雷达线性调频发信号LFM脉冲压缩.doc

西南科技大学课 程 设 计 报 告课程名称： 设计名称： 雷达线性调频信号的脉冲压缩处理 姓 名： 学 号: 班 级： 指导教师： 起止日期： 2010.12.25-2011.1.5 课 程 设 计 任 务 书学生班级： 学生姓名： 学号： 设计名称： 雷达线性调频信号的脉冲压缩处理 起止日期： 2010、12、252011、1、03 指导教师： 设计要求： 利用matlab软件设计匹配滤波器。具体包括： 1）：阐述脉冲压缩（匹配滤波）的基本原理； 2）：输入信号为线性调频信号，存在的噪声信号为白噪声； 3）：通过脉冲压缩处理，讨论输出信噪比的改善。课 程 设 计 学 生 日 志时间设计内容12.25-12.27查阅相关书籍，对题意做全面的剖析12.28-12.31根据查阅的书籍和资料对设计进行梳理、对设计原理做细致的分析 1.1 - 1.2编写仿真程序、利用matlab对信号进行仿真、验证 1.3-1.4整理资料、书写设计报告 1.5完善设计报告，答辩课 程 设 计 考 勤 表周星期一星期二星期三星期四星期五课 程 设 计 评 语 表指导教师评语： 成绩： 指导教师： 年 月 日雷达线性调频信号的脉冲压缩处理一、 设计目的和意义 掌握雷达测距的工作原理，掌握匹配滤波器的工作原理及其白噪声背景下的匹配滤波的设计，线性调频信号是大时宽频宽积信号；其突出特点是匹配滤波器对回波的多普勒频移不敏感以及更好的低截获概率特性。LFM信号在脉冲压缩体制雷达中广泛应用；利用线性调频信号具有大带宽、长脉冲的特点，宽脉冲发射已提高发射的平均功率保证足够的作用距离；而接受时采用相应的脉冲压缩算法获得窄脉冲已提高距离分辨率，较好的解决了雷达作用距离和距离分辨率之间的矛盾；。而利用脉冲压缩技术除了可以改善雷达系统的分辨力和检测能力，还增强了抗干扰能力、灵活性，能满足雷达多功能、多模式的需要。二、 设计原理 1、匹配滤波器原理：在输入为确知加白噪声的情况下，所得输出信噪比最大的线性滤波器就是匹配滤波器，设一线性滤波器的输入信号为： 其中：为确知信号，为均值为零的平稳白噪声，其功率谱密度为。 设线性滤波器系统的冲击响应为，其频率响应为，其输出响应： 输入信号能量： 输入、输出信号频谱函数： 输出噪声的平均功率： 利用Schwarz不等式得： 上式取等号时，滤波器输出功率信噪比最大取等号条件： 当滤波器输入功率谱密度是的白噪声时，MF的系统函数为： 为常数1，为输入函数频谱的复共轭，也是滤波器的传输函数 。 为输入信号的能量，白噪声的功率谱为 只输入信号的能量和白噪声功率谱密度有关。白噪声条件下，匹配滤波器的脉冲响应： 如果输入信号为实函数，则与匹配的匹配滤波器的脉冲响应为： 为滤波器的相对放大量，一般。匹配滤波器的输出信号： 匹配滤波器的输出波形是输入信号的自相关函数的倍，因此匹配滤波器可以看成是一个计算输入信号自相关函数的相关器，通常=1。 2、线性调频信号（LFM） LFM信号(也称Chirp 信号)的数学表达式为： 2.1 式中为载波频率，为矩形信号， ，是调频斜率，于是，信号的瞬时频率为，如图1 图1 典型的chirp信号（a）up-chirp(K>0)（b）down-chirp(K<0)将2.1式中的up-chirp信号重写为： 2.2当TB>1时，LFM信号特征表达式如下： 2.3 对于一个理想的脉冲压缩系统，要求发射信号具有非线性的相位谱，并使其包络接近矩形；其中就是信号s(t)的复包络。由傅立叶变换性质，S(t)与s(t)具有相同的幅频特性，只是中心频率不同而已。因此，Matlab仿真时，只需考虑S(t)。以下Matlab程序产生2.3式的chirp信号，并作出其时域波形和幅频特性，如图：图2：LFM信号的时域波形和幅频特性 3、LFM信号的脉冲压缩 窄脉冲具有宽频谱带宽，如果对宽脉冲进行频率、相位调制，它就可以具有和窄脉冲相同的带宽，假设LFM信号的脉冲宽度为T，由匹配滤波器的压缩后，带宽就变为，且，这个过程就是脉冲压缩。信号的匹配滤波器的时域脉冲响应为： 3.1 是使滤波器物理可实现所附加的时延。理论分析时，可令0，重写3.1式， 将3.1式代入2.1式得: 图3 LFM信号的匹配滤波如图3,经过系统得输出信号当时, 3.4当时, 3.5合并3.4和3.5两式： 3.6式即为LFM脉冲信号经匹配滤波器得输出,它是一固定载频的信号，这是因为压缩网络的频谱特性与发射信号频谱实现了“相位共轭匹配”，消除了色散；当时，包络近似为辛克（sinc）函数。 