雷达辐射源调制信号仿真（代码）

最新推荐文章于 2024-07-08 23:47:09 发布
最新推荐文章于 2024-07-08 23:47:09 发布
阅读量4.8k 收藏 73
点赞数 9
分类专栏： 雷达辐射源信号仿真 文章标签： 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/qq_40147893/article/details/125227659
版权
该博客介绍了如何使用Matlab进行雷达辐射源调制信号的仿真，包括单载频、线性调频、非线性调频、二相编码、四相编码、二频编码和四频编码七种类型。提供了详细的仿真步骤和代码示例。
摘要由CSDN通过智能技术生成

雷达辐射源调制信号仿真

说明：通过Matlab进行单载频（CW），线性调频（LFM）、非线性调频（NLFM）、二相编码（BPSK）、四相编码（QPSK）、二频编码（BFSK）、四频编码（QFSK）七种雷达脉内调制信号的方仿真。

环境：Matlab

直通☛ 200页+ FPGA/IC秋招面试笔试题
@[toc]

1.单载频信号

function [cws]=cw(snr,T,f0)
Fs=2500e6;%时域采样频率2500MHz
N=8192;
t=(0:1/Fs:T);%时间序列
s=exp(1i*2*pi*f0*t);%原信号
s=awgn(s,snr);%加高斯白噪声后的信号
s=fft(s,N)/max(fft(s,N));%fft，归一化
cws.data=s;%加高斯白噪声后的信号
cws.label=0;%加高斯白噪声后的信号

% %绘图
%plot((0:N-1)*Fs/N,abs(cws.data));

2.线性调频信号

function [chirps]=chirp(snr,T,f0)
Fs=2500e6;%时域采样频率2500MHz
N=8192;
t=(0:1/Fs:T);%时间序列
B=(45+(55-45)*rand(1))*1e6;%调频带宽(45~55M)
K=rand(1)-0.5;%调频斜率(正负随机选择)
if(K>0)
    K=B/T;%
else
    K=-B/T;%
end
s=exp(1i*(2*pi*f0*t+pi*K*t.*t));%原信号
s=awgn(s,snr);
s=fft(s,N)/max(fft(s,N));%fft，归一化
chirps.data=s;%加高斯白噪声后的信
chirps.label=1;%加高斯白噪声后的信号

% %绘图
%plot((0:N-1)*Fs/N,abs(s));

3.非线性调频信号

function [nlfms]=nlfm(snr,T,f0)

Fs=2500e6;%时域采样频率2500MHz
N=8192;
B=(45+(55-45)*rand(1))*1e6;%调频带宽(45~55M)

%计算窗函数群时延函数
syms f;
W(f)=0.54+0.46*cos(2*pi/B*f);%定义窗函数
Tf=matlabFunction(vpa(double(vpa(T/int(W,-B/2,B/2)))*int(W,-B/2,f)));%计算群时延函数

%调频函数拟合(群时延反函数拟合)
f=(-B/2 : B/(T*Fs) : B/2);
[xData, yData] = prepareCurveData( Tf(f), f );
Ft= fit( xData, yData, 'smoothingspline');
t=(0 : 1/Fs : T);
Ft=Ft(t);
%相位函数计算
P=zeros(1,length(t));
for j=2:length(t)
    P(j)=P(j-1)+2*pi*Ft(j)*(1/Fs);
end
s=exp(1i*(2*pi*f0.*t+P));%原信号
s=awgn(s,snr);%加高斯白噪声后的信
s=fft(s,N)/max(fft(s,N));%fft，归一化

nlfms.data=s;
nlfms.label=2;%加高斯白噪声后的信号

% %绘图
% plot((0:N-1)*Fs/N,abs(s));

4.二相编码信号

function [bpsks]=bpsk(snr,T,f0)
Fs=2500e6;%时域采样频率2500MHz
N=8192;
barker_13=[1 1 1 1 1 -1 -1 1 1 -1 1 -1 1];
p=T/13.0;
pn=fix(p*Fs);%子码点数
cs=ones(13,pn);
for j=(1:13)
    if(barker_13(j)==-1)
        cs(j,:)=cs(j,:)*-1;
    end
end
cs=[cs(1,:),cs(2,:),cs(3,:),cs(4,:),cs(5,:),cs(6,:),cs(7,:),cs(8,:),cs(9,:),cs(10,:),cs(11,:),cs(12,:),cs(13,:)];
t=(0:pn*13-1)/Fs;%时间序列
s=exp(1i*2*pi*f0*t).*cs;%原信号
s=awgn(s,snr);
s=fft(s,N)/max(fft(s,N));%fft，归一化
bpsks.data=s;%加高斯白噪声后的信号
bpsks.label=3;%加高斯白噪声后的信号
  

