电子科大毕设——有关雷达信号设计(第四章)

雷达波形设计与LFM信号处理(雷达脉冲压缩)本文关键词：雷达脉冲压缩,波形设计,二相编码信号,旁瓣抑制,检测与参数估计,反辐射导弹,抑制滤波器,分数阶,线性调频,回波,变换,多普勒频移,脉压,信噪比损失,时域信号,匹配滤波,模糊函数,联合分辨,距离旁瓣,峰值旁瓣电平雷达波形设计与线性调频(LFM)信号的处理在雷达系统中占有重要的位置。

本文主要研究了雷达脉冲压缩波形的设计、脉压旁瓣抑制体制的性能分析与改进、旁瓣抑制滤波器的设计、LFM信号的分析与处理特别是反辐射导弹的检测与参数估计。

现代雷达技术中广泛使用LFM信号，对LFM信号的处理至关重要。

雷达信号中线性调频项的产生有两种原因，一是人为因素有意产生的，如脉冲压缩技术中使用的LFM信号；二是目标本身客观存在的，如导弹的主动飞行段、飞机的机动飞行等产生的加速度，以及目标与雷达平台相对运动所产生的雷达回波信号中的线性调频项，如合成孔径雷达(SAR)回波、反辐射导弹回波等。

常规的雷达脉冲压缩波形有LFM信号和相位编码信号。

LFM信号的模糊函数为斜刀刃形，优点是对多普勒频移不敏感，但时频联合分辨率差，脉压输出的峰值旁瓣电平高达-13.2dB；二相编码信号如13位Barkei。

码具有图钉状的模糊函数，因而时频联合分辨率好，且脉压输出的峰值旁瓣电平相对较低，为-22.2dB，但对多普勒频移敏感。

本文提出了一类新的脉压信号——二次伸缩二相编码信号，将具有特定Fourier级数展开系数的波形在时域进行二次伸缩，采样，并符号化为二值序列，即得到这类二次伸缩二相编码信号。

信号本身兼有线性调频和调相，因而其模糊函数为刀刃型和图钉型的复合形状，对多普勒频移不敏感及有较好的距离一速度联合分辨率，且其峰值旁瓣可低于-30dB。

脉压波形经匹配滤波后，除了主瓣，尚存在不希望的距离旁瓣，影响了雷达对多目标的探测。

对于LFM这类复信号，传统的旁瓣抑制方法是在匹配滤波后引入加权网络，在频域进行加权处理，使旁瓣降低。

电子科技大学课程设计报告课程名称：雷达原理与系统设计名称：雷达系统设计指导老师：江朝抒姓名：韦瑞强学号：20专业：电子信息工程1.设计要求设计一雷达系统，对1m2目标，要求探测距离为10km发射波形为常规脉冲，方位角分辨力为2°，俯仰角分辨力为20。

，距离分辨力为15m要求：1设计和计算雷达系统的各项参数，包括工作频率、发射功率、接收机灵敏度、天线孔径和增益，脉冲重复频率、相参积累时间等。

2分析系统的最大不模糊速度和最大不模糊距离、计算系统的速度分辨力。

3在学完雷达系统脉冲压缩相关内容后，设计线性调频波形，使雷达的作用距离增加到200km距离分辨力达到3米。

并画出单一目标回波经过脉冲压缩后的波形。

参数求解：1.1雷达工作频率f，发射功率R已知距离分辨率的公式为：R min —，式中C为电波传播数度，为脉2冲宽度，则乙矗107s 0.1 s，不妨取雷达的工作频率为c 3 108f 1GHZ，发射功率P 40kW，贝U - 口09m 0.3m。

f 1 101.2天线孔径及增益雷达的角度分辨力取决于雷达的工作波长和天线口径尺寸L ，约为/2L ,则可得：水平口径尺寸L 为： 垂直口径尺寸h 为:1.3脉冲重复频率f r发射波形为简单的矩形脉冲序列，设脉冲宽度为 ，脉冲重复周期为T r 则有：设f r 称作雷达的工作比为D ，常规的矩形振幅调制脉冲雷达工作比的范围为 0.0001-0.01，为了满足测距的单值性，不妨取 D 0.001，贝U 1.4接收机灵敏度若以单基地脉冲雷达为例，天线采用收发共用，则雷达方程为：所以，接收机灵敏度S min J" 4 竺卫 1 1.8478：W 1.2 10 11W 4 R max 4 0.32 10 103 1.5相参积累时间设单基地脉冲雷达的天线为360环扫天线，天线扫描速度 a 20r / min ， 水平波速选择时运用最大值测向，当水平波速的宽度大于显示器的亮点直径 时，可取：则对一个点目标的相参积累时间t 为： 脉冲积累个数n tf r 丄10 103166602最大不模糊速度，最大不模糊距离，速度分辨率不产生频闪的条件是：f d 1 f r 其中f d 表示脉冲多普勒频率，由f d 22关系可得最大不模糊速度：雷达的最大单值测距范围由其脉冲重复周期 T r 决定，为保证单值测距，通 常应选取：故最大不模糊距离R max 15km 。

