【雷达信号处理】---模糊函数与仿真

最近这段时间在自学雷达信号处理，因为没有基础，学习起来磕磕碰碰，以下是学习过程中的回顾总结，有不对的地方欢迎读者指正！

---

一、模糊函数

模糊函数的物理并不难理解。当两个目标同时被雷达监测到时，若这两个物体的位置、速度相差很多，那么就很容易被雷达分辨出来。若是这两个物体的位置、距离都十分相近，那么对于雷达本身来说就是个挑战。而模糊函数就是用来衡量雷达区分两个目标能力的强弱的。

我们通常用$\chi (\tau ,\xi )$表示模糊函数，其中$\tau$表示两个物体的回波信号相较于发射信号的延迟时间之差，$\xi$表示两个物体的多普勒频率之差（雷达检测时，运动物体与静止物体的不同之处在于会产生多普勒频率）。
当$|\chi (\tau ,\xi )|$随着$\tau$与$\xi$的增加下降的越快，那么分辨能力就越强，模糊度就越低，两个物体越容易区分。

$\chi (\tau ,\xi )$的表达式为$$\chi (\tau ,\xi )={\int }_{-\infty }^{\infty }u(t)\bar{u}(t+\tau )e^{j2\pi \xi t}dt$$
是两个目标回波信号的复包络的时间-频率的复合自相关函数。

简单用公式推导下模糊函数的由来。对于一个距离为$R$、径向速度为$V_r$的目标，设其回波信号相较于发射信号延迟$t_r=2R/c$，多普勒频率为$f_d=2V_r/\lambda$,$\lambda$为雷达工作波长。该目标回波信号以复信号形式表示，为$$s_1(t)=u(t-t_r)e^{j2\pi f_d(t-t_r)}$$其中$u(t)$为复信号的复包络，表示为$$u(t)=a(t)e^{j\psi (t)}$$ $\psi (t)$为相位调制项，$a(t)$为信号的幅度调制。

第二个目标相对于发射信号的延迟时间为$(t_r+\tau )$,多普勒频率为$(f_d+\xi )$，则第二个目标回波信号的复包络为$$s_2(t)=u(t-t_r-\tau )e^{j2\pi (f_d+\xi )(t-t_r-\tau )}$$

可以用这两个复包络的均方差表示两个物体的差别
ε 2 = ∫ − ∞ ∞ ∣ s 1 ( t ) − s 2 ( t ) ∣ 2 d t = 2 { 2 E − R e [ e − j 2 π f d τ χ ( τ , ξ ) ] } \varepsilon ^2= \int_{-\infty}^\infty|s_1(t)-s_2(t)|^2dt=2\{2E-Re[e^{-j2\pi f_d\tau }\chi(\tau,\xi)]\} ε2=∫−∞∞​∣s1​(t)−s2​(t)∣2dt=2{2E−Re[e−j2πfd​τχ(τ,ξ)]}

可见$|\chi (\tau ,\xi )|$越小，${\epsilon }^2$越大，目标越容易区分。
需要注意的是，国际上模糊函数的表达式不止一种，上述的模糊函数表达式是从分辨的角度出发，称为正型模糊函数。
另一种模糊函数表达式是从匹配滤波器的角度出发，称为负型模糊函数，表达式为$$\chi (\tau ,\xi )={\int }_{-\infty }^{\infty }u(t)\bar{u}(t-\tau )e^{j2\pi \xi t}dt$$