% %绘图
%plot((0:N-1)*Fs/N,abs(s));

5.四相编码信号

function [qpsks]=qpsk(snr,T,f0)

N=8192;%fft点数
Fs=2500e6;%时域采样频率2500MHz

tler_28A=[1  1i  1 -1i  1 -1i -1  1i -1  1i  1  1i -1  1i  1 1i -1  1i  1 1i -1  1i -1 -1i  1 -1i 1 1i];

p=T/28.0;
pn=fix(p*Fs);%子码点数
cs=ones(28,pn);

for j=(1:28)
    if(tler_28A(j)==-1)
        cs(j,:)=cs(j,:)*-1;
    end
    if(tler_28A(j)==1i)
        cs(j,:)=cs(j,:)*1i;
    end
    if(tler_28A(j)==-1i)
        cs(j,:)=cs(j,:)*-1i;
    end
end
cs=[cs(1,:),cs(2,:),cs(3,:),cs(4,:),cs(5,:),cs(6,:),cs(7,:),cs(8,:),cs(9,:),cs(10,:),cs(11,:),cs(12,:),cs(13,:),cs(14,:),cs(15,:),cs(16,:),cs(17,:),cs(18,:),cs(19,:),cs(20,:),cs(21,:),cs(22,:),cs(23,:),cs(24,:),cs(25,:),cs(26,:),cs(27,:),cs(28,:)];


t=(0:pn*28-1)/Fs;%时间序列
s=exp(1i*2*pi*f0*t).*cs;%原信号
s=awgn(s,snr);
s=fft(s,N)/max(fft(s,N));%fft，归一化
qpsks.data=s;%加高斯白噪声后的信号
qpsks.label=4;%加高斯白噪声后的信号

% plot((0:N-1)*Fs/N,abs(s));

6.二频编码信号

function [bfsks]=bfsk(snr,T,f0)
Fs=2500e6;%时域采样频率2500MHz
N=8192;
barker_13=[1 1 1 1 1 -1 -1 1 1 -1 1 -1 1];
p=T/13.0;
pn=fix(p*Fs);%子码点数
cs=ones(13,pn);
cst=(0:pn-1)/Fs;
f1=f0+(10+(50-10)*rand(1))*1e6;%
p0=0;
for j=(1:13)
            if(barker_13(j)==1)
                cs(j,:)=exp(1i*(p0+2*pi*f0*cst));
                p0=p0+2*pi*f0*cst(pn);
            else
                cs(j,:)=exp(1i*(p0+2*pi*f1*cst));
                p0=p0+2*pi*f1*cst(pn);
            end
end
s=[cs(1,:),cs(2,:),cs(3,:),cs(4,:),cs(5,:),cs(6,:),cs(7,:),cs(8,:),cs(9,:),cs(10,:),cs(11,:),cs(12,:),cs(13,:)];
s=awgn(s,snr);%加高斯白噪声后的信号
s=fft(s,N)/max(fft(s,N));%fft，归一化
bfsks.data=s;
bfsks.label=5;%加高斯白噪声后的信号
        
% %绘图
% plot((0:N-1)*Fs/N,abs(s));

7.四频编码信号

function [qfsks]=qfsk(snr,T,f0)
Fs=2500e6;%时域采样频率2500MHz
N=8192;
frank_16=[0 0 0 0 0 1 2 3 0 2 4 6 0 3 6 9];
p=T/16.0;
pn=fix(p*Fs);%子码点数
cs=ones(16,pn);
cst=(0:pn-1)/Fs;
df=(10+(50-10)*rand(1))*1e6;
p0=0;
for j=(1:16)
    if(mod(frank_16(j),4)==0)
        cs(j,:)=exp(1i*(p0+2*pi*(f0+df*mod(frank_16(j),4))*cst));
        p0=p0+2*pi*f0*cst(pn);
    else
        if(mod(frank_16(j),4)==1)
            cs(j,:)=exp(1i*(p0+2*pi*(f0+df*mod(frank_16(j),4))*cst));
            p0=p0+2*pi*f0*cst(pn);
        else
            if(mod(frank_16(j),4)==2)
                cs(j,:)=exp(1i*(p0+2*pi*(f0+df*mod(frank_16(j),4))*cst));
                p0=p0+2*pi*f0*cst(pn);
            else
                cs(j,:)=exp(1i*(p0+2*pi*(f0+df*mod(frank_16(j),4))*cst));
                p0=p0+2*pi*f0*cst(pn);
            end
        end
    end
end
s=[cs(1,:),cs(2,:),cs(3,:),cs(4,:),cs(5,:),cs(6,:),cs(7,:),cs(8,:),cs(9,:),cs(10,:),cs(11,:),cs(12,:),cs(13,:),cs(14,:),cs(15,:),cs(16,:)];
s=awgn(s,snr);
s=fft(s,N)/max(fft(s,N));%fft，归一化
qfsks.data=s;%加高斯白噪声后的信号
qfsks.label=6;%加高斯白噪声后的信号

