qq_42146648的博客

降维STAP算法的思路是：将空­-时域回波信号通过DFT处理变换至角度­-多普勒域，此时回波信号转换为频域信号，并且被划分为二维的角度通道和多普勒通道。然后通常论文会给出向量化的接收回波信号x，左乘降维矩阵T后得到降维后的接收回波信号；以及期望的空时导向矢量通过降维矩阵TxT​THxsT​THs通过以上描述，我一直认为降维矩阵T是NK×3维的选择矩阵，其中N是接收阵元数，K是脉冲数。所谓选择矩阵是除了选出来的3×3。

根据上述表示，信号频率估计和方向图的差异在于：前者是改变。的信号可以无失真通过，因此曲线呈现出一个峰值。通过求解该优化问题，得到。最小来抑制其他频率信号和噪声，而约束。类似的，MVDR波束形成的优化问题为。外的其他成分被抑制，但是由于频率为。在此时会出现一个较大的值；全部被抑制，只会出现一个很小的值。中包含该频率成分，那么除了频率为。处，信号和噪声都被抑制；，形成了样本点那么多个权值。的成分能无失真通过，因此。中不包含该频率成分，那么。但此时作方向图时，先由。，形成了一个固定的权向量。中呢，两者有何区别？

1]: 阳召成.基于稀疏性的空时自适应处理理论和方法[D].国防科学技术大学,2013.

本文章先根据以下两处学习资料对卡尔曼滤波卡尔曼增益的由来做一个简要推导，其次简单分析了以下在雷达系统中应用卡尔曼滤波进行跟踪需要哪些变量。

如果做了fftshift，那么相当于需要将0频率移至中心，速度轴坐标应为。，FFT点数为相干积累脉冲数CPI，于是MTD后的频率范围为。于是可以解得MTD后速度轴的坐标应为。再根据多普勒频率和速度的关系。那么，对于MTD而言，

的文章可知，通过频域点乘方式计算匹配滤波输出有三种方式，这里仅讨论前两种。第一种生成匹配滤波器的方式是对时域匹配滤波器进行fft变换，即将发射信号取共轭反转后进行fft；比如说64点的fft，峰值总是出现在33处。这是因为方法二在没有噪声的情况下，频域点乘后相位全为0，仅有幅度值。，与文中生成接收信号的方式有关，由于文中取了Rmin和Rmax，二者中点为R0。首先链接的文章也说了做fft补零是因为循环卷积和线性卷积的差异。可以看出，将方法二的结果点乘上。，根据方法一，匹配滤波器应为。处，仿真证明也是如此。

发射和接收方向图差异

MIMO雷达等效发射波束形成的理解

假定已知噪声功率PnP_nPn​，那么产生一个长度为NNN的复高斯白噪声代码为：n=sqrt(0.5∗Pn)∗(randn(1,N)+1jrandn(1,N)) n=sqrt(0.5*P_n) * (randn(1,N)+1jrandn(1,N)) n=sqrt(0.5∗Pn​)∗(randn(1,N)+1jrandn(1,N))可以通过计算信号总能量除以信号长度验证该噪声的功率是否为PnP_nPn​，即Pn=n∗n′/NP_n=n*n'/NPn​=n∗n′/N...

雷达回波信号经过FIR一次对消器后的输出信号为：y(t)=2asin⁡(πfdTr)sin⁡(2πfdt−πfdTr+φ)y(t)=2a\sin (\pi {{f}_{d}}{{T}_{r}})\sin (2\pi {{f}_{d}}t-\pi {{f}_{d}}{{T}_{r}}+\varphi )y(t)=2asin(πfd​Tr​)sin(2πfd​t−πfd​Tr​+φ)书上的原话为：“输出信号的振幅值为∣2asin⁡(πfdTr)∣\left| 2a\sin (\pi {{f}_{d}}{{T

雷达回波信号经过FIR一次对消器后的输出信号为：y(t)=2asin⁡(πfdTr)sin⁡(2πfdt−πfdTr+φ)y(t)=2a\sin (\pi {{f}_{d}}{{T}_{r}})\sin (2\pi {{f}_{d}}t-\pi {{f}_{d}}{{T}_{r}}+\varphi )y(t)=2asin(πfd​Tr​)sin(2πfd​t−πfd​Tr​+φ)书上的原话为：“输出信号的振幅值为∣2asin⁡(πfdTr)∣\left| 2a\sin (\pi {{f}_{d}}{{T

多普勒模糊也称速度模糊，是在PD雷达中当发射脉冲信号频率为低或中脉冲重复频率时，由于采样频率较低而产生的不能准确测量目标多普勒频率的问题。具体原因如下：多普勒维的采样为慢时间采样，采样频率为脉冲重复频率frf_rfr​。由奈奎斯特采样定理可知，其采样频率frf_rfr​应大于被检测目标的最大多普勒频率的两倍。如果采样频率小于运动目标产生的最大多普勒频率的两倍，则会出现对多普勒频率波形的采样率不够大，导致速度模糊，于是推出最大不模糊多普勒频率为fdmax=fr/2f_{dmax}=f_r/2fdmax​=f