无线电定位原理
和技术
试验汇报
姓名：
学号：
班级：1105201
指导老师：张云
院系：电子和信息工程学院
哈工大电子和信息工程学院电子工程系
试验一 连续波雷达测速试验
1.1 雷达测速原理
雷达利用多普勒频率来提取目标径向速度（即距离改变率），从而能够区分运动目标和固定目标及杂波。多普勒效应描述了因为目标相对于辐射源运动而引发发射信号中心频率发生多普勒频移，目标运动方向不一样决定了多普勒频移正负。
（假如）
图2- 多普勒效应
1.2 连续波雷达测速试验仪器
连续波雷达测速系统关键由三部分组成：微波发射和接收器件，差频放大和滤波电路，DSP信号采集和处理电路。其中微波发射和接收器件能够采取微波发射介质稳频振荡和微波接收混频器。放大和滤波电路，在近距离时，测量直接由混频器输出信号较大，由雷达方程可知，伴随目标距离增加，混频器输出会减小。试验中采取三级放大电路，第一级射随阻抗匹配，第二三级可调增益放大。其次因为背景噪声和扰动会引入杂波，对接收信号需要进行滤波。DSP信号采集和处理电路，采集多组回波数据，对数据进行分析得到对应多普勒频率和速度
值，由公式，算得速度。
图2-2 连续波雷达测速试验仪器原理框图
图2-3 测速雷达传感器
1.3 试验要求
本试验为演示试验，观察试验现象，并在PC机使用Matlab对试验数据进行分析。
试验要求：
1.掌握雷达测速原理，
2.了解连续波雷达测速试验仪器原理及使用，
3.使用Matlab对试验数据进行分析，得到回波多普勒频率和目标速度。
1.4 试验内容
1.采集三组数据，每组数据 2048 点，采样频率为 2048Hz
2.从每组数据中分别选择波形很好 512 点，作出时域波形和频谱，并求出目标速度，其中，发射波频率为 10GHz。
1.5试验结果分析
首先将试验中TXT文件录用数据读入到MATLAB中去，对其进行FFT变换并分析频域。在对数据处理过程中，我注意到数据平均值不为零，这个说明存在着直流分量。所以采取MATLAB强制地将零频出值变为0，以免对试验数据产生影响。
对于数据一，试验截图以下所表示。
上图为时域信号，相对而言比较靠近正弦波，采样点数N=434；下图为频域分析图，因为在[0,2π]之间存在两个峰值，所以经过 axis函数控制只显示了正半频域部分。同时，为了正确求出幅值最大点，我在文件中利用 matlab 逻辑运算操作，实施以下命令
由上可知峰值对应出N值nd=10
因为我在试验中采取采样频率为2048Hz，发射波频率为10GHz，波长为3米经过计算可知：
多普勒频移 = 47.1889 Hz
目标移动速度= 0.7078
对于数据二，试验截图以下所表示。
上图为时域信号，相对而言比较靠近正弦波，采样点数N=396；下图为频域分析图，因为在[0,2π]之间存在两个峰值，所以经过 axis函数控制只显示了正半频域部分。同时，为了正确求出幅值最大点，我在文件中利用 matlab 逻辑运算操作，实施以下命令
由上可知峰值对应出N值nd=12
因为我在试验中采取采样频率为2048Hz，发射波频率为10GHz，波长为3米经过计算可知：
多普勒频移 = 62.0606 Hz
目标移动速度= 0.9309 m
对于数据三，试验截图以下所表示。
上图为时域信号，相对而言比较靠近正弦波，采样点数N=398；下图为频域分析图，因为在[0,2π]之间存在两个峰值，所以经过 axis函数控制只显示了正半频域部分。同时，为了正确求出幅值最大点，我在文件中利用 matlab 逻辑运算操作，实施以下命令
由上可知峰值对应出N值nd=11
因为我在试验中采取采样频率为2048Hz，发射波频率为10GHz，波长为0.03米
多普勒频移 = 56.6030 Hz
目标移动速度= 0.8490 m
1.6试验源程序
%试验一：连续波雷达测速试验
clear all;
t=load('C:\Users\dell\Desktop\试验\1110520XX5.1.txt');
fs=2048;
%抽样频率2048Hz
T=fft(t);
T(1)=0;%因为所测数据含有直流成份，将其零频处强制置为0
N=length(t);n=0:N-1;
nd=sum(n(1:N/2)'.*(abs(T(1:N/2))==max(abs(T(1:N/2)))));
%找出FFT后最大值所在位置,只算[0,pi]之间正半部分
fd=nd*fs/N;
%求出多普勒频率
v=0.5*fd*0.03;
%求出目标速度
figure(1);subplot(211);plot(n/fs,t);
xlabel('时间/s');ylabel('电压幅值/U');grid on;
title('多普勒差回波');
subplot(212);plot(n(1:64)*fs/N,abs(T(1:64)));
