1;带宽校正因子 C B ≥ 1 C_{B}≥1 CB1,表示接收机带宽失配所带来的信噪比损耗,匹配时 C B = 1 C_{B}=1 CB=1

1、基本雷达方程常用的表达形式

(1)
P r = P t G 2 λ 2 σ ( 4 π ) 3 R 4 P_{r}=\frac{P_{t}G^2λ^2σ}{(4π)^3R^4} Pr=(4π)3R4PtG2λ2σ
(2)
( S N R ) o m i n = P t G 2 λ 2 σ ( 4 π ) 3 k T 0 B F L R m a x 4 (SNR)_{omin}=\frac{P_{t}G^2λ^2σ}{(4π)^3kT_{0}BFLR_{max}^4} (SNR)omin=(4π)3kT0BFLRmax4PtG2λ2σ
或者
R m a x 4 = P t G 2 λ 2 σ ( 4 π ) 3 k T 0 B F L ( S N R ) o m i n R_{max}^4=\frac{P_{t}G^2λ^2σ}{(4π)^3kT_{0}BFL(SNR)_{omin}} Rmax4=(4π)3kT0BFL(SNR)ominPtG2λ2σ
(3)
R m a x 4 = P t τ G 2 λ 2 σ ( 4 π ) 3 k T 0 F L D 0 C B R_{max}^4=\frac{P_{t}τG^2λ^2σ}{(4π)^3kT_{0}FLD_{0}C_{B}} Rmax4=(4π)3kT0FLD0CBPtτG2λ2σ

2、计算案例

3、仿真代码

计算不同RCS时,雷达作用距离与信噪比的关系,并绘制曲线。
雷达的作用距离R与信噪比SNR之间的关系

clc;
clear;
close all;

%% 雷达基本参数
Pt = 150;                   % 单位:W
f0 = 10e9;                  % 单位:GHz
G = 30;                     % 单位:dB
sigma = [0.01,1,5];         % 单位:m2
B = 20;                     % 单位:MHz
F = 3;                      % 单位:dB
L = 6;                      % 单位:dB
Range = (2000:10:10000);       % 单位:m

%% 计算不同RCS时,雷达的作用距离R与信噪比SNR之间的关系,并绘制曲线
SNR = zeros(3,length(Range));
for ii = 1:3
    SNR(ii,:) = Basic_radarEq(Pt,f0,G,sigma(ii),B,F,L,Range);
end
figure;
hold on;
plot(Range,SNR(1,:),'r-');
plot(Range,SNR(2,:),'b-');
plot(Range,SNR(3,:),'m-');
xlabel('距离/m');ylabel('SNR/dB');
legend('RCS=0.01','RCS=1','RCS=5');
function SNR = Basic_radarEq(Pt,f0,G,sigma,B,F,L,Range)
% ---------------- 基本雷达方程(2-13)的计算 -------------- %
% Copyright By ZhangZhiZhao
% Date:2023年6月24日

% 输入:
%       Pt:峰值功率
%       f0:发射信号载频
%       G:天线增益
%       sigma:目标截面积(RCS)
%       B:信号带宽
%       F:噪声系数
%       L:系统损耗
%       Range:雷达作用距离
% 输出:
%       SNR:信噪比
c = physconst('LightSpeed');    % 光速
k = physconst('Boltzmann');     % 玻尔兹曼常数
T0 = 290;                       % 标准室温(K)
Lambda = c/f0;                  % 信号波长

% 将雷达方程中参数的单位均转化为dB
temp1 = 10*log10(Pt*Lambda^2*sigma)+2*G;
temp2 = 10*log10((4*pi)^3*k*T0*B)+F+L+40*log10(Range);
SNR = temp1-temp2;

end

参考文献

[1]陈伯孝, 等. 现代雷达系统分析与设计[M]. 西安:西安电子科技大学出版社, 2012.9.
[2]丁鹭飞, 耿富录. 雷达原理(第三版)[M]. 西安:西安电子科技大学出版社, 2002.3.

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/680811.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

慕课:笔记

课程链接:直面JavaScript中的30个疑难杂症_JavaScript面试题-慕课网 第二章:数据类型 数据类型是每门编程语言的必修之课,你是否对JavaScript的数据类型和检测存在困惑,本章节将为你揭晓其中的奥秘,让你对数据类型有…

矩阵压缩算法

当矩阵中存在着重复元素时,为了节省空间会采用压缩算法,关键在于原矩阵空间与压缩后数据结构的对应; 1.对称压缩:数据沿对角线对称的情况; 将矩阵压缩为一维数组,数组的长度是: 对于num[n][n…

VMware虚拟机暴露端口至公网方法流程详解

目录 需求背景 解决方法 准备工作 虚拟机ip设置方法 需求背景 一台电脑需要连接另一台电脑上的虚拟机的端口,直接ping是无法ping通的,因为本地虚拟机的端口未暴露至公网。 解决方法 虚拟机:CentOS 7 64 Linux 本机:Window…

C专家编程 —— 运行时数据结构

文章目录 代码和数据段代码与可执行文件中对应的位置可执行文件中的段在内存中的布局加入动态链接库的内存空间布局堆栈段的作用过程活动记录函数调用过程记录举例 static和auto关键字 汇编嵌入C代码 代码和数据 代码和数据的区别可以理解为编译时和运行时的分界线。 代码&…

guacamole 纯web rdp预研:相关JAVA基础

文章目录 guacamole 纯web rdp预研:相关JAVA基础1. pom.xml2 scm标签3 application/octet-stream4. tomcat webapps下war包5 maven-assembly-plugin maven assembly插件介绍什么是assembly? 6. Mavenz中的source插件的使用和注意事项。7. Maven私库安装与配置8. 配置…