图4 匹配滤波的输出信号如图4，当时，为其第一零点坐标；当时，习惯上，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 3.9式表明，压缩比也就是LFM信号的时宽-带宽积。 s(t),h(t),so(t)均为复信号形式，Matab仿真时，只需考虑它们的复包络S(t),H(t),So(t)。以下Matlab程序段仿真了图5所示的过程. 仿真结果如下: 图5 Chirp信号的匹配滤波图5中，时间轴进行了归一化，（）。图中反映出理论与仿真结果吻合良好。第一零点出现在（即）处，此时相对幅度-13.4dB。压缩后的脉冲宽度近似为（），此时相对幅度-4dB,这理论分析（图3.2）一致。如果输入脉冲幅度为1，且匹配滤波器在通带内传输系数为1，则输出脉冲幅度为，即输出脉冲峰值功率比输入脉冲峰值功率增大了D倍。三、 详细设计步骤 1、线性调制信号和噪声的生成 a) 线性调频信号时雷达中常用的信号，其表达式为： 为调频起始频率，为调频斜率。为了能进行FFT运算，需要对连续信号进行采样，其表达式为： 为采样周期，n=1,2,3.K，且K=，T为调频信号脉冲宽度 b) 线性调频信号+噪声其表达式为： c) 线性调频信号加噪后，仿真波形如图6： 图6 线性调频信号加噪前后的时域波形实际实际雷达系统中，LFM脉冲的处理过程如图7。 图7 LFM信号的接收处理过程 雷达回波信号经过正交解调后，得到基带信号，再经过匹配滤波脉冲压缩后就可以作出判决。正交解调原理如图8，雷达回波信号经正交解调后得两路相互正交的信号I(t)和Q(t)。一种数字方法处理的的匹配滤波原理如图9。 图8 正交解调原理 图9 一种脉冲压缩雷达的数字处理方式四、 设计结果及分析 以下各图为经过脉冲压缩输出的已加噪声的线性调频信号（模拟雷达回波信号）的matlab仿真结果：波形参数脉冲宽度=10，载频频率=0hz，脉冲宽度B=30Mhz图11 SNR=30的脉冲压缩输入输出波形图12 SNR=20的脉冲压缩输入输出波形图13 SNR=0的脉冲压缩输入输出波形图14 SNR=-10的脉冲压缩输入输出波形图15 SNR=-20的脉冲压缩输入输出波形图16 SNR=-30的脉冲压缩输入输出波形信号中白噪声n为： 、此方法优点是能添加各种白噪声，此方法最大的问题在于添加的白噪声不一定是最适合有用信号的，所以要事先进行运算后输入，才可以得到预期的效果。仿真表明，线性调频信号经匹配滤波器后脉冲宽度被大大压缩，信噪比得到了显著提高，但是雷达目标回波信号信号的匹配滤波仿真结果图11-16可以看出当信噪比小于零时随着信噪比的不断减小，所噪声对线性调频信号的干扰愈来愈明显，当信噪比达到-30dB时已经有部分回波信号被淹没了，也就是说当信噪比更小时即使是经过脉冲压缩，噪声仍能淹没有用信号。 另外在白噪声背景下的匹配滤波器的理解上必须注意三个问题： 1、匹配滤波器关心的是如何在含有噪声的信号中发现目标回波，而不是关心信号波形是否是真； 2、匹配滤波器的输出信噪比不是在所有类型滤波器中最大的，而是在线性滤波器中能够得到最大的输出信噪比； 3、白噪声背景是推倒匹配滤波器的前提但在实践应用中，白噪声背景不是应用匹配滤波器的前提，但在实际系统中白噪声所占的比例达到90%以上，可以近似当做白噪声处理，匹配滤波器应用的前提是输入信号的形式已知。 该滤波器的脉冲压缩功能，不但降低了对雷达发射机峰值功率的要求，也解决了一般脉冲雷达通过增加脉冲宽（信号能量增加）提高了作用距离和距离分辨力下降的矛盾。 五、 体会本文首先介绍了匹配滤波器的工作原理，特性特点；其次介绍了LFM信号的形式以及matlab的仿真情况，然后从雷达信号处理上进行改进，最后在对LFM信号进行matlab仿真，对LFM在加噪前后脉冲压缩匹配滤波的仿真情况进行详细的分析，明确了脉冲压缩技术不但降低了对雷达发射机峰值功率的要求，也解决雷达作用距离和距离分辨力之间的矛盾；在对低截获概率雷达信号处理中将有广阔的应用前景。在此次设计过程中，不但对MATLAB的仿真过程有了更全面的了解，同时也熟悉和运用了matlab中的诸多函数。同时设计中也大量的应用的通信原理、随即信号分析的相关知识，对学过的知识有了更加深刻的理解，对今后的学习发展也有很大的帮助。