导航菜单
首页 >  翻译硕士是干嘛的啊  > 雷达信号处理

雷达信号处理

MTI滤波器通过合理设置频率响应中的“凹口”能够有效的抑制杂波,提高雷达信号的信杂比,有利于运动目标的检测。以地杂波为例,其杂波功率主要分布在零频以及雷达重复频率的整数倍处,那么我们只要设计一个在杂波主要分布频率点处有“凹口”的滤波器,就能很好的抑制杂波。

1.延迟线对消器

延迟线对消器是比较常用的MTI滤波器之一。这里主要介绍单延迟线对消器以及双延迟线对消器。

1)单延迟线对消器

单延迟线对消器的实现框图如下。 在这里插入图片描述 我们可由此写出输入信号与输出信号的关系 y ( t ) = x ( t ) − x ( t −T r) y(t)=x(t)-x(t-T_{r})y(t)=x(t)−x(t−Tr​) 则滤波器的脉冲响应为 h ( t ) = δ ( t ) − δ ( t −T r) h(t)=\delta (t)-\delta (t-T_{r})h(t)=δ(t)−δ(t−Tr​) 频率响应可写为 H ( ω ) = 1 −e−jωTrH(\omega )=1-e^{-j\omega T_{r}}H(ω)=1−e−jωTr​ 根据上式,我们便可以在matlab中进行仿真验证了

2)双延迟线对消器

双延迟线对消器是由两个单延迟线对消器级联构成的,其实现框图如下 在这里插入图片描述 双延迟线脉冲响应可由上图得出为 h ( t ) = δ ( t ) − 2 δ ( t −T r) + δ ( t − 2T r) h(t)=\delta (t)-2\delta (t-T_{r}) +\delta (t-2T_{r})h(t)=δ(t)−2δ(t−Tr​)+δ(t−2Tr​) 其功率增益为 ∣ H ( ω ) ∣ = ∣H 1( ω )∣ 2∣H 1( ω )∣ 2|H(\omega )|=|H_{1}(\omega )|^{2}|H_{1}(\omega )|^{2}∣H(ω)∣=∣H1​(ω)∣2∣H1​(ω)∣2 其中,∣H 1 (ω)∣|H_{1}(\omega )|∣H1​(ω)∣是单延迟线对消器的功率增益

同理,多延迟线对消器是由多个单延迟线对消器构成的 其实现框图如下

在这里插入图片描述 而经过类推发现,对消器的系数其实是二项式系数,即ω n= ( − 1) n C N n= ( − 1) nN!(N−n)!n!\omega _{n}=(-1)^{n}C_{N}^{n} =(-1)^{n}\frac{N!}{(N-n)!n!}ωn​=(−1)nCNn​=(−1)n(N−n)!n!N!​ 同时,通过观察其实现框图可以发现,延迟对消器是一种滤波器系数为二项式系数的特殊FIR滤波器。

3)仿真验证 现有一脉冲信号,其脉冲重复频率为f r f_{r}fr​,设计单延迟线滤波器与双延迟线滤波器 仿真结果如下 在这里插入图片描述 仿真代码

%%signal_cancelerfofr1=3;eps=0.00001;fofr=0:0.01:fofr1;arg1=pi.*fofr;resp=4.*((sin(arg1)).^2);max1=max(resp);resp=resp./max1;subplot(3,1,1);plot(fofr,resp,'k');xlabel('归一化频率f/fr');ylabel('幅度响应');grid;subplot(3,1,2);resp_db=10*log10(resp+eps);plot(fofr,resp_db,'k');xlabel('归一化频率f/fr');ylabel('幅度响应/dB');grid;%%double_cancelerresp_double=resp.*resp;subplot(3,1,3);plot(fofr,resp,'k',fofr,resp_double,'r');xlabel('归一化频率f/fr');ylabel('幅度响应');legend('单延迟线对消器','双延迟线对消器');grid;

