【通信仿真】噪声调频干扰仿真【含Matlab源码 1951期】

Matlab领域

于 2024-03-20 23:12:49 发布

阅读量741

点赞数 10

分类专栏： Matlab信号处理（初级版）文章标签： matlab

本文链接：https://blog.csdn.net/weixin_63266434/article/details/136891567

版权

Matlab信号处理（初级版）专栏收录该内容

320 篇文章 11 订阅

订阅专栏

在这里插入图片描述

⛄一、获取代码方式

获取代码方式1：
完整代码已上传我的资源：【通信仿真】基于matlab噪声调频干扰仿真【含Matlab源码 1951期】
点击上面蓝色字体，直接付费下载，即可。

获取代码方式2：
付费专栏Matlab信号处理（初级版）

备注：
点击上面蓝色字体付费专栏Matlab信号处理（初级版），扫描上面二维码，付费29.9元订阅海神之光博客付费专栏Matlab信号处理（初级版），凭支付凭证，私信博主，可免费获得1份本博客上传CSDN资源代码（有效期为订阅日起，三天内有效）；
点击CSDN资源下载链接：1份本博客上传CSDN资源代码

⛄二、简介

有源干扰是现代电子战中的一种主要干扰形式。它在干扰制导系统的同时, 又干扰无线电引信, 会得到更显著的干扰效果。尤其是对制导系统的干扰难以奏效时, 干扰武器系统的最后一个工作环节——无线电引信, 可起到事半功倍的效果。对无线电引信的人为有源干扰与一般雷达的干扰基本相同, 大体分为压制式干扰和回答式欺骗干扰两大类。

对引信威胁最大的干扰是压制式干扰中的阻塞式干扰, 阻塞式干扰发射宽频带的干扰信号, 可对频带内的引信同时进行干扰, 为此要求干扰机发射宽频谱的大功率干扰信号, 而噪声调频干扰具有宽的干扰带宽和较大的噪声功率, 是目前对雷达、引信、通信进行阻塞式干扰中最常用的干扰形式。因此, 本文研究噪声调频干扰信号, 利用计算机产生其时域波形、频谱、功率谱, 分析噪声调频信号的特点;同时, 计算脉冲多谱勒引信天线接收到的噪声调频干扰有效噪声功率;利用计算机产生混频器及解码输出端干扰信号的时域信号;最后, 将计算机产生的噪声调频信号与干扰模拟器产生的噪声调频干扰信号比较, 验证本文所产生的噪声调频干扰仿真的正确性。

1 噪声调频干扰信号时域表达式、频谱和功率谱仿真分析
噪声调频干扰信号最常见的是射频振荡的频率与调制噪声电压ξ (t) 呈线性关系, 噪声调频干扰电压的时域表达式为[1]:

uj (t) =Ecos[ω0t+∫t0kfξ (t) dt] (1)

式中:E为电压振幅, 为常数 (忽略其寄生调幅) ;kf为调频指数;ξ (t) 为高斯噪声, 其均值为0, 方差为σ2ξ, 在频带Ω0内为均匀频谱。

设调制噪声电压ξ (t) 是高斯噪声, 其幅度概率密度分布为高斯函数。
在这里插入图片描述
由于噪声调频干扰的角频率与ξ (t) 呈线性关系, 故瞬时角频率或角频偏的概率密度亦应为高斯分布, 其均方根值为:

其中fe为有效频偏。由此得噪声调频干扰的频谱函数为:

噪声调频干扰的功率谱为:

噪声调频干扰信号的频带宽Δfj, 可按半功率电平对应的两个频率之间的差值来定义, 即:
在这里插入图片描述
利用计算机产生式 (1) 的噪声调频干扰时域信号uj (t) , 并应用快速傅立叶变换在计算机上产生噪声调频干扰的频谱信号。图1是中心频率为4.3 GHz、调频指数为0.2 GHz/V、调制噪声功率为2.0 dBW的噪声调频时域信号和同步频谱信号。图2是计算机利用式 (3) 产生的调制噪声功率分别为2.0 dBW和4.0 dBW, 调频指数为0.2 GHz/V, 中心频率为4.35 GHz的噪声调频频谱信号曲线。图3是计算机利用式 (3) 产生的中心频率分别为4.35 GHz和2.0 GHz, 调制噪声功率2.0 dBW, 调频指数为0.2 GHz/V的噪声调频频谱信号曲线。图4为我所研制的7.5 cm频端噪声调频引信干扰模拟器产生的噪声调频干扰信号频谱。

⛄三、部分源代码

clear all
clc
close all
%%
%雷达相关参数
j=sqrt(-1);
c=3e8; %光速
fc=10e9; %载频
lambda=c/fc; %波长
PRF=500; %脉冲重复频率
Tp=3e-6; %LFM信号脉宽
Br=50e6; %LFM信号带宽
Fs=2Br; %距离向采样频率
Kr=Br/Tp; %调频斜率
betal=70pi/180; %波束中心下视角 %斜视角
theta=0*pi/180;
H0=20000; %雷达高度
v_x=1000; %导弹沿x轴的速度匀速直线飞行
D=10; %天线真实孔径
rou_a=D/2; %方位分辨率
rou_r=c/2/Br/(cos(theta)*sqrt(tan(theta).^{2+sin(betal).}2)); %距离分辨率