深度学习之目标检测R-CNN模型算法流程详解说明(超详细理论篇)

1.R-CNN论文背景 2. R-CNN算法流程 3. R-CNN创新点 一、R-CNN论文背景 论文网址https://openaccess.thecvf.com/content_cvpr_2014/papers/Girshick_Rich_Feature_Hierarchies_2014_CVPR_paper.pdf   RCNN(Region-based Convolutional Neural Networks&#xff…

牛客网基础语法81~90题

牛客网基础语法81~90题😘😘😘 💫前言:今天是咱们第九期刷牛客网上的题目。 💫目标:可以循环嵌套使用熟练,数组的变问题,对数学知识掌握更加清晰。 💫鸡汤&…

Matplotlib---热力图

1. 热力图 imshow 是 Matplotlib 库中一个函数,主要用于在 Python 中显示图像。它的完整参数列表如下: matplotlib.pyplot.imshow(X, cmapNone, normNone, aspectNone, interpolationNone, alphaNone, vminNone, vmaxNone, originNone, extentNone, sh…

管理类联考——逻辑——知识篇——论证推理——三、假设——haimian

假设 考点分析 假设 年度 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023题量1132111 主要问法 上述论述是基于以下哪项假设?基于以下哪项假设能使上述推理成立?上述论证依赖于以下哪项假设?得到这一结论的前提条件是? 解题思路 阅读问题,确…

【TCP/IP】多播 - 定义、原理及编程实现(TTL、多播组、收发信息)

目录 多播 多播的原理 多播的数据传输时的特点 TTL 的概念 TTL 和 多播组的配置方法 多播的编程与实现 发送者 接收者 多播 多播是一种介于单播和广播通信之间的技术方式,可以将发送者所需要发送的数据包分别发送给分散在不同子网中的一组接收者。 多播的原…

分布式软件架构——事务ACID

事务概念 事务处理几乎是每一个信息系统中都会涉及到的问题,它存在的意义就是保证系统中的数据是正确的,不同数据间不会产生矛盾,也就是保证数据状态的一致性(Consistency) 关于一致性,我们重点关注的是数…

ElasticSearch-安装Head可视化插件

安装Head可视化插件 首先需要依赖node.js和npm环境 1 安装node.js 官方下载地址:http://nodejs.cn/download/ 下载LTS版本(长期稳定版本) 安装可以更改安装路径,其余的都是选择 下一步傻瓜是安装 安装成功后如下 命令测试 node -v 查看node的版本 n…

理解redis的多线程和IO多路复用

参考资料 https://blog.csdn.net/TZ845195485/article/details/119745735 Redis单线程和多线程问题的背景 Redis里程碑版本迭代 Redis的单线程 主要是指Redis的网络IO和键值对读写是由一个线程来完成的,Redis在处理客户端的请求时包括获取(socket读&a…

「实验记录」MIT 6.824 KVRaft Lab3A Without Log Compaction

#Lab3A - KVRaft without log compaction I. SourceII. My CodeIII. MotivationIV. SolutionS1 - client请求S2 - server回应 V. Result I. Source MIT-6.824 2020 课程官网Lab3: KVRaft 实验主页simviso 精品付费翻译 MIT 6.824 课程Paper - Raft extended version II. My C…

Python顺序结果、选择结构、循环结构(超详细讲解+多段代码案例)

我本微末凡尘,可也心向天空 文章目录 一、顺序结构 二、选择结构 1.if----elif----else语句 2.条件表达式 三、循环结构 1.range函数 2.while 循环 3. for----in 循环 四、continue、break在循环中的使用 大家好,我是纪宁 今天要介绍的是python…

fatal error: ‘type_traits‘ file not found错误解决

错误如下 In file included from ../test_opencv_qt/main.cpp:1: In file included from ../../Qt/6.5.1/android_x86_64/include/QtGui/QGuiApplication:1: In file included from ../../Qt/6.5.1/android_x86_64/include/QtGui/qguiapplication.h:7: In file included from .…

Nginx 限流算法大揭秘

博主介绍: ✌博主从事应用安全和大数据领域,有8年研发经验,5年面试官经验,Java技术专家✌ Java知识图谱点击链接:体系化学习Java(Java面试专题) 💕💕 感兴趣的同学可以收…

01 | 一条 SQL 查询语句是如何执行的?

以下内容出自 《MySQL 实战 45 讲》 一条 SQL 查询语句是如何执行的? 下面是 MySQL 的基本架构示意图,从中可以清楚地看到 SQL 语句在 MySQL 的各个功能模块中的执行过程。 大体来说,MySQL 可以分为 Server 层和存储引擎层两部分。 Server …

leetcode188. 买卖股票的最佳时机 IV.动态规划-java

买卖股票的最佳时机 IV leetcode188. 买卖股票的最佳时机 IV题目描述 动态规划代码演示 动态规划专题 leetcode188. 买卖股票的最佳时机 IV 来源:力扣(LeetCode) 链接:https://leetcode.cn/problems/best-time-to-buy-and-sell-st…

DatenLord前沿技术分享 No.28

达坦科技专注于打造新一代开源跨云存储平台DatenLord,通过软硬件深度融合的方式打通云云壁垒,致力于解决多云架构、多数据中心场景下异构存储、数据统一管理需求等问题,以满足不同行业客户对海量数据跨云、跨数据中心高性能访问的需求。在本周…