% %绘图
% plot((0:N-1)*Fs/N,abs(s));

7.总函数

%%
clear all;
clc;disp('正在生成');
for n=(0:0)
    T_min=0.5;T_max=3;%脉宽(us)
    f_min=200;f_max=220;%载频(MHz)
    snr_min=-18;snr_max=-18;%信噪比
    for i=(0:0)
        data1(i*7+1)=   cw      (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        data1(i*7+2)=   chirp   (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        data1(i*7+3)=   nlfm    (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        data1(i*7+4)=   bpsk    (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        data1(i*7+5)=   qpsk    (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        data1(i*7+6)=   bfsk    (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        data1(i*7+7)=   qfsk    (snr_min+(snr_max-snr_min)*rand(1),(T_min+(T_max-T_min)*rand(1))*1e-6,(f_min+(f_max-f_min)*rand(1))*1e6);
        x=['n=',num2str(n),'i=',num2str(i)];
        disp(x);
    end
    
     file_name=['data1',num2str(n),'.mat'];
     save(file_name,'data1');
end

% for j=(1:7)
%     subplot(7,1,j);
%     plot(abs(data(j).data));
%     grid on;
% end


clc;disp('完成');
数字硬鉴
关注
专栏目录
雷达辐射源调制信号仿真
Crazzy_M的博客
06-10 6334
雷达辐射源调制信号仿真说明：通过Matlab进行单载频（CW），线性调频（LFM）、非线性调频（NLFM）、二相编码（BPSK）、四相编码（QPSK）、二频编码（BFSK）、四频编码（QFSK）七种雷达脉内调制信号的方仿真。.........
mfc 绘制仿真雷达曲线_基于无意调相特性的雷达辐射源个体识别
weixin_39788382的博客
12-11 670
来源：通信学报:1-8[2020-05-25].http://kns.cnki.net/kcms/detail/11.2102.TN.20200428.1338.002.html.摘要：针对脉内无意调相实现雷达辐射源个体识别时存在分类模型性能不佳的问题，提出了一种长短时记忆加全卷积网络的雷达辐射源个体识别方法。首先给出了脉内信号相位的简化观测模型，并对观测相位序列进行去斜处理，提取无意调相的含噪估...
雷达信号仿真及实现方法
02-12
雷达信号仿真是电子战威胁环境仿真的关键 技术之一。随着电磁环境的日益复杂。对雷达信 号仿真的要求越来越高。多样化的信号形式、高 逼真、高精度、稳定的模拟信号是对信号仿真最基 本的要求，除了模拟适当的载波频率、脉宽、重频 参数外，还必须模拟信号的幅度、相位及天线扫 描、天线方向图等，对辐射源信号细微特征的描述 也变得越来越重要。
几种典型雷达信号的MATLAB实现，线性调频，二相编码_QPSK_FSK_LFM_BPSK
07-05
几种典型雷达信号的MATLAB实现，线性调频，二相编码_QPSK_FSK_LFM_BPSK
【CNN分类】基于被囊群优化算法TSA实现雷达辐射源识别附matlab代码
最新发布
默默科研仔的博客
07-08 191
雷达辐射源识别
雷达辐射源识别信号数据集(基于AD9910和USRP硬件的实测数据，包括6个个体，每个个体6种调制类型，每种调制类型5000个脉冲，共计18万个样本)