六、 参考文献【1】刘树棠 信号与系统（第二版） 西安交通大学出版社【2】程佩青 数字信号处理教程（第三版） 清华大学出版社【3】张威 matlab基础与编程入门（第二版）西安电子科技大学出版社线性调【4】王军 随机信号分析基础（第二版） 电子工业出版社【5】空间电子技术2007年第一期 胡可欣 线性调频信号特征分析七、 代码附录%demo of chirp signalT=10e-6; %pulse duration10usB=30e6; %chirp frequency modulation bandwidth 30MHzK=B/T; %chirp slopeFs=2*B;Ts=1/Fs; %sampling frequency and sample spacingN=T/Ts;t=linspace(-T/2,T/2,N);St=exp(j*pi*K*t.2); %generate chirp signalsubplot(211)plot(t*1e6,St);xlabel('Time in u sec');title('线性调频信号');grid on;axis tight;subplot(212)freq=linspace(-Fs/2,Fs/2,N);plot(freq*1e-6,fftshift(abs(fft(St);xlabel('Frequency in MHz');title('线性调频信号的幅频特性');grid on;axis tight;%demo of chirp signal after matched filterT=10e-6; %pulse duration10usB=30e6; %chirp frequency modulation bandwidth 30MHzK=B/T; %chirp slopeFs=10*B;Ts=1/Fs; %sampling frequency and sample spacingN=T/Ts;t=linspace(-T/2,T/2,N);St=exp(j*pi*K*t.2); %chirp signalHt=exp(-j*pi*K*t.2); %matched filterSot=conv(St,Ht); %chirp signal after matched filtersubplot(211)L=2*N-1;t1=linspace(-T,T,L);Z=abs(Sot);Z=Z/max(Z); %normalize Z=20*log10(Z+1e-6);Z1=abs(sinc(B.*t1); %sinc functionZ1=20*log10(Z1+1e-6);t1=t1*B; plot(t1,Z,t1,Z1,'r.');axis(-15,15,-50,inf);grid on;legend('emulational','sinc');xlabel('Time in sec timesitB');ylabel('幅度,dB');title('傅里叶变换后的线性调频信号');subplot(212) %zoomN0=3*Fs/B;t2=-N0*Ts:Ts:N0*Ts;t2=B*t2;plot(t2,Z(N-N0:N+N0),t2,Z1(N-N0:N+N0),'r.');axis(-inf,inf,-50,inf);grid on;set(gca,'Ytick',-13.4,-4,0,'Xtick',-3,-2,-1,-0.5,0,0.5,1,2,3);xlabel('Time in sec timesitB');ylabel('幅度,dB');title('傅里叶变换后的线性调频信号(Zoom)');加白噪声后的线性调频信号T=10e-6; %pulse duration10usB=30e6; %chirp frequency modulation bandwidth 30MHzK=B/T; %chirp slopeFs=2*B;Ts=1/Fs; %sampling frequency and sample spacingN=T/Ts;t=linspace(0,T,N);St=exp(j*pi*K*t.2); subplot(211)plot(t*1e6,St);xlabel('Time in u sec');title('线性调频信号');grid on;axis