当前位置: 首页 > news >正文

对1GHz脉冲多普勒雷达进行快速和慢速处理生成5个移动目标的距离多普勒图研究(Matlab代码实现)

 💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。

⛳️座右铭:行百里者,半于九十。

📋📋📋本文目录如下:🎁🎁🎁

目录

💥1 概述

📚2 运行结果

2.1 多普勒与距离图中的五个塔格特:

2.2 回波信号和匹配滤波器输出: 

2.3  数据立方体: 看到tha Barker代码相移和目标的回声:

🎉3 参考文献

🌈4 Matlab代码实现


💥1 概述

本文涉及对1GHz脉冲多普勒雷达进行快速和慢速处理,以生成5个移动目标的距离多普勒图。目标的范围和速度将使用 matlab 函数随机生成。

五个目标的反射率为1、0.5、0.25、0.25和0.1,每个目标的组合回波由下式给出:

屏幕截图 2020-06-03 在 5 52 08 上午

其中t是快速时间,m是慢时间脉冲指数。b(t) 是巴克码,k0 是雷达传播常数。 􏰈

  • 快速处理(测距) 巴克代码用于该雷达的测距。模拟 13 芯片巴克码。假设脉冲宽度为10uS。假设检测是杂乱无章的。杂波是通过假设任何时间样本中的杂波幅度具有瑞利分布的幅度和均匀分布的相位来建模的。杂波功率可以通过更改 SCR 来控制。单个杂波样本可以由
    c(t, m) = sqrt 建模 × exp(2π × rand × j) 注意日志是基数 e
    对于快速时间处理,请使用 10MHz 的采样率(采样间隔为 0.1uS。在每个脉冲传输后产生100uS(1000个样本)的回波。对于 1000 个样本中的每一个,都会生成一个独立的杂波值。使用巴克代码的匹配滤波器将回声装箱到 (1000+200) 范围箱中。额外的 200 个箱用于开始和结束,因为每个脉冲将有 100 个样本。

  • 慢时处理(多普勒) 使用 1000Hz 的 PRF (T = 1ms)。在慢时间内从1024个脉冲产生回波。通过沿 1024 个范围箱中的每一个对 1200 个脉冲进行傅里叶变换来执行慢时处理。生成强度图(1024x1200),显示5个目标中每个目标的距离和多普勒。还要在目标的实际位置放置一个“+”,这在模拟中是已知的。请注意,强度分布应以这些“+”为中心。将慢时间轴转换为多普勒频率(以 Hz 为单位),将快速时间轴转换为以米为单位的范围。请注意,每个脉冲的杂波都是相同的,即对所有脉冲使用相同的 1000 个杂波值。

​生成不同信杂波 (SCR) 比的距离多普勒图:20dB、10dB、3dB、0dB、-10dB。一般信息和说明什么是快时间和慢时间?​

屏幕截图 2020-06-03 在 6 21 42 上午

​目标是创建一个包含 1024 个范围箱的矩阵,每个箱有 1000 个脉冲。
慢时间=更新每个PRI,表示每次一个脉冲,1000个脉冲,每个立方体在慢时间内是1个PRI。
单个脉冲内的时间是快速时间。脉冲之间的时间是慢时间。
快速时间是指给定脉冲的范围箱或范围样本的数量,代表范围延迟。
慢时间只是脉冲数。

在快速时间的不同时间段组成一个 PRI,意味着在每个 PRI 内部,延迟时间。我们可以说我们得到了 1024 次分辨率和 1000 PRI x 轴上的每个脉冲。
如果在x=2,第二个脉冲,快速时间=10。然后下一个脉冲在 x=3,目标 仍然在快速时间 = 10,表示目标没有移动。
如果在 x=4 的下一个脉冲中,我们上升到相应的 y 值,并且目标移动到 快速时间 y= 14 表示它正在移动。
单个脉冲内的时间是快速时间。脉冲之间的时间是慢时间。