雷达信号处理课程设计一、教学目标本课程的教学目标是使学生掌握雷达信号处理的基本原理和方法，能够运用所学知识分析和解决实际问题。

具体目标如下：1.知识目标：学生能够了解雷达信号处理的基本概念、原理和方法，掌握线性信号处理、非线性信号处理、滤波器设计等核心知识。

2.技能目标：学生能够运用MATLAB等工具进行雷达信号处理的基本运算和分析，具备一定的实践能力。

3.情感态度价值观目标：学生能够认识雷达信号处理在国防、通信等领域的应用价值，培养对雷达信号处理的兴趣和热情。

二、教学内容本课程的教学内容主要包括以下几个部分：1.雷达信号处理基本概念：雷达系统、信号与系统、信号处理的基本任务。

2.线性信号处理：傅里叶变换、离散傅里叶变换、滤波器设计、信号检测。

3.非线性信号处理：非线性系统的特性、非线性信号处理方法、非线性滤波器设计。

4.雷达信号处理应用：雷达侦察、雷达跟踪、雷达成像等。

三、教学方法为了实现教学目标，我们将采用以下教学方法：1.讲授法：通过讲解雷达信号处理的基本概念、原理和方法，使学生掌握相关知识。

2.讨论法：学生进行小组讨论，培养学生的思考能力和团队合作精神。

3.案例分析法：分析实际案例，使学生了解雷达信号处理在实际应用中的作用。

4.实验法：通过MATLAB等工具进行实验，培养学生动手能力和实践能力。

四、教学资源为了支持教学内容和教学方法的实施，我们将准备以下教学资源：1.教材：《雷达信号处理教程》等。

2.参考书：《雷达信号处理技术》等。

3.多媒体资料：教学PPT、视频、动画等。

4.实验设备：计算机、MATLAB软件、信号发生器等。

五、教学评估本课程的评估方式包括平时表现、作业和考试三个部分，各部分所占比例分别为40%、30%和30%。

具体评估方式如下：1.平时表现：通过课堂提问、小组讨论等环节，评估学生的参与程度和思考能力。

2.作业：布置适量作业，评估学生的知识掌握和应用能力。

3.考试：期末进行闭卷考试，评估学生对课程知识的全面掌握。

FSK-FMCW雷达通信一体化信号设计与处理方法研究摘要：为满足现代战争需求，作战平台需装备侦察、雷达、通信、干扰等多种电子设备，这种独立堆砌式的装备方式，虽然在一定程度上提高了平台的整体作战性能，但也不可避免造成平台体积质量大、资源消耗快、设备间电磁干扰强等问题。

雷达通信一体化作为其中的关键，未来不仅在军事领域上应用广泛，在民事领域上也有广阔的应用前景，如智能驾驶。

基于此，本文章对FSK-FMCW雷达通信一体化信号设计与处理方法研究进行探讨，以供相关从业人员参考。

关键词：FSK-FMCW；雷达通信一体化；信号设计；处理方法引言传统应用场景中，雷达与通信设备分别占用不同的硬件平台与频谱资源，这种分立式的设计会导致电子系统的体积、功耗以及成本增加，恶化了电磁环境，容易造成电磁频谱拥挤与干扰等诸多问题。

鉴于此，雷达通信一体化设计可以让雷达与通信共享硬件平台，系统综合化、集成化、小型化程度更高，可更高效地利用频谱资源，从而解决上述难题。

一、一体化共用波形设计方法目前一体化共用波形设计方法主要有两种：一种是基于通信信号的波形设计方法，该方法通常利用通信波形实现雷达探测；二是基于雷达信号的波形设计方法，其通常通过在雷达波形上调制通信信息实现通信信息传输。

