1 前言
脉冲压缩是雷达体系中普遍采用的信号处理方案,它在整个接收信号处理体系中处于较为前端的位置。脉冲压缩的主要作用是将时域上混杂在一起的不同目标回波,经过处理后在时域上能够分辨,且输出较高的信噪比。
2 脉冲压缩作用
脉冲压缩是针对脉冲雷达进行的处理。雷达有两个关键指标,距离和距离分辨率,而这两者之间是存在矛盾的。距离分辨率是指距离上不同目标的间隔,反映在时域,如果雷达发射脉冲波形为正弦波,且持续时长为 T p T_p Tp,则两个物体至少要相距: Δ R = c ∗ T p / 2 \Delta R = c*T_p/2 ΔR=c∗Tp/2;雷达才能将这两个物体分辨开来,如果两物体与雷达之间的径向距离之差小于 Δ R \Delta R ΔR,那么它们的回波就会相互混叠,导致无法区分。对于没有进行频率调制的信号,脉宽和带宽近似满足以下关系: T p ∗ B = 1 T_p*B=1 Tp∗B=1,则距离分辨率可写为: Δ R = c 2 ∗ B \Delta R=\frac{c}{2*B} ΔR=2∗Bc。
接受信噪比可用如下公式来表示:
S
N
R
=
P
t
T
p
G
2
λ
2
σ
(
4
π
)
3
R
4
k
T
e
F
L
SNR =\frac{P_tT_pG^2\lambda^2\sigma}{(4\pi)^3R^4kT_eFL}
SNR=(4π)3R4kTeFLPtTpG2λ2σ
式中
T
p
T_p
Tp为发射信号的脉冲宽度;
B
B
B为发射信号的带宽;
P
t
P_t
Pt为发射信号的平均功率。
在实际需求中,设计人员既想雷达能够达到较高的分辨率( Δ R \Delta R ΔR越小越好),又想能够得到足够高的信噪比。然而通过以上两个雷达公式,可以发现两者是矛盾的,由于 T p T_p Tp的作用,使得 T p T_p Tp增大时,信噪比会得到一定提升,但距离分辨率会有一定程度的下降( Δ R \Delta R ΔR增大),反之亦然。因此,这两者之间存在矛盾。
随着技术发展,雷达设计人员发现,距离分辨力对窄脉冲的限制,并不需要通过压窄发射脉冲宽度来实现,也可以通过对回波脉冲的压缩处理来实现。即在电磁波发射时采用具备特殊调制的宽脉冲信号,以提高雷达的平均发射功率,在回波接收处理时采用特殊的信号处理手段,获取窄的回波信号,以提高雷达的距离分辨率,这种技术称为脉冲压缩技术。
3 脉冲压缩原理
为了实现压缩,在接收机上设置一个与发射信号“共轭匹配”的压缩网络。如图所示,时域上,匹配滤波器的冲击响应函数构造为输入信号的镜像;频域上,匹配滤波器的幅频特性与信号的幅频特性一致。如图,当信号通过匹配滤波器时,信号越强的频率点,滤波器的放大倍数也越大;信号越弱的频率点,滤波器的放大倍数也越小,从而使信号在时域更集中。
另外一方面,从相频特性上看,匹配滤波器的相频特性和输入信号正好完全相反。这样,通过匹配滤波器后,信号的相位为零,正好能实现信号时域上的相干叠加。而噪声的相位是随机的,只能实现非相干叠加,这样在时域上保证了输出信噪比的最大。脉冲压缩的本质就是匹配滤波,故 h ( n ) = s ∗ ( − t ) h(n)=s^*(-t) h(n)=s∗(−t),即发射信号反褶后取共轭。
取LFM信号
S
(
t
)
S(t)
S(t)为发射信号:
S
(
t
)
=
r
e
c
t
(
t
T
e
x
p
[
j
2
π
(
f
c
t
+
K
2
t
2
)
]
)
=
s
(
t
)
e
x
p
(
j
2
π
f
c
t
)
S(t)=rect(\frac{t}{T}exp[j2\pi(f_ct+\frac{K}{2}t^2)]) =s(t)exp(j2\pi f_ct)
S(t)=rect(Ttexp[j2π(fct+2Kt2)])=s(t)exp(j2πfct)
其中
s
(
t
)
=
r
e
c
t
(
