带有匹配滤波器的雷达信号调制和脉冲压缩Matlab仿真

news/2024/5/10 9:20:01/文章来源:https://blog.csdn.net/ccsss22/article/details/128336836

up目录

一、理论基础

二、核心程序

三、测试结果


一、理论基础

匹配滤波器:

        匹配滤波器是输出端的信号瞬时功率与噪声平均功率的比值最大的线性滤波器也就是说有最大的信噪比。其滤波器的传递函数形式是信号频谱的共轭。在通信系统中,滤波器是其中重要部件之一,滤波器特性的选择直接影响数字信号的恢复。在数字信号接收中,滤波器的作用有两个方面,使滤波器输出有用信号成分尽可能强;抑制信号外带噪声,使滤波器输出噪声成分尽可能小,减少噪声对信号判决的影响。对最佳线形滤波器的设计有两种准则其中一种是是滤波器输出信噪比在某一特定时刻达到最大,由此而导出的最佳线性滤波器成为匹配滤波器。在数字通信中,匹配滤波器具有广泛的应用。因此匹配滤波器是指滤波器的性能与信号的特性取得某种一致,使滤波器输出端的信号瞬时功率与噪声平均功率的比值最大。
       在信号处理中,匹配滤波器可以用来解调基频带脉冲信号,基频带脉冲信号意指信号内容为同一波形信号乘上一个常数,在每个周期出现,每个周期中代表着或多或少的信息量。匹配滤波器解调出来的结果其SNR (Signal Noise Ratio)为最大的,匹配滤波器需要事先知道:1.传送的信号;2.信号的同步。这样才能解调出传送的信号。

雷达信号调制:

一般的雷达信号,通常只采用脉内调制,脉间频率调制,脉间PRI调制。
脉间PRI调制——PRI参差、PRI滑变、PRI抖动、PRI脉组捷变、PRI调制。
脉间频率调制——频率捷变、频率分集(同时频率分集和分时频率分集)、频率编码
脉内频率调制——LFM(线性调频)、FSK(频率编码)、NLFM(余弦调频、正切调频、反正切调频、双曲线调频)、双分量LFM(V型调频)、STEP(频率步进调频)、FMCW(调频连续波)
脉内相位调制——BPSK、多相编码
脉冲雷达调制是为了增加分辨力,连续波调制是为了能测距。

脉冲压缩:

         脉冲压缩技术是匹配滤波理论和相关接收理论的一个很好的实际应用。它的提出很好的解决了这样的一个问题:在发射端发射大时宽、带宽信号,以提高信号的速度测量精度和速度分辨力,而在接收端,将宽脉冲信号压缩为窄脉冲,以提高雷达对目标的距离分辨精度和距离分辨力。
       早期脉冲雷达所用信号,多是简单矩形脉冲信号。此时脉冲信号能量五= P,r, P,为脉冲功率,T为脉冲宽度。当提高雷达探测目标的作用距离时,应该增加信号能量五。增大发射机的脉冲功率是一个途径,但它受到发射管峰值功率、传输线功率容量以及体积重量等因素的限制,只能有一定范围。为此,在发射机平均功率允许的条件下,可以通过增大脉冲宽度r来提高信号能量。但是对于简单矩形脉冲信号来说,脉冲宽度r和带宽5的乘积近似为1,因此这种信号不能同时得到大的脉冲宽度和带宽,用宽脉冲时必然降低其距离分辨力。

        为了解决上述矛盾就必须采用大时宽带宽积的更为复杂的信号形式。如果在宽脉冲内釆用附加的频率或相位调制,以增加信号带宽5,那么,当接收时用匹配滤波器进行处理,可将长脉冲压缩到宽度,这样既可使雷达用长的脉冲去获得大的能量,同时又可以得到短脉冲所具备的距离分辨力。这种信号称为脉冲压缩信号或称为大时宽带宽积信号。因为脉冲内有附加调制后,其脉宽r和带宽5的乘积大于1,一般米用5t。