在基于通信信号的波形设计方法中，正交频分复用(OFDM)信号由于其频带利用率高、子载波设计灵活等特点被广泛应用于雷达通信一体化波形设计。

将OFDM信号作为共用信号，通过增加子载波数量来提升系统带宽并提高目标距离分辨能力。

通信信息对OFDM共用波形模糊函数的影响，提出利用预调制信息的方法减小随机通信信息对模糊函数的影响。

根据雷达目标的条件互信息与通信的信息速率，联合优化设计OFDM信号各子载波的功率分配，使OFDM一体化信号在雷达与通信性能之间取得折中。

二、雷达信号模拟软件雷达仿真软件的开发为车轮信号的测试分析奠定了基础，采用光栅扫描方法扫描车轮目标，探测车轮信号。

附录一——MATLAB信号处理程序%% 1、准备工作 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 开始clc;clear;close all;clear vars;%% 雷达波形参数定义及说明f1=1e3; % 最低频率f2=11e3; % 最高频率B=f2-f1; % 信号带宽T=1e-2; % 信号扫频时宽(10ms)c=3e8; % 电磁波空间传播速度f0=(f1+f2)/2; % 雷达工作频率（中心频率）(3kHz)fs=1e5; % 采样率(100kHz)N_signal_T=round(fs*T); % 单周期信号的数据点数number_of_signal_period=400; % 脉冲信号的周期个数duty_ratio=0.5; % 信号占空比T_signal=T/duty_ratio; % 脉冲信号周期%% 导入AD数据时频分析[FileName,PathName] = uigetfile('C:\Users\XYB\Desktop\课程设计之雷达信号分析处理\AD数据\USB (3).dat','Select the USB.dat file');f = fullfile(PathName,filesep,FileName);fid = fopen(f,'r');data = fscanf(fid,'%x');fclose(fid);data = data(1:2:end)*256 + data(2:2:end); %将16进制转换为10进制datsgn = data./1000; %单位换算（mV->V）%转化为有符号数（去直流）datsgn=datsgn-mean(datsgn);%时域波形figure;plot([0:1/fs:(length(datsgn)-1)/fs],datsgn);xlabel('时间/s')ylabel('振幅/V')title('LFMCW时域波形')%频谱图N=1024;datfft = (2/N)*fftshift(fft(datsgn(1:N)));nordat = abs(datfft)/max(abs(datfft)); %对信号做FFT并归一化figure;plot([-length(datfft)/2:(length(datfft)/2-1)].*(fs/N),20*log10(abs(nordat)));xlabel('频率/Hz')ylabel('幅度/dB')title('LFMCW频谱图')%% 调频斜率曲线Hf=20*log10(abs(nordat));FHL=zeros(1,2);j=1;for i=round(length(Hf)/2):length(Hf)if(abs(Hf(i)+6.6)<0.2)FHL(j)=i;j=j+1;endendfigure;time_scan=(0:1/fs:T-1/fs);%扫描时间轴B_interval=(fs/N)*(FHL(2)-FHL(1))/length((0:1/fs:T-1/fs));%频率间隔B_test=[0:B_interval:(fs/N)*(FHL(2)-FHL(1))-B_interval]+(FHL(1)-(length(datfft)/2))*(fs/N);k_B=(fs/N)*(FHL(2)-FHL(1))/T/1000;error_B=abs(k_B*1000-(B/T))/(B/T)*100;%调频斜率测量误差plot(time_scan,B_test);xlabel('扫频周期/s')ylabel('频率范围/Hz')title({['L F M C W 扫频曲线'];['调频斜率：',num2str(k_B,'%.0f'),'KHz/s',' 测量误差：',num2str(error_B,'%.0f'),'%']});%% 信号变换与生成（转换为脉冲信号）if(N_signal_T>1024)N_signal_T=1024;endsignal_1T=datsgn(1:N_signal_T,1); %单周期的LFM信号signal_half_duty_ratio_1T=[signal_1T',zeros(N_signal_T/duty_ratio-N_signal_T,1)'];%单周期LFM脉冲信号（50%占空比）signal_NT=repmat(signal_half_duty_ratio_1T,1,number_of_signal_period); %周期延拓后的LFM脉冲信号（20个周期）figure;plot([0:1/fs:(length(signal_NT)-1)/fs],signal_NT);axis([0 (length(signal_NT)/80-1)/fs -2 2]);xlabel('时间/s')ylabel('振幅/V')title('LFM脉冲信号时域波形')%% 加入噪声noise=1*randn(1,length(signal_NT))';%高斯白噪声（没有滤波）/均值为0方差为1signal_noise=signal_NT+noise'; %信号叠加噪声%信号叠加噪声时域波形figure;subplot(211)plot([0:1/fs:(length(signal_NT)-1)/fs],signal_NT);xlabel('时间/s')ylabel('振幅/V')title('信号未叠加噪声时域波形')subplot(212)plot([0:1/fs:(length(signal_noise)-1)/fs],signal_noise);xlabel('时间/s')ylabel('振幅/V')title('信号叠加噪声时域波形')%% 2、单目标分析 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 回波信号合成（延时+多普勒+传输衰减）%-----------------------------% 目标信息：distance=8e5; % 目标径向距离(100km)t_delay=2*distance/c; % 与目标径向距离相对应的回波延时N_delay=round(t_delay*fs);%与回波延迟对应的数据点个数v=200000; % 目标径向速度(1000m/s)fd=2*v*f0/c; % 与目标径向速度对应的多普勒频移k=0.5; % 传输衰减系数%-----------------------------% 回波合成：t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd.*t)'; % 目标多普勒信号s_attenuation=k*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'+noise'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)sr_noise_doppler_1=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay)'; % 时延序列sr_noise_doppler_delay=[delay_n',sr_noise_doppler];% 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)sr_noise_doppler_delay_1=[delay_n',s_attenuation]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%-----------------------------% 回波时域图（未滤波）：% 未考虑传输衰减figure;subplot(211)plot(t,signal_NT);xlabel('时间/s')ylabel('振幅/V')title('未考虑传输衰减的纯信号')% 考虑传输衰减subplot(212)plot(t,s_attenuation);xlabel('时间/s')ylabel('振幅/V')title('考虑传输衰减的纯信号')% 有多普勒信息的回波（带噪声）figure;plot(t,sr_noise_doppler);xlabel('时间/s')ylabel('振幅/V')title('有多普勒信息的回波')%figure;plot([0:1/fs:(length(sr_noise_doppler_delay)-1)/fs],sr_noise_doppler_delay);xlabel('时间/s')ylabel('振幅/V')title('合成回波')%% 接收机前端滤波% 带通滤波器设计（切比雪夫）% 指标：通带宽度：1kHz-5kHz 截止频率：0.5*f1(下)、1.25*f2(上)ws1=f1/fs; %下截止频率（可为其他）wp1=2*f1/fs; %下通带频率wp2=2*f2/fs; %上通带频率ws2=2.5*f2/fs; %上截止频率（可为其他）Rp=1;Rs=30;ws=[ws1 ws2];wp=[wp1 wp2];[ N3,wn ] = cheb1ord( wp , ws , Rp , Rs);[ b,a ] = cheby1(N3,Rp,wn,'bandpass'); %获得转移函数系数filter_bp_sn= filter(b,a,sr_noise_doppler_delay);%信号叠加噪声通过带通滤波器noise_filter =filter(b,a,noise); %纯噪声通过带通滤波器signal_filter=filter(b,a,s_attenuation_doppler); %(传输衰减后)纯信号(有多普勒)通过带通滤波器X_bp_s = fftshift(abs(fft(filter_bp_sn)))/length(sr_noise_doppler_delay); %信号叠加噪声通过带通滤波后的幅频X_bp_s_angle = fftshift(angle(fft(filter_bp_sn))); %信号叠加噪声通过带通滤波后的相频X_bp_n = fftshift(abs(fft(noise_filter)))/length(noise_filter); %纯噪声通过带通滤波后的幅频X_bp_n_angle = fftshift(angle(fft(noise_filter))); %纯噪声通过带通滤波后的相频%滤波器频谱特性figure;freqz(b,a);%信号叠加噪声滤波前后时域波形对比figure;subplot(211);plot([0:length(sr_noise_doppler_delay)-1]./fs,sr_noise_doppler_delay);grid on;xlabel('时间/s')ylabel('振幅/V')title('信号叠加噪声带通滤波前时域图形');subplot(212);plot([0:length(sr_noise_doppler_delay)-1]./fs,filter_bp_sn);grid on;xlabel('时间/s')ylabel('振幅/V')title('信号叠加噪声带通滤波后时域图形');% %纯噪声滤波前后时域波形对比figure;subplot(211);plot([0:length(noise)-1]./fs,noise);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯噪声带通滤波前时域图形');subplot(212);plot([0:length(noise_filter)-1]./fs,noise_filter);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯噪声带通滤波后时域图形');% %纯信号滤波前后时域波形对比figure;subplot(211);plot([0:length(s_attenuation_doppler)-1]./fs,s_attenuation_doppler);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯信号带通滤波前时域图形');subplot(212);plot([0:length(signal_filter)-1]./fs,signal_filter);grid on;xlabel('时间/s')ylabel('振幅/V')title('纯信号带通滤波后时域图形');% %信号叠加噪声带通滤波后幅频相频特性figure;subplot(2,1,1);f_fft_sn=[-length(sr_noise_doppler_delay)/2:length(sr_noise_doppler_delay)/2-1].