t
T
)
e
x
p
(
j
π
K
t
2
)
s(t)=rect(\frac{t}{T})exp(j\pi Kt^2)
s(t)=rect(Tt)exp(jπKt2)是线性调频信号的复包络,由傅里叶变换性质可知,
S
(
t
)
S(t)
S(t)与
s
(
t
)
s(t)
s(t)具有相同的幅频特性,只是中心频率不同而已,因此在Matlab仿真时,只需要考虑其复包络
s
(
t
)
s(t)
s(t);
f
c
f_c
fc是载波频率,
K
=
B
/
T
p
K=B/T_p
K=B/Tp是频率调制的斜率,
B
B
B和
T
p
T_p
Tp分别是脉冲带宽和持续时间。
匹配滤波器的时域脉冲响应为:
h
(
t
)
=
S
∗
(
−
t
)
h(t)=S^*(-t)
h(t)=S∗(−t)
匹配滤波器的输出
s
0
(
t
)
s_0(t)
s0(t)可计算为:
S
0
(
t
)
=
S
(
t
)
∗
h
(
t
)
=
∫
−
∞
∞
S
(
τ
)
S
∗
(
t
−
τ
)
d
τ
=
∫
−
∞
∞
r
e
c
t
(
τ
T
p
)
e
x
p
[
j
2
π
(
f
c
τ
+
K
2
τ
2
)
]
×
r
e
c
t
(
τ
−
t
T
p
)
e
x
p
[
j
2
π
(
f
c
(
τ
−
t
)
+
K
2
(
τ
−
t
)
2
)
]
d
τ
S_0(t)=S(t)*h(t)\\ =\int_{-\infty}^{\infty}{S(\tau)S^*(t-\tau)}d\tau\\ =\int_{-\infty}^{\infty}{rect(\frac{\tau}{T_p})exp[j2\pi(f_c\tau+\frac{K}{2}\tau^2)]\times rect(\frac{\tau-t}{T_p})exp[j2\pi(f_c(\tau-t)+\frac{K}{2}(\tau-t)^2)]}d\tau
S0(t)=S(t)∗h(t)=∫−∞∞S(τ)S∗(t−τ)dτ=∫−∞∞rect(Tpτ)exp[j2π(fcτ+2Kτ2)]×rect(Tpτ−t)exp[j2π(fc(τ−t)+2K(τ−t)2)]dτ
其中
r
e
c
t
(
τ
T
p
)
rect(\frac{\tau}{T_p})
rect(Tpτ)和
r
e
c
t
(
τ
−
t
T
p
)
rect(\frac{\tau-t}{T_p})
rect(Tpτ−t)分别是在
(
−
T
p
2
,
T
p
2
)
(-\frac{T_p}{2},\frac{T_p}{2})
(−2Tp,2Tp)和
(
−
T
p
2
+
t
,
T
p
2
+
t
)
(-\frac{T_p}{2}+t,\frac{T_p}{2}+t)
(−2Tp+t,2Tp+t)范围内的距离窗,由于卷积操作,
t
t
t的取值范围在
(
−
T
p
,
T
p
)
(-T_p,T_p)
(−Tp,Tp)之间。
当
t
∈
(
−
T
p
,
0
)
t\in(-T_p,0)
t∈(−Tp,0)时,有:
S
0
(
t
)
e
x
p
(
j
2
π
f
c
t
−
j
π
K
t
2
)
∫
−
T
p
2
T
p
2
+
t
e
x
p
(
j
2
π
K
t
τ
)
d
τ
=
e
x
p
(
j
2
π
f
c
t
)
s
i
n
(
π
K
t
(
T
p
+
t
)
)
π
K
t
S_0(t)exp(j2\pi f_ct-j\pi Kt^2)\int_{-\frac{T_p}{2}}^{\frac{T_p}{2}+t}{exp(j2\pi Kt\tau)}d\tau\\ =exp(j2\pi f_ct)\frac{sin(\pi Kt(T_p+t))}{\pi Kt}
