雷达信号FFT-FT频谱细化-matlab代码

一.前言

毫米波雷达波长较短,在信号传输过程中容易受噪声影响,会产生能量泄漏、畸变等,采用FFT会产生栅栏效应。因此,我们需要对FFT之后的频域信号作一系列频谱细化,以减小误差。

频谱细化可以提高FFT分辨率,在FFT中,所得到的频谱图是将信号频率区间等分为N个点,在每个点上求解频率分量的振幅和相位信息。由于计算机的处理能力和存储能力限制,所以通常选择将频率区间等分为2的幂次方个点来进行FFT计算。当信号频谱变化很缓慢且频率分量离散,这种FFT处理方式就能够给出准确的频域信号。

二.频谱细化介绍

可以通过对信号进行插值或增加信号长度来进行频谱细化,即增加FFT计算点数,从而提高分辨率。

本次实验主要是使用FFT+FT,就是先将信号进行FFT变换,得到其频域表示,然后经过插值、加窗等方式进行处理,最后通过FT变换将其转换为时域信号,即从时域→频域→一系列处理→时域。

例:细化倍数D,采样频率f_{s},采样点N,频率分辨率为f_{0}=f_{s}/Nf_{e}=(f_{1}+f_{2})/2为细化后的中心频率,f_{s}^{'}=f_{s}/D降低D倍,FFT采用N点计算,得到N条谱线,频率分辨率f_{0}^{'}=f_{s}^{'}/N=f_{0}/D提高了D倍。

三.FFT+FT原理

本质是将连续傅里叶变换经过将积分变为求和、时域离散化和时域截断,这三个步骤将信号变换到时间离散、频率连续的特殊傅里叶变换形式。FFT+FT只选择部分需要着重关注的频谱,进行离散FT实现频率细化,流程图如下所示:

其中,x(n)=A_{0}cos(2\pi f_{0}^{1}n/N+\theta _{0})为单一单一信号序列,f_{0}^{1}=f_{0}/\Delta f=f_{0}/f_{s}是归一化频率,N为FFT采样点数,F_{s}为采样频率。

时域离散化后,将w=2\pi f/f_{s}代入x(n)=\sum _{n}^{\infty }-nx(n)e^{-jnw}中得:

x(2\pi f/f_{s})=\sum _{n}^{\infty }-nx(n)e^{-j2\pi nf/f_{s}}

然后将时域截断为长度为N的信号段:

x(f1)=\sum_{N=0}^{N-1}x(n)e^{-j2\pi nf/f_{s}}=\sum_{n=0}^{N-1}x(n)[cos(2\pi kn/N)-jsin(2\pi kn/N)]

DTF实部虚部分别为:

X_{R}(k)=\sum_{n=0}^{N-1}x(n)cos(2\pi kn/N)

X_{I}(k)=-\sum_{n=0}^{N-1}x(n)sin(2\pi kn/N)

在一个频率区间[f_{1},f_{2}]中,用L进行等间隔分析\Delta f=(f_{2}-f_{1})/L为频率分辨率,再确定计算频率序列{f_{1},f_{1}+\Delta f,...,f_{1}+L\Delta f=f_{2}},然后再进行L+1个点实部和虚部的计算,再合成幅值谱和相位谱,最终在细化后的频谱中找到最大值对应的频率,就是最终频率估计值。

四.源码下载地址

链接:https://pan.baidu.com/s/1Hzk0trmkdHr0GfmBjk2KGA 
提取码:6666

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
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

我也想搞机器学习

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