%利于观察，频域图像只显示一部分
xlabel('频率/Hz');ylabel('电压/U');grid on;
title('频率分析');
axis([0 434 0 2300]);
2试验二 线调频信号及匹配滤波仿真试验
LFM信号以其优越频谱性能广泛应用于雷达和众多电子工程中，匹配滤波器在相参滤波分析中也得到广泛应用。
2.1 线调频信号谱分析
线调频（LFM）信号时域表示式：
式中：是矩形函数，k是调频斜率，而且和调制频偏关系是：
T为时域波形宽度，简称时宽；为调频范围。简称频宽。
为时宽带宽积，是线性调频信号一个很关键参数。
LFM信号频谱近似为：
近似程度取决于时宽带宽积D， D越大，近似程度越高，即频谱越靠近于矩形。
图2-1 LFM信号时域频域图（例）
2.2 线调频信号匹配滤波
雷达发射LFM脉冲信号，固定目标回波时域表示：
对应匹配滤波器传输函数近似（大时宽带宽积下）为：
匹配滤波器输出：
代入相关参数，
匹配滤波器时域输出：
时宽带宽积：
匹配滤波器包络输出以下图3-2所表示，所表示，通常要求顶点下降到－4dB处宽度为输出脉冲脉宽，而且有，所以脉冲压缩比：
图2-2 LFM经过匹配滤波器时域图（例）
对应匹配滤波器传输函数在大时宽带宽积下，如上图3-3所表示，和辛格函数拟和很好，在主瓣和临近多个旁瓣全部没有偏差，不过在小时宽带宽积下，仅在主瓣和辛格函数拟和无偏差，而在旁瓣偏差较大。
2.3 试验要求
本试验为仿真试验。
试验要求：
1.掌握线调频信号及其频谱特征，
2.使用Matlab对线调频信号及其频谱进行仿真
3.掌握匹配滤波理论，
4.使用Matlab线调频信号进行匹配滤波仿真。
5.讨论时宽带宽积对线调频信号频谱和匹配滤波影响。
2.4 试验内容
用 matlab 编写源程序，实现上述试验要求。
2.5 试验结果和分析
备注：1、在本试验当中，因为原先采集数据和实际值相符合地不是很好，所以在写试验汇报时候我决定放弃原先采集数据，直接采取MATLAB来进行数据模拟，实际上也确实模拟地不错。
2、依据信号和系统中所学傅里叶变换形式，可知在试验中进行匹配滤波时应该采取正交双通道处理。在MATLAB中假如直接采取chirp函数产生余弦形式信号进行匹配滤波，其效果和理想sinc函数有一定差距。
2.5.1线性调频信号仿真和分析
线性调频信号仿真：我编写了一个chirp_m.m子函数文件能够产色极难过exp形式线性调频信号，一共有三组信号，各自时域图像和频域图像以下所表示（假设各自抽样频率均为100MHz）:
第一组信号：试验信号x1，扫频周期为8us是，fs=100MHz，扫频带宽8MHz，时域带宽积为64。
第二组信号：试验信号x2，扫频周期为8us是，fs=100MHz，扫频带宽14MHz，时域带宽积为112。
第三组信号：试验信号x1，扫频周期为10us是，fs=100MHz，扫频带宽20MHz，时域带宽积为200。
分析：经过对上面三幅图对比和分析可知，LFM信号在时域改变有规律伴随时间疏密程度不一样，在频域为一靠近矩形窗，而且近似程度和带宽B和扫描周期T无关，只和时宽带宽积D相关。时宽带宽积越大，其近似程度也就越大。不过从图中也能够看出，伴随D增大，其边缘处上冲并不会消失，也就是说Gibbs效应仍然存在。
2.5.2匹配滤波仿真和分析
匹配滤波仿真：分别对以上三组信号进行匹配滤波，并两两进行比较。考虑到matlab中直接时域卷积conv计算比较慢，所以我采取匹配滤波方法是直接将信号延时作为回波信号，作傅立叶变换后并作共轭，和接收信号傅立叶变换相乘后，再作傅立叶逆变换。为了预防频域混叠，做fft变换时要对回波信号和原始信号补零，使之满足L>M+N-1条件，以后再做ifft。
首优异行是第一组和第二组信号匹配滤波，为了便于观察，在M文件中使用了axis函数控制直系那是匹配滤波后部分时间段图像，试验结果截图以下：
分析：经过对第一个图和第二图对比能够发觉，对应匹配滤波器传输函数在大时宽带宽积下（第二个图），和sinc函数相拟合地很好，相临近两个旁瓣误差并不是很大，不过对于小时宽带宽积来说（第一个图），从第一个旁瓣就开始出现了一定偏差。两个图当中第一副瓣平均电平为-13.4dB，和理论值相符合地很好。
另外，第一张图T0=0.0625us-(-0.0625us)=1/8MHz=1/B.对第二张图T0=0.0375us-(-0.0375us)=1/14MHz=1/B,和理论值相符很好。
在做第三组试验时，我没有再控制B不变或T不变，只是将D改变了，关键目标也是为了能够观察D改变所带来影响。试验截图以下所表示：
分析：首先能够得到和上述试验一样结论，即伴随时宽带宽积增大，输出函数和sinc函数拟合地越来越好。
其次，发觉伴随B改变会引发输出脉冲脉宽T0改变，换句话说假如带宽B不变话，T0应该也就不发生改变，事实确实如此。
