雷达系统与信号处理概述(一)

第一章:雷达系统与信号处理概述(一)

目录

第一章:雷达系统与信号处理概述(一)

1.1 雷达的基本功能

1.2 检测、跟踪、成像概述

1.3 检测概率和虚警概率

1.3.1检测概率

1.3.2虚警概率

1.4 雷达分辨率

1.4.1 雷达距离分辨率

1.4.2 雷达测速、速度分辨率、速度模糊和速度跟踪

1.4.3 角度测量


1.1 雷达的基本功能

检测、跟踪、成像

1.2 检测、跟踪、成像概述

1.距离测量:R=\frac{ct_{0}}{2}

2.俯仰角 \phi和方位角\theta以天线的指向为参考坐标进行确定

3.速度测量:速度通过测量目标回波的多普勒频移进行估计,从目标回波的多普勒频移计算出目标的径向速度,但是通过对目标位置和径向速度的连续测量可以推断出目标的三维运动情况。

4.达采用微波波段电磁波(具有极低的衰减特性)具有很好的穿透能力。

5.在分析雷达的检测性能时,基本指标是检测概率P^{_{D}}和虚警概率P^{_{FA}},这又由信号和干扰的统计特性决定,尤其是信干比(SIR),在其他参数不变的情况下增大P^{_{D}}总是以同时增加P^{_{FA}}为目的。

6.在雷达检测过程中如果存在有多个目标,对雷达的检测性能估计就还需考虑雷达的分辨率以及旁瓣特性,如果分辨率低就会将多个目标当做一个目标进行记录;如果雷达旁瓣较高,则强反射目标的回波就会遮蔽弱目标的回波。这样当具有两个目标 出现时也会当做一个目标进行记录。在距离向雷达的分辨率和旁瓣特性主要取决于雷达的波形设计,而在角度域,他们取决于雷达的天线方向图特性。

7.在跟踪的过程中,基本的性能指标是距离、角度以及速度估计精度。虽然分辨率可以作为跟踪精度的一个粗略的上界,但是通过适当的信号处理后,雷达可以获得的精度取决于具体的SIR。

8.在雷达成像中,具体的支部是空间分辨率以及动态范围。空间分辨率决定SAR图像中多大尺寸的物体可以被辨识出来,进而决定该雷达图像的应用范围。动态范围决定图像的对比度,也决定了一幅图像中能提取的信息量

9.雷达信号处理的目的:就是提高这些指标,通过脉冲积累可以提高雷达信号的SIR;通过脉冲压缩和其他波形设计技术(频率捷变)可以提高雷达分辨率和SIR。增大SIR和采用插值技术可以提高测量精度;在信号处理中广泛时候加窗技术同样可以改善雷达的旁瓣特性。

1.3 检测概率和虚警概率

1.3.1检测概率

1.3.2虚警概率

1.4 雷达分辨率

雷达分辨率是雷达指将两个目标分辨为分离目标所需的差异,代表了雷达在密集目标环境下分辨多目标的能力。雷达分辨率通常包括距离分辨率、速度分辨率和角度分辨率。直观来看,距离分辨率取决于脉冲宽度,速度分辨率取决于相参积累时间,雷达的角度分辨率则与天线的波束宽度有关,包括方位和俯仰。

1.4.1 雷达距离分辨率

距离分辨率是指将在距离维将两个大小相等的点目标区分开的最小距离,对于脉冲信号,距离分辨率用公式表示为:

                                                                                                     \triangle R=\frac{cT_{p}}{2}=\frac{c}{2B_{w}}

其中,Tp为时宽,Bw为脉冲信号带宽。关于理解距离分辨率直观的示意图如下:

        

                                                                                                                                                                                           目标分辨示意图

不同雷达,对目标的分辨率要求是不同的,从而采用不同的信号带宽,下面列出常用雷达对分辨率的要求,仅供参考。

                                                                                                                                                                                      表 距离分辨率和信号带宽的关系

实际距离分辨力:

实际的距离分辨力则复杂的多。我们知道雷达通常会对信号进行调制来增加信号带宽,典型的有线性调频信号和相位编码信号,在接收时采用脉冲压缩技术将脉冲宽度压窄,从而达到在不降低雷达平均功率(不减少时宽)的情况下,提高距离分辨率。雷达在对调制信号进行脉冲压缩时,通常会进行加权处理,来降低旁瓣,但我们都知道加权会导致主瓣展宽,因此脉压后的距离分辨率要乘以一个常数,具体是和加权函数相关的。为了全面考虑距离自相关函数主峰、旁瓣对分辨能力的影响,Woodward定义了一个反映分辨特性的参数:时延分辨常数,它与信号的有效带宽成反比,注意是有效带宽。