        在雷达信号处理中,脉冲压缩、匹配滤波、相关接收 在很多时候其实就指的是一回事。这三个词语是通过不同角度对事物的理解。
1)脉冲压缩:
在时域上来看,输入的宽脉冲经过“脉冲压缩(或者说:匹配滤波)”被压缩成窄的脉冲信号。所以,我猜这就是脉冲压缩的叫法来源。
2)匹配滤波:
滤波这个词语是频域上的概念,滤出有用信号,滤除杂波噪声等无用信号。匹配,这个词是个常识词,匹配肯定是要有对象的,那么和谁匹配呢,这里是和发射的信号相匹配呢。那么怎么就算是匹配呢,或者怎么和发射信号匹配呢?使用的是“频域上的共轭匹配”。
3)相关接收:
这个是从时域的相关性理解。利用信号和噪声相关特性的差异,进行相关运算。

二、核心程序


%%%  parameters' definition
c=3e+8;										% speed of light
pi=3.1415926; 
j=sqrt(-1);	Tp=1e-6; 								% transmitted pulse width      
fc=1e+9;	 						   	% carrier frequency 
Br=50.e+6;              % transmitted bandwidth
Fs=200.e+6;             % A/D sample rate
kr=Br/Tp;               % range chirp rateNr=Tp*Fs;
Ni=1:Nr;
tr=(Ni-Nr/2)*Tp/Nr;%===============================
%Generate a Chirp pulse
%===============================sig = exp(j*pi*kr*(tr).^2);

三、测试结果

 

 up19

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.luyixian.cn/news_show_236318.aspx

如若内容造成侵权/违法违规/事实不符,请联系dt猫网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

微服务框架 SpringCloud微服务架构 多级缓存 47 Lua 语法入门 47.3 条件控制、函数

微服务框架 【SpringCloudRabbitMQDockerRedis搜索分布式,系统详解springcloud微服务技术栈课程|黑马程序员Java微服务】 多级缓存 文章目录微服务框架多级缓存47 Lua 语法入门47.3 条件控制、函数47.3.1 函数47.3.2 条件控制47 Lua 语法入门 47.3 条件控制、函数…

【图像融合】DCT域多焦点图像融合【含Matlab源码 1973期】

⛄一、基于DCT变换的图像融合算法简介 在图像融合过程中,最主要的就是如何提取低高频系数以及低高频系数的融合准则。基于DCT变换的图像融合算法原理如图2所示。 图2 DCT融合算法原理 算法步骤如下。 步骤1精确配准待融合的源图像。 步骤2采用分块的方法将参与融合的每幅大小…

【Java版oj】逆波兰表达式求值

目录 一、原题再现 二、问题分析 三、完整代码 一、原题再现 150. 逆波兰表达式求值 有效的算符包括 、-、*、/ 。每个运算对象可以是整数,也可以是另一个逆波兰表达式。 注意 两个整数之间的除法只保留整数部分。 可以保证给定的逆波兰表达式总是有效的。换句话…

1、浮动(float)

提示:我们一般网页上下用标准流,左右用浮动来写 1.1传统网页布局三种方式 网页布局本质——用css来摆放盒子,把盒子摆放到相应位置。css提供了三种传统布局简单方式,说就是盒子如何进行排列顺序: 普通流(或…

[附源码]Python计算机毕业设计高校助学金管理系统Django(程序+LW)

该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程 项目运行 环境配置: Pychram社区版 python3.7.7 Mysql5.7 HBuilderXlist pipNavicat11Djangonodejs。 项目技术: django python Vue 等等组成,B/S模式 pychram管理等…

Selenium3自动化测试【40】Html测试报告

📌 博客主页: 程序员二黑 📌 专注于软件测试领域相关技术实践和思考,持续分享自动化软件测试开发干货知识! 📌 公号同名,欢迎加入我的测试交流群,我们一起交流学习! 目录…

tkinter: 基本+Button+Layout

简介 简介 Tcl 动态解释型编程语言可独立执行,多嵌入C程序中作为脚本引擎,或者作为使用Tk工具包的接口Tcl库可以创建一个或多个Tcl解释器实例,然后在这些实例上运行C或Tcl命令和脚本每个解释器有一个事件队列,接受事件并处理他们…