%%
%目标场景
%X0=0; %场景中心的方位向坐标
X0=H0/cos(betal)tan(theta) ; %场景中心的方位向坐标 20110803修改
Y0=H0tan(betal); %场景中心的距离向坐标
R0=H0/cos(betal)/cos(theta); %场景中心线到雷达的距离
azirange=100; %方位向成像范围
ranrange=100; %距离向成像范围
Soder_X=50; %方位向点目标间距
Soder_Y=50; %距离向点目标间距
x_range=X0+(-azirange/2:Soder_X:azirange/2); %场景方位向范围
y_range=Y0+(-ranrange/2:Soder_Y:ranrange/2); %场景距离向范围
Ntar=1; %目标个数
target=[0,0,1 %目标相对于场景的坐标(方位坐标距离坐标灰度值)
0,1,1
-1,0,1
1,0,1
5,5,1
0,-1,1
];
target(:,1)=target(:,1)*Soder_X;target(:,2)=target(:,2)*Soder_Y+Y0; %目标在绝对坐标系中的坐标
order=target;

%%
%方位向采样，
fdr=-2v_x^2fc/c/R0;
Ba=v_x/rou_a ; %满足要求分辨率所需要的多普勒带宽
TT=Ba/abs(fdr); %成像积累时间
Lsar=v_xTT %合成孔径长度
Tc1=TT+azirange/v_x; %一次成像时间;包括成像区域
Na1=ceil(Tc1PRF); %一次成像时间内需要的采样点
Na=2^nextpow2(Na1); %为了后面FFT，将Na设置为2的整数次方个
PRF=Na/Tc1; %刷新脉冲重复周期
fangwei=linspace(-azirange/2-Lsar/2-X0,azirange/2+Lsar/2-X0,Na); %20110803 修改
Tm=linspace(-Tc1/2,Tc1/2,Na)-X0/v_x; %方位向慢时间 %20110803 修改
x_rader=Tm*v_x; %雷达方位向历程
fu=linspace(-PRF/2,PRF/2,Na); %多普勒域
%%
%距离向采样
%Rmin=R0-(ranrange/2)*sin(beta) %最小照射距离
Rmin=R0-(ranrange/2)*sin(betal) %20110803改
%Rmax=sqrt((R0+(ranrange/2)*sin(beta))^2+(Lsar/2)2) %最大照射距离

% Rrmx=zeros(1,Na);
% Rrmn=zeros(1,Na);
% for i=1:Na
% Rrmx(i)=max(sqrt((xn-x_rader(i)).^{2+(Y0+Y0ch-y_rader(i)).}2+(z_rader(i))^2));
% Rrmn(i)=min(sqrt((xn-x_rader(i)).^{2+(Y0-Y0ch-y_rader(i)).}2+(z_rader(i))^2));
% end
% Rmax=max(Rrmx) %最大照射距离
% Rmin=min(Rrmn) %最小照射距离

% Nr=ceil((2*(Rmax-Rmin)/c+Tp)Fs); %距离向采样点数
dt=(2Rmax/c-2Rmin/c+Tp)/Nr; %重新采样
Fs=1/dt; %刷新采样频率
fr=linspace(-Fs/2,Fs/2,Nr); %距离频域
t=(0:Nr-1)1/Fs; %距离时域
juli=linspace(-ranrange/2,ranrange/2,Nr);
%%
%%下面是回波模拟
%stt=rectpuls(t-Tp/2,Tp).exp(j2pi(0.5Kr(t-Tp/2).^2)); %%定义发射波
t=2*Rmin/c+t;

%wa=zeros(1,Na);
sr=zeros(Na,Nr);
for k=1:Na
sr(k,:)=zeros(1,Nr);
for i=1:Ntar
if abs(v_xTm(k)+X0-order(i,1))<Lsar/2
r(k)=sqrt((order(i,1)-x_rader(k))^{2+(order(i,2))}2+H0^2);
tr=2r(k)/c;
%wa(k)=rectpuls(Tm(i),TT); %-order(i,2)Sodertan(pha)???
wr=rectpuls(t-Tp/2-tr,Tp);
s=order(i,3)wr.exp(j2pi*(0.5Kr(t-Tp/2-tr).^2-fctr));
sr(k,:)=sr(k,:)+s;
end
end
end
s=sr.';
%Jr=qipian(Na,Nr,Lsar,Tm,order,x_rader,t,Ntar,v_x,X0,H0,c,lambda,Tp,Kr,fc);
%s=s+Jr;
SAREcho=strcat(‘huiboshuju.mat’);
save(SAREcho,‘s’);
%sat=rectpuls(Tm,Tc1).exp(jpi4v_x^2*Tm2/lambda/R0);
% figure(1)
% plot_img(fangwei,juli,s,30),grid on
% title(‘原始回波数据’);
% xlabel(‘方位维范围’);ylabel(‘距离维范围’);
%%
%CS成像
pi2=2pi;
wc =2pifc;
DeltaR = c/(2Fs);
%Xc = Xmin+DeltaRran_num/2; % Range distance to center of target area
X0 = DeltaRNr/2; % Target area in range is within [Xc-X0,Xc+X0]
Y0 = Nav_x/PRF/2; % Target area in cross-range is within [Yc-Y0,Yc+Y0]
% Rmin=Xc-0.5ran_numDeltaR;
% Rmax=Xc+0.5ran_numDeltaR;

Xc = R0;
Rc=Xc;
Ts=(2/c)*Rmin; % start time of sampling
% Tf=(2/C)*Rmax;

Rref=Xc;
tm = ((0:Na-1) -Na/2)/PRF;
t=Ts+(0:Nr-1)dt; %回波时间加上集体的延迟时间
x = Rmin+(0:Nr-1)DeltaR;
%x=linspace(Rmin,Rmax,Nr)
%%cross-range:y domain
%y = linspace(-ranrange/2,ranrange/2,Nr); %y域序列:-Y0~Y0
y=linspace(-azirange/2-Lsar/2,azirange/2+Lsar/2,Na); %20110803修改
Deltay = v_x/PRF;
%kyc = 0; %20110803
kyc = 4pi/lambdasin(theta);
dky = pi2/(NaDeltay);
ky = dky(-Na/2:Na/2-1)+kyc;

%%range:x domain
dw = pi2/(Nrdt); % Frequency domain sampling
w = dw(-Nr/2:Nr/2-1); %(魏改：去掉载频wc)
fr = w./pi2;
%fac = 0; %20110803
fac = 2v_xsin(theta)/lambda;
fa = (-Na/2:Na/2-1)(PRF/Na)+fac;
kxc = 4pi/lambda;
phi0 = sqrt(kxc^2-ky.2);
%Cs = ones(ran_num,1)(kxc./phi0-1);
Cs = (kxc./phi0-1);%CS因子???
phi1 = phi0./kxc;%cos(theta)
phi2 = (ky./kxc).^{2;%sin(theta)}2
temp1 = 2lambdaXc./c^2;
%gamae = ones(ran_num,1)(1./(1/gama-temp1.phi2./(phi1.^3)));
gamae = (1./(1/Kr-temp1.phi2./(phi1.^3)));%等效调频斜率
%fac = 0; %20110803
fac = 2v_xsin(theta)/lambda;
s=s.exp(-j2pifac*ones(Nr,1)*tm);
%%CSA:7 steps
%s=fftshift(fft(fftshift(s).‘)).’;
s = fty(s);%方位向FFT

t = t.';
%Chirp Scaling 线频调变标处理
for idx = 1:Nr
H1 = exp(jpiCs.gamae.(t(idx)-2*(Xc*(1+Cs))./c).^2);
s(idx,:) = s(idx,:).*H1;
end

clear H1;

s = ftx(s);%距离向FFT
for idx = 1:Na
H2 = exp(jpi(fr.^2’)./(1+Cs(idx))./gamae(idx)…
+j4pi/cRcCs(idx).*(fr’)); %距离向匹配滤波&距离迁移校正
s(:,idx) = s(:,idx).*H2;
end

clear H2;

%距离向IFFT
s = iftx(s);

for idx = 1:Nr
H3 = exp(j4pi/c^{2*gamae.*Cs.*(1+Cs).*(((x(idx)-Xc).}2))…
+j4pi/lambda*x(idx)*phi1);%消除误差函数，方位向匹配滤波
s(idx,:) = s(idx,:).*H3;
end

clear H3;

clear gamae Cs;

%方位向IFFT
s = ifty(s);
figure(3)
imagesc(x,y,abs(s))
colormap(gray)

Rb = x;
figure;
colormap(gray(256));
G=abs(s).';
xg=max(max(G)); ng=min(min(G)); cg=255/(xg-ng);
%%%%%%%%%%%%%%%%%%%%%% 注意下面成像用的坐标是y，不是Yc+y
Brightness = 2;
axis xy;

%yidongliang=round((x-Rc)0PRF/v_x);%%%%用这一句比下一句校正的好
yidongliang=round((x-Rc)*sin(theta)*PRF/v_x);%20110803修改
% yidongliang=round((X-Rc)*tan(theta_c)*PRF/v) ;
for i=1:Nr
G(:,i)=circshift(G(:,i),yidongliang(i));
end

% image(x,fa,Brightnesscg(G-ng));
image(x,y,Brightnesscg(G-ng));
axis xy;
xlabel(‘距离向(m)’);
ylabel(‘方位向(m)’);
%title(‘未采用运动补偿的常规RD算法成像结果’);
axis image;