2.5.3加窗处理仿真及分析
实际上上述匹配滤波相当于矩形加窗处理，为此，我决定采取海明窗和汉宁窗对三组数据进行处理比较。
加窗处理仿真：
第一组信号采取海明和汉宁窗处理后图像：
第二组信号采取海明和汉宁窗处理后图像：
第三组信号采取海明和汉宁窗处理后图像：
分析：经过图像能够发觉，加窗处理后对旁瓣抑制作用更为显著，不过同时也带来了脉冲分辨率降低。
2.6试验源程序
%试验二：线调频信号及匹配滤波仿真试验
%第一组试验信号x1，扫频周期为8us
%假设fs=100MHz，扫频范围为-4MHz~4MHz
%由上得出时域带宽积为64
clear all;
clc;
T=8;fs=100;f0=-4;t1=0:1/fs:T-1/fs;
k1=1;B1=2*abs(f0);D1=T*(B1);
[x1,W1,X1]=chirp_m(fs,T,f0,k1);
%调用子函数产生LFM信号时域及频域形式
figure(1)
subplot(211);
plot(t1-4,real(x1));grid on;
xlabel('时间/us');
title('Chirp信号时域图像');
subplot(212);
plot(W1/pi*50,abs(X1));grid on;
xlabel('频率/MHz');
title('Chirp信号频域图像');
%***********************************************************
%第二组试验信号x2，扫频周期为8us
%假设fs=100MHz，扫频范围为-7MHz~7MHz
%由上得出时域带宽积为112
T=8;fs=100;f0=-7;t2=0:1/fs:T-1/fs;
k2=1.75;B2=2*abs(f0);D2=T*(B2);
[x2,W2,X2]=chirp_m(fs,T,f0,k2);
%调用子函数产生LFM信号时域及频域形式
figure(2)
subplot(211);
plot(t2-4,real(x2));grid on;
xlabel('时间/us');
title('Chirp信号时域图像');
subplot(212);
plot(W2/pi*50,abs(X2));grid on;
xlabel('频率/MHz');
title('Chirp信号频域图像');
%*************************************************************
%第三组试验信号x3，扫频周期为10us
%假设fs=100MHz，扫频范围为-10MHz~10MHz
%由上得出时域带宽积为200
T=10;fs=100;f0=-10;t3=0:1/fs:T-1/fs;
k3=2;B3=2*abs(f0);D3=T*(B3);
[x3,W3,X3]=chirp_m(fs,T,f0,k3);
%调用子函数产生LFM信号时域及频域形式
figure(3)
subplot(211);
plot(t3-5,real(x3));grid on;
xlabel('时间/us');
title('Chirp信号时域图像');
subplot(212);
plot(W3/pi*50,abs(X3));grid on;
xlabel('频率/MHz');
title('Chirp信号频域图像');
%************************************************************
%比较下T不变时，观察改变B时造成匹配滤波结果怎样改变
%对第一组信号x1进行匹配滤波,假设延时L为100个单位时间长度即延时1us
L=100;N1=length(t1);
r1=[zeros(1,L) x1];
%产生回波延时信号作为接收信号
M1=2*N1+L;
%为确保圆周卷积不混叠，最少做2*N+L-1点FFT
t1=-1:0.01:(1-0.01);
%为愈加好地显示图像，时间轴上只截取了一段作图
X1=fft(x1,M1);
R1=fft(r1,M1);
h1=ifft(conj(X1).*R1);
s1=sqrt(D1)*sinc(B1*t1);
figure(4)
subplot(211);
plot(t1,20*log10(abs(s1)/max(s1)),'-.');hold on;
set(gca,'Xtick',[-0.0625 0.0625],'Ytick',[-13.4,-4]);
plot(t1,20*log10(abs(h1(1:200))/max(abs(h1))));grid on;
title('第一个chirp信号经过匹配滤波后频域图像');
