✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信      无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机

⛄ 内容介绍

随着科技的进步,智能汽车已经成为未来汽车发展的必然趋势.车载雷达作为智能汽车的关键传感器之一,愈来愈得到重视.在常见的车载雷达中,毫米波雷达相比于激光雷达具有独特的优势,在汽车防撞系统中更是不可或缺.为了提高车载毫米波雷达的探测性能,除了不断增强雷达系统的硬件性能外,信号处理算法的研究一直以来也是备受关注.车载毫米波雷达最常采用的体制为线性调频连续波(Frequency Modulation Continuous Wave,FMCW)体制.基于Matlab模拟毫米波雷达接收发射信号仿真。

⛄ 部分代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%                FMCW Radar Simulator               %

%                                                   %

%%

figure;

subplot(3,2,5)

hold on

axis off

x = -4:0.1:4;

y = zeros(size(x));

plot(x,y,'k')

plot(4.2,0,'k>');

text(3.4,1.5,'X');

y = 0:0.1:10;

x = zeros(size(y));

plot(x,y,'k')

plot(0,10.3,'k^');

text(0.5,9.7,'Y');

plot(-1,0,'bx');text(-1.9,-1,'rx1')

plot(1,0,'bx');text(1,-1,'rx2')

plot(0,0,'b*');text(-0.3,-1,'tx')

plot(0,8,'rx');plot(-5,8,'r<');plot(5,8,'r>');

plot(3,8,'ro');

x = -5:0.1:5;

y = ones(size(x))*8;

plot(x,y,'r:')

text(3.2,8.3,'\rightarrow');

x = -1:0.1:3;

y = 2*x+2;

plot(x,y,'r:')

x = 0:0.1:3;

y = 8/3*x;

plot(x,y,'r:')

x = 1:0.1:3;

y = 4*x-4;

plot(x,y,'r:')

xlim([-6 6]);ylim([-1 11])

hold off

%%

subplot(3,2,6)

hold on

axis off

ylim([-1 6])

x = -10:0.1:10;

y = zeros(size(x));

plot(x,y,'k')

plot(10.5,0,'k>');

text(11.5,0.1,'Time');

y = 0:0.1:4;

x = zeros(size(y))-10;

plot(x,y,'k')

plot(-10,4.2,'k^');

text(-8.8,4.5,'TX Frequency');

x = -10:0.1:10;

y = mod(0.6*(x),2)+1;

plot(x,y,'k')

%%

if ~exist('I1','var') || ~exist('Q1','var') || ~exist('I2','var') || ~exist('Q2','var')

    [I1,Q1,I2,Q2] = radar_simulation_wrapper;

    close all

end

[TotalChirpNum,ChirpLen] = size(I1);

rx1_c = I1 + Q1*1j;

rx2_c = I2 + Q2*1j;

%%

% Range FFT

RANGE_MIN = 0;

RANGE_MAX = 16;

rx1_range_fft = zeros(TotalChirpNum,1024);

rx2_range_fft = zeros(TotalChirpNum,1024);

tmp = zeros(1,ChirpLen);

for k=1:TotalChirpNum

    for m=1:ChirpLen

        tmp(m)=rx1_c(k,m)/((m+1)/ChirpLen)^0.3;

    end

    rx1_range_fft(k,:) = fft((tmp(301:1324)-mean(tmp(301:1324))).*hamming(1024)');

    for m=1:ChirpLen

        tmp(m)=rx2_c(k,m)/((m+1)/ChirpLen)^0.3;

    end

    rx2_range_fft(k,:) = fft((tmp(301:1324)-mean(tmp(301:1324))).*hamming(1024)');

end

rx1_range_fft(:,1:RANGE_MIN) = 0;

rx2_range_fft(:,1:RANGE_MIN) = 0;

eng_rx1_rfft = abs(rx1_range_fft(:,1:RANGE_MAX));

eng_rx2_rfft = abs(rx2_range_fft(:,1:RANGE_MAX));

% figure

% subplot(2,1,1)

% mesh(eng_rx1_rfft);

% subplot(2,1,2)

% mesh(eng_rx2_rfft);

%%

% Dopplor FFT

DLP_FFT_SIZE = 32;

DLP_FFT_INTVERAL = 32;

rx1_dpl_fft = zeros(DLP_FFT_SIZE,RANGE_MAX);

rx2_dpl_fft = zeros(DLP_FFT_SIZE,RANGE_MAX);

for chirp_idx=1:DLP_FFT_INTVERAL:TotalChirpNum-DLP_FFT_SIZE-DLP_FFT_INTVERAL

    rx1_rfft_clip = rx1_range_fft(chirp_idx:chirp_idx+DLP_FFT_SIZE-1,1:RANGE_MAX);

    rx2_rfft_clip = rx2_range_fft(chirp_idx:chirp_idx+DLP_FFT_SIZE-1,1:RANGE_MAX);

    for k=1:RANGE_MAX

        rx1_dpl_fft(:,k) = fftshift(fft(rx1_rfft_clip(:,k)));

        rx2_dpl_fft(:,k) = fftshift(fft(rx2_rfft_clip(:,k)));

        rx1_dpl_fft(DLP_FFT_SIZE/2+1,k) = 0;

        rx2_dpl_fft(DLP_FFT_SIZE/2+1,k) = 0;

    end

    eng_rx1_df = abs(rx1_dpl_fft);

    eng_rx2_df = abs(rx2_dpl_fft);

    eng_rx_df = eng_rx1_df.*eng_rx2_df;

    subplot(3,3,[1 2 4 5]);surfc(eng_rx_df);view(0,90);axis off

    title('mix: Range - Speed')

    subplot(3,3,3);surfc(eng_rx1_df);view(0,90);axis off

    title('rx1: Range - Speed')

    subplot(3,3,6);surfc(eng_rx2_df);view(0,90);axis off

    title('rx2: Range - Speed')

    pause(0.03)

end

⛄ 运行结果

基于Matlab模拟毫米波雷达接收发射信号仿真_JAVA

⛄ 参考文献

[1] 窦林涛, 程健庆, 李素民. 基于Matlab的雷达信号处理系统仿真[J]. 指挥控制与仿真, 2006, 28(2):5.

[2] 王金虎, 金子琪, 王美民,等. 基于JAVA与MATLAB混编技术的毫米波测云雷达回波衰减订正仿真软件设计[J]. 计算技术与自动化, 2019, 38(4):6.

[3] 陈兵兵, 袁钊, 张玉梅,等. 毫米波雷达测速系统的研究[J]. 现代信息科技, 2020, 004(010):P.65-68.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料