FFT
使用FFT,我们从慢时间移动到多普勒频率,从快速时间移动到范围。
原因:因为在移动目标中,相位信息出现在每个接收到的脉冲中。
不同的返回可以在多普勒域而不是时域中分离。
所以,当我们从快速时间移动到范围时,
每个 y 值都变成了范围, 当我们从慢速时间移动到多普勒时,每个x值都变成多普勒频率

当两个目标在相同的y“范围”但不同的x“多普勒”时,这意味着两个目标在相同的范围内,但速度不同。
多普勒频率和速度由 如果两个目标具有相同的多普勒但射程不同,则意味着它们的速度相同,但范围不同。

流程:

  1. 使用 rand 函数生成五个范围、五个速度和法夫反射率。

  2. 使用方程找到每个目标的回波,知道回波将始终比原始信号延迟 2R/C。所以我(到)ia 2R / C。

  3. 在回波方程中,我们得到t-2R/C.(t)这里是快速时间,因为我们有兴趣看到每个脉冲的回波。

  4. 使用Barker代码进行压缩,使脉冲具有180个相移,以增加带宽而不会损失分辨率。在这个雷达中,它用于测距。

  • 从快速时间处理(测距)开始 快速脉冲是1.100微秒,我们生成1000微秒,所以1000个样本。
    在每个脉冲之后,或每个M慢时间,或在每个X处,我们为这1200个样本中的每一个生成一个新的混乱。
    我将使用匹配的过滤器进行 barker 代码,将回声装箱到 200 范围内,以增加 <> 个箱。

  • 慢时处理(多普勒) 使用 PRF = 1000 Hz,T = 1ms 并使用回波方程, 我从 1024 个脉冲中生成了 1024 个回波,并将这些回波堆叠在我的 (S) 中。 然后我沿着 1024 个范围箱获取 1200 个回波或脉冲的 FFT。

📚2 运行结果

2.1 多普勒与距离图中的五个塔格特:

具有坏多普勒频率的塔格特正在远离雷达,而积极的塔格特正在向雷达走来。 

2.2 回波信号和匹配滤波器输出: 

请注意,每当我们同时输入匹配的滤波器输出和回波信号时,我们都会检测到目标。 

2.3  数据立方体: 看到tha Barker代码相移和目标的回声:

部分代码:

% The Echo received for each Target +  Clutter
 for k = 1 : 5
     
Delay = to(k);

S(Delay:Delay+12) = S(Delay:Delay+12)+ p(k).* barker (1:13).* exp(j*2*Ko*u(k)*t);

 
 end

%Matched Filtering with inverse Barker code coefficients 

Sfilterd= filter(a,1,S)/13;

% Building the Matrix Cube
MatrixCube(i,1:L) = Sfilterd(1:L);


end

FFTMatrixCube = fftshift(fft(MatrixCube,[],1));

figure 
% Ploting the Doppler - Range Grapgh
image([-500 500],[-15 15],200*log10(abs(FFTMatrixCube')));
xlabel('Doppler')
ylabel('Range')

figure
X = 1:1:1000;
plot(X,abs(Sfilterd)) 
hold on 
plot(X,abs(S))
hold off
legend('Clutter','Filter output')

L1 = 1:1:1024;
M1 = -500:1:500;
figure
mesh(abs(MatrixCube))

🎉3 参考文献

文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。

[1]林晓斌,张承志,谢梦.脉冲多普勒雷达目标航迹自动起始方法研究[J].科技视界, 2018(12):2.DOI:CNKI:SUN:KJSJ.0.2018-12-005.

[2]李惠峰,赵明.基于多目标的脉冲多普勒雷达导引头系统研究[C]//山东自动化学会;山东理工大学.山东自动化学会;山东理工大学, 2010.

[3]A.Yasotharan,T.Thayaparan.傅里叶变换法用于脉冲多普勒雷达检测加速运动目标的研究[J].空载雷达, 2005(2):7.