S0(t)exp(j2πfct−jπKt2)∫−2Tp2Tp+texp(j2πKtτ)dτ=exp(j2πfct)πKtsin(πKt(Tp+t))
当
t
∈
(
0
,
T
p
)
t\in(0,T_p)
t∈(0,Tp)时,有:
S
0
(
t
)
=
e
x
p
(
j
2
π
f
c
t
−
j
π
K
t
2
)
∫
−
T
p
2
+
t
T
p
2
e
x
p
(
j
2
π
K
t
τ
)
d
τ
=
e
x
p
(
j
2
π
f
c
t
)
s
i
n
(
π
K
t
(
T
p
−
t
)
)
π
K
t
S_0(t)=exp(j2\pi f_ct-j\pi Kt^2)\int_{-\frac{T_p}{2}+t}^{\frac{T_p}{2}}{exp(j2\pi Kt\tau)}d\tau\\ =exp(j2\pi f_ct)\frac{sin(\pi Kt(T_p-t))}{\pi Kt}
S0(t)=exp(j2πfct−jπKt2)∫−2Tp+t2Tpexp(j2πKtτ)dτ=exp(j2πfct)πKtsin(πKt(Tp−t))
将以上
t
t
t的取值范围合并得到:
S
0
(
t
)
=
e
x
p
(
j
2
π
f
c
t
)
s
i
n
(
π
K
t
(
T
p
−
∣
t
∣
)
)
π
K
t
,
t
∈
(
−
T
p
,
T
p
)
S_0(t)=exp(j2\pi f_ct)\frac{sin(\pi Kt(T_p-\vert t\vert))}{\pi Kt},t\in(-T_p,T_p)
S0(t)=exp(j2πfct)πKtsin(πKt(Tp−∣t∣)),t∈(−Tp,Tp)
经过上述推导,可以得到这样一个包络类似于sinc函数的最终结果。根据驻定相位原理可以将上述结果中的
t
t
t忽略掉,从而得到如下的近似结果:
S
0
(
t
)
=
e
x
p
(
j
2
π
f
c
t
)
s
i
n
(
π
K
t
T
p
)
π
K
t
,
t
∈
(
−
T
p
,
T
p
)
S_0(t)=exp(j2\pi f_ct)\frac{sin(\pi KtT_p)}{\pi Kt},t\in(-T_p,T_p)
S0(t)=exp(j2πfct)πKtsin(πKtTp),t∈(−Tp,Tp)
clear all;clc;
fc=10e9; %载波频率
Tp=10e-6; %脉冲宽度
B=10e6; %bandwith
Fs=100e6; %sampling frequenc
Ts=1/Fs;
K=B/Tp; %调频率
N=1024;
t1=linspace(-Tp,Tp,2*N-1);
so_envelop_t1=exp(1j*2*pi*fc*t1).*(sin(pi*K*t1.*(Tp-abs(t1))))./(pi*K*t1); %卷积后的信号
so_envelop_t2=exp(1j*2*pi*fc*t1).*(sin(pi*K*t1.*(Tp)))./(pi*K*t1); %卷积后信号的简化近似
plot(t1/1e-6,20*log10(abs(so_envelop_t1)./max(abs(so_envelop_t1))),'r'); %归一化,取对数坐标
hold on
plot(t1/1e-6,20*log10(abs(so_envelop_t2)./max(abs(so_envelop_t2))),'b'),title('输出信号及其近似'); %归一化,取对数坐标
hold off
图中信号是归一化后取对数坐标的结果。从图中可以看出,红线表示的原始信号与蓝线所表示的近似信号有着相似的形状,尤其是第一零点的位置可以近似认为一致,所以用近似信号函数分析其时宽,来代替原函数。
不妨将第一零点位置认为是通过匹配滤波器输出信号的时域宽度:
T
p
∗
=
t
0
=
1
K
T
p
=
1
B
