【限免】线性调频信号的脉冲压缩及二维分离SAR成像算法【附MATLAB代码】

最新推荐文章于 2024-11-11 19:42:06 发布
最新推荐文章于 2024-11-11 19:42:06 发布
阅读量426 收藏 2
点赞数 11
文章标签： 算法 matlab 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_54016576/article/details/140070765
版权

文章来源：微信公众号：EW Frontier

QQ交流群：949444104

程序一

对线性调频信号进行仿真，输出其时频域的相关信息，并模拟回波信号，

对其进行脉冲压缩和加窗处理。

实验记录：

1.线性调频信号时域包络、相位；实部、虚部

2.线性调频信号频谱幅频、相频特性；实部、虚部

3.两个目标回波的时域和频域波形

4.信号通过匹配滤波器的输出结果（脉冲压缩）。

5.用Hamming窗抑制脉冲压缩结果副瓣

%%  基本参数 
    clc;clear all;close all;
​
    T = 10e-6; % LFM周期/脉宽 10us
    B = 60e6; % LFM带宽 60Mhz
    fs = 100e6; % 采样率 100MHz
    K = B/T;
%%  模拟发射信号
    n = round(15*T*fs);
    t = linspace(-10*T, 10*T,n);
​
    lfmT = rectpuls(t,T).*exp(1j*pi*K*t.^2);
    lfmF = fftshift(fft(fftshift(lfmT)));
    f = linspace(-fs,fs,n);
​
    %% 时域绘图
        figure();
        plot(diff(phase(lfmT)));
        title('LFM信号的时间-频率变化趋势图');
        xlabel('时间');
        ylabel('频率');
        xlim([7200,7800])
    % 包络
        figure();
        subplot(2,2,1);
        plot(t,abs(lfmT));
        title('LFM信号时域包络');
        xlabel('t/s');
        ylabel('幅度');
        xlim([-1e-5,1e-5])
        ylim([-0.5,1.5])
    % 相位
        subplot(2,2,2);
        plot(t,phase(lfmT));
        title('LFM信号时域相位');
        xlabel('t/s');
        ylabel('相位');
        xlim([-5e-6,5e-6])
    % 实部
        subplot(2,2,3);
        plot(t,real(lfmT));
        title('LFM信号时域实部');
        xlabel('t/s');
        ylabel('幅度');
        xlim([-1.5e-6,1.5e-6]);
        ylim([-1,1]);
    % 虚部
        subplot(2,2,4);
        plot(t,imag(lfmT));
        title('LFM信号时域虚部');
        xlabel('t/s');
        ylabel('幅度');
        xlim([-1.5e-6,1.5e-6]);
        ylim([-1,1]);
    %% 频域绘图
        figure();
        subplot(2,2,1);
        plot(f,abs(lfmF));
        title('LFM信号幅频特性');
        xlabel('Hz');
        ylabel('幅度');
​
        subplot(2,2,2);
        plot(unwrap(angle(lfmF)));
        title('LFM信号相频特性');
        xlabel('Hz');
        ylabel('相位');
​
        subplot(2,2,3);
        plot(f,real(lfmF));
        title('LFM信号频谱实部');
        xlabel('Hz');
        ylabel('幅度');    
        xlim([-3e7,3e7]);
​
        subplot(2,2,4);
        plot(f,imag(lfmF));
        title('LFM信号频谱虚部');
        xlabel('Hz');
        ylabel('幅度');    
        xlim([-3e7,3e7]);
        %%  模拟回波信号
% 延迟为50us和51us的两个信号( 5000点和5100点,t从4000开始存储 )
    %延迟
    t1=50e-6;
    t2=51e-6;
​
    %由于实际信号时间从0开始,时间轴重新定义
    echo1=rectpuls((t-t1),T).*exp(1j*pi*K*(t-t1).^2);
    echo2=rectpuls((t-t2),T).*exp(1j*pi*K*(t-t2).^2);
    echo=echo1+echo2;
​
     figure();
        subplot(2,2,1)
        plot(t,abs(echo1),'r');
        hold on;
        plot(t,abs(echo2),'b');
        title('两个回波信号');
        xlabel('t/s');
        ylabel('幅度');
        xlim([3.5e-5,7e-5])
        ylim([0,1.5])
​
        subplot(2,2,2)
        plot(t,real(echo));
        title('回波信号时域实部');
        xlabel('t/s');
        ylabel('幅度');
        xlim([4.9e-5 5.2e-5])
​
        subplot(2,2,3)
        plot(f,fftshift(abs(fft(echo))));
        title('回波信号幅频特性');
        xlabel('Hz');
        ylabel('幅度');
​
        subplot(2,2,4)
        plot(t,imag(echo));
        title('回波信号时域虚部');
        xlabel('t/s');
        ylabel('幅度');
        xlim([4.9e-5 5.2e-5])
​
    lfmT = rectpuls(t,T).*exp(1j*pi*K*t.^2);
    lfmF = fftshift(fft(fftshift(lfmT)));
    f = linspace(-fs,fs,n);