分享10个比B站更刺激的网站,千万别轻易点开

作为一个码龄8年程序员,到现在还能保持着浓密的头发和健壮的身体,全靠这10个网站让我健(偷)康(偷)生(摸)活(鱼),今天就把我收藏夹里的网站无私分享…

【实时数仓】在Hbase建立维度表、保存维度数据到Hbase、保存业务数据到kafka主题

文章目录一 分流Sink之建立维度表到HBase(Phoenix)1 拼接建表语句(1)定义配置常量类(2)引入依赖(3)hbase-site.xml(4)在phoenix中执行(5)增加代码a TableProc…

用Python写一个模拟qq聊天小程序的代码实例

前言 今天小编就为大家分享一篇关于用Python写一个模拟qq聊天小程序的代码实例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧 Python 超简单的聊天程序 客户端: 服务器: 模拟qq聊…

张驰咨询:快速提高流程效率的5个关键精益生产工具

精益,又称“精益制造”或“精益生产”,注重通过消除浪费、消除缺陷,实现客户价值最大化。精益工具是关于理解过程,发现浪费,防止错误和记录你所做的事情。 让我们来看看流程改进中使用的五种精益工具,它们…

对 CSS 工程化的理解

CSS 工程化是为了解决以下问题: 宏观设计:CSS 代码如何组织、如何拆分、模块结构怎样设计?编码优化:怎样写出更好的 CSS?构建:如何处理我的 CSS,才能让它的打包结果最优?可维护性&a…

ReplicaSet和Deployment

ReplicaSet和Deployment 写在前面 语雀原文阅读效果更佳:198 ReplicaSet和Deployment 语雀 《198 ReplicaSet和Deployment》 1、ReplicaSet 假如我们现在有一个 Pod 正在提供线上的服务,我们来想想一下我们可能会遇到的一些场景: 某次运营…

计算机毕业设计django基于python大学生多媒体学习系统

项目介绍 随着计算机多媒体技术的发展和网络的普及。采用当前流行的B/S模式以及3层架构的设计思想通过Python技术来开发此系统的目的是建立一个配合网络环境的大学生多媒体学习系统的平台,这样可以有效地解决数据学习系统混乱的局面。 本文首先介绍了大学生多媒体学习系统的发…

加密与认证技术

加密与认证技术密码技术概述密码算法与密码体制的基本概念加密算法与解密算法秘钥的作用什么是密码密钥长度对称密码体系对称加密的基本概念典型的对称加密算法DES加密算法3DES加密算法非对称密码体系非对称加密基本概念密码技术概述 密码技术是保证网络安全的核心技术之一&am…

Jmeter(十六):jmeter场景的运行架构(本地运行和远程运行)配置远程负载机

jmeter场景的运行架构(本地运行和远程运行) 运行方式: GUI运行:通过图形界面方式运行,该运行方式的可视化界面及监听器动态展示 结果都比较消耗负载机资源,建议大并发时不用,一般进行脚本调试; 命令行运行…

Jina 开箱即用的云原生多模态系统解决方案

Jina 是一个基于云原生的多模态应用框架,开发者使用 Jina 可以轻松构建、部署和维护高性能的云原生应用。你可能认为这些都只是空泛的营销口号,甚至产生疑问,到底什么是云原生?对构建多模态应用有什么帮助?它是否只是 …

2022年总结:道阻且长,行则将至

前言 今年是第四个年头写总结了,直到这个时候,我仍未想出今年的标题是什么。 2019年总结,平凡的我仍在平凡的生活 2020年总结,所有努力只为一份期待 2021年总结:前路有光,初心莫忘 如果非得用一句话来…

Spark 3.0 - 12.ML GBDT 梯度提升树理论与实战

目录 一.引言 二.GBDT 理论 1.集成学习 2.分类 & 回归问题 3.梯度提升 4.GBDT 生成 三.GBDT 实战 1.数据准备 2.构建 GBDT Pipeline 3.预测与评估 四.总结 一.引言 关于决策树前面已经介绍了常规决策树与随机森林两种类型的知识,本文主要介绍梯度提…

微服务调用工具

微服务调用工具目录概述需求:设计思路实现思路分析1.A2.B3.C参考资料和推荐阅读Survive by day and develop by night. talk for import biz , show your perfect code,full busy,skip hardness,make a better result,wait for change,challenge Survive…