tight;SNR=input('please enter the number you guess: ');x=awgn(St, 5); %generate chirp signalsubplot(212)plot(t*1e6,x);xlabel('Time ');title('加噪后的线性调频信号');grid on;axis tight;%脉冲压缩% input('nPulse radar compression processing: n ');clear;close all; T=10e-6; B=30e6; Rmin=8500;Rmax=11500; R=9000,10000,10200; RCS=1 1 1 ; C=3e8; K=B/T; Rwid=Rmax-Rmin; Twid=2*Rwid/C; Fs=5*B;Ts=1/Fs; Nwid=ceil(Twid/Ts); t=linspace(2*Rmin/C,2*Rmax/C,Nwid); M=length(R); td=ones(M,1)*t-2*R'/C*ones(1,Nwid);SNR=1,0.1,0.01,0.001,10,100,1000;for i=1:1:7Srt1=RCS*(exp(1i*pi*K*td.2).*(abs(td)<T/2); n=sqrt(0.5*SNR(i)*(randn(size(Srt1)+1i*randn(size(Srt1);Srt=Srt1+n;%Digtal processing of pulse compression radar using FFT and IFFTNchirp=ceil(T/Ts); Nfft=2nextpow2(Nwid+Nwid-1); Srw=fft(Srt,Nfft); Srw1=fft(Srt1,Nfft); t0=linspace(-T/2,T/2,Nchirp); St=exp(1i*pi*K*t0.2); Sw=fft(St,Nfft); % d=2*pi/(Ts*Nfft);k=floor(-(Nfft-1)/2:(Nfft-1)/2);% plot(k*d,abs(Sw) ; Sot=fftshift(ifft(Srw.*conj(Sw); Sot1=fftshift(ifft(Srw1.*conj(Sw); N0=Nfft/2-Nchirp/2;Z=abs(Sot(N0:N0+Nwid-1);% Z=20*log10(Z+1e-6);figure% figure('position',0 0 1024 700);subplot(211)plot(t*1e6,real(Srt); axis tight;xlabel('us');ylabel('幅度')title('加噪线性调频信号压缩前,SNR =',num2str(-1*10*log10(SNR(i);subplot(212)plot(t*C/2,Z)% axis(8500,11500,-60,0);xlabel('Range in meters');ylabel('幅度 ')% title('Radar echo after compression with noise,the SNR =',-1*10*log10(SNR(i);title('加噪线性调频信号压缩后,SNR =',num2str(-1*10*log10(SNR(i);% Z1=abs(Sot1(N0:N0+Nwid-1);% Z1=Z1/max(Z1);% Z1=20*log10(Z1+1e-6);% figure('position',0 0 1024 700);% subplot(211)% plot(t*1e6,real(Srt1);axis tight;% xlabel('Time in u sec');ylabel('Amplitude')% title('Radar echo without compression without noise');% % subplot(212)% plot(t*C/2,Z1)% axis(10000,15000,-60,0);% xlabel('Range in meters');ylabel('Amplitude in dB')% title('Radar echo after compression without noise');%end