信号处理的MATLAB仿真.docx

信号处理的MATLAB仿真.docx

《信号处理的MATLAB仿真.docx》由会员分享，可在线阅读，更多相关《信号处理的MATLAB仿真.docx（16页珍藏版）》请在冰豆网上搜索。

信号处理的MATLAB仿真

11目录

1

1设计的基本骤

xx是通过发射电磁信号，再从接收信号中检测目标回波来探测目标的。

再接收信号中，不但有目标回波，也会有噪声（天地噪声，接收机噪声）；地面、海面和气象环境（如xx）等散射产生的杂波信号；以及各种干扰信号（如工业干扰，广播电磁干扰和人为干扰）等。

所以，xx探测目标是在十分复杂的信号背景下进行的，xx需要通过信号处理来检测目标，并提取目标的各种信息，如距离、角度、运动速度、目标形状和性质等。

图3-6设计原理图

2信号处理系统的仿真

xx信号处理的目的是消除不需要的信号（如杂波）及干扰，提取或加强由目标所产生的回波信号。

xx信号处理的功能有很多，不同的xx采用的功能也有所不同，本文是对某脉冲压缩xx的信号处理部分进行仿真。

一个典型的脉冲压缩xx的信号处理部分主要由A/D采样、正交解调、脉冲压缩、视频积累、xx虚警处理等功能组成。

因此，脉冲压缩xx信号处理的仿真模型.

2.1正交解调模块

xx中频信号在进行脉冲压缩之前，需要先转换成零中频的I、Q两路正交信号。

中频信号可表示为:

（3.2）

式（3.2）中，f0为载波频率。

令:

（3.3）

则

（3.4）

在仿真中，所有信号都是用离散时间序列表示的，设采样周期为T,则中频信号为

fIF（rT），同样，复本振信号采样后的信号为

flocal=exp（−jω0rT）（3.5）

则数字化后的中频信号和复本振信号相乘解调后，通过低通滤波器后得到的基带信号fBB（r）为:

（3.6）

式（3.6）中，h（n）是积累xx为N的低通滤波器的脉冲响应。

根据实际的应用，仅仅采用以奈奎斯特采样率进行采样的话，得不到较好混频信号和滤波结果，采样频率fs一般需要中心频率的4倍以上才能获得较好的信号的实部和虚部。

当采样频率为fs=4f0时，ω0T=/2，则基带信号可以简化为

（3.7）

使用Matlab仿真正交解调的步骤：

（1）产生理想线性调频信号y。

（2）产生I、Q两路本振信号。

设f0为本振信号的中心频率，fs为采样频率，n为线性调频信号时间序列的xx，则I路本振信号为cos（n2f0/fs）,同样，Q路本振信号sin（n2f0/fs）。

当fs=4f0时，I、Q两路本信号分别为cos（n/2）和sin（nπ/2）。

（3）线性调频信号y和复本振信号相乘,得到I、Q两路信号。

（4）I、Q两路信号通过低通滤波器，滤除高频分量，以获得最终的检波结果。

Matlab提供了方便的滤波函数filter（b,a,x）。

其中x为输入信号，b,a为滤波器传递函数的分子和分母的系数向量。

2.2脉冲压缩模块

在进行脉冲压缩处理之前，首先要获得相应的xx发射信号的匹配滤波器。

在实际工程中，对脉冲压缩的处理往往是在频域实现的，因为这样可以利用FFT算法提高计算速度，然后将xx回波与匹配滤波器的频域响应（脉冲压缩系数）相乘，再经过IFFT变换，从而得到脉冲压缩处理的结果，而不用进行卷积处理，大大降低了运算量。

因此，在进行脉冲压缩处理仿真的时候，首先应当获取脉冲压缩处理的匹配滤波器或脉冲压缩系数。

求线性调频信号的脉冲压缩系数比较简单，只需要将理想线性调频信号取共轭和翻转即可。

使用Matlab仿真线性调频信号脉冲压缩的步骤：

（1）产生理想线性调频信号y；

（2）对信号正交解调，得到解调后的信号fbb=fbb_i+j*fbb_q；

（3）产生理想线性调频脉冲压缩系数。

这一步要首先求出正交解调后的信号fbb的匹配滤波器，然后利用离散xx变换求出脉冲压缩系数；

（4）产生理想回波信号（signal），对信号进行正交解调。

理想回波信号是一个脉冲重复周期内xx收到的回波信号，并假设目标为静止点目标；

（5）脉冲压缩处理。

首先对回波信号做离散xx变换，得到signal_fft，然后将signal_fft与匹配滤波器的频域响应（脉冲压缩系数）相乘，再经过离散xx反变换，从而得到脉冲压缩结果。