T_p^*=t_0=\frac{1}{KT_p}=\frac{1}{B}
Tp∗=t0=KTp1=B1
则匹配滤波器输入
s
(
t
)
s(t)
s(t)和输出
y
(
t
)
y(t)
y(t)的时域宽度之比为:
T
p
T
p
∗
=
T
p
B
\frac{T_p}{T_p^*}=T_pB
Tp∗Tp=TpB
由此可知,只要
T
p
B
>
>
1
T_pB>>1
TpB>>1就可以将回波信号的时域宽度显著压缩。
通过上述分析,在发射端采用具有较宽 T p T_p Tp的线性调频信号来保证回波信号具有足够高的功率,并且在接收端通过匹配滤波器将回波信号的时宽显著压缩,保持了足够高的距离分辨率。
下面从时域、频域分别讨论脉冲压缩实现方法。
4 脉冲压缩实现方法
4.1 时域匹配滤波
(1)实现方法一
将发射信号反褶、取共轭后,与发射信号做卷积处理,得到脉冲压缩信号。适用于脉压比要求小时的情况(脉压比是输入脉冲与输出脉冲的宽度之比),即:
h
(
t
)
=
s
∗
(
−
t
)
h(t)=s^*(-t)
h(t)=s∗(−t)
再与发射信号
s
(
t
)
s(t)
s(t)进行线性卷积即可实现脉冲压缩:
s
0
(
t
)
=
s
(
t
)
∗
h
(
t
)
=
s
(
t
)
∗
s
∗
(
−
t
)
s_0(t)=s(t)*h(t)=s(t)*s^*(-t)
s0(t)=s(t)∗h(t)=s(t)∗s∗(−t)
(2)实现方法二
两个变量的互相关公式为
y
(
t
)
=
∫
−
∞
+
∞
x
1
(
τ
)
x
t
(
t
+
τ
)
d
τ
=
x
1
(
t
)
∗
x
2
(
t
)
y(t)=\int_{-\infty}^{+\infty}{x_1(\tau)x_t(t+\tau)}d\tau=x_1(t)*x_2(t)
y(t)=∫−∞+∞x1(τ)xt(t+τ)dτ=x1(t)∗x2(t)
而两个变量的卷积公式为:
y
(
t
)
=
∫
−
∞
+
∞
x
1
(
τ
)
x
t
(
t
−
τ
)
d
τ
=
x
1
(
t
)
∗
x
2
(
t
)
y(t)=\int_{-\infty}^{+\infty}{x_1(\tau)x_t(t-\tau)}d\tau=x_1(t)*x_2(t)
y(t)=∫−∞+∞x1(τ)xt(t−τ)dτ=x1(t)∗x2(t)
由于
h
(
t
)
=
s
∗
(
−
t
)
h(t)=s^*(-t)
h(t)=s∗(−t),故
H
(
w
)
=
S
∗
(
w
)
H(w)=S^*(w)
H(w)=S∗(w),脉冲压缩信号
S
0
(
w
)
=
S
(
w
)
⋅
S
∗
(
w
)
S_0(w)=S(w)\cdot S^*(w)
S0(w)=S(w)⋅S∗(w),可得:
s
0
(
t
)
=
∫
−
∞
+
∞
s
(
τ
)
s
(
t
+
τ
)
d
τ
s_0(t)=\int_{-\infty}^{+\infty}{s(\tau)s(t+\tau)}d\tau
s0(t)=∫−∞+∞s(τ)s(t+τ)dτ
即匹配滤波也可表示为回波信号与发射信号的互相关。
4.2 频域匹配滤波
(1)实现方法一
将发射信号时间反褶,取共轭后,补零后计算FFT,再与再与经过FFT处理的回波信号在频域相乘,最后IFFT取得时域脉冲压缩信号。
(2)实现方法二
发射信号做FFT变换后,取共轭,再与经过FFT处理的回波信号在频域相乘,最后IFFT取得时域脉冲压缩信号。
5 脉冲压缩的实现举例
线性调频( Linear Frequency Modulation, LFM )信号是脉冲压缩雷达最常用的调制信号,接收时采用匹配滤波进行脉冲压缩。线性调频信号具有较大的带宽延迟积,在脉冲压缩过程中可以获得较高的脉冲压缩比,下图展示出了基于LFM信号的脉冲压缩过程。