铁头娃
06-03 3591
基于AD9910和USRP硬件的实测数据雷达辐射源识别信号数据集，包括6个个体、每个个体6种调制类型，可用于雷达辐射源个体识别算法或调制类型识别算法或其他混合识别算法的有效性验证，也可用于通信辐射源识别等科研项目的初级验证。
雷达辐射源在线核聚类分选matlab代码
11-01
在线分选matlab代码，采用核映射将数据映射到高维空间，在特征空间中对多类信号，进行聚类分选
【CNN分类】基于鲸鱼算法优化卷积神经网络WOA-CNN实现通信辐射源识别附matlab代码
m0_60703264的博客
04-30 258
雷达辐射源识别是电子对抗信号处理中的关键环节,是电子侦察和威胁告警系统的重要组成部分。但随着雷达技术的迅猛发展、新体制雷达的大量应用,雷达信号的密度和复杂程度都大幅升高,给复杂体制的雷达辐射源信号识别带来很大的困难,导致传统基于脉冲描述字五维特征识别的方法已经逐渐失效。而雷达辐射源信号的脉内调制作为信号的重要特征,能够减轻参数空间的混叠、提高辐射源识别率,可作为第六维特征重点研究。考虑现代雷达信号具有密度高、形式多样、非平稳等特点,本文研究基于时频预处理与卷积神经网络(CNN)的雷达辐射源识别方法。
一种新的雷达辐射源信号识别方法
10-16
为了提高神经网络对分布复杂的雷达信号类型的识别率，提出一种结合小波变换、互信息特征选择及神经网络的分类新方法。首先利用小波变换对信号进行特征提取，然后通过基于互信息的特征选择来对特征进行选择，最后把选择出的特征作为神经网络的训练样本对其进行辐射源类型的识别。仿真结果显示，该方法能够利用较少的特征值得到较高的识别正确率。
matlab雷达辐射源调制信号仿真
03-23
关于 matlab 雷达辐射源调制信号仿真，您可以使用 MATLAB 自带的信号处理工具箱进行仿真，具体操作可以参考 MATLAB 官方文档或者相关教程。如果您需要更加详细的指导，可以提供更具体的问题或者需求。
频率调制雷达信号
11-17
一个频率调制脉冲雷达信号的函数，可以用在雷达信号处理项目中，亲测有效。
雷达信号集锦：matlab仿真+说明文档（常规、相位编码、线性、非线性、噪声干扰（调幅、调频、调相））
11-23
雷达信号集锦：matlab仿真+说明文档（常规、相位编码、线性、非线性、噪声干扰（调幅、调频、调相））。
基于能量聚焦效率检验的信号脉内调制识别
01-15
针对低信噪比条件下信号调制盲识别问题，提出了一种基于信号能量聚焦效率检验的识别算法。先对信号进行短时滤波，以提高处理信噪比，后在分析常用6类脉内调制信号单频正弦波生成条件差异的基础上，定义了信号能量聚焦效率特征，并据此实现调制识别。推导了信号能量聚焦效率的统计检验方法。计算机仿真结果表明，本算法在低信噪比条件下可对常用雷达脉内调制方式进行有效识别。
雷达信号的脉内调制
weixin_42936176的博客
05-15 4372
学习目标： 雷达信号的脉内调制识别文献调研 学习内容： 雷达会根据其工作模式，改变脉内信号的脉宽和调制方式，需要完成脉内信号的参数测量（载频、脉宽和带宽等），并识别出信号的脉内调制方式；脉内调制方式有无调制，线性调频（LFM），非线性调频（NLFM），频率编码（Coatas），多载波跳频（载波数≤4），多相编码（BPSK、QPSK、Frank、P1-P4、T1-T4），频率编码与多相编码组合，频率编码与线性编码组合，频率编码与非线性编码组合等。 当前工程常采用相位差分方法，但抗噪声能力差；可采用时频图+
多传感器融合之雷达图像数据集自动生成 - 20220613
quanwei的博客
06-13 2738
多传感器融合之雷达图像数据集自动生成
matlab 发射随机信号,matlab随机信号处理
weixin_29530503的博客
03-16 1135
matlab中rand和randn是产生随机数的命令，x=rand(1,N) 产生(0，1)区间均匀分布的长度为N的随机信号，x=randn(1,N)产生长度为N且具有零均值和单位方差的正态分布的随机信号。matlab中产生伪随机数需要种子，把不同的种子用于不同的随机数生成器产生不同的伪随机数。betarnd 贝塔分布的随机数生成器 binornd 二项分布的随机数生成器 chi2rnd 卡方分布...
评论 2
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

打赏作者

数字硬鉴

你的鼓励就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