🌈4 Matlab代码实现

相关文章:

对1GHz脉冲多普勒雷达进行快速和慢速处理生成5个移动目标的距离多普勒图研究(Matlab代码实现)

&#x1f4a5;&#x1f4a5;&#x1f49e;&#x1f49e;欢迎来到本博客❤️❤️&#x1f4a5;&#x1f4a5; &#x1f3c6;博主优势&#xff1a;&#x1f31e;&#x1f31e;&#x1f31e;博客内容尽量做到思维缜密&#xff0c;逻辑清晰&#xff0c;为了方便读者。 ⛳️座右铭&a…...

uni.uploadFile上传 PHP接收不到

开始这样&#xff0c;后端$file $request->file(file);接收不到 数据跑到param中去了 去掉Content-Type&#xff0c;就能接收到了 param只剩下...

2023年高教社杯 国赛数学建模思路 - 复盘:光照强度计算的优化模型

文章目录 0 赛题思路1 问题要求2 假设约定3 符号约定4 建立模型5 模型求解6 实现代码 建模资料 0 赛题思路 &#xff08;赛题出来以后第一时间在CSDN分享&#xff09; https://blog.csdn.net/dc_sinor?typeblog 1 问题要求 现在已知一个教室长为15米&#xff0c;宽为12米&…...

Netty简易聊天室

文章目录 本文目的参考说明环境说明maven依赖日志配置单元测试 功能介绍开发步骤 本文目的 通过一个简易的聊天室案例&#xff0c;讲述Netty的基本使用。同时分享案例代码。项目中用到了log4j2&#xff0c;junit5&#xff0c;同时分享这些基础组件的使用。项目中用到了awt&…...

Flutter Cannot run with sound null safety, because the following dependencies

flutter sdk 版本升级到2.0或者更高的版本后&#xff0c;运行之前的代码会报错 Error: Cannot run with sound null safety, because the following dependencies dont support null safety:- package:flutter_swiper- package:flutter_page_indicator- package:transformer_p…...

利用改进的遗传算法(种群隔离与个体迁移)mpi并行解决tsp问题

序 关于tsp问题的概述以及如何使用遗传算法进行求解已经在上一篇文章中说明了&#xff1a;遗传算法解决TSP问题. 但是&#xff0c;作为一种演化算法&#xff0c;遗传算法还存在着许多问题&#xff0c;比如早熟的情况&#xff0c;很容易在算法前期就已经收敛了&#xff0c;大量…...

【C++】—— C++11之线程库

前言&#xff1a; 在本期&#xff0c;我将给大家介绍的是 C11 中新引进的知识&#xff0c;即关于线程库的相关知识。 目录 &#xff08;一&#xff09;线程库的介绍 1、线程库的由来 2、线程库的简单介绍 &#xff08;二&#xff09;线程函数参数 &#xff08;三&#xf…...

前端面试:【性能优化】前端缓存、CDN、懒加载和预加载

亲爱的前端开发者&#xff0c;Web性能对用户体验至关重要。如果你想让你的网站更快、更具吸引力&#xff0c;就需要关注前端性能优化。在这篇文章中&#xff0c;我们将深入探讨四个关键的性能优化策略&#xff1a;前端缓存、CDN&#xff08;内容分发网络&#xff09;、懒加载和…...

民族传统文化分享系统uniapp 微信小程序

管理员、用户可通过Android系统手机打开系统&#xff0c;注册登录后可进行管理员后端&#xff1b;首页、个人中心、用户管理、知识分类管理、知识资源管理、用户分享管理、意见反馈、系统管理&#xff0c;用户前端&#xff1b;首页、知识资源、用户分享、我的等。 本系统的使用…...

netty(二):NIO——处理可写事件

处理可写事件 什么情况下需要注册可写事件&#xff1f; 在服务端一次性无法把数据发送完的情况下&#xff0c;需要注册可写事件 服务端一次性是否能够把数据全部发送完成取决于服务端的缓冲区大小&#xff0c;该缓冲区不受程序控制 注册可写事件的步骤 判断ByteBuffer是否仍…...