取式(2)的线性调频信号
S
(
t
)
S(t)
S(t)为雷达发射信号,将该信号发送出去后,经过延迟
τ
\tau
τ之后得到回波信号:
S
e
c
h
o
(
t
)
=
β
r
e
c
t
(
t
−
τ
T
)
e
x
p
{
j
2
π
[
f
c
(
t
−
τ
)
+
K
2
(
t
−
τ
)
2
]
}
S_{echo}(t)=\beta rect(\frac{t-\tau}{T})exp\{j2\pi[f_c(t-\tau)+\frac{K}{2}(t-\tau)^2]\}
Secho(t)=βrect(Tt−τ)exp{j2π[fc(t−τ)+2K(t−τ)2]}
其中
β
\beta
β表示与目标相关的雷达散射系数,
τ
=
2
R
c
\tau=\frac{2R}{c}
τ=c2R为信号延迟,
R
R
R是目标距离。
回波信号经接收机处理后,送给信号处理机进行处理。根据
S
e
c
h
o
(
t
)
S_{echo}(t)
Secho(t)可以得到下变频后的回波信号模型
s
e
c
h
o
(
t
)
s_{echo}(t)
secho(t)为:
s
e
c
h
o
(
t
)
=
S
e
c
h
o
(
t
)
∗
e
x
p
(
−
j
2
π
f
c
t
)
=
β
r
e
c
t
(
t
−
τ
T
)
e
x
p
[
−
j
2
π
f
c
τ
+
j
π
K
(
t
−
τ
)
2
]
=
β
s
(
t
−
τ
)
e
x
p
(
−
j
2
π
f
c
τ
)
s_{echo}(t)=S_{echo}(t)*exp(-j2\pi f_ct)\\ =\beta rect(\frac{t-\tau}{T})exp[-j2\pi f_c\tau+j\pi K(t-\tau)^2]\\ =\beta s(t-\tau)exp(-j2\pi f_c\tau)
secho(t)=Secho(t)∗exp(−j2πfct)=βrect(Tt−τ)exp[−j2πfcτ+jπK(t−τ)2]=βs(t−τ)exp(−j2πfcτ)
5.1 单一静止目标示例
现在假设目标为静止状态,距离为3km,使用线性调频脉冲压缩信号对目标进行测距。脉冲宽度 T p T_p Tp为 10 u s 10us 10us,调频带宽 B B B为 10 M H z 10MHz 10MHz,采样频率 f s f_s fs为 100 M H z 100MHz 100MHz。
根据前面4.2节的实现方法,我们首先将回波信号 s e c h o ( t ) s_{echo}(t) secho(t)的傅里叶变换结果 X e c h o ( t ) X_{echo}(t) Xecho(t)乘以发射信号的复包络 s ( t ) s(t) s(t)的傅里叶变换结果 X ( t ) X(t) X(t)的共轭,然后对乘法器的输出做IFFT,由此,我们可以得到匹配滤波器的输出信号,代码如下
Xs = conj(fft(st,N_r)); % 本地副本的FFT/匹配滤波器的频域特性
so_Range = ifft(Xs.*fft(sri));
发射信号的实、虚部波形图
匹配滤波器输入信号实、虚部波形图
匹配滤波器输出信号波形图
距离图像
5.2 多个静止目标示例
以上是单一的、静止目标的脉冲压缩示例,接下来不妨假设有多个待测的静止目标,取三个目标距离雷达分别为 r ( q ) = 3000 , 4500 , 6000 ( m ) r(q)=3000,4500,6000(m) r(q)=3000,4500,6000(m)。
仍取式 2的线性调频信号
S
(
t
)
S(t)
S(t)为雷达发射信号,将信号发送出去后,将接收到的回波信号进行下变频处理后,其数学模型如下:
S
e
c
h
o
(
t
)
=
∑
q
=
1
Q
β
(
q
)
