雷达原理与波形设计-CSDN博客

本文链接：https://blog.csdn.net/qq_42113899/article/details/114224387

雷达原理（一）：雷达波形

1.低通，带通信号和正交分量

如果信号包含的主要频率处于包括直流 $(D C)$ 在内的低频频带,则称其为低通 $(L P)$ 信号。如果信号包含的主要频率处于离开原点的某个频率附近,则称其为带通 $(B P)$ 信号。一个实带通信号 $x (t)$ 在数学上可表示为:

x(t)=r(t)cos(2\pi f_{0}t+\phi_{x}(t))

其中， $r (t)$ 是幅度调制或包络， $\phi_{x}(t)$ 是相位调制， $f_{0}$ 是载波频率， $r (t)$ 和 $\phi_{x}(t)$ 所含的频率成分都比 $f_{0}$ 显然要小，调制频率为：

f_{m}(t)=\frac{1}{2\pi}\frac{d}{dt}\phi_{x}(t)

瞬时频率为：

f_{i}(t)=\frac{1}{2\pi}\frac{d}{dt}(2\pi f_{0}t+\phi_{x}(t))=f_{0}+f_{m}

如果信号带宽为 $B$ ，且 $f_{0}$ 远大于 $B$ ，则信号 $x (t)$ 被称为窄带信号。
带通信号也可以用两个称为正交分量的低通信号表示，此时实带通信号可表示为：

x(t)=x_{I}(t)cos2\pi f_{0}t-x_{Q}(t)sin2\pi f_{0}t

其中， $x_{I}(t)和x_{Q}(t)$ 是称为正交分量的实低通信号，分别表示为：

x_{I}(t)=r(t)cos\phi_{x}(t)

x_{Q}(t)=r(t)sin\phi_{x}(t)

下图说明了正交分量是如何被提取的：

在这里插入图片描述

2.解析信号

在上式中定义的正弦信号 $x (t)$ 可以写为复信号的实部，更具体地可以表示为：

x (t) = R e

{

ψ (t)

R e

{

r(t)e^{j\phi_{x}(t)e^{j2\pi f_{o}t}}

}

定义解析信号为：

ψ(t)=v(t)e^{j2\pi f_{0}(t)}

其中

v(t)=r(t)^{j\phi_{x}(t)}

并且

Ψ(ω)=\left\{\begin{matrix} {2X(ω) \quad\quad \quad ω\geqslant0 }\\0 \quad \quad \quad \quad \quad ω<0 \end{matrix}\right.

$\quad\quad Ψ(ω)$ 是 $ψ (t)$ 的傅里叶变换， $X (ω)$ 是 $x (t)$ 的傅里叶变换。上式可以写为

Ψ(ω)=2U(\omega)X(\omega)

其中， $U(\omega)$ 为频域阶跃函数。由此可以得出 $ψ(t)=x(t)+j\widetilde{x}(t)$ ， $\widetilde{x}(t)$ 是 $x (t)$ 的希尔伯特变换。
$\quad \quad$ 综合上面的式子，可以得到

x(t)=u_{0I}(t)cosw_{0}t-u_{0Q}(t)sinw_{0}t

$\quad$ 这与前面推导得到的

x(t)=x_{I}(t)cos2\pi f_{0}t-x_{Q}(t)sin2\pi f_{0}t

是一致的， $\omega=2\pi f_{0}$ 。由帕塞瓦尔定理，可以看出 $x (t)$ 的能量为 $ψ (t)$ 的一半。

3.连续和脉冲波形

$\quad$ 一个给定信号的频谱描述了其能量在频域的分布。一个能量信号(有限能量)的特征可以由它的能量谱密度( $E S D$ )函数来表示,而一个功率信号(有限功率)的特征可以由它的功率谱密度( $P S D$ )函数来表示。 $E S D$ 的单位为 $J / H$ , $P S D$ 的单位为 $W / H$ 。
$\quad$ 信号带宽是指信号非零谱的频率范围。一般说来,一个信号可以由它的时宽(时域)和带宽(频域)来定义。如果信号的带宽是有限的,那么就说这个信号是带限的。具有有限持续时间(时间有限)的信号具有无限的带宽,而带宽有限的信号具有无限的持续时间。极限情况是一个连续正弦信号,它的带宽是无限小的。

在这里插入图片描述

4.线性调频波形

在这里插入图片描述

在这里插入图片描述

下面的重点是研究线性调频信号的matlab实现

function LFM(B,T);
time_B_product = B * T;
if(time_B_product < 5 )
    fprintf('************ Time Bandwidth product is TOO SMALL ***************')
    fprintf('\n Change B and or T')
    return
else
end
% Compute alpha
mu = 2. * pi * B / T;
npoints = 5 * B * T + 1;
% Determine sampling times
delt = linspace(-T/2., T/2., npoints); % 
% Compute the complex LFM representation
Ichannal = cos(mu .* delt.^2 / 2.); % Real part
Qchannal = sin(mu .* delt.^2 / 2.); % Imaginary Part
LFM = Ichannal + sqrt(-1) .* Qchannal; % complex signal
%Compute the FFT of the LFM waveform
LFMFFT = fftshift(fft(LFM));
% Plot the real and Inginary parts and the spectrum
sampling_interval = T / npoints;
freqlimit = 0.5 / sampling_interval;
freq = linspace(-freqlimit,freqlimit,npoints);
figure(1)
plot(delt,Ichannal,'k');
axis([-T/2 T/2 -1 1])
grid



xlabel('Time - seconds')
ylabel('Units of Waveform')
title('Real part of an LFM waveform')
figure(2)
plot(delt,Qchannal,'k');
axis([-T/2 T/2 -1 1])
grid



xlabel('Time - seconds')
ylabel('Units of Waveform')
title('Imaginary part of LFM waveform')
figure(3)
plot(freq, abs(LFMFFT),'k');
%axis tight
grid
xlabel('Frequency - Hz')
ylabel('Amplitude spectrum')
title('Spectrum for an LFM waveform')

$\quad$ 此函数传入的参数为未压缩的脉宽 $T$ 和调制带宽B

5. 高距离分辨率

$\quad\quad$ 距离分辨率

ΔR=\frac{c\tau}{2}=\frac{c}{2B}

$\quad\quad$ 雷达使用者和设计者不约而同地通过最小化 $Δ R$ 来寻求实现高距离分辨率 $(H R R)$ 。然而如式(3.47)所示,为了得到高距离分辨率,必须使用短脉冲,从而导致平均发射功率的减小,并且强加了对大工作带宽的需求。在得到好的距离分辨率的同时保持足够的平均发射功率,可以通过使用脉冲压缩技术来实现,。利用频率或相位调制,脉冲压缩可以使我们获得相当长脉冲的平均发射功率,同时得到对应非常短脉冲的距离分辨率。例如,考虑一个 $L F M$ 波形,其带宽为B,未压缩脉宽为 $\tau$ 。经过脉冲压缩后,压缩后的脉宽表示为 $\tau^{'}$ ，其中 $\tau^{'}$ << $\tau$ , $H R R$ 为