xlabel('时间/us');ylabel('幅值/dB');
h = legend('sinc函数','仿真图像',2);set(h,'Interpreter','none');
text(0.02,-4,'B=8MHz,D=64');
axis([-0.4,0.4,-60,0]);
%对第二组信号x2进行匹配滤波,假设延时L为100个单位时间长度即延时1us
L=100;N2=length(t2);
r2=[zeros(1,L) x2];
%产生回波延时信号作为接收信号
M2=2*N2+L;
%为确保圆周卷积不混叠，最少做2*N+L-1点FFT
t2=-1:0.01:(1-0.01);
%为愈加好地显示图像，时间轴上只截取了一段作图
X2=fft(x2,M2);
R2=fft(r2,M2);
h2=ifft(conj(X2).*R2);
s2=sqrt(D2)*sinc(B2*t2);
subplot(212);plot(t2,20*log10(abs(s2)/max(s2)),'-.');hold on;
set(gca,'Xtick',[-0.0357 0.0357],'Ytick',[-13.4,-4]);
plot(t2,20*log10(abs(h2(1:200))/max(abs(h2))));grid on;
title('第二个chirp信号经过匹配滤波后频域图像');
xlabel('时间/us');ylabel('幅值/dB');
h = legend('sinc函数','仿真图像',2);set(h,'Interpreter','none');
text(0.02,-4,'B=14MHz,D=112');
axis([-0.4,0.4,-60,0]);
%比较观察改变D时造成匹配滤波结果怎样改变
figure(5)
subplot(211);plot(t2,20*log10(abs(s2)/max(s2)),'-.');hold on;
plot(t2,20*log10(abs(h2(1:200))/max(abs(h2))));grid on;
title('第二个chirp信号经过匹配滤波后频域图像');
xlabel('时间/us');ylabel('幅值/dB');
h = legend('sinc函数','仿真图像',2);set(h,'Interpreter','none');
text(0.02,-4,'T=8us,D=112');
axis([-0.4,0.4,-60,0]);
%对第三组信号x3进行匹配滤波,假设延时L为100个单位时间长度即延时1us
L=100;N3=length(t3);
r3=[zeros(1,L) x3];
%产生回波延时信号作为接收信号
M3=2*N3+L;
%为确保圆周卷积不混叠，最少做2*N+L-1点FFT
t3=-1:0.01:(1-0.01);
%为愈加好地显示图像，时间轴上只截取了一段作图
X3=fft(x3,M3);
R3=fft(r3,M3);
h3=ifft(conj(X3).*R3);
s3=sqrt(D3)*sinc(B3*t3);
subplot(212);p1=plot(t3,20*log10(abs(s3)/max(s3)),'-.');hold on;
plot(t3,20*log10(abs(h3(1:200))/max(abs(h3))));grid on;
title('第三个chirp信号经过匹配滤波后频域图像');
xlabel('时间/us');ylabel('幅值/dB');
h = legend('sinc函数','仿真图像',2);set(h,'Interpreter','none');
text(0.02,-4,'T=10us,D=200');
axis([-0.4,0.4,-60,0]);
%****************************************************************
%选择第一组LFM信号，观察对其海明窗和汉宁窗加权后处理结果，并和原未加窗结果相比较
w=hamming(36);W1=fft(w',M1);
n=hanning(36);N1=fft(n',M1);
figure(6)
subplot(311);plot(t1,20*log10(abs(h1(1:200))/max(abs(h1))));grid on;
set(gca,'Ytick',[-13.4]);
title('第一个Chirp信号匹配滤波后图像');
xlabel('时间us');ylabel('幅值/dB');
axis([-1,1,-100,0]);
h11=ifft(conj(X1).*R1.*W1);