∗
r
e
c
t
(
t
−
τ
(
q
)
T
)
e
x
p
[
−
j
2
π
f
c
τ
(
q
)
+
j
π
K
(
t
−
τ
(
q
)
)
2
]
S_{echo}(t)=\sum_{q=1}^{Q}{\beta(q)*rect(\frac{t-\tau(q)}{T})exp[-j2\pi f_c\tau(q)+j\pi K(t-\tau(q))^2]}
Secho(t)=q=1∑Qβ(q)∗rect(Tt−τ(q))exp[−j2πfcτ(q)+jπK(t−τ(q))2]
其中
β
(
q
)
=
[
1
,
1
,
1
]
\beta(q)=[1,1,1]
β(q)=[1,1,1]表示第
q
q
q个目标的雷达回波截面积,
Q
Q
Q表示目标的总个数,
τ
(
q
)
=
2
r
(
q
)
c
\tau(q)=\frac{2r(q)}{c}
τ(q)=c2r(q)为第
q
q
q个目标的信号延迟。
假设发送脉冲数为
N
m
c
=
128
N_{mc}=128
Nmc=128,当发射第一个脉冲时,三个目标(均在可测范围内)反射回三个回波信号,将处理后的回波信号进行叠加得到第一个回波信号
S
e
(
1
)
S_{e}(1)
Se(1)。现将每一个处理后的回波信号置于矩阵
S
e
(
i
,
:
)
S_e(i,:)
Se(i,:)中,即矩阵中的每一行为一个回波信号。
S
e
(
i
,
:
)
=
[
S
e
(
1
)
S
e
(
2
)
⋮
S
e
(
128
)
]
S_e(i,:)=\begin{bmatrix}S_e(1)\\S_e(2)\\\vdots\\S_e(128)\end{bmatrix}
Se(i,:)=
Se(1)Se(2)⋮Se(128)
接着取匹配滤波器的频域特性
X
s
X_s
Xs,将其与回波矩阵的每一行在频域上进行脉冲压缩,得到脉冲压缩结果矩阵
s
o
R
a
n
g
e
so_{Range}
soRange:
s
o
R
a
n
g
e
(
i
,
:
)
=
i
f
f
t
[
X
s
∗
f
f
t
[
S
e
(
1
)
]
X
s
∗
f
f
t
[
S
e
(
2
)
]
⋮
X
s
∗
f
f
t
[
S
e
(
128
)
]
]
so_{Range}(i,:)=\mathrm{ifft}\begin{bmatrix}X_s*\mathrm{fft}[Se(1)]\\X_s*\mathrm{fft}[Se(2)]\\\vdots\\X_s*\mathrm{fft}[Se(128)]\end{bmatrix}
soRange(i,:)=ifft
Xs∗fft[Se(1)]Xs∗fft[Se(2)]⋮Xs∗fft[Se(128)]
从仿真结果中可以看出,通过脉冲压缩能够很好地区分多个不同的目标,并且能够准确地获知不同目标的位置信息。
5.3 多个运动目标示例
接下来不妨假设有多个运动的待测目标,取三个目标在某一时刻距离雷达分别为 r ( q ) = 3000 , 4500 , 6000 ( m ) r(q)=3000,4500,6000(m) r(q)=3000,4500,6000(m),分别以 v ( q ) = 50 , − 60 , 70 ( m / s ) v(q)=50,-60,70(m/s) v(q)=50,−60,70(m/s)的速度匀速运动。
仍取式 2的线性调频信号
S
(
t
)
S(t)
S(t)为雷达发射信号,将信号发送出去后,接收到的回波信号进行下变频处理后,其数学模型仍如式 18所示,但其中的信号延迟
τ
\tau
τ将会发生变化:
τ
=
2
[
r
(
q
)
−
v
(
q
)
∗
(
t
~
(
i
)
+
t
)
]
c
\tau=\frac{2[r(q)-v(q)*(\tilde{t}(i)+t)]}{c}