可以看到对零频以及fr整数倍的信号有很好的抑制作用,同时双延迟线脉冲响应比单延迟线滤波器有更宽的“凹口”,抑制效果更好。

2.参差重复频率

但是上述的延迟对消器却有所不足,若所要探测的目标信号回波正好在脉冲重复频率的整数倍处,那么便会被滤波器抑制掉,产生“盲速”现象。

这时便需要使用参差重复频率,即采用N个重复频率,记为[fr 1,fr 2,fr 3,...,fr n][f_{r1},f_{r2},f_{r3},...,f_{rn}][fr1​,fr2​,fr3​,...,frn​],其脉冲重复周期为Tr 1:Tr 2:...:Tr N=K 1 :K 2 :...:K N T_{r1}:T_{r2}:...:T_{rN}=K_{1}:K_{2}:...:K_{N}Tr1​:Tr2​:...:TrN​=K1​:K2​:...:KN​,我们称[K 1 :K 2 :...:K N ][K_{1}:K_{2}:...:K_{N}][K1​:K2​:...:KN​]为参差码,公比为ΔT\Delta TΔT。 若K i K_{i}Ki​之间互为素数,则MTI滤波器的第一盲速对应的多普勒频率为1ΔT\frac{1}{\Delta T}ΔT1​(结合上文中会在脉冲重复频率处产生凹口,便不难理解)。

这里再引出一个重要参数Ka vK_{av}Kav​,Ka vK_{av}Kav​是参差码的均值,也被称为盲速拓展倍数。若雷达平均重复周期为T r T_{r}Tr​,满足关系式T r=1 N ∑ Ni=1 Tri=Kav∗ Δ T T_{r}=\frac{1}{N}\sum_{N}^{i=1}T_{ri}=K_{av}*\Delta TTr​=N1​N∑i=1​Tri​=Kav​∗ΔT则Kav= TrΔT= fbnfrK_{av}=\frac{T_{r}}{\Delta T}=\frac{f_{bn}}{f_{r}}Kav​=ΔTTr​​=fr​fbn​​

参差MTI滤波器的结构如下图 在这里插入图片描述 可由上图推出MTI滤波器的频率响应 H ( j ω ) =ω 0+ω 1 e−j2πfT1+ω 2 e−j2πf(T1+T2). . . +ω n e−j2πf((T T 2+ . 1 +..+TN)H(j\omega )=\omega _{0}+\omega _{1}e^{-j2\pi fT_{1}}+\omega _{2}e^{-j2\pi f(T_{1}+T_{2})}...+\omega _{n}e^{-j2\pi f((T_{T_{2}+.1}+..+T_{N})}H(jω)=ω0​+ω1​e−j2πfT1​+ω2​e−j2πf(T1​+T2​)...+ωn​e−j2πf((TT2​+.1​+..+TN​)

此时,若[ω 0 ,ω 1 ,ω 2 ,...,ω n ][\omega _{0} ,\omega _{1}, \omega _{2},...,\omega _{n}][ω0​,ω1​,ω2​,...,ωn​]为二项式系数,就构成了参差对消器。

仿真实验

仿真参差比分别为[27:28:29]、[28:29:27]、[29:27:28]的三脉冲参差对消器 在这里插入图片描述 仿真代码

function [w]=ceni_MTI(len,bianT,f)%len为参差码长度 bianT为参差码 f为滤波器频率范围fr=1/mean(bianT);%计算平均重复频率 mean计算平均值bianT_num=length(bianT);bianT=repmat(bianT,1,len);%重复数组 bianT=[272829272829272829] 此处是为了方便计算三组参差码27:28:29 ,28:29:27,29:27:28T=zeros(1,len);f_ran=f.*fr;%频率范围hd=zeros(bianT_num,length(f));%频率响应N=len-1;for m=0:N%计算二项式系数w(m+1)=(-1)^(m-1)*factorial(N)/(factorial(m)*factorial(N-m));endfor k=1:bianT_numfor m=2:lenT(m)=sum(bianT(k:k+m-2));endhd(k,:)=w*exp(-j*2*pi*T'*f_ran);endHd=20*log10(abs(hd));figure;plot(f_ran./fr,Hd);xlabel('归一化频率');ylabel('幅度响应/dB');legend('27:28:29','28:29:27','29:27:28');axis([0 28 -40 40]); 3.优化MTI滤波器—特征矢量法

