雷达盲速和盲相的理解

雷达回波信号经过FIR一次对消器后的输出信号为:
y ( t ) = 2 a sin ⁡ ( π f d T r ) sin ⁡ ( 2 π f d t − π f d T r + 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(πfdTr)sin(2πfdtπfdTr+φ)
书上的原话为:“输出信号的振幅值为 ∣ 2 a sin ⁡ ( π f d T r ) ∣ \left| 2a\sin (\pi {{f}_{d}}{{T}_{r}}) \right| 2asin(πfdTr),与多普勒频率 f d {{f}_{d}} fd有关,即输出信号的振幅值受多普勒频率调制,在某些多普勒频率点上,对消器输出信号的振幅值为零,这就是盲相。”
我一直在想,这样的话 f d = n f r {{f}_{d}}=n{{f}_{r}} fd=nfr,盲相和盲速有什么区别呢?
好在找到当年《雷达原理》课程的PPT如下:
在这里插入图片描述
但问题在于就一个点为0产生的盲相为什么会降低雷达对运动目标信号的检测能力呢?
虽然不明白,但是对于盲速的解决方案看起来还是很清晰的,再次借用PPT:
在这里插入图片描述

  • 4
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于频控阵雷达盲速目标检测算法需要考虑到雷达数据的特点,以及目标检测的算法流程。以下是一个基于频控阵雷达盲速目标检测算法的设计和实现步骤: 1. 雷达数据预处理:对于频控阵雷达,可以采用FFT进行数据处理。首先对接收到的信号进行FFT变换,然后把频域数据映射到距离域,得到距离-角度-速度的三维数据。 2. 目标检测算法:一般使用基于卡尔曼滤波的多目标跟踪算法。首先对雷达数据进行目标检测,得到每个目标的位置、速度、距离等信息,然后使用卡尔曼滤波对目标进行跟踪,得到目标的运动轨迹。基于运动轨迹可以进一步对目标进行分类。 3. 目标分类:目标分类可以采用传统的机器学习算法或者深度学习算法。传统的机器学习算法如SVM、KNN等可以针对目标的特征进行分类。深度学习算法如CNN、RNN等可以直接对雷达数据进行分类。分类后可以得到目标的类型,如车辆、行人等。 4. 目标跟踪:目标跟踪可以采用多种算法,如卡尔曼滤波、粒子滤波等。对于基于频控阵雷达盲速目标检测算法,卡尔曼滤波算法是比较常用的。 5. 结果输出:最后将检测到的目标位置、速度、距离、类型等信息输出。 需要注意的是,基于频控阵雷达盲速目标检测算法需要根据具体的应用场景进行调整和优化,比如对雷达数据进行滤波、降噪等处理,以及对目标跟踪算法进行优化等。
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
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