τ=c2[r(q)−v(q)∗(t~(i)+t)]
其中
t
~
(
i
)
=
(
i
−
1
)
∗
T
r
\tilde{t}(i)=(i-1)*T_r
t~(i)=(i−1)∗Tr表示发射第
i
i
i个脉冲时已经过的
i
−
1
i-1
i−1个脉冲重复周期。
同上述处理,将所有处理后的回波信号置于矩阵 S e ( i , : ) S_e(i,:) Se(i,:)中,并取匹配滤波器的频域特性 X s X_s Xs,将其与回波矩阵的每一行在频域上进行脉冲压缩,得到脉冲压缩结果矩阵 s o R a n g e ( i , : ) so_{Range}(i,:) soRange(i,:)。
仿真结果如下所示。
其中速度是根据多普勒效应来确定的,回波信号与发射信号之间的信号差为:
φ
=
−
w
0
τ
=
−
w
0
2
(
r
0
−
v
t
)
c
=
−
2
π
2
λ
(
r
0
−
v
t
)
\varphi=-w_0\tau=-w_0\frac{2(r_0-vt)}{c}=-2\pi\frac{2}{\lambda}(r_0-vt)
φ=−w0τ=−w0c2(r0−vt)=−2πλ2(r0−vt)
对相位差再进行求导即可得到频率差,即多普勒频率
f
d
f_d
fd:
f
d
=
1
2
π
d
φ
d
t
=
2
v
λ
f_d=\frac{1}{2\pi}\frac{d\varphi}{dt}=\frac{2v}{\lambda}
fd=2π1dtdφ=λ2v
由此即可确定目标的速度。
结果表明,通过脉冲压缩能够很好地区分多个不同的目标,并且能够准确地获知不同目标的位置信息和速度信息。
6 结语
在发射端采用较宽 T p T_p Tp的线性调频信号来保证回波信号具有足够高的功率,并且在接收端匹配滤波器将回波信号的时宽显著压缩,保持了足够高的分辨率。通过脉冲压缩技术,解决了分辨力和作用距离之间的矛盾,提高了信噪比,可以用于电子对抗。
本文首先介绍了脉冲压缩的概念和作用,接着详细阐述了脉冲压缩的原理和实现方法,最后分别给出了单一静止目标、多个静止目标和多个运动目标的脉冲压缩测距、测速仿真示例。
参考文献
[1] 三青山上种萝卜.(2023).谈谈雷达信号处理之脉冲压缩.CSDN博客.取自:https://blog.csdn.net/hahahahhahha/article/details/107040648.
[2] 邓哈哈哈哈.(2022).脉冲压缩( Pulse Compression, PC )原理与MATLAB实现.CSDN博客.取自:https://blog.csdn.net/qq_43485394/article/details/122655901.
[3] Hello-Time.(2022).深入浅出雷达脉冲压缩技术.CSDN博客.取自:https://blog.csdn.net/helloQQp/article/details/119965517.
[4] FPGADesigner .(2019).MATLAB数字信号处理(2)LFM脉冲雷达回波处理仿真.CSDN博客.取自:https://blog.csdn.net/FPGADesigner/article/details/88534024.
[5] Karen.(2021).雷达信号处理——线性调频信号脉冲压缩MATLAB实现雷达距离窗.CSDN博客.取自:https://blog.csdn.net/Shen_KL/article/details/118701252.
[6] 突突突凸凸凸.(2021).【精选】雷达回波模拟仿真(一):回波产生,脉冲压缩(以 LFM 为例)matlab_如何仿真雷达回波. CSDN 博客.取自:https://blog.csdn.net/tww960106/article/details/119057902.