PHP基本语法解析与应用指南

PHP&#xff08;Hypertext Preprocessor&#xff09;是一种广泛应用的开源脚本语言&#xff0c;特别适用于Web开发。本文将深入探讨PHP的基本语法&#xff0c;包括变量、数据类型、运算符、控制流等方面的内容。我们将详细介绍每个主题的基本概念、语法规则和常见应用&#xff…...

ICS PA1

ICS PA1 init.shmake 编译加速ISA计算机是个状态机程序是个状态机准备第一个客户程序parse_argsinit_randinit_loginit_meminit_isa load_img剩余的初始化工作运行第一个客户程序调试&#xff1a;零断点TUI 基础设施单步执行打印寄存器状态扫描内存 表达式求值词法分析递归求值…...

Java学数据结构(4)——散列表Hash table 散列函数 哈希冲突

目录 引出散列表Hash table关键字Key和散列函数(hash function)散列函数解决collision哈希冲突&#xff08;碰撞&#xff09;分离链接法(separate chaining)探测散列表(probing hash table)双散列(double hashing) Java标准库中的散列表总结 引出 1.散列表&#xff0c;key&…...

OVRL-V2: A simple state-of-art baseline for IMAGENAV and OBJECTNAV 论文阅读

论文信息 题目&#xff1a;OVRL-V2: A simple state-of-art baseline for IMAGENAV and OBJECTNAV 作者:Karmesh Yadav&#xff0c; Arjun Majumdar&#xff0c; Ram Ramrakhya 来源&#xff1a;arxiv 时间&#xff1a;2023 代码地址&#xff1a; https://github.com/ykarmesh…...

【安全】原型链污染 - Hackit2018

目录 准备工作 解题 代码审计 Payload 准备工作 将这道题所需依赖模块都安装好后 运行一下&#xff0c;然后可以试着访问一下&#xff0c;报错是因为里面没内容而已&#xff0c;不影响,准备工作就做好了 解题 代码审计 const express require(express) var hbs require…...

net.ipv4.ip_forward=0导致docker容器无法与外部通信

在启动一个docker容器时报错&#xff1a; WARNING: IPv4 forwarding is disabled. Networking will not work. 并且&#xff0c;此时本机上的其他容器的网络服务&#xff0c;只能在本机上访问&#xff0c;其他机器上访问不到。 原因&#xff1a; sysctl net.ipv4.ip_forward …...

软考高级系统架构设计师系列论文九十八:论软件开发平台的选择与应用

软考高级系统架构设计师系列论文九十八:论软件开发平台的选择与应用 一、相关知识点二、摘要三、正文四、总结一、相关知识点 软考高级系统架构设计师系列之:面向构件的软件设计,构件平台与典型架构二、摘要 本文讨论选择新软件开发平台用于重新开发银行中间业务系统。银行中…...

Springboot整合WebFlux

一、使用WebFlux入门 WebFlux整合MysqlWebFlux整合ESWebFlus整合MongdbWebFlus整合Redis 1、添加依赖 <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-webflux</artifactId><version>2.2.1.…...

uniapp 实现地图距离计算

在uniapp中实现地图距离计算可以借助第三方地图服务API来实现。以下是一种基本的实现方式&#xff1a; 注册地图服务API账号&#xff1a;你可以选择使用高德地图、百度地图等提供地图服务的厂商&#xff0c;注册一个开发者账号并获取API密钥。 安装相关插件或SDK&#xff1a;根…...

破除“中台化”误区,两大新原则考核中后台

近年来&#xff0c;“中台化”已成为许多企业追求的目标&#xff0c;旨在通过打通前后台数据和业务流程&#xff0c;提升运营效率和创新能力。然而&#xff0c;在实施过程中&#xff0c;一些误解可能导致“中台化”未能如预期般发挥作用。本文将探讨这些误解&#xff0c;并提出…...

