【雷达】基于圆拟合（circfit）算法抑制雷达信号处理中的直流分量附matlab代码

1 内容介绍

在现代脉冲雷达系统中,相位编码信号以其较好的抗干扰性能,越来越被重视和使用.MATLAB作为一种仿真工具,经常被用于雷达信号处理方案设计中.本文用MATLAB对相位编码信号的信号处理过程进行仿真,对信号处理过程中各节点信号进行分析,为雷达系统的总体设计提供了参考依据.

2 部分代码

clc;

close all;

clear all;

%% 雷达参数

Tx_Number = 2;               %发射天线

Rx_Number = 4;               %接收天线

Range_Number = 128;          %距离点数（每个脉冲128个点）

Doppler_Number = 128;        %多普勒通道数(总共128个重复脉冲数)

global Params;

Params.NChirp = Doppler_Number;               %1帧数据的chirp个数

Params.NChan =  Rx_Number;                    %RxAn数,ADC通道数

Params.NSample = Range_Number;                %每个chirp ADC采样数

Params.Fs = 2.5e6;                           %采样频率

Params.c = 3.0e8;                     %光速

Params.startFreq = 77e9;              %起始频率 

Params.freqSlope = 60e12;             %chirp的斜率

Params.bandwidth = 3.072e9;           %真实带宽

Params.lambda=Params.c/Params.startFreq;    %雷达信号波长

Params.Tc = 144e-6;                         %chirp周期

global FFT2_mag;

%% 坐标计算

[X,Y] = meshgrid(Params.c*(0:Params.NSample-1)*Params.Fs/2/Params.freqSlope/Params.NSample, ...

    (-Params.NChirp/2:Params.NChirp/2 - 1)*Params.lambda/Params.Tc/Params.NChirp/2);   

%% 距离时域信号直流分量去除

load ReIm_Data_All.mat ;

fft1d_before=ReIm_Data_All;

AmR=zeros(Range_Number,Doppler_Number);

dataR=zeros(Range_Number,Doppler_Number,Tx_Number*Rx_Number);

 for antenna=1:Tx_Number*Rx_Number

    for Range=1:Range_Number

        %1.估计每个扫频周期时间内的基带复信号中频信号的幅值

        AmR(Range,:)=fft1d_before(Range,:,antenna);

        

        %2.幅值时间序列和已知的初始相位时间序列得到复平面上的离散点       

%         figure(2);

%         plot(fft1d(:,doppler,1),'o');

%         title([num2str(doppler)]);

        

        %3.一个距离门上的所有多普勒点进行圆拟合

        xdataR=real(AmR(Range,:));

        ydataR=imag(AmR(Range,:));

        

        %最小二乘法拟合

        k0 = ones(1,3);

        F = @(k)(xdataR-k(1)).^2+(ydataR-k(2)).^2-k(3)^2;

        [k,resnorm] = lsqnonlin(F,k0);

        %k(1)是圆心的x坐标

        %k(2)是圆心的y坐标

        %k(3)的绝对值是圆的半径

        

%         r0 = [k(1),k(2)];

%         R = abs(k(3));

%         xx = k(1)-R:0.01*R:k(1)+R;

%         y1_h = sqrt(R.^2 - (xx - r0(1)).^2) + r0(2);

%         y2_h = -sqrt(R.^2 - (xx - r0(1)).^2) + r0(2);

%         figure(1);

%         plot(xx,y1_h,'b')

%         hold on

%         plot(xx,y2_h','b')

%         plot(xdata,ydata,'*r')

%         title('距离维圆拟合');

%         xlabel('实部');

%         ylabel('虚部');

%         axis equal %axis square

        

        %4.修正补偿

        %获取拟合圆的圆心

        x=k(1);

        y=k(2);

        

        %将圆心移到零点（0，0）

        xdataR=xdataR-x;

        ydataR=ydataR-y;

        %5.得到新的点的时间序列相位

        dataR(Range,:,antenna)=complex(xdataR,ydataR);

%         hold off;

    end

 end

%% 速度维 圆拟合

AmV=zeros(Range_Number,Doppler_Number);

dataV=zeros(Range_Number,Doppler_Number,Tx_Number*Rx_Number);

 for antenna=1:Tx_Number*Rx_Number

    for doppler=1:Doppler_Number

        %1.估计每个扫频周期时间内的基带复信号中频信号的幅值

        AmV(:,doppler)=dataR(:,doppler,antenna);

        

        %2.幅值时间序列和已知的初始相位时间序列得到复平面上的离散点       

%         figure(2);

%         plot(fft1d(:,doppler,1),'o');

%         title([num2str(doppler)]);

        

        %3.一个距离门上的所有多普勒点进行圆拟合

        xdataV=real(AmV(:,doppler));

        ydataV=imag(AmV(:,doppler));

        

        %最小二乘法拟合

        k0 = ones(1,3);

        F = @(k)(xdataV-k(1)).^2+(ydataV-k(2)).^2-k(3)^2;

        [k,resnorm] = lsqnonlin(F,k0);

        %k(1)是圆心的x坐标

        %k(2)是圆心的y坐标

        %k(3)的绝对值是圆的半径

        

%         r0 = [k(1),k(2)];

%         R = abs(k(3));

%         xx = k(1)-R:0.01*R:k(1)+R;

%         y1_h = sqrt(R.^2 - (xx - r0(1)).^2) + r0(2);

%         y2_h = -sqrt(R.^2 - (xx - r0(1)).^2) + r0(2);

%         figure(1);

%         plot(xx,y1_h,'b')

%         hold on

%         plot(xx,y2_h','b')

%         plot(xdata,ydata,'*r')

%         axis equal %axis square

        

        %4.修正补偿

        %获取拟合圆的圆心

        x=k(1);

        y=k(2);

        

        %将圆心移到零点（0，0）

        xdataV=xdataV-x;

        ydataV=ydataV-y;

        %5.得到新的点的时间序列相位

        dataV(:,doppler,antenna)=complex(xdataV,ydataV);

%         hold off;

    end

 end

%% 1D FFT

fft1d= zeros(Range_Number,Doppler_Number,Tx_Number*Rx_Number);

for antenna =1:Tx_Number*Rx_Number

    for Range=1:Range_Number 

        fft1d(Range,:,antenna) = fft((dataV(Range,:,antenna)));

    end

end

FFT1_mag=abs(fft1d(:,:,1));

figure();

mesh(FFT1_mag);

xlabel('采样点数');ylabel('脉冲数');zlabel('幅度');

title('圆拟合 1D-FFT结果');

%% 2D-FFT 

fft2d= zeros(Range_Number,Doppler_Number,Tx_Number*Rx_Number);

for antenna=1:Tx_Number*Rx_Number

    for doppler=1:Doppler_Number 

         fft2d(:,doppler,antenna) =fftshift( fft((fft1d(:,doppler,antenna))));  

    end

end

FFT2_mag=(abs(fft2d(:,:,1)));

figure();

mesh(X,Y,FFT2_mag);

xlabel('距离维(m)');ylabel('速度维(m/s)');zlabel('幅度');

title('圆拟合 2D-FFT结果');

%% END

3 运行结果

4 参考文献

[1]殷俊丽, 丁康利, 郝鹏飞. 基于MATLAB的雷达信号处理仿真[J]. 电子技术与软件工程, 2017(18):1.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机、雷达通信、无线传感器等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。