首页 > 其他分享 >线性调频信号的脉冲压缩

线性调频信号的脉冲压缩

时间:2022-10-10 16:36:32浏览次数:49  
标签:仿真 旁瓣 脉冲 信号 线性 调频


线性调频信号,最大的优点就是波形的产生比较容易,此外该信号对多普勒频移不敏感,也就是说当存在多普勒频率偏移的时候,线性调频信号仍然能够应用。但LFM信号主要缺点是信号在匹配滤波后输出信号的旁瓣较高,第一旁瓣相对于主瓣为-13.2dB,无法满足实际的需要。从而发展出了加权网络技术,即在匹配滤波之后将信号通过一个加权网络来抑制旁瓣的影响。本章将重点介绍线性调频信号的脉冲压缩,并对其多普勒频率偏移的敏感性与旁瓣加权抑制技术进行研究,并通过MATLAB进行仿真分析。

在研究线性调频信号的脉冲压缩理论之前,我们首先通过原理图来说明线性调频脉冲压缩的基本原理。

线性调频信号的脉冲压缩_多目标

图3.1a 输入信号的高频脉冲包络

线性调频信号的脉冲压缩_多目标_02

图3.1b 线性调频过程中载频的调频特性

线性调频信号的脉冲压缩_匹配滤波_03

图3.1c 压缩网络的频率延迟特性

线性调频信号的脉冲压缩_多目标_04

图3.1d 压缩网络的输出脉冲包络

由上面的分析可知,线性调频信号通过匹配滤波器后,输出压缩脉冲的包络近似与sinc函数形状。最大的旁瓣电平为主瓣电平的-13.46dB,其他旁瓣按其离主瓣的间隔x按1/x规律衰减。图3.2给出了LFM信号的实部与虚部的基带波形。

线性调频信号的脉冲压缩_线性调频信号_05

图3.2 LFM信号仿真图(TB=300)

在实际系统中,接收到的信号往往是中频信号,首先需要对中频信号解调,还原出图3.2所示的I,Q两路信号。本文暂不考虑这个因素,本文主要在已知两路信号的前提下对系统进行仿真分析。

由前面的分析可知,线性调频信号通过匹配滤波器后,输出压缩脉冲的包络近似为sinc函数形状。其中最大的一对旁瓣为主瓣电平的-13.49dB,。在多目标环境中,这些旁瓣会埋没附近较小目标的主信号,引起目标丢失。图3.4的效果表面通过匹配滤波后的波形其旁瓣电平是比较大的。

线性调频信号的脉冲压缩_线性调频信号_06

图3.4 未加权前的信号仿真图

从仿真结果可以看到,当没有加权的时候,信号的旁瓣非常大,由图3.4第二个图可以看到,旁瓣幅度达到了主瓣的-13.4db。这会小回波的主峰可能造成严重干扰,降低雷达的性能。为了提高多目标的分辨能力,必须采用旁瓣抑制技术,即加权技术。加权技术就是对匹配滤波以后的信号进行窗操作。

    下面通过一组雷达参数,来对本章的介绍进行系统的仿真与分析,设雷达的参数指标为:

表3.1 雷达参数指标

 

参数

指标

1

雷达发射信号参数

 

2

幅度

1.0

3

信号波形

线性调频信号

4

频带宽度

30MHz

5

脉冲宽度

10us

6

中心频率

109Hz

7

雷达接收方式

正交解调接收

8

距离门

10Km~15Km

 

根据前面的理论可知,线性调频后,其分辨率为:

 

四个目标,其相互之间间隔为1Km,所以是能够分别的,其仿真结果如下所示:

线性调频信号的脉冲压缩_多目标_07

图3.11 四目标线性调频后的仿真图

线性调频信号的脉冲压缩_c函数_08

图3.12 七目标线性调频后的仿真图

由此可见,线性调频脉冲压缩,其能够在一定范围之内对雷达信号进行分辨。当然,以上的仿真是在信号的功率相同的条件下进行的,如果接收到的信号功率不一致,如果两个目标相距比较远,系统仍然能够对系统进行分辨,但当弱信号在强信号的旁瓣范围之内,当信号的强度小于旁瓣电平的时候,强信号的旁瓣就会淹没掉弱信号的主瓣,从而无法识别信号。 图3.13的仿真将说明这个问题。

标签:仿真,旁瓣,脉冲,信号,线性,调频
From: https://blog.51cto.com/u_15815923/5744734

相关文章

  • 【SNN脉冲神经网络】SNN脉冲神经网络的工作原理演示MATLAB仿真带GUI界面
    clc;clearall;closeall;%初始参数I=10;sigma=0.04;beta=5;gamma=140;a=0.02;b=0.2;c=-65;d=2;%步长,改进欧拉法的相关参数step=0.1;timeConter=0:st......
  • 神经网络遗传算法函数极值寻优-非线性函数极值
    %%清空环境变量clccleartic%%训练数据预测数据提取及归一化%下载输入输出数据loaddatainputoutput%从1到2000间随机排序k=rand(1,4000);[m,n]=sort(k);%找出训......
  • 吴恩达机器学习复习4:非线性假设、神经和大脑、模型表示1、模型表示2、例子与直觉1、例
    【非线性假设】为什么我们需要神经网络?   因为神经网络不需要大量的为特征设计的内容或有大量特征,,我们可以直接把数据放进进神经网络模型,让它自己进行训练,并做自我......
  • SLAM非线性优化
    经过前面的学习,我们的问题变为如何在有噪声的数据中进行准确的状态估计。状态估计问题经典SLAM模型,由一个运动方程和一个观测方程构成:\[\begin{cases}x_k=f(x_{k-1},u_......
  • 详解线性分类-逻辑回归(Logistic Regression)【白板推导系列笔记】
    一点最大后验估计的理解,不知道该写哪,就放这里了最大后验估计是根据经验数据获得对难以观察的量的点估计。与最大似然估计类似,但是最大的不同是,最大后验估计的融入了要估计......
  • 数据结构之线性表、队列、栈
    一、线性表1.两种实现方式ArrayList底层逻辑是使用数组进行实现的,不支持线程同步,非线程安全LinkedList底层逻辑是使用List实现的,不支持线程同步,非线程安全2.比较A......
  • 几何与线性代数——向量
    几何向量及其应用1.1向量及其线性运算1.1.1向量既有大小又有方向称之为向量。以A起点,B为终点的有向线段所表示的向量为\(\overrightarrow{AB}\),向量大小称向量\(......
  • 数据结构基础—线性表
    数据结构基础—线性表线性表是一种顺序存储结构其特点有:存在唯一的一个被成为”第一个”的数据元素存在唯一的一个被成为”最后一个”的数据元素除第一个之外,集合中的......
  • 线性代数——矩阵的运算(未完待续)
    矩阵的幂运算定义:设A为n阶矩阵,\(A^k=A*A*A...\)定义为A的k次方幂性质:1.\(A^k*A^l=A^{k+l}=A^l*A^k\)2.\((A^k)^l=A^{kl}\)3.\((AB)^k!=A^kB^k\),矩阵乘法并不满足交换......
  • 线性基
    https://www.luogu.com.cn/blog/command-block/xian-xing-ji-xiao-ji显然一个矩阵的秩是一定的,于是在一个张成空间中,显然基向量的个数都等于空间维度。根据该性质,对每个向......