• 【无标题】SAR雷达系统反设计及典型目标建模与仿真实现研究——目标生成与检测(Matlab代码实现)


     🍒🍒🍒欢迎关注🌈🌈🌈

    📝个人主页:我爱Matlab


    👍点赞➕评论➕收藏 == 养成习惯(一键三连)🌻🌻🌻

    🍌希望大家多多支持🍓~一起加油 🤗

    💬语录:将来的我一定会感谢现在奋斗的自己!

    🍁🥬🕒摘要🕒🥬🍁

    现代战争对雷达目标识别提出了更高的要求,由于现役雷达大部分是低分辨雷达,对其开展目标识别技术的研究具有重要军事意义。在小样本、样本不均衡等复杂电磁环境条件下,传统低分辨雷达目标识别方法存在泛化性较差、识别率较低等问题。本文围绕深度学习方法对低分辨雷达目标识别技术开展研究,主要研究内容如下:传统低分辨雷达目标识别技术采用先提取信号特征,再基于特征进行识别的两步识别方法。

    ✨🔎⚡运行结果⚡🔎✨

    FFT 操作

    • 在混合信号上实现一维FFT
    • 将向量重塑为 Nr*Nd 数组。
    • 沿量程箱尺寸 (Nr) 对节拍信号运行 FFT
    • 规范化 FFT 输出。
    • 取该输出的绝对值。
    • 保留一半的信号
    • 绘制输出
    • 目标初始位置应有一个峰值
    • 结果如下:

    • 第二个FFT将生成一个范围多普勒图,如下图所示,它将由变量“RDM”给出。

    • 第二个FFT将生成一个范围多普勒图,如下图所示,它将由变量“RDM”给出

    • 最后,对第二个FFT的输出执行CFAR处理以显示目标。

    • 2D CFAR处理应该能够抑制噪声并分离 目标信号。输出应与演练中共享的图像匹配。

    • 确定每个维度的训练单元数。同样,选择保护单元的数量。

    • 在整个矩阵上滑动被测单元格。确保 CUT 从边缘留出训练和守卫单元的余量。

    • 对于每次迭代,对所有训练单元内的信号电平求和。求和 使用 db2pow 函数将值从对数转换为线性。

    • 平均使用的所有训练单元的总和值。平均后,使用 pow2db 将其转换回对数。

    • 进一步添加偏移量以确定阈值。

    • 接下来,将 CUT 下的信号与此阈值进行比较。

    • 如果 CUT 级别>阈值为其分配值 1,否则将其等同于 0。

    • 上述过程将生成一个阈值块,该块小于距离多普勒图,因为由于存在目标和防护单元,CUT不能位于矩阵的边缘。因此,这些单元格不会被阈值化。

    • 要使映射大小与 CFAR 之前相同,请将所有非阈值像元等同于 0。

    💂♨️👨‍🎓Matlab代码👨‍🎓♨️💂

    clear;
    close all;
    clc;

    %% Radar Specifications 
    %%%%%%%%%%%%%%%%%%%%%%%%%%%
    % Frequency of operation = 77GHz
    % Max Range = 200m
    % Range Resolution = 1 m
    % Max Velocity = 100 m/s
    %%%%%%%%%%%%%%%%%%%%%%%%%%%

    % Declare the variables
    Range_max = 200; % in meters
    Range_resolution = 1; % in meters
    Velocity_max = 100; % in m/s
    c = 3e8; %speed of light

    %speed of light = 3e8
    %% User Defined Range and Velocity of target
    % *%TODO* :
    % define the target's initial position and velocity. Note : Velocity
    % remains contant
     
    Target_range = 100; % in meters
    Target_velocity = 50; % in m/s

    %% FMCW Waveform Generation

    % *%TODO* :
    %Design the FMCW waveform by giving the specs of each of its parameters.
    % Calculate the Bandwidth (B), Chirp Time (Tchirp) and Slope (slope) of the FMCW
    % chirp using the requirements above.

    %To calculate Bandwidth

    B = c / (2 * Range_resolution);

    %To find the chirp time
    %Sweep time has to ben knowsn and it should be around 5 -6 times the round trip time
    Tsweep = 5.5;
    Tchirp = Tsweep * (2 * Range_max / c) ;

    %To find slope of FMCW
    slope = B / Tchirp;

    %Operating carrier frequency of Radar 
    fc= 77e9;             %carrier freq

                                                              
    %The number of chirps in one sequence. Its ideal to have 2^ value for the ease of running the FFT
    %for Doppler Estimation. 
    Nd=128;                   % #of doppler cells OR #of sent periods % number of chirps

    %The number of samples on each chirp. 
    Nr=1024;                  %for length of time OR # of range cells

    % Timestamp for running the displacement scenario for every sample on each
    % chirp
    t=linspace(0,Nd*Tchirp,Nr*Nd); %total time for samples


    %Creating the vectors for Tx, Rx and Mix based on the total samples input.
    Tx=zeros(1,length(t)); %transmitted signal
    Rx=zeros(1,length(t)); %received signal
    Mix = zeros(1,length(t)); %beat signal

    %Similar vectors for range_covered and time delay.
    r_t=zeros(1,length(t));
    td=zeros(1,length(t));

    [1]易重辉. 基于深度学习的低空监视雷达目标检测的研究[D].四川大学,2021.DOI:10.27342/d.cnki.gscdu.2021.000528.

  • 相关阅读:
    Unity为什么ios不能热更新
    《深入浅出Python量化交易实战》:散户也能学会的数字化交易策略
    图解CentOS7集群时钟同步chronyd
    Vue中如何进行分布式路由配置与管理
    9.缓存优化
    STM32存储左右互搏 I2C总线读写FRAM MB85RC16
    5 Spring ApplicationListener 扩展篇
    旋转的指示牌
    卷积网络识别乳腺癌
    网络安全(黑客技术)—2024自学手册
  • 原文地址:https://blog.csdn.net/weixin_66436111/article/details/128067497