二、仿真

当雷达信号为单载频矩形脉冲信号时，观察其模糊函数，等高线图，距离模糊函数与速度模糊函数
信号归一化包络可写为
$$u(t)=\frac{1}{\sqrt{T}},-\frac{T}{2}<t<\frac{T}{2}$$
根据计算公式可求得模糊函数表达式
$$\left|\chi (\tau ,f_d)\right|=\left|\frac{sin\pi f_d(T-\left|\tau \right|)}{\pi f_d(T-\left|\tau \right|)}(1-\frac{\left|\tau \right|}{T})\right|,\left|\tau \right|<T$$
令$f_d=0$可得到信号的距离模糊函数$$\left|\chi (\tau ,0)\right|=(1-\frac{\left|\tau \right|}{T}),\left|\tau \right|<T$$
令$\tau =0$可得到速度模糊函数$$\left|\chi (0,f_d)\right|=\left|\frac{sin\pi f_{d}T}{\pi f_{d}T}\right|$$

附仿真代码

%单载频矩形脉冲模糊函数 Tp 脉冲宽度 单位s  Grid 坐标轴点数 
Tp=1e-6;Grid=64;
t=-Tp:Tp/Grid:Tp;
f=-10/Tp:10/Tp/Grid:10/Tp;
[tau,fd]=meshgrid(t,f);
tau1=(Tp-abs(tau))/Tp;
mul=pi*fd.*tau1;
mul=mul+eps;
amf=abs(sin(mul*Tp)./(mul*Tp).*tau1);
subplot(2,2,1);surfl(tau*1e6,fd*1e-6,amf);xlabel('\tau/\mu s');ylabel('f_{d}/MHz');zlabel('|\chi(\tau ,f_{d})|');title('矩形脉冲信号模糊函数');
subplot(2,2,2);contour(tau*1e6,fd*1e-6/10,amf,'b');xlabel('\tau/\mu s');ylabel('f_{d}/MHz');title('矩形脉冲信号模糊度图');
subplot(2,2,3);plot(t*1e6,tau1(1,:));xlabel('\tau/\mu s');ylabel('|\chi(\tau ,0)|');title('距离模糊函数');
ff=abs(sin(pi*fd*Tp)./(pi*fd*Tp))
ffd=ff(:,Grid+1);
subplot(2,2,4);plot(fd*1e-6,ffd);xlabel('f_{d}/MHz');ylabel('|\chi(0 ,f_{d})|');title('速度模糊函数');

当雷达信号为线性调频信号时，观察其模糊函数，等高线图，距离模糊函数与速度模糊函数

附仿真代码

%Tp 脉冲宽度 单位s  Grid 坐标轴点数 B信号带宽Hz
Tp=1e-6;B=4e6;Grid=64;
u=B/Tp;
t=-Tp:Tp/Grid:Tp;
f=-B:B/Grid:B;
[tau,fd]=meshgrid(t,f);
var1=Tp-abs(tau);
var2=(fd-u*tau).*var1*pi;var2=var2+eps;
amf=abs(sin(var2)./var2.*var1/Tp);
amf=amf/max(max(amf));%amf为二维矩阵 需要两个max 归一化
var3=pi.*tau*u.*var1;
tau1=abs(sin(var3)./var3.*var1/Tp);
tau1=tau1/(max(max(tau1)));%距离模糊归一化
mul=Tp.*abs(sin(pi*fd.*Tp)./(pi*fd.*Tp));
mul=mul/(max(max(mul)));%速度模糊归一化
subplot(2,2,1);surfl(tau*1e6,fd*1e-6,amf);xlabel('\tau/\mu s');ylabel('f_{d}/MHz');zlabel('|\chi(\tau ,f_{d})|');title('线性调频信号模糊函数');
subplot(2,2,2);contour(tau*1e6,fd*1e-6/10,amf,'b');xlabel('\tau/\mu s');ylabel('f_{d}/MHz');title('线性调频信号模糊度图');
subplot(2,2,3);plot(t*1e6,tau1(1,:));xlabel('\tau/\mu s');ylabel('|\chi(\tau ,0)|');title('距离模糊函数');
subplot(2,2,4);plot(fd*1e-6,mul(:,Grid+1));xlabel('f_{d}/MHz');ylabel('|\chi(0 ,f_{d})|');title('速度模糊函数');