时延分辨常数:

                                                               

距离分辨率与时延分辨常数的关系:

                                                               

时延分辨常数是将相应主峰、旁瓣或类似噪声基底的全部能量计算在一起,除以主峰最高点功率所得的时间宽度。时延分辨常数越小,距离自相关函数的主峰窄、旁瓣或基底小,对分辨目标是有利的。

1.4.2 雷达测速、速度分辨率、速度模糊和速度跟踪

我们都知道,雷达能测量目标相对于雷达的速度,它是距离的时间变化率。有时也可以用相对速度来代替距离变化率,这种情况下,速度是速度矢量的大小,通常称为径向速度。

 如上图所示,若雷达系统也是移动的,则在目标与雷达的距离矢量上,速度是目标速度矢量和雷达速度矢量的投影大小。

脉冲多普勒频移测速法

雷达系统有多种测速方法,下面简单介绍脉冲多普勒频移测速法。通过测量接收目标信号的脉冲多普勒频移,雷达系统能计算目标的速度与雷达发射电磁波的相关性。

 为了测量多普勒频移,雷达系统利用相干的脉冲串信号,通过对产生、发射和接收波形加入准确的载波和调制处理来保证相位。

 如上图所示,运动目标的回波信号的频谱发生了多普勒移动,测量出该频移量即可计算出目标相对于雷达的速度。从公式中我们可以看出,接近的目标压缩了雷达波,从而使回波频率变高;而远离的目标延伸了雷达波,从而使回波频率变低。负速度(靠近雷达)造成正的多普勒频移,而正速度(远离雷达)的多普勒频移是负数。

                                                                  

例如,目标的速度是150m/s,雷达波长为0.03m,多普勒频移为10kHz。速度在计算过程中取负值是因为目标在朝向雷达运动,它们之间的距离在缩短。下图所示为雷达载波频率函数在单位速度上的多普勒频移。

                                                                                           

多普勒滤波器组

多普勒频移可以利用连接的窄带匹配滤波器进行计算,包含目标多普勒频移的多普勒滤波器得到的信号具有有很高的信噪比,其他的多普勒滤波器包含的只有接收机噪声。在阈值检测阶段,会遍历每一个多普勒滤波器,从而得到速度的测量。

通常情况下,多普勒滤波器会重叠相邻滤波器大约半功率的带宽,连续相邻的多个多普勒滤波器称为多普勒滤波器组,它可以覆盖目标的整个多普勒频移带。对于目标监视雷达而言,所需要的多普勒滤波器数量会很多

速度分辨率

窄带滤波器是通过对某段时间输出信号的积分来实现选择,积分时间越长,多普勒滤波器带宽越小。这个积分时间称为脉冲串周期或者相干处理间隔(CPI)。速度分辨率是一个关于多普勒滤波器带宽的函数。

                                                                                                                              

多普勒滤波器带宽与雷达积分时间的关系。速度分辨率本质上是基于最好的多普勒频移,这个频移等于多普勒滤波器带宽。例如, 多普勒滤波器的带宽为200Hz,雷达发射信号波长为0.03m,那么,雷达的速度分辨率是3m/s。

如图所示,每单位多普勒滤波器带宽的速度分辨率是关于雷达载波频率的函数。雷达载波频率越高,对于给定相同多普勒滤波器带宽条件下的速度分辨率越好,这也是为什么大多数多普勒雷达都是高频的原因,脉冲串波形可以允许任何好的多普勒分辨率,并且其周期可以根据需求而改变,所以说,雷达是一个大的系统工程问题。

速度模糊

脉冲串波形存在频域模糊,雷达系统利用多普勒滤波器组来测量多普勒频移,多普勒滤波器组的频率范围一般就是脉冲重复频率(PRF),因此,当多普勒频移在±PRF/2的范围内,就不会产生速度模糊。

但当多普勒频移在±PRF/2的范围外,通过减去一个整数倍数的PRF就可以使其出现在-PRF/2〜+PRF/2。从频域转换到速度域带来不模糊速度,与多普勒频移为±PRF/2存在一定的关系。

一般来说,设计多PRF可以使回波在一个测量区域内模糊,而在另一个测量区域不模糊。另外,有一些雷达系统通 过使用连续PRF来解决距离或速度模糊问题,即距离PRF后紧跟速度PRF,反之亦然。

速度跟踪

速度跟踪作为时间的函数表示对目标的速度进行跟随,即测算连续的速度变化量。“跟踪门”可以对周围指定速度的目标进行跟踪。雷达系统可以通过闭环控制系统自动跟踪目标,也可以通过操作者进行手动跟踪,或者两者结合起来使用。另外,可以选择性地对雷达系统多普勒滤波器组的输出进行监视查看。