工业安全零事故的智能守护者:一体化AI智能安防平台

前言&#xff1a; 通过AI视觉技术&#xff0c;为船厂提供全面的安全监控解决方案&#xff0c;涵盖交通违规检测、起重机轨道安全、非法入侵检测、盗窃防范、安全规范执行监控等多个方面&#xff0c;能够实现对应负责人反馈机制&#xff0c;并最终实现数据的统计报表。提升船厂…...

Cesium1.95中高性能加载1500个点

一、基本方式&#xff1a; 图标使用.png比.svg性能要好 <template><div id"cesiumContainer"></div><div class"toolbar"><button id"resetButton">重新生成点</button><span id"countDisplay&qu…...

现代密码学 | 椭圆曲线密码学—附py代码

Elliptic Curve Cryptography 椭圆曲线密码学&#xff08;ECC&#xff09;是一种基于有限域上椭圆曲线数学特性的公钥加密技术。其核心原理涉及椭圆曲线的代数性质、离散对数问题以及有限域上的运算。 椭圆曲线密码学是多种数字签名算法的基础&#xff0c;例如椭圆曲线数字签…...

2025盘古石杯决赛【手机取证】

前言 第三届盘古石杯国际电子数据取证大赛决赛 最后一题没有解出来&#xff0c;实在找不到&#xff0c;希望有大佬教一下我。 还有就会议时间&#xff0c;我感觉不是图片时间&#xff0c;因为在电脑看到是其他时间用老会议系统开的会。 手机取证 1、分析鸿蒙手机检材&#x…...

Hive 存储格式深度解析:从 TextFile 到 ORC,如何选对数据存储方案?

在大数据处理领域&#xff0c;Hive 作为 Hadoop 生态中重要的数据仓库工具&#xff0c;其存储格式的选择直接影响数据存储成本、查询效率和计算资源消耗。面对 TextFile、SequenceFile、Parquet、RCFile、ORC 等多种存储格式&#xff0c;很多开发者常常陷入选择困境。本文将从底…...

论文阅读笔记——Muffin: Testing Deep Learning Libraries via Neural Architecture Fuzzing

Muffin 论文 现有方法 CRADLE 和 LEMON&#xff0c;依赖模型推理阶段输出进行差分测试&#xff0c;但在训练阶段是不可行的&#xff0c;因为训练阶段直到最后才有固定输出&#xff0c;中间过程是不断变化的。API 库覆盖低&#xff0c;因为各个 API 都是在各种具体场景下使用。…...

如何应对敏捷转型中的团队阻力

应对敏捷转型中的团队阻力需要明确沟通敏捷转型目的、提升团队参与感、提供充分的培训与支持、逐步推进敏捷实践、建立清晰的奖励和反馈机制。其中&#xff0c;明确沟通敏捷转型目的尤为关键&#xff0c;团队成员只有清晰理解转型背后的原因和利益&#xff0c;才能降低对变化的…...

C++--string的模拟实现

一,引言 string的模拟实现是只对string对象中给的主要功能经行模拟实现&#xff0c;其目的是加强对string的底层了解&#xff0c;以便于在以后的学习或者工作中更加熟练的使用string。本文中的代码仅供参考并不唯一。 二,默认成员函数 string主要有三个成员变量&#xff0c;…...

精益数据分析(98/126):电商转化率优化与网站性能的底层逻辑

精益数据分析&#xff08;98/126&#xff09;&#xff1a;电商转化率优化与网站性能的底层逻辑 在电子商务领域&#xff0c;转化率与网站性能是决定商业成败的核心指标。今天&#xff0c;我们将深入解析不同类型电商平台的转化率基准&#xff0c;探讨页面加载速度对用户行为的…...

Docker环境下安装 Elasticsearch + IK 分词器 + Pinyin插件 + Kibana(适配7.10.1)

做RAG自己打算使用esmilvus自己开发一个&#xff0c;安装时好像网上没有比较新的安装方法&#xff0c;然后找了个旧的方法对应试试&#xff1a; &#x1f680; 本文将手把手教你在 Docker 环境中部署 Elasticsearch 7.10.1 IK分词器 拼音插件 Kibana&#xff0c;适配中文搜索…...