*(fs/length(sr_noise_doppler_delay));%频率轴plot(f_fft_sn,X_bp_s);xlabel('频率/Hz')ylabel('幅度')title('信号叠加噪声带通滤波后频域幅度特性');subplot(2,1,2);plot(f_fft_sn,X_bp_s_angle);xlabel('频率/Hz')ylabel('相位')title('信号叠加噪声带通滤波后频域相位特性');% %纯噪声带通滤波后幅频相频特性figure;subplot(2,1,1);f_fft_n=[-length(noise)/2:length(noise)/2-1].*(fs/length(noise));%频率轴plot(f_fft_n,X_bp_n);xlabel('频率/Hz')ylabel('幅度')title('纯噪声带通滤波后频域幅度特性');subplot(2,1,2);plot(f_fft_n,X_bp_n_angle);xlabel('频率/Hz')ylabel('相位')title('纯噪声带通滤波后频域相位特性');%% 回波信噪比设定snr_in=0; %输入信噪比设定值sr_filter=filter_bp_sn; %带通滤波器处理后的回波信号S_P=sum((signal_filter).^2)/length(signal_filter); %(传输衰减的)回波纯信号滤波后平均功率noiseP=sum(abs(noise_filter).^2)/length(noise_filter); %滤波后的噪声平均功率A_extra=sqrt((noiseP/S_P).*(10.^(snr_in/10))); %信号外加幅度sr_snr=[delay_n',(A_extra*signal_filter+noise_filter')]; %设定输入信噪比的回波信号%设定输入信噪比后的时域波形figure;plot([0:1/fs:(length(sr_noise_doppler_delay)-1)/fs],sr_snr)xlabel('时间/s')ylabel('振幅/V')text_s=['设定输入信噪比后的时域波形(信噪比：',num2str(snr_in,'%.0f'),'dB',')'];title(text_s);%% 匹配滤波处理(时域卷积法)match_filter=fliplr(signal_1T'); % 匹配滤波器冲激响应match_out=conv(match_filter,sr_snr); % 信号叠加噪声通过匹配滤波器match_out_noise=conv(match_filter,noise_filter); % 纯噪声通过匹配滤波器match_out_signal=conv(match_filter,A_extra*signal_filter); % 纯信号通过匹配滤波器match_out_signal_1=conv(match_filter,signal_1T); % 单周期信号匹配滤波% 单周期匹配滤波波形figure;plot([0:1/fs:(length(match_out_signal_1)-1)/fs],20*log10(abs(match_out_signal_1)/max(abs(match_out_signal_1))));xlabel('时间/s')ylabel('振幅/V')title('单周期匹配滤波冲激响应')%匹配滤波冲激响应figure;plot([0:1/fs:(length(match_filter)-1)/fs],match_filter)xlabel('时间/s')ylabel('振幅/V')title('匹配滤波冲激响应')%匹配滤波输出波形figure;subplot(311)plot([0:1/fs:(length(match_out)-1)/fs],abs(match_out));title('信号叠加噪声匹配输出')subplot(312)plot([0:1/fs:(length(match_out_noise)-1)/fs],abs(match_out_noise));title('纯噪声匹配输出')subplot(313)% plot(abs(match_out_signal));plot([0:1/fs:(length(match_out_signal)-1)/fs],abs(match_out_signal));title('纯信号匹配输出')%匹配滤波信噪比增益计算n_mf_P=sum(abs(match_out_noise).^2)/length(match_out_noise);%匹配滤波后噪声功率s_mf_P_max=max(abs(match_out_signal))^2; %匹配滤波后信号峰值功率G_snr_mf=10*log10(s_mf_P_max/n_mf_P)-snr_in; %匹配滤波信噪比增益计算%% 多普勒滤波处理（MTD）%距离门重排distance_door=c/(2*fs); %相邻采样点之间的距离NT=number_of_signal_period;%信号周期数MTD_process_sn=zeros(N_signal_T/duty_ratio,NT);%信号和噪声同时经过脉压后重排MTD_process_s=zeros(N_signal_T,NT); %信号经过脉压后重排(用于信噪比增益分析)MTD_process_n=zeros(N_signal_T,NT); %噪声经过脉压后重排(用于信噪比增益分析)j=1;for i=1:N_signal_T/duty_ratio*NTif((mod(i,N_signal_T/duty_ratio)==0))MTD_process_s((i/j),j)=match_out_signal(i);MTD_process_sn((i/j),j)=match_out(i);MTD_process_n((i/j),j)=match_out_noise(i);j=j+1;elseMTD_process_s(mod(i,N_signal_T/duty_ratio),j)=match_out_signal(i);MTD_process_sn(mod(i,N_signal_T/duty_ratio),j)=match_out(i);MTD_process_n(mod(i,N_signal_T/duty_ratio),j)=match_out_noise(i);endendfigure;mesh([1:NT],(0:distance_door:(N_signal_T/duty_ratio*distance_door-distance_door))-N_signal_T*distance_door,(abs(MTD_process_sn)));xlabel('频率通道');ylabel('目标距离');title('距离门重排')%FFTi=round(log2((NT)));while ((2^i)<(NT))i=i+1;endMTD_N=2^(i);%确定FFT点数%内存分配MTD_FFT_sn=zeros(N_signal_T/duty_ratio,MTD_N);MTD_FFT_sn_w_H=zeros(N_signal_T/duty_ratio,MTD_N);MTD_FFT_sn_w_B=zeros(N_signal_T/duty_ratio,MTD_N);for i=1:N_signal_T/duty_ratioMTD_FFT_sn(i,:)=(2/MTD_N)*abs(fft([MTD_process_sn(i,:)],MTD_N));%信号+噪声脉压后FFT%加海明窗MTD_FFT_sn_w_H(i,:)=(2/MTD_N)*abs(fft(([MTD_process_sn(i,:),zeros(1,MTD_N-NT)]).*hamming(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT%加布拉克曼窗MTD_FFT_sn_w_B(i,:)=(2/MTD_N)*abs(fft(([MTD_process_sn(i,:),zeros(1,MTD_N-NT)]).*blackman(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFTendfigure;[R_single,V_single]=find(fftshift(20*log10(abs(MTD_FFT_sn)))==max(max(fftsh ift(20*log10(abs(MTD_FFT_sn))))));V_single_1=(V_single(2,1)-MTD_N/2)*(0.5*(1/MTD_N)*c/f0/(T_signal));%目标速度error_v=abs(V_single_1-v)/v*100;%测速误差(%)R_single_1=R_single(1,1)*distance_door;%目标距离error_R=abs(R_single_1-distance)/distance*100;%测速误差(%)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_sn)))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title({['\fontsize{12}{单目标探测}'];['目标距离：',num2str(R_single_1,'%.0f'),'m',' 目标速度：',num2str(V_single_1,'%.0f'),'m/s'];['测距误差：',num2str(error_R,'%.0f'),'%',' 测速误差：',num2str(error_v,'%.0f'),'%']})figure;subplot(311)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_sn)))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('FFT单目标（不加窗）')subplot(312)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_H))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('FFT单目标（加海明窗）')subplot(313)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_B))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('FFT单目标（加布拉克曼窗）')%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 多目标分析 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %**************************************%****************目标一****************%目标信息R_1=1e6; % 目标径向距离t_delay_1=2*R_1/c; % 与目标径向距离相对应的回波延时N_delay_1=round(t_delay_1*fs);%与回波延迟对应的数据点个数v_1=1250e3; % 目标径向速度fd_1=2*v_1*f0/c; % 与目标径向速度对应的多普勒频移k_1=0.8; % 传输衰减系数%目标回波t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd_1.*t)'; % 目标多普勒信号s_attenuation=k_1*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k_1*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay_1)'; % 时延序列sr_target_1=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%**************************************%****************目标二****************%目标信息R_2=1.5e6; % 目标径向距离t_delay_2=2*R_2/c; % 与目标径向距离相对应的回波延时N_delay_2=round(t_delay_2*fs); %与回波延迟对应的数据点个数v_2=500e3; % 目标径向速度fd_2=2*v_2*f0/c; % 与目标径向速度对应的多普勒频移k_2=0.6; % 传输衰减系数%目标回波t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd_2.