脉冲压缩(匹配滤波）

方法1：

把信号变到频域 （2048点的FFT)[-fs/2,fs/2]

频域相乘 H(w) = *S(w)

逆傅里叶变换

方法2：

驻留相位原理获得传递函数

% 这里采用方法1
    %回波信号的频域形式
    echo_F=fftshift(fft(echo));
    %回波信号的匹配滤波器
    Hf=fftshift(fft(conj(lfmT)));
    %脉压结果
    Pc_F=echo_F.*Hf;
    %脉压时域结果
    Pc_T=ifftshift(ifft(Pc_F));
​
%用Hamming窗抑制副瓣
    %制作汉明窗
    Hm = [zeros(1,2300) hamming(9900)' zeros(1,2800)];
    %频域加窗
    Pcw_F = Hm.*Pc_F;
    Pcw_T=ifftshift(ifft(Pcw_F));
​
    figure();
    subplot(2,2,1)
    plot(t,abs(Pc_T));
    title('脉冲压缩后的时域波形');
    xlim([4.5e-5 5.5e-5])
​
    subplot(2,2,2)
    plot(f,abs(Pc_F));
    title('脉冲压缩后的频谱');
​
    subplot(2,2,3)
    plot(f,abs(Pcw_T));
    title('脉压加窗后的时域波形');
     xlim([4.5e7 5.5e7])
​
    subplot(2,2,4)
    plot(f,abs(Pcw_F));
    title('脉压加窗后的频谱');

