【雷达信号处理】---雷达分辨率

最新推荐文章于 2024-03-21 12:04:21 发布

_Karen_

最新推荐文章于 2024-03-21 12:04:21 发布

阅读量1.9w

点赞数 27

分类专栏：信号处理文章标签：数字信号处理

本文链接：https://blog.csdn.net/Shen_KL/article/details/118056665

版权

信号处理专栏收录该内容

11 篇文章 146 订阅

订阅专栏

雷达的分辨率是指在各种各样的环境下将将两个或两个以上的物体区别开来的能力。一般从四个方面进行区分-------距离、方位、速度、仰角。距离的分辨率取决于信号带宽，方位和仰角的分辨率取决与波束宽度。在实际环境中，只要以上四维中任意一维能区分目标，就认为具有目标分辨的能力。这里主要分析距离分辨率和速度分辨率。

关键词：时延分辨率 $\Delta \tau$ ,距离分辨率 $\Delta R$ ,时延分辨常数TRC,频谱持续宽度FSP,距离分辨常数 $C_{R}$ ,多普勒分辨率 $\Delta f_{d}$ ,速度分辨率 $\Delta v$ ,频率分辨常数FRC,时间持续宽度(有效相关时间)TSP,速度分辨常数 $C_{v}$

距离分辨率

假定两个目标在同一角度保持同一速度但处在不同距离时，可以用距离模糊函数来衡量分辨能力，见下式

$\left | \chi \left ( \tau ,0 \right ) \right |=\left | \int_{-\infty }^{\infty } u(t)u^{*}(t+\tau )dt\right |$

根据上一篇博客中的讲述，距离模糊函数 $\left | \chi (\tau ,0)) \right |$ 随着 $\tau$ 的增大下降的越快，说明分辨能力越强。

（因为下降的快意味着信号的主瓣尖锐，能量集中，对于两个时延小的目标有很好的分辨能力）

我们一般用距离模糊函数的主瓣宽度(通常取3dB带宽，但是遇到sinc函数时会取4dB带宽，因为sinc函数的4dB带宽是常数，方便计算)来定义固有分辨率，称为名义距离分辨率，简称距离分辨率 $\tau _{nr}$ 。

在这里我们先引入时延分辨率，其定义式为

$\Delta \tau =\frac{\int_{-\infty }^{\infty }\left | \chi (\tau ,0)\right |^{2} d\tau }{\left | \chi (0,0) \right |^{2}}=\frac{1}{B}$

其中 $B$ 为有效带宽，该定义式的含义在下文中有解释。而时延分辨率所对应的距离分辨率为

$\Delta R=\frac{c\Delta \tau }{2}=\frac{c}{2B}$

可见，信号带宽越宽，脉冲宽度越窄，距离分辨率越高。

但是在实际环境中，我们需要全面考虑主瓣和旁瓣的分辨问题，因此定义时延分辨常数TRC来反映分辨特性，其表达式为

$TRC=\frac{\int_{-\infty }^{\infty }\left | \chi (\tau ,0)\right |^{2} d\tau }{\left | \chi (0,0) \right |^{2}}=\frac{\int_{-\infty }^{\infty }\left | U(f) \right |^{4}df}{(\int_{-\infty }^{\infty }\left | U(f) \right |^{2}df)^{2}}$

时延分辨常数是将主瓣、旁瓣或类似噪声的基地型旁瓣的能量全部相加再除以主板峰值的功率大小。可见，该常数越小，说明主瓣能量越集中，其宽度越窄，分辨能力越强。

在引入一个反映分辨特性的参数------频谱持续宽度FSP（或称有效相关带宽）。其反映的是模糊函数与冲激函数的相似程度（与冲激函数越相似，分辨能力越好）。其表达式为

$FSP=\frac{(\int_{-\infty }^{\infty }\left | U(f) \right |^{2}df)^{2}}{\int_{-\infty }^{\infty }\left | U(f) \right |^{4}df}=\frac{1}{TRC}$

因此距离分辨常数 $C_{R}$ 可以表示为

$C_{R}=\frac{c\cdot TRC}{2}=\frac{c}{2\cdot FSP}$

由上式不难看出，时延分辨常数TRC越小，或频谱持续宽度FSP越宽，距离分辨率越好。因此，信号只要具有大的持续宽度就能获得高的距离分辨力，而不必具有很窄的脉冲宽度。（注意将时延分辨率 $\Delta \tau$ 与脉冲宽度 $\tau$ 区分开来， $\Delta \tau$ 与带宽 $B$ 有关）

速度分辨率

信号的速度分辨率由速度模糊函数决定

$\left | \chi (0,f_{d}) \right |=\int_{-\infty }^{\infty }\left | u(t) \right |^{2}e^{j2\pi f_{d}t}dt$

多普勒分辨率 $\Delta f_{d}$ 为

$\Delta f_{d} =\frac{\int_{-\infty }^{\infty }\left | \chi (0 ,f_{d})\right |^{2} df_{d}}{\left | \chi (0,0) \right |^{2}}=\frac{1}{\tau'}$

其中， $\tau '$ 是脉冲宽度。而相应的速度分辨率 $\Delta v$ 为

$\Delta v=\frac{c\Delta f_{d}}{2f_{0}}=\frac{\lambda }{2\tau '}$

同样，在速度分辨率中，我们同样定义了两个用来表征速度分辨率大小的常数---频率分辨常数FRC和时间持续宽度(有效相关时间)TSP

$FRC=\frac{\int_{-\infty }^{\infty }\left | \chi (0 ,f_{d})\right |^{2} d\tau }{\left | \chi (0,0) \right |^{2}}=\frac{\int_{-\infty }^{\infty }\left | u(t)\right |^{4}dt}{(\int_{-\infty }^{\infty }\left | u(t) \right |^{2}dt)^{2}}$

$FSP=\frac{(\int_{-\infty }^{\infty }\left | u(t) \right |^{2}dt)^{2}}{\int_{-\infty }^{\infty }\left | u(t) \right |^{4}dt}=\frac{1}{FRC}$

由上式可得表征速度分辨率的速度分辨常数为

$C_{v}=\frac{c\cdot FRC}{2f_{0}}=\frac{\lambda }{2\cdot TSP}$

可见，频率分辨常数FRC越小或者时间持续宽度(有效相关时间)TSP越大，速度分辨率越好。

结论

距离分辨率取决于信号的频率结构，为了提高距离分辨率，信号就需要有大的带宽；而速度分辨率取决于信号的时间结构，为了提高速度分辨率，信号就需要有大的时宽。

但是，根据雷达模糊原理可知，我们无法在不断提高的距离分辨率的同时，提高速度分辨率，其中一种分辨率的提高必然会导致另一种分辨率的衰减。我们用时宽带宽积，即时宽与带宽的乘积(TB)表示信号的距离分辨率与速度分辨率的关系。对于系统设计而言，时宽带宽积越大越好，这意味着我们在提高距离分辨率的同时，不会影响速度分辨率。

如何使得时宽带宽积增大，就涉及到脉内非线性相位调制技术。

_Karen_

关注

27
点赞
踩
164

收藏

觉得还不错? 一键收藏
打赏
2
评论
【雷达信号处理】---雷达分辨率

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、pandas是什么？二、使用步骤 1.引入库 2.读入数据总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习..
复制链接

扫一扫