*t)'; % 目标多普勒信号s_attenuation=k_2*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k_2*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay_2)'; % 时延序列sr_target_2=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%**************************************%****************目标三****************%目标信息R_3=5e6; % 目标径向距离t_delay_3=2*R_3/c; % 与目标径向距离相对应的回波延时N_delay_3=round(t_delay_3*fs); %与回波延迟对应的数据点个数v_3=1500e3; % 目标径向速度fd_3=2*v_3*f0/c; % 与目标径向速度对应的多普勒频移k_3=0.4; % 传输衰减系数%目标回波t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）doppler=cos(2*pi*fd_3.*t)'; % 目标多普勒信号s_attenuation=k_3*signal_NT; % 考虑传输衰减的纯信号(无多普勒)s_attenuation_doppler=k_3*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)delay_n=zeros(1,N_delay_3)'; % 时延序列sr_target_3=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)%**************************************%**************回波合成****************max_1=max(length(sr_target_2),length(sr_target_1));max_n=max(length(sr_target_3),max_1);sr_multiple_target=[sr_target_1,zeros(1,max_n-length(sr_target_1))]+[sr_target_2,zeros(1,max_n-length(sr_target_2))]+[sr_target_3,zeros(1,max_n-length(sr_target_3))];%**************************************%**************BPF滤波*****************sr_multiple_target_BPF_out=filter(b,a,sr_multiple_target); %信号叠加噪声通过带通滤波器%**************************************%**************匹配滤波****************sr_multiple_target_BPF_out_match_out=conv(match_filter,sr_multiple_target_BPF_out);% 信号叠加噪声通过匹配滤波器%**************************************%**************距离门重排**************MTD_process_multiple_target=zeros(N_signal_T/duty_ratio,NT); %信号和噪声同时经过脉压后重排j=1;for i=1:N_signal_T/duty_ratio*NTif((mod(i,N_signal_T/duty_ratio)==0))MTD_process_multiple_target((i/j),j)=sr_multiple_target_BPF_out_match_out(i);j=j+1;elseMTD_process_multiple_target(mod(i,N_signal_T/duty_ratio),j)=sr_multiple_target_BPF_out_match_out(i);endendfigure;mesh([1:NT],(0:distance_door:(N_signal_T/duty_ratio*distance_door-distance_door)),(abs(MTD_process_multiple_target)));xlabel('频率通道');ylabel('目标距离');title('距离门重排')i=round(log2((NT)));while ((2^i)<(NT))i=i+1;endMTD_N=2^(i);%确定FFT点数%内存分配MTD_FFT_multiple_target=zeros(N_signal_T/duty_ratio,MTD_N);for i=1:N_signal_T/duty_ratioMTD_FFT_multiple_target(i,:)=(2/MTD_N)*abs(fft([MTD_process_multiple_target(i,:)],MTD_N)); %信号+噪声脉压后FFT%加海明窗MTD_FFT_sn_w_H(i,:)=(2/MTD_N)*abs(fft(([MTD_process_multiple_target(i,:),zeros(1,MTD_N-NT)]).*hamming(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT%加布拉克曼窗MTD_FFT_sn_w_B(i,:)=(2/MTD_N)*abs(fft(([MTD_process_multiple_target(i,:),zeros(1,MTD_N-NT)]).*blackman(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFTendfigure;subplot(311)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_multiple_target)))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('多目标探测（不加窗）')subplot(312)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_H))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('多目标探测（加海明窗）')subplot(313)mesh((-MTD_N/2:MTD_N/2-1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_B))));xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')title('多目标探测（加布拉克曼窗）')。