程序一仿真结果

程序二

先根据点目标分布，计算出对应的延时，再根据表达式计算回波数据进行仿真。再对回波数据

进行距离向和方位向上的脉冲压缩，得出二维图像。

1.二维回波信号幅度、相位

2.距离向脉冲压缩结果的二维等高线图

3.点目标成像结果；二位等高线图，距离和方位剖面

4.用Hamming窗抑制成像结果副瓣

%%  基本参数和配置 
clc;clear all;close all;
    v_c =3e+8;%光速
    T =10e-6;%发射脉冲时间
    Br=60e6;%距离向带宽
    lamda=0.03;%波长
    f0=v_c/lamda;%载频
    vx=150;%雷达平台运动速度
    R0=15e3;%场景中心最短斜距
    Kr=Br/T;%调频斜率
    Nr=2048;%距离向采样点数,必须要大于T*Br
    Fr=100e6;%距离向采样频率
    deta_t=1/Fr;%距离向采样时间间隔
    tr=2*R0/v_c+((0:Nr-1)-Nr/2)*deta_t;%距离向采样时间轴
    fr=((-Nr/2):(Nr/2-1))/Nr*Fr;
    PRF=100;%PRF
    Na=60;%方位向采样点数
    ta=((0:(Na-1))-Na/2)/PRF;
    T_sar=Na/PRF;%方位向采样时间
    fa=((-Na/2):(Na/2-1))/Na*PRF;
    Ka=2*vx^2/(lamda*R0);
​
%% 根据目标点计算二维回波信号
    %%计算放置点的参数
    dot_num_a=1; % 方位向点个数
    deta_a=100; % 方位向点间距
    dot_num_r=3; % 距离向点个数
    deta_r=600; % 距离向点间距
    dot_xy_cell=cell(1,dot_num_a);
​
    middle_point_r=ceil(dot_num_r/2);
    middle_point_a=ceil(dot_num_a/2);
    line_x=vx*ta;
    line_y=zeros(1,Na);
​
    for i_dot_num_a=1:dot_num_a
        dot_xy=zeros(dot_num_r,2);
     for i_dot_num_r=1:dot_num_r
      dot_xy(i_dot_num_r,2)=(i_dot_num_r-middle_point_r)*deta_r;
      dot_xy(i_dot_num_r,1)=(i_dot_num_a-middle_point_a)*deta_a;
     end
     dot_xy_cell{1,i_dot_num_a}=dot_xy;
    end
​
    slant_range_cell=cell(1,dot_num_a);
    %计算每个点在所有方位的斜距
    for i_dot_num_a=1:dot_num_a
        slant_range=zeros(dot_num_r,Na);%single
        dot_xy=dot_xy_cell{1,i_dot_num_a};
        for i_dot_num_r=1:dot_num_r
        slant_range(i_dot_num_r,:)=sqrt((line_y-(R0+dot_xy(i_dot_num_r,2))).^2+(line_x-dot_xy(i_dot_num_r,1)).^2);%???
        end
        slant_range_cell{1,i_dot_num_a}=slant_range;
    end
    %计算每个点在所有方位的时延
    t_delay_cell=cell(1,dot_num_a);
    for i_dot_num_a=1:dot_num_a
         slant_range=slant_range_cell{1,i_dot_num_a};
         t_delay=slant_range*2/v_c;%single
         t_delay_cell{1,i_dot_num_a}=t_delay;
    end
    echo_data=zeros(Nr,Na);
    tr_matrix=repmat(tr.',1,Na);%矩阵化处理
    for i_dot_num_a=1:dot_num_a
        t_delay= t_delay_cell{1,i_dot_num_a};
       for i_dot_num_r=1:dot_num_r
       t_delay_matrix=repmat(t_delay(i_dot_num_r,:),Nr,1);%矩阵化处理
       echo_data=echo_data+rect((tr_matrix-t_delay_matrix)/T).*exp(1j*pi*Kr*(tr_matrix-t_delay_matrix).^2).*exp(-1j*2*pi*f0*t_delay_matrix);
       end
    end
    echo_data_phase=unwrap(angle(echo_data));
% 输出图像
    figure;
    subplot(2,1,1)
    imagesc(abs(echo_data));title('二维信号的幅度');
    subplot(2,1,2)
    imagesc(echo_data_phase);title('二维信号的相位');
 %% 脉冲压缩
 %距离向脉冲压缩
    Echo=circshift(fft2(circshift(echo_data,[-Nr/2,-Na/2])),[Nr/2,Na/2]);
    ref=exp(1j*pi*fr.^2/Kr);
    ref_matrix=repmat(ref.',1,Na);% 距离向二维匹配滤波器
    COMP=Echo.*ref_matrix; % 距离向匹配滤波后频域
​
 %方位向脉冲压缩