设xx发射信号为线性调频信号，具体参数如下：

脉宽10μs、中心频率10MHz、调频带宽2MHz。

对xx回波信号的采样频率为40MHz，中频进行正交下变频。

2.3回波积累模块

现在的xx都是在多脉冲观测的基础上进行检测的，多个脉冲积累后可以有效地提高信噪比，从而改善xx的检测能力。

积累处理可以在包络检波前完成，称为检波前积累或者中频积累。

信号在中频积累时要求信号间有严格的相位关系，也就是说信号是相参的，所以也称为相参积累。

此外，积累过程可以在包络检波后完成，称为检波后积累或者视频积累。

由于信号在包络检波后失去了相位信息而只保留了幅度信息，所以检波后积累处理就不需要信号间有严格的相位关系，因此这种积累又称为非相参积累。

实现非相参积累的方法有很多，例如抽头xx积累（FIR积累）器和反馈积累器。

下面介绍抽头xx积累（FIR积累）模型。

（1）积累脉冲数积累脉冲数N应该等于天线波束扫过一个点目标时的目标回波个数，即：

束扫过一个点目标时的目标回波个数，即：

（3.8）

式（3.8）中：

BWa为天线方位波束宽度；Δθ为天线在一个脉冲重复周期扫过的角度；Tc为天线扫描一周所需的时间；PRI为脉冲重复周期。

（2）回波幅度调制xx接收机内部的噪声一般都认为是xx白噪声，且是平稳随机过程，而回波脉冲的幅度调制还受天线双程场强波瓣图调制。

如果天线场强波瓣图（单程）是sinx/x的形式，则天线主瓣内的脉冲将以如下的权函数加

（3.9）

Δθ为天线在一个脉冲重复周期扫过的角度

2.4xx虚警处理（CFAR）模块

xx虚警处理有多种方法，从大的分类来看，有所谓的均值类CFAR、有序统计量类CFAR和杂波图CFAR等等。

均值类CFAR包括多种实现方式，如单元平均方式、两侧单元平均选大方式、两侧单元平均选小方式等等，其基本理论是相同的。

使用Matlab仿真xx虚警处理的步骤：

（1）产生叠加了xx杂波、热噪声的点目标回波。

这一步首先按照上述的方法分别产生xx热噪声和xx杂波，然后与点目标回波进行叠加，叠加时需要对xx杂波和热噪声的幅度加权。

（2）对叠加了xx杂波、热噪声的点目标回波进行xx虚警处理。

这一步首先要确定参考单元数。

如果参考单元数为16，那么第1点xx虚警处理时噪声均值由其后面的16点噪声决定，第2点到第16点的xx虚警的噪声均值由其前面和后面的16点噪声共同决定，而正常数据点的xx虚警处理的噪声均值由其前后各16点的噪声决定，最后16点的xx虚警处理与前16点相同。

最后输出的信号为每个检测单元与杂波均值估计值的比值。

程序

closeall;

clearall;

clc;

%%%%%%%产生xx发射信号%%%%%%%%%%%%%%%%

code=[1,1,1,1,1,-1,-1,1,1,-1,1,-1,1];%13位xx码

tao=10e-6;%脉冲宽度10μs

fc=28e6;%调频信号起始频率

f0=30e6;

fs=100e6;%采样频率100MHz

ts=1/fs;

B=4e6;%调频信号带宽

t_tao=0:

1/fs:

tao-1/fs;

N=length（t_tao）;

k=B/fs*2*pi/max（t_tao）;

n=length（code）;

pha=0;

s=zeros（1,n*N）;

fori=1:

n;

ifcode（i）==1

pha=pi;

elsepha=0;

end

s（1,（i-1）*N+1:

i*N）=cos（2*pi*fc*t_tao+k*cumsum（t_tao）+pha）;

end

t=0:

1/fs:

13*tao-1/fs;

figure

（1）,subplot（2,1,1）,plot（t,s）,xlabel（'t（单位:

s）'）,title（'混合调制信号（13位xx码+线性调频）'）;

s_fft_rsult=abs（fft（s（1:

N）））;

subplot（2,1,2）,plot（（0:

fs/N:

fs/2-fs/N）,abs（s_fft_result（1:

N/2）））,xlabel（'频率（单位：

Hz）'）,title（'码内信号频谱'）;

%%%%%%%%%%%%%%%%生脉冲压缩系数%%%%%%%%%%%%%%%%%%%

%____________正交解调__________________%

N=tao/ts;

n=0:

N-1;

s1=s（1:

N）;

local_oscillator_i=cos（n*f0/fs*2*pi）;%i路本振信号

local_oscillator_q=sin（n*f0/fs*2*pi）;%q路本振信号

fbb_i=local_oscillator_i.*s1;%i路解调

fbb_q=local_oscillator_q.*s1;%q路解调

window=chebwin（51,40）;

