ISAR 基础三

1. 信号卷积

信号的卷积和乘法是雷达信号处理中常用的方法。如公式1.12和1.13所示，对于FT而言，卷积是乘法的逆运算，反之亦然。傅里叶变换的这一有用特性被广泛应用于信号和图像处理应用。很明显，与卷积运算相比，乘法运算明显更快、更容易处理，特别是对于长信号。因此，与其在时域中直接对两个信号进行卷积，不如对这两个信号的频谱相乘求IFT更容易、更快捷，如下所示:

在对偶方式下，频率域信号之间的卷积可以用一种更快更简单的方式计算，方法是取它们的时域版本乘积的FT，公式如下:

2. 滤波，窗函数

滤波是去除信号中不需要的部分(如噪声)的常用过程。它还用于提取信号的一些有用的特征。滤波函数通常以频域窗口的形式存在。根据频率轴中窗口的频率，滤波器被命名为低通(LP)、高通(HP)或带通(BP)。

理想低电压滤波器的频率特性如图1.6中的虚线所示。理想情况下，该滤波器应通过频率从直流到fc的截止频率，并应阻止更高的频率超过。然而在实际应用中，理想的低电压滤波器特性是无法实现的。根据傅里叶理论，一个信号不可能同时是时域和频带受限的。
也就是说，要达到如图1.6所示的理想限带特性，那么对应的时域信号理论上应该从负无穷延伸到正无穷，这在实际应用中当然是不可能的。由于所有实际的人造信号都是有时间限制的，即在特定的时间点开始和停止，所以这些信号的频率内容通常会延伸到无穷大。因此，如图1.6所示的理想滤波器特性是无法实现的，而在实际应用中只能实现其近似版本。

加窗过程通常用于平滑时域信号，从而滤除高频分量。在信号和图像处理中广泛使用的一些流行的窗口是Kaiser, Hanning, Hamming, Blackman和Gaussian。图1.7给出了其中一些窗口的比较图。
窗口操作的效果如图1.8所示。矩形窗口的时域信号如图1.8a所示，其时域变换如图1.8b所示。这个函数实际上是一个sinc函数，有主要的副瓣。对于sinc函数，最高副瓣比主瓣的顶点低约13 dB。当然，在某些成像应用中，如此高的对比度可能还不够。如图1.8c所示，原始矩形时域信号经过汉宁窗处理。其对应的频谱如图1.8d所示，其中由于加窗操作，副瓣被高度抑制。

加窗的一个主要缺点是频率信号的分辨率下降。加窗信号的傅里叶变换比原始时域信号的傅里叶变换分辨率更差。从图1.8的示例中也可以注意到这个特性。通过对比右图的主瓣，加窗后的分辨率几乎是原始频域信号的两倍。

3. 数据采集

采样可以看作是将连续或模拟信号转换为离散或数字信号的预处理过程。当信号分析必须使用数字计算机通过数值计算完成时，需要将连续信号转换为数字版本。这是通过应用一般的抽样程序来实现的。模数(A/D)转换器是完成这一过程的常用电子设备。一个典型采样过程的实现如图1.9所示。每隔Ts秒采样一个时间信号s(t)，得到离散信号s[n]，由下式生成:

因此，采样频率fs等于1/Ts，其中Ts称为采样间隔。

采样信号也可以看作是连续信号s(t)与脉冲梳状波形c(t)相乘的数字化版本，如图1.10所示。
根据Nyquist-Shannon采样定理，只有当采样频率fs等于或大于被采样信号最大频率含量的两倍时，才有可能对信号进行完美重构。否则，信号混叠是不可避免的，只能重建原始信号的失真版本。