    fr_matrix=repmat(fr.',1,Na);
    fa_matrix=repmat(fa,Nr,1);
    Haz=exp(-1j*pi.*(fa.^2)./Ka);
    Haz_matrix=repmat(Haz,Nr,1); % 方位向二维匹配滤波器
    SAC=COMP.*Haz_matrix; % 再经方位向脉冲压缩后
​
%     [a b]=find(SAC==max(max(SAC))); % 找出最大值
%     figure;plot(abs(SAC(:,31)));
%     figure;plot(abs(SAC(1599,:)));
    sac=circshift(ifft2(circshift(SAC,[0,0])),[Nr/2,Na/2]); % 时域图像
    figure;
    subplot(2,1,1)
    imagesc(abs(sac));title('点目标成像时域结果')
    subplot(2,1,2)
    imagesc(abs(SAC));title('点目标成像频域结果')
%% 生成Hamming窗
    window=hamming(1151)*hamming(37).';
    window_hamming=zeros(2048,60);
    xx=10;
    window_hamming(450+xx:1600+xx,13:49)=window;
    WINDOW_data=window_hamming.*SAC;
    window_data=circshift(ifft2(circshift(WINDOW_data,[0,0])),[Nr/2,Na/2]);
    figure;
    subplot(2,1,1)
    imagesc(abs(window_data));title('加Hamming窗后时域')
    subplot(2,1,2)
    imagesc(abs(WINDOW_data));title('加Hamming窗后频域')
%% 剖面图
    i_x=1; % 第i个点
    i_y=1;
​
    x=1025+300*(i_x-1);
    y=31+400*(i_y-1);
    pou=sac(x-10:x+9,y-10:y+9); % 截取
    pou_range=pou(1:20,11);
    pou_azimuth=pou(11,1:20);
    range_db=ifft([fft(pou_range);zeros(980,1)]);
    tr_db=linspace(tr(x-10),tr(x+10),1000);
​
    azimuth_db=ifft([fft((pou_azimuth).');zeros(980,1)]);
    ta_db=linspace(ta(y-10),ta(y+10),1000);
​
    POU=fft2(pou);
    POU1=zeros(1000,1000);
    POU1(1:20,1:20)=POU;
    pou1=ifft2(POU1);
    a=max(abs(pou1));
    b=max(a);
    pou1_db=20*log10(abs(pou1)/b);
    c=max(pou1_db);
    dgx1=[-3 -13 -20 -30];
    figure;
    subplot(2,1,1)
    contour(pou1_db,dgx1);
    title('-3 -13 -20 -30(db)不加窗时二维图像');
    xlabel('方位向(m)');ylabel('距离向(m)');
% 加窗
    pou2=window_data(x-10:x+9,y-10:y+9);
​
    pou_range2=pou2(1:20,11);
    pou_azimuth2=pou2(11,1:20);
    range_db2=ifft([fft(pou_range2);zeros(980,1)]);
    tr_db=linspace(tr(x-10),tr(x+10),1000);
​
    azimuth_db2=ifft([fft((pou_azimuth2).');zeros(980,1)]);
    ta_db=linspace(ta(y-10),ta(y+10),1000);
​
    POU=fft2(pou2);
    POU1=zeros(1000,1000);
    POU1(1:20,1:20)=POU;
    pou1=ifft2(POU1);
    a=max(abs(pou1));
    b=max(a);
    pou1_db=20*log10(abs(pou1)/b);
    c=max(pou1_db);
    dgx2=[-3 -13 -20 -30];
    subplot(2,1,2)
    contour(pou1_db,dgx2);
    title('-3 -13 -20 -30(db)加窗时二维图像');
    xlabel('方位向(m)');ylabel('距离向(m)');
​
% 加窗对比输出
    figure;
    subplot(2,2,1)
    plot(tr_db,20*log10(abs(range_db)/max(abs(range_db))));
    title('不加窗的距离像')
    subplot(2,2,2)
    plot(ta_db,20*log10(abs(azimuth_db)/max(abs(azimuth_db))));
    title('不加窗的方位像')
    subplot(2,2,3)
    plot(tr_db,20*log10(abs(range_db2)/max(abs(range_db2))));
    title('加窗的距离像')
    subplot(2,2,4)
    plot(ta_db,20*log10(abs(azimuth_db2)/max(abs(azimuth_db2))));
    title('加窗的方位像')