[b,a]=fir1（50,2*B/fs,window）;

fbb_i=[fbb_i,zeros（1,25）];

fbb_q=[fbb_q,zeros（1,25）];

fbb_i=filter（b,a,fbb_i）;

fbb_q=filter（b,a,fbb_q）;

fbb_i=fbb_i（26:

end）;%截取有效信息

fbb_q=fbb_q（26:

end）;%截取有效信息

fbb=fbb_i+j*fbb_q;

%______产生理想线性调频脉冲压缩匹配系数___________%

M=131072;%因为回波信号数据xx位3600点，所以利用FFT做4096点FFT

D=B*tao;

match_filter_1=ts*fliplr（conj（fbb））*sqrt（D）*2/tao;

match_filter_1_fft=fft（match_filter_1,M）;%第一次脉冲压缩处理匹配系数

figure

（2）,

subplot（2,1,1）,plot（real（match_filter_1_fft））,title（'脉冲压缩系数（实部）'）;

subplot（2,1,2）,plot（imag（match_filter_1_fft））,title（'脉冲压缩系数（虚部）'）;

N=length（s）;

n=0:

N-1;

local_oscillator_i=cos（n*f0/fs*2*pi）;%i路本振信号

local_oscillator_q=cos（n*f0/fs*2*pi）;%q路本振信号

fbb_i=local_oscillator_i.*s;%i路解调

fbb_q=local_oscillator_q.*s;%q路解调

window=chebwin（51,40）;%这是采用50阶cheby窗的FIR低通滤波器

[b,a]=fir1（50,0.5,window）;

fbb_i=[fbb_i,zeros（1,25）];

fbb_q=[fbb_q,zeros（1,25）];

fbb_i=filter（b,a,fbb_i）;

fbb_q=filter（b,a,fbb_q）;

fbb_i=fbb_i（26:

end）;%截取有效信息

fbb_q=fbb_q（26:

end）;%截取有效信息

signal=fbb_i+j*fbb_q;

clearfbb_i;

clearfbb_q;

signal_fft=fft（signal,M）*2;

pc_result_fft=signal_fft.*match_filter_1_fft;

pc_result=ifft（pc_result_fft,M）;

figure（3）,plot（（0:

ts:

length（signal）*ts-ts）,pc_result（1:

length（signal）））,xlabel（'时间,单位:

s'）,title（'回波脉冲压缩处理结果'）;

clearlocal_oscillator_i;

clearlocal_oscillator_q;

t=tao*length（code）;

match_filter_2=2*ts*fliplr（conj（pc_result））*2/t;

match_filter_2_fft=fft（match_filter_2,M）;%第二次脉冲压缩处理匹配系数

figure,

subplot（2,1,1）,plot（real（match_filter_2_fft））,title（'脉冲压缩系数（实部）'）;

subplot（2,1,1）,plot（imag（match_filter_2_fft））,title（'脉冲压缩系数（虚部）'）;

clearfbb;

clearmatch_filter_1;

clearmatch_filter_2;

clearsignal;

clearsignal_fft;

clearpc_result;

clearpc_result_fft;

%%%%%%%%%%%%%%%%%%%%%产生xx回波%%%%%%%%%%%%%%%%%%

f_frame=1e3;%xx发射信号重频，单位Hz

T_frame=1/f_frame;

N_echo_frame=18;

f_doppler=3.5e3;%动目标的多普勒领串

t_mobj=200e-6;%动目标位置

echo_mobj_pulse=[zeros（1,t_mobj/ts）,s,zeros（1,（T_frame-t_mobj）/ts-length（s））];

echo_mobj=repmat（echo_mobj_pulse,1,N_echo_frame）;

t_doppler=0:

ts:

N_echo_frame*T_frame-ts;

s_doppler=cos（2*pi*f_doppler*t_doppler）;

s_echo_mobj=echo_mobj.*s_doppler;

t_fobj=450e-6;%固定目标位置

echo_fobj_pulse=[zeros（1,t_fobj/ts）,s,zeros（1,（T_frame-t_fobj）/ts-length（s））];

s_echo_fobj=repmat（echo_fobj_pulse,1,N_echo_frame）;

t_clutter=700e-6;%杂波位置

t_clutter_pulse=39e-6;

sigma=2;%xx分布canshu数sigma

t1=0:

ts:

t_clutter_pulse-ts;

rand（'state',0）;%把均匀分布伪随机发生器置为0状态

u=rand（1,length（t1））;

echo_clutter=0.08*sqrt（2*log（1./u））*sigma;%,*s

s_echo_clutter_pulse=[zeros（1,t_clutter/ts）,echo_clutter,zeros（1,（T_frame-t_clutter）/ts-length（echo_clutter））];

s_echo_clutter=repmat（s_echo_clutter_pulse,1,N_echo_frame）;

s_nosie=0.1*rand（1,N_echo_frame*T_frame/ts）;

s_echo=s_echo_mobj+s_echo_fobj+s_echo_clutter+s_nosie;

clears_echo_mobj;

clears_echo_fobj;

clears_echo_clutter;

clears_echo_clutter_pulse;

clears_nosie;

clearecho_mobj_pulse;

clearecho_mobj;

clearecho_fobj_pluse;

clearecho_clutter;

clears_doppler;

cleart_doppler;