速度测量跟踪是通过在时域上跟随目标的多普勒移动来实现的。当单个目标被跟踪时,这个常用的速度跟踪技术就是“速度门”。这个技术可以在两个窄带多普勒滤波器之间区分接收目标。

1.4.3 角度测量

  1. 角度测量的方法
    1. 振幅法测向
    2. 相位法测向
  2. 天线方向图

在这里插入图片描述

相位法测角

  1. 两天线相位法测角基本原理
    相位法测角利用多个天线所接受回波信号之间的相位差进行测角

在这里插入图片描述

多基线测角

间距大的1、3天线用来得到高精度测量,间距小的1、2天线用来保证大的无模糊测角范围

在这里插入图片描述

振幅法测角
        振幅法测角是用天线收到的回波信号幅度值来做角度测量的,该幅度值的变化规律取决于天线方向图以及天线扫描方式
       最大信号法
       当天线波束做圆周扫描或在一定扇形范围内做匀角速扫描时,对收发公用天线的单基地脉冲雷达而言,接收机输出的脉冲串幅度值被天线双程方向图函数所调制。找出脉冲串的最大值,确定该时刻波束轴线直线即为目标所在方向。
        波束扫描的图:
 

在这里插入图片描述

扫描得到的幅度值

        

测角误差与天线波束宽度和中心脉冲的信噪比

  1. 优点:信噪比比较好,设备简单
  2. 缺点:测量时测量精度不高、不能用于自动测角

后面的测角方案还有等 信号法以及自动测角这里不再赘述

  • 12
    点赞
  • 133
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
### 回答1: 在Python中,我们可以使用各种图像处理和机器学习库来实现图像检测概率虚警率。 首先,我们需要使用一个训练好的分类器来对图像进行检测。常用的分类器包括Haar特征分类器、卷积神经网络等。 在使用分类器进行检测时,我们可以得到两种结果:正样本和负样本。正样本是指我们感兴趣的目标物体,而负样本是指非目标物体。根据这两种结果,我们可以计算以下几个参数: 1. True Positive (TP):分类器正确地检测到了目标物体。 2. True Negative (TN):分类器正确地排除了非目标物体。 3. False Positive (FP):分类器错误地将非目标物体标记为目标物体。 4. False Negative (FN):分类器错误地忽略了目标物体。 概率是指分类器正确地检测到目标物体的概率,可以通过计算TP的数量除以所有正样本的数量得到。虚警率是指分类器错误地将非目标物体标记为目标物体的概率,可以通过计算FP的数量除以所有负样本的数量得到。 可以使用Python中的OpenCV和scikit-learn库来实现图像处理和机器学习的功能。OpenCV提供了图像处理的函数,可以用于读取图像、进行预处理和特征提取等操作。scikit-learn提供了各种分类器和性能评估的函数,可以用于训练分类器、进行分类和计算性能指标。 通过使用这些库,我们可以编写Python代码来实现图像检测概率虚警率的计算。代码可以调用分类器对图像进行检测,并根据分类结果计算TP、FP、TN和FN的数量。然后,根据这些数量计算概率虚警率,并输出结果。 总之,Python提供了丰富的图像处理和机器学习库,可以方便地实现图像检测概率虚警率计算。通过编写适当的代码,可以使用这些库来提高图像检测算法的性能和效果。 ### 回答2: 要实现图像检测概率虚警率的判断,需要了解以下几个概念: 1. 图像检测概率(Detection Rate):指的是在一组实际存在目标的图像中成功检测到目标的比例。可以通过比较检测到目标的数量和实际目标的数量来计算。 2. 虚警率(False Alarm Rate):指的是在一组实际不存在目标的图像中错误地产生目标检测结果的比例。虚警率越低,说明误报的概率越小。 在使用Python实现图像检测概率虚警率时,可以按照以下步骤操作: 1. 准备一组实际存在目标的图像和一组实际不存在目标的图像。 2. 使用图像处理库(如OpenCV)加载并处理这些图像,提取目标特征。 3. 对于每个实际存在目标的图像,通过图像处理算法进行目标检测,记录成功检测到目标的情况。 4. 对于每个实际不存在目标的图像,通过图像处理算法进行目标检测,记录错误地产生目标检测结果的情况。 5. 分别计算检测到目标的数量和实际目标的数量,得到图像检测概率。 6. 分别计算错误地产生目标检测结果的数量和实际不存在目标的数量,得到虚警率。 7. 输出图像检测概率虚警率的结果。 Python提供了许多强大的图像处理库,如OpenCV、PIL等,这些库可以帮助实现图像处理和目标检测的功能。同时,要注意确保使用的图像数据集的质量和多样性,以提高检测结果的准确性。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI炮灰

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值