程序二仿真结果

EW Frontier
关注
匹配滤波的matlab性能仿真
带你成为别人眼中的大佬！
05-12 1499
而s2信号经过匹配滤波后，峰值出现在256处。这说明了，由于两种LFM信号的特性不同，其Lag峰值位置也不同，从而产生不同的距离计算结果。因此，在实际应用中，我们需要针对不同的信号特性，进行相应的信号设计和处理。该函数需要输入既定的发送信号和接收信号，返回滤波后的信号及其时域。匹配滤波器是一种常用的滤波器，它通过与目标信号进行互相关，能够将信号的噪声降低、增加信噪比，在雷达测距、信号恢复等领域中有广泛的应用。例如在信号与系统的信号矢量空间一章中，例6-7提到了匹配滤波器在测距系统中的应用。
【雷达】SAR距离多普勒成像算法+MATLAB代码（转载请标注德雅村支书）
热门推荐
01-17 2万+
https://blog.csdn.net/Nudt_EE_Wuhao/article/details/86523569 RD算法是SAR成像常见的一种算法，也是最简单的SAR成像算法之一； 本篇代码从github上下载，本人将在后期添加原理的说明，先给出matlab代码，并感谢原作者的无私分享。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % ...
matlab线性调频信号匹配滤波
01-04
matlab仿真，线性调频信号，经过匹配滤波器仿真结果
匹配滤波器的MATLAB实现
m0_46664619的博客
05-18 2万+
本博参考合成孔径雷达-算法与实现 3.4节 匹配滤波器的实现。如有错漏，还请各位大佬指正 文章目录1、LFM信号2、匹配滤波器的实现2.1 基本方式2.2 MATLAB实现 1、LFM信号 线性调频信号在SAR系统中十分重要，其频率是时间的线性函数。这种信号用于发射，以得到均匀的信号带宽，其在接收信号中则来自传感器运动。 时域表达式为：s(t)=rect⁡(tT)exp⁡{jπKt2}s(t)=\operatorname{rect}\left(\frac{t}{T}\right) \exp \left\
雷达成像 Matlab 仿真 2 —— 脉冲压缩与加窗
我有两颗糖
05-22 9866
1. 脉冲压缩 1.1 原理 脉冲压缩的实质是匹配滤波，匹配滤波器的系统函数 H(jω)H(j\omega)H(jω) 与输入信号的频谱特性 $S_{i}(j\omega) $ 的关系为： H(jω)=k×Si∗(jω)e−jωt0 H(j\omega) = k\times S_{i}^{*}(j \omega) e^{-j \omega t_0} H(jω)=k×Si∗​(jω)e−jωt0​ 幅频特性与输入信号一致 ∣H(jω)∣=∣Si∗(jω)∣ |H(j\omega)| = |S_{i}^{*}(
匹配滤波器原理分析以及matlab仿真（附有源码）
05-14
匹配滤波器原理分析以及matlab仿真（附有源码）
Matlab实现LFM信号的采样、加窗、脉冲压缩
keep94968的博客
01-28 3150
该看的参考资料看了，不该看的看不进去了 原理知道的差不多了，敲代码的时候不会了 我不想听你说太多，直接白票代码可以嘛？ emmm 可以。
【雷达通信】基于matlab Omiga－K算法SAR回波生成和成像【含Matlab源码 1184期】.zip
12-01
1. **信号发射**：生成符合雷达发射特性的脉冲序列，如线性调频连续波（LFMCW）或脉冲压缩波形。 2. **传播模型**：模拟信号在空间中的传播，包括路径损耗、大气影响等。 3. **目标响应**：根据目标的几何形状和...
探究线性调频信号与脉冲压缩在MATLAB中的实现及过采样影响
资源摘要信息:"本文档主要介绍了一维和二维线性调频信号的生成、脉冲压缩技术，以及过采样率对信号频谱影响的仿真实现，这些功能均通过使用Matlab编程语言开发完成。" ### 一维线性调频信号 一维线性调频信号（LFM...
点目标SAR成像算法的仿真(RDA和CSA)_matlab源码.zip
05-30
3. CSA算法实现：包括调频信号分析、范围压缩、方位压缩和二维图像重建的Matlab代码。 4. 结果可视化：将成像结果以图像形式展示，便于观察和分析。 学习和理解这些源码可以帮助我们深入掌握SAR成像的基本原理，...
