• SAR信号处理基础2——线性调频信号频谱与驻定相位原理


            前面已经给出了线性调频信号的时域表达形式,并介绍了信号的实部、虚部、相位、频率等,本文介绍线性调频信号的频谱,以及推导线性调频信号时常用的驻定相位原理。计算信号的频谱,实际上就是对信号做傅里叶变换。即 

     

             驻定相位原理认为,对于一个时域快速变化的信号,除了导数为零的位置(驻留点)外,其余区域的正负面积几乎为0,可以相互抵消,最终函数的积分结果主要受驻留点区域的影响。

            以下图所示的信号为例,假设慢时间信号U(t) 如上图所示,快时间信号cosVt 如下图所示,计算积分 时,由于 的正部分与负部分相互抵消,积分结果接近0,只有在驻留点处,由于相位变换率很小,相位值有很长时间的滞留,才使得积分结果不为0。

    仍然以chirp信号为例,前面已经得到了驻留点为

     

    1. clear;clc;close all;
    2. Tr = 10e-6;
    3. Br = 60e6;
    4. Kr = Br/Tr;
    5. Fs = 66.666667e6;
    6. Ts = 1/Fs;
    7. N = 2048;
    8. N = floor(Fs*Tr/2)*2;
    9. tr = [-N/2:N/2-1]/Fs;
    10. fr = [-N/2:N/2-1]/N*Fs;
    11. %%
    12. st = (abs(tr)<Tr/2).*exp(j*pi*Kr*tr.^2);
    13. Sf = fft(st);
    14. figure,
    15. subplot(221), plot(fr*1e-6, real(Sf)), grid on,
    16. xlabel('time (us)');
    17. title('频谱实部')
    18. subplot(222), plot(fr*1e-6, imag(Sf)), grid on,
    19. xlabel('time (us)');
    20. title('频谱虚部')
    21. subplot(223), plot(fr*1e-6, abs(fftshift(Sf))), grid on,
    22. xlabel('frequency (MHz)');
    23. title('信号频谱');
    24. subplot(224), plot(fr*1e-6, unwrap((angle((Sf))))), grid on,
    25. xlabel('frequency (MHz)'); ylabel('phase (rad)')
    26. title('频谱相位');

    程序运行的结果如下图所示。

     可以看出:

    • 频谱的实部和虚部具有与LFM信号相似的线性调频结构,与LFM不同的是,频谱存在π/4 的相位,且调频率符号发生了变化。
    • 频谱的幅度也可以近似为一个rect函数,由于Fs>Br,所以幅度谱存在一个跳变。
    • 频谱的相位与LFM信号的相位基本一致,也可以近似为一个关于频域的二次函数,说明LFM信号的频率与时间之间存在意义对应的线性关系。

            在计算LFM信号的频谱时,驻定相位原理得到的结果只是一种近似,但是这种近似在TBP>100时精度非常高,可以满足SAR成像处理的要求。下图给出了不同TBP下,LFM信号的频谱,其中蓝线是频谱的真实值,橙线为使用驻定相位原理计算的理论值。

     

     

     

     

  • 相关阅读:
    2019版本idea启动tomcat8.5版本控制台中文乱码
    如何判断文档管理系统是否面向未来
    uniapp的webview实现左滑返回上一个页面
    关于推动可追溯代码来源的计划
    又一个阿里云盘资源搜索引擎实现效果展示
    普通人做自媒体怎么赚钱?
    L2-021 点赞狂魔(Python3)
    React 函数组件
    Software caused connection abort: recv failed
    C#实现十大经典排序算法:冒泡排序、选择排序、插入排序、希尔排序、归并排序、堆排序、计数排序、桶排序、基数排序
  • 原文地址:https://blog.csdn.net/smyounger/article/details/122908967