%________正交解调_____________%

N=N_echo_frame*T_frame/ts;

n=0:

N-1;

local_oscillator_i=cos（n*f0/fs*pi）;%I路本振信号

local_oscillator_q=cos（n*f0/fs*pi）;%Q路本振信号

s_echo_i=local_oscillator_i.*s_echo;%I路解调

s_echo_q=local_oscillator_q.*s_echo;%Q路解调

window=chebwin（51,40）;%这是采50阶cheby窗的FIR低通滤波器

[b,a]=fir1（50,2*B/fs,window）;

s_echo_i=[s_echo_i,zeros（1,25）];

s_echo_q=[s_echo_q,zeros（1,25）];

s_echo_i=filter（b,a,s_echo_i）;

s_echo_q=filter（b,a,s_echo_q）;

s_echo_i=s_echo_i（26:

end）;%截取有效信息

s_echo_q=s_echo_q（26:

end）;%截取有效信息

s_echo_mf=s_echo_i+j*s_echo_q;

clears_echo_i

clearlocal_oscillator_i;

clearlocal_oscillator_q;

clears_echo_i;

clears_echo_q;

clearn;

%%%%%%%%%%%%%%%脉冲压缩处理%%%%%%%%%%%%%%%%%%%%%%%%

fori=1:

N_echo_frame

s_echo_fft_result=fft（s_echo_mf（1,（i-1）*T_frame/ts+1:

i*T_frame/ts）,M）;

s_pc_fft_1=s_echo_fft_result.*match_filter_1_fft;

s_pc_fft_2=s_pc_fft_1.*match_filter_2_fft;

s_pc_result（i,:

）=ifft（s_pc_fft_2,M）;

end

clears_echo_mf;

s_pc_result_1=s_pc_result';

s_pc_result_1=reshape（s_pc_result_1,1,N_echo_frame*M）;

figure,subplot（2,1,1）,plot（0:

ts:

length（s_pc_result_1）*ts-ts,real（s_pc_result_1））,

%N_echo_frame*T_frame-ts

xlabel（'t（单位:

s）'）,title（'脉冲压缩处理后结果（实部）'）;

subplot（2,1,2）,plot（0:

ts:

length（s_pc_result_1）*ts-ts,imag（s_pc_result_1））,

xlabel（'t（单位:

s）'）,title（'脉冲压缩处理后结果（虚部）'）;

%%%%%%%%%%%%%%%%%%%%%固定杂波对消处理%%%%%%%%%%%%%%%%

fori=1:

16

s_MTI_result（i,:

）=s_pc_result（i,:

）+s_pc_result（i+2,:

）-2*s_pc_result（i+1,:

）;

end

clears_pc_result;

clears_pc_result_1;

s_MTI_result_1=s_MTI_result';

s_MTI_result_1=reshape（s_MTI_result_1,1,（N_echo_frame-2）*M）;

figure,subplot（2,1,1）,plot（0:

ts:

length（s_MTI_result_1）*ts-ts,real（s_MTI_result_1））,

xlabel（'t（单位:

s）'）,title（'固定杂波对消后结果（实部）'）;

subplot（2,1,2）,plot（0:

ts:

length（s_MTI_result_1）*ts-ts,imag（s_MTI_result_1））,

xlabel（'t（单位:

s）'）,title（'固定杂波对消后结果（虚部）'）;

clears_MTI_result_1;

结论

使用Matlab进行xx信号处理系统仿真，能迅速建立起系统模型，设计理念可以在任何细节上得到体现，建模时间短，模型简单、清晰，计算精度高，同时在系统设计的任何阶段都能够很方便地修改模型、评估结果和验证系统行为。

本文以某脉冲压缩xx为实例，基于Matlab的xx信号处理的仿真方法取得了较好的效果。

在xx信号处理系统中系统级仿真占有极其重要的地位,经过系统级仿真能够保证产品在最高层次上的设计正确性。

由于外场模拟真实战场复杂电磁环境是非常困难的,同时也耗资巨大,所以利用计算机仿真技术的可控制性、可重复性、无破坏性、xx、经济性等特点与优势对xx电子对抗装备及其技术与战术运用等进行仿真与效能评估,是当前和未来xx与电子对抗领域研究中的一种重要手段。

通过MATLAB软件进行仿真得到的仿真图如下所示：

图1

图2

图3

图4

图5

图6