SAR成像程序_SAR MATLAB
09-24
线性调频变标（Linear Frequency Modulation，LFM）是SAR系统常用的一种脉冲压缩技术，它对于提高雷达的探测距离和分辨能力具有重要作用。 LFM信号在发射时，频率随时间线性变化，这种特性使得接收到的回波信号具有...
SAR成像技术（二）——线性调频信号的脉冲压缩
m0_57781190的博客
03-13 1477
线性调频信号的脉冲压缩实现
脉冲压缩与去斜处理的区别
Shen_KL的博客
10-31 9862
在雷达信号处理中，常使用LFM（线性调频信号）作为发射信号波形以提高时宽带宽积，获得较好的分辨率。假设发射机发射的信号波形为St(t)S_{t}(t)St​(t),写为 St(t)=rect(Tte)cos(2πf0t+πμt2)S_{t}(t)=rect(\frac{T}{t_e})cos(2\pi f_0t+\pi \mu t^{2})St​(t)=rect(te​T​)cos(2πf0​t+πμt2) 其中f0f_{0}f0​为载频频率，μ\muμ为调频斜率，由BTe\frac{B}{T_{e}}Te
带有匹配滤波器的雷达信号调制和脉冲压缩Matlab仿真
FPGA/MATLAB学习教程/源码/项目合作开发
12-15 3776
如果在宽脉冲内釆用附加的频率或相位调制,以增加信号带宽5,那么,当接收时用匹配滤波器进行处理,可将长脉冲压缩到宽度,这样既可使雷达用长的脉冲去获得大的能量,同时又可以得到短脉冲所具备的距离分辨力。它的提出很好的解决了这样的一个问题：在发射端发射大时宽、带宽信号，以提高信号的速度测量精度和速度分辨力，而在接收端，将宽脉冲信号压缩为窄脉冲，以提高雷达对目标的距离分辨精度和距离分辨力。匹配，这个词是个常识词，匹配肯定是要有对象的，那么和谁匹配呢，这里是和发射的信号相匹配呢。使用的是“频域上的共轭匹配”。
匹配滤波（脉冲压缩） matlab代码，亲测可用
innovationy的博客
12-25 6497
匹配滤波 matlab代码 %%线性调频信号经过匹配滤波 T=10e-6; %脉冲持续时间10us B=30e6; %线性调频信号的带宽30MHz K=B/T; %调频斜率 Fs=10*B;Ts=1/Fs; %采样频率和采样间隔 N=T/Ts; t=linspa
【雷达成像】雷达SAR成像仿真的应用（Matlab代码实现）
weixin_46039719的博客
11-27 2581
本文包含雷达SAR成像的软件仿真，包括线性频率调制（LFM，SAR成像中采用的基本信号），带有点目标的简单SAR成像（您可以了解SAR的工作原理），最后是真实的数据处理（在处理原始数据后获得图像。title('LFM信号的时间-频率变化趋势图');% LFM带宽 60Mhz。title('LFM信号时域包络');title('LFM信号时域相位');title('LFM信号时域实部');title('LFM信号时域虚部');title('LFM信号频谱实部');title('LFM信号频谱虚部');
线性调频信号MATLAB时域、频域分析
aWZCchaochao的博客
04-23 4330
对LFM信号在时域和频域的仿真分析，下一步准备进行脉冲压缩学习和仿真。
数据库范式、MySQL 架构、算法与树的深入解析
最新发布
lrh35的博客
11-11 682
在数据库设计中，范式是一系列规则，用于确保数据的组织和存储具有良好的结构、完整性以及最小化的数据冗余。如果不遵循范式设计，数据可能会以平铺式罗列，仅使用冒号、分号等简单分隔。这种方式存在诸多弊端，例如在数据搜索时极为不便，数据修改也会变得十分棘手。由此，范式的概念应运而生。
点云配准之点到点，点到面，点到线ICP，NDT算法介绍
qq_54375651的博客
11-10 1230
点云配准在人工智能，自动驾驶，SLAM等任务中具有十分关键的作用，本文将介绍点云配准的点到点，点到线，点到面ICP和NDT算法
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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