在之前的MTI滤波器设计中,我们取滤波器的系数为二项式系数,用于抑制杂波。现在,我们的目标是寻找新的一组滤波器系数,用于更有效的抑制杂波。 特征矢量法是其中的一种方法,以改善因子最大为准则。 首先我们列出N个脉冲的杂波的自相关矩阵R c R_{c}Rc​表达式R c=[rc(0,0)rc(0,1)...rc(0,N−1)rc(1,0)rc(1,1)...rc(1,N−1)............rc(N−1,0)rc(N−1,1)...rc(N−1,N−1) ]R_{c}=\begin{bmatrix} r_{c}(0,0) & r_{c}(0,1) & ... &r_{c}(0,N-1) \\ r_{c}(1,0) & r_{c}(1,1) & ... &r_{c}(1,N-1) \\ ... & ... &... & ...\\ r_{c}(N-1,0) & r_{c}(N-1,1) &... &r_{c}(N-1,N-1) \end{bmatrix}Rc​=⎣⎢⎢⎡​rc​(0,0)rc​(1,0)...rc​(N−1,0)​rc​(0,1)rc​(1,1)...rc​(N−1,1)​............​rc​(0,N−1)rc​(1,N−1)...rc​(N−1,N−1)​⎦⎥⎥⎤​ 其中,r c( m , n ) =e−2π2σf2τm n 2 ej2πf0τm n r_{c}(m,n)=e^{-2\pi ^{2}\sigma _{f}^{2}\tau _{mn}^{2}}e^{j2\pi f_{0}\tau _{mn}}rc​(m,n)=e−2π2σf2​τmn2​ej2πf0​τmn​ 谱中心为f 0 f_{0}f0​,谱宽为σ f \sigma _{f}σf​,τm n=t m −t n \tau _{mn}=t_ {m}-t_{n}τmn​=tm​−tn​为相关时间

其次,我们再列出改善因子与相关矩阵的关系式(具体过程不推导) I = So/CoSi/Ci= ωHωωHRcωI=\frac{S_{o}/C_{o}}{S_{i}/C_{i}}=\frac{\omega^{H}\omega }{\omega^{H}R_{c}\omega }I=Si​/Ci​So​/Co​​=ωHRc​ωωHω​ 其中,ω\omegaω为滤波器的权系数R c R_{c}Rc​的特征方程为R c ω n =λ n ω n R_{c}\omega_{n}=\lambda_{n}\omega_{n}Rc​ωn​=λn​ωn​,其中λ 0≤λ 1≤ . . . ≤λ n\lambda_{0}\leq \lambda_{1 }\leq ...\leq\lambda_{n}λ0​≤λ1​≤...≤λn​ 在R c R_{c}Rc​的特征值中,大特征值对应的特征向量张成的子空间为信号子空间,小特征值对应的特征向量张成的子空间为噪声子空间,杂波主要分布于信号子空间。而噪声子空间与信号子空间是正交的!那么,若是我们取最小特征值λ 0 \lambda_{0}λ0​的特征向量为MTI滤波器的加权系数,不就能极大的抑制杂波,使改善因子最大了吗?

仿真验证

得出以上结论后,我们做仿真验证 假设重复频率为100Hz,参差比为27:28:29,地杂波中心频率为0Hz,谱宽为0.64Hz,设计一单凹口的四脉冲对消器。 在这里插入图片描述 仿真代码

function [ww]=eig_MTI(firjie,fr,bianT,fd,df)%firjieMTI滤波器长度 fr脉冲平均重复频率 bianT变T码 fd杂波谱中心 df杂波谱宽bianT=bianT/fr/mean(bianT);bianT_num=length(bianT);bianT=repmat(bianT,1,firjie);T=zeros(1,firjie);f=[-fr:0.1:fr*4];%杂波频率范围hd=zeros(bianT_num,length(f));Rc=zeros(firjie,firjie);%杂波自相关矩阵for k=1:bianT_numfor m=2:firjieT(m)=sum(bianT(k:k+m-2));endfor m=1:firjie%Rc(m,:)=exp(((fd+1i*2*pi*df^2*(T(m)-T)).^2-fd^2)/(2*df.^2));Rc(m,:)=exp(-2*pi^2*df^2*(T(m)-T).^2+1i*2*pi*fd*(T(m)-T));end[V,D]=eig(Rc);%eig 求特征值D,特征向量Vw=V(:,1);ww(k,:)=w;endhd=ww*exp(-1i*2*pi*T'*f);Hd=20*log10(abs(hd));figure;plot(f./fr,Hd);xlabel('归一化频率f/fr');ylabel('幅度响应/dB');grid;legend('27:28:29','28:29:27','29:28:27');

相关推荐: