搜索
1《雷达系统技术》实验指导书桂林电子科技大学信息与通信学院信息对抗系2目录实验一数字脉冲压缩实现……………………………………………………3实验二滤波器滤波算法仿真……………………………………………………13实验三精密时序产生……………………………………………………19实验四基于FPGA实现脉冲参数测量……………………………………………………513实验一数字脉冲压缩实现一、实验目的熟悉数字脉冲压缩原理及实现方法，并基于MATLAB仿真实现。二、实验设备1、计算机三、实验内容1.熟悉数字脉冲压缩原理；2.基于MATLAB仿真实现数字脉冲压缩。四、实验要求1、预习要求（1）熟悉MATLAB软件开发流程；（2）熟悉数字脉冲压缩原理及实现方法。2、课后要求按照实验内容和实验步骤完成实验内容，课后完成实验报告。五、数字脉冲压缩原理脉冲压缩技术因解决了雷达作用距离与分辨率之间的矛盾而成为现代雷达的一种重要体制，数字LFM（线性调频）信号脉冲压缩就是利用数字信号处理的方法来实现雷达信号的脉冲压缩，脉冲压缩器的设计就是匹配滤波器的设计，脉冲压缩过程是接收信号与发射波形的复共扼之间的相关函数，在时域实现时，等效于求接收信号与发射信号复共轭的卷积。若考虑到抑制旁瓣加窗函数，不但要增加存储器，而且运算量将增加1倍，在频域实现时，是接收信号的FFT值与发射波形的FFT值的复共轭相乘，然后再变换到时域而获得的。若求N点数字信号的脉冲压缩，频域算法运算量大大减少，而且抑制旁瓣加窗时不需增加存储器及运算量，相比较而言，用频域FFT实现脉冲压缩的方法较优，因此选用频域方法来实现脉冲压缩，但是仍需要做大量的运算。脉冲压缩系统可以由两种方法来实现，即时域脉冲压缩系统和频域脉冲压缩系统。时域脉冲压缩处理系统采用FIR滤波，通过对两个有限长度序列进行线性卷积来实现脉冲压缩，滤波器复相关运算量随信号时宽的增加、序列长度的增加迅速增加，完成运算所需的芯片数量也随之迅速增加。频域脉冲压缩处理系统采4用高速大容量数字信号处理芯片作为硬件平台，通对原本在时域进行卷积的两个有限长度序列采用傅立叶变换后，在频域相乘，将其乘积反变换至时域的方法，获得脉压处理结果。在序列长度较大时，采取频域处理方法，所需运算量比采取时域处理方法时小的多，完成运算所需的芯片也同样少得多，而且性能指标也优于时域处理方法。时域卷积法时域匹配滤波法等效于求离散接收信号与发射波形离散样本之间的复相关运算,在脉冲压缩点数较短且压缩比要求不高的情况下经常采用。其具体算式如下:对于输入为复信号来说，令)()()(njxqnxinx，(1-1))()()(njwqnwinw(1-2)(1-1)式中:)(),(nxqnxi分别为采样信号的实部和虚部；(1-2))(),(nwqnwi分别为滤波器系数的实部和虚部。1...2,1,0),(*)(10)(*)()(NninNxixNiinwnxny(1-3)()osn(0)h(1)h(3)hN(2)hN(1)hN1Z1Z1Z1Z()isn图1时域卷积法的数字脉冲压缩时域卷积法实现脉冲源压缩就是一个相关卷积的过程。时域卷积法控制时序简单，处理过程清晰直观。它最大的缺点是运行速度慢，另外一个缺点是时域法需要的横向滤波器的数量随参考码长的变化而变化，工程上不便于实现，缺点之三相对于频域快速卷积法计算量大。频域FFT法5频域脉冲压缩和时域脉冲压缩的不同之处在于实现卷积的方式不同，时域脉冲压缩用非递归滤波器进行数字压缩是直接进行线性时域卷积，而频域脉冲压缩是基于频谱分析的正、反离散傅氏(DFT)法，即用DFT将离散输入时间序列变换为数字谱，然后乘以匹配滤波器的数字频率响应函数，再用IDFT还原成时间离散的压缩输出信号序列。为了实时处理的需要，一般是用FFT及其对应的IFFT来实现这一匹配滤波。根据卷积定理，如果两个以N为周期的序列和，其DFT分别为：)2(10)()(NjnkeNnnnxk(1-4))2(10)()(NjnkeNnnnhkH(1-5)时域的卷积等于频域相乘，因此y(n)的N点DFT为：)()()(kHkXkY，(1-6)从而可得出：)]}([])([{)(nhDFTDFTnxDFTIDTFny(1-7)那么采用FFT算法，上式可写成：)]}([)]([{)(1nhFFTnxFFTFFTny(1-8)匹配滤波器的输出等于输入信号的离散频谱乘上匹配滤波器冲激响应的频谱(即频率响应)的逆变换。这便是用FFT法实现数字滤波的一般公式，因而也是数字脉冲压缩的一般公式。图2说明脉冲压缩匹配滤波器的频域实现方法它对任何雷达波形都能实现匹配滤波功能。6图2频域实现脉冲压缩框图LFM脉冲信号经匹配滤波器得输出信号表达式为：它是一固定载频cf的信号。当tT时，包络近似为辛克（sinc）函数。图3匹配滤波的输出信号上，将此时的脉冲宽度定义为压缩脉冲宽度。LFM信号的压缩前脉冲宽度T和压缩后的脉冲宽度之比通常称为压缩比D，上式表明，压缩比也就是LFM信号的时宽频宽积。六、实验步骤7仿真基于matlab进行。1、进入MATLAB。2、新建m文件。2.1LFM信号产生模块仿真通过在Matlab仿真软件中编写程序，模拟产生数字的LFM信号。观测LFM信号的时域波形以及它的频谱。时宽为200s、调频带宽为1MHz的线性调频信号的Matlab部分程序如下：仿真图形如图4所示：图4LFM的Matlab仿真图形显然，在调制脉宽内，调制信号的载频是不断增加的。为此信号的载频是线性变化的，故称之为线性调频信号。当然LFM信号的载频也可以线性减少。若载频不是线性变化的调频信号，称为非线性调频。在满足大的时宽带宽积的条件下，线性调频脉冲信号的振幅谱接近矩形函数，频谱宽度近似等于信号的调频变化范围B，而与时宽T无关。线性调频脉冲信号的相位谱具有平方律的特性。其频谱结构如图5所示：8图5Matlb中LFM信号的频谱结构2.2匹配滤波模块仿真匹配滤波器的响应是回波信号的镜像共轭，即)()(*tths。其程序编写如下：Matlab仿真结果如下图：图6匹配滤波器的时域冲击响应对照图4，可知，仿真结果正确。从这两个仿真波形看，匹配滤波器的响应确实是回波信号的镜像共轭。2.3距离旁瓣抑制仿真本设计选择海明函数作为系统的加权网络的系数，其数学表达式为9)()]3992cos(46.054.0[)(nRNnnw海明窗的时域波形如下图：图7海明窗波形在不加权抑制旁瓣时，脉冲压缩的输出波形应该类似于Sinc波形包络。下图为Matlab仿真的未加权的脉压输出：图8未加权的脉压输出波形依据旁瓣抑制理论，在进行旁瓣抑制加权后，脉压输出旁瓣幅度被抑制，主瓣时宽变大，输出结果的信噪比损失。下图是海明加权后的脉压Matlab仿真输出10图9海明加权后的脉压输出比较图8与图9，得出结论未加权的脉压输出主瓣旁瓣之比为20db左右，海明加权后输出的主旁瓣之比优于40db。如果在抑制距离旁瓣时选择的窗型不同，则脉冲压缩的结果也不同，依据不同应用场合对脉压性能指标的要求不同，来选择合适的窗型。当窗型分别为三角窗、汉宁窗和海明窗时，脉冲压缩的部分程序如下：脉冲压缩的结果如下图所示：11图10不同窗型的脉压结果由上图10可知，在未加窗时脉压输出的脉冲宽度最小但旁瓣幅度却最大。加三角窗时脉压输出脉宽最大、旁瓣只是仅优于未加窗时的脉压结果，很显然这不是最优的窗型选择。加汉宁窗时脉压输出的时宽比三角窗的小但还是大于未加窗是的脉压输出，然而它的主旁瓣比值是最好的；在旁瓣抑制性能指标要求很高而对脉压比要求又不是太高时，选择汉宁窗就能很好地满足系统的性能要求。加海明窗是脉压输出的时宽仅差于未加窗时的输出，它的输出时宽比加三角窗和汉宁窗都小；它的脉压输出主旁瓣比值由于-50db;因此，在优先考虑脉压比而旁瓣抑制又能够满足指标时，应选择海明加权。本系统选择海明窗进行加权已经满足系统的性能指标要求。折中考虑距离旁瓣抑制，选择海明窗加权可以达到很好的脉冲压缩倍数。2.4高斯白噪声干扰仿真自然界中存在各种影响系统性能的噪声，这些噪声是何时何地都存在的；我们无法完全地消除这些不必要的噪声，可以通过一些必要的有效的措施抑制减弱它们对系统的不良影响。在Matlab仿真软件中给雷达回波信号LFM信号叠加一个信噪比为20db的高斯白噪声的部分程序如下：调用Matlab软件库中awgn()函数在线性调频信号lfm上叠加一个信噪比为20db的高斯白噪声。其叠加后的仿真波形如下图：12图11加高斯白噪声后的LFM信号考虑到系统中存在噪声时，脉冲压缩Matlab仿真结果如下图：图12加噪声后脉压输出对比很显然，叠加信噪比为20db的高斯白噪声后LFM的压缩结果差于没有噪声的脉压仿真，同样是海明加权但是叠加噪声后的主旁瓣比值约为-40db，而无噪声脉压仿真的主旁瓣比值约为-50db；两者相差了10db。此时，若要求较高的主旁瓣比，可以选用汉宁窗加权。七、实验思考1．多普勒频移对数字脉冲压缩的影响。13八、实验报告要求及格式实验报告应在整理与计算实验数据记录的基础上写出。不同的实验类型，要求的实验报告的内容也不同。但每份实验报告都应有如下的报头：雷达对抗技术实验报告姓名班级实验组别同组者实验日期指导教师实验名称实验报告的主要内容应包括：①实验目的；②实验内容；③经过整理的数据及计算结果(列成表格)；④结论与讨论注意：实验报告要求字迹清楚，数据明了，内容齐全。14实验二滤波器滤波算法仿真一、实验目的熟悉滤波器滤波算法，并基于MATLAB仿真实现。二、实验设备1、计算机三、实验内容1.熟悉滤波器滤波算法；2.基于MATLAB仿真实现滤波器。四、实验要求1、预习要求（1）熟悉MATLAB软件开发流程；（2）熟悉熟悉滤波器滤波算法及实现方法。2、课后要求按照实验内容和实验步骤完成实验内容，课后完成实验报告。五、滤波器滤波算法在目标跟踪过程中，如果利用对每一个时刻目标的测量来确定目标的位置，将给系统的实时计算带来困难，因此，滤波和预测算法占有很重要的地位。而滤波器正是利用目标在运动过程中轨迹连续性的特点，利用目标前一状态位置信息来预测当前状态位置信息，一方面减少了计算量，另一方面在一定程度上排除其他物体对跟踪的影响，较好的保证跟踪的可靠性。滤波器滤波可以实现对匀速和匀加速运动目标进行跟踪，作为Kalman滤波器的简化，算法相对简单因此在实际的测距跟踪等工程中广泛应用。滤波器虽然也能跟踪匀加速度的运动目标，但是不能给出加速度的平滑预测估值，而常系数滤波器可以根据当前观测目标的位置、速度和加速度的状态值预计下一时刻的位置、速度和加速度的平滑估计值，并且能够预计出下一时刻的观测位置和速度的估计值。按照滤波器中所假定的目标运动模型，常系数滤波器的滤波方程可以表示为：ˆˆˆ()(|1)[()(|1)]XkXkkZkXkk(2-1)15ˆˆˆ()(|1)[()(|1)]VkVkkZkXkkT(2-2)22ˆˆˆ()(|1)[()(|1)]AkAkkZkXkkT(2-3)预测方程表示为：2ˆˆˆˆ(|1)(1)(1)(1)2TXkkXkTVkAk(2-4)ˆˆˆ(|1)(1)(1)VkkVkTAk(2-45)ˆˆ(|1)(1)AkkAk(2-6)方程中参数说明：ˆ()Xk为k时刻的位置估值；ˆ()Vk为k时刻的速度估值；ˆ()Ak为k时刻加速度估值；ˆ(|1)Xkk为k时刻预测位置；ˆ(|1)Vkk为k时刻预测速度；ˆ(|1)Akk为k时刻预测加速度；()Zk为k时刻观测位置；T为采样周期；，，为系统增益，或分别称为位置增益、速度增益和加速度增益。对于常系数滤波器的增益系数值可以根据经验值确定，通常在给定的情况下，计算和值也有两种方法：