subplot(312);plot(t1,20*log10(abs(h11(1:200))/max(abs(h11))));grid on;
set(gca,'Ytick',[-41]);
title('第一组Chirp信号加hamming窗后图像');
xlabel('时间us');ylabel('幅值/dB');
h11=ifft(conj(X1).*R1.*N1);
subplot(313);plot(t1,20*log10(abs(h11(1:200))/max(abs(h11))));grid on;
set(gca,'Ytick',[-41]);
title('第一组Chirp信号加hanning窗后图像');
xlabel('时间us');ylabel('幅值/dB');
%选择第二组LFM信号，观察对其海明窗和汉宁窗加权后处理结果，并和原未加窗结果相比较
w=hamming(36);W2=fft(w',M2);
n=hanning(36);N2=fft(n',M2);
figure(7)
subplot(311);plot(t2,20*log10(abs(h2(1:200))/max(abs(h2))));grid on;
set(gca,'Ytick',[-13.4]);
title('第二个Chirp信号匹配滤波后图像');
xlabel('时间us');ylabel('幅值/dB');
axis([-1,1,-100,0]);
h22=ifft(conj(X2).*R2.*W2);
subplot(312);plot(t2,20*log10(abs(h22(1:200))/max(abs(h22))));grid on;
set(gca,'Ytick',[-41]);
title('第二组Chirp信号加hamming窗后图像');
xlabel('时间us');ylabel('幅值/dB');
h22=ifft(conj(X2).*R2.*N2);
subplot(313);plot(t2,20*log10(abs(h22(1:200))/max(abs(h22))));grid on;
set(gca,'Ytick',[-41]);
title('第二组Chirp信号加hanning窗后图像');
xlabel('时间us');ylabel('幅值/dB');
%选择第三组LFM信号，观察对其海明窗和汉宁窗加权后处理结果，并和原未加窗结果相比较
w=hamming(36);W3=fft(w',M3);
n=hanning(36);N3=fft(n',M3);
figure(8)
subplot(311);plot(t3,20*log10(abs(h3(1:200))/max(abs(h3))));grid on;
set(gca,'Ytick',[-13.4]);
title('第三个Chirp信号匹配滤波后图像');
xlabel('时间us');ylabel('幅值/dB');
axis([-1,1,-100,0]);
h33=ifft(conj(X3).*R3.*W3);
subplot(312);plot(t3,20*log10(abs(h33(1:200))/max(abs(h33))));grid on;
set(gca,'Ytick',[-41]);
title('第三组Chirp信号加hamming窗后图像');
xlabel('时间us');ylabel('幅值/dB');
h33=ifft(conj(X3).*R3.*N3);
subplot(313);plot(t3,20*log10(abs(h33(1:200))/max(abs(h33))));grid on;
set(gca,'Ytick',[-41]);
title('第三组Chirp信号加hanning窗后图像');
xlabel('时间us');ylabel('幅值/dB');
*************************************************
%子函数chirp_m.m
%定义一子函数，功效是产生LFM信号
%入口参数：抽样频率fs，扫频周期T，初始频率f0,扫频斜率k
%出口参数：时域信号x和其对应频域信号X及对应频率W
function [x,W,X] = chirp_m(fs,T,f0,k)
t=0:1/fs:T-1/fs;
w0=2*pi*f0;K=2*pi*k;
x=exp(1i*(w0.*t+K.*t.^2/2));
X=fft(x);
N=length(t);n=0:(N-1);
W=(2*pi/N)*n;
mid=ceil(N/2)+1;
W(mid:N)=W(mid:N)-2*pi;
%把[pi,2pi]移到[-pi,0]
W=fftshift(W);
X=fftshift(X);
End