基于国产化 DSP的雷达信号处理软件设计简要：目前，雷达不仅在军事中发挥着重要的作用，而且已经广泛运用于我们的生活中。

对于在雷达信号处理过程中算法的复杂度和高数据率，我们一般选用DSP进行信号的处理。

本文我们重点研究基于国产化DSP的雷达信号软件设计。

关键词：国产化DSP；雷达信号软件；设计一国产化DSP简述DSP （digital signal process/digital signal processor）理论中是数字信号处理，在硬件中可以是数字信号处理芯片。

通信系统中处理数字信号需要用到DSP芯片，DSP芯片属于数字处理专用芯片，相比CPU来说有更好的数字运算能力（CPU控制方面比较强），完成数字信号处理过程需要用到DSP（数字信号处理）理论，对信号进行采样量化编码，然后处理传输。

DSP在电子信息领域之中具有很重要的地位。

DSP芯片(Digital Signal Processor)是一个内嵌了数字信号处理功能的单片机芯片（该功能也叫DSP:Digital Signal Processing数字信号处理），现在市面上常见的有16位和32位的。

专门用布数字信号运算处理。

数字信号运算处理并不是简单的加减乘除。

而是那种傅里叶变换等时域频域方面的转换处理等。

如果是普通的四则运算，32位DSP和ARM的运算能力是差不多的。

举个例子：一种实时的声音滤波应用，通过麦克风把一个嘈杂环境中的声音记录下来，通过处理实时单独把其中某个人的声音提取出来，最后实时播放出来。

实时同步的，不是存到磁盘或磁带里再慢慢运算，这就需要用到DSP。

DSP是数字信号处理器，可以视作特殊化后的MCU，主要是比MCU多了硬件乘法器和诸如FFT算法指令的支持。

DSP主要是实现数字信号处理问题，直接硬件上支持滤波和各种变换所需的大量各种专用功能，提供这方面专用指令集。

既可以是独立芯片，也可以是电路的一部分。

专用DSP芯片在运算能力上，特别是大数据量的数字信号处理上，优势相比ARM是非常大的，很多运算DSP一个cycle就能完成的。

超声波倒车雷达的系统设计摘要倒车雷达是针对日益拥挤的道路交通状况、以及在停车场、车库、街道等比较狭窄区域，避免车与车，车与人以及车与墙壁等障碍物发生碰撞，摩擦而出现的一种着眼于倒车防护的汽车防撞系统。

随着越来越多的高科技产品逐渐融入了日常生活中，倒车雷达系统发生了巨大的变化。

仿生学、声学等前沿学科的技术的日趋成熟与实用化，赋予了倒车雷达系统新的的研究方向与意义。

本文描述了一个由三个超声波测距模块构成的，提供语音报警功能的超声波倒车雷达系统。

该系统采用凌阳16位单片机SPCE061A 为核心，分别控制三个超声波模块，每一个超声波测距模块都被设定面向不同方向，以探测不同方向的障碍物。

本系统采用单片机控制时间计数和超声波的发射和接收，利用超声波回波的间隔时间，得出实测距离。

结果表明该系统具有结构简单、工作可靠、精度高等特点。

关键词：SPCE061A单片机；超声波测距；语音提示Ultrasonic Parking Sensor System DesignABSTRACTThe back-draft radar is aims at day by day the crowded road traffic condition, as well as in the parking lot, the garage, the street and so on the quite narrow region, avoids automobile and automobile, obstacle and so on Automobile and person as well as vehicle and wall has the collision, one kind which the friction appears focuses to the back-draft protection automobile collision avoidance system.As well as the high-tech products gradually integrated into the daily life, the Parking Distance Control system has undergone tremendous changes. The Parking Distance Control system has been given the new direction of the research and significance by the developed of the Bionics, Acoustic, etc. This article describes a Parking Distance Control system which contains three ultrasonic ranging modules and the results can be pronounced in real-time. The three ultrasonic ranging modules are set to three different directions to detect the roadblock .This three modules are control by the system which is based on sunplus SPCE061A microprocessor. The time counting and both the transmitting and receiving of the ultrasonic wave are controlled by the microprocessor. The measured distance can be calculated and displayed by the echo time by the code. The features of the simple hardware, stable operation and high precision are incarnated in the proposed system.Key Words: SPCE061A microprocessor ;Utrasonic ranging ;Vice prompts目录第一章绪论 (1)1.1课题背景 (1)1.1.1 倒车雷达的发展历史 (1)1.1.2 倒车雷达的发展方向与展望 (3)1.2课题任务及要求 (3)1.3课题的主要内容及目的 (3)第二章超声波倒车雷达系统的总体方案论证 (5)2.1超声波测距PWM信号方案论证 (5)2.1.1超声波测距PWM信号硬件实施方案 (5)2.1.2超声波测距PWM信号软件实施方案 (6)2.1.3超声波测距PWM信号实施方案比较 (6)2.2超声波倒车雷达系统硬件方案论证 (7)2.3超声波倒车雷达系统软件方案论证 (9)第三章超声波倒车雷达系统的硬件设计 (10)3.1 SPCE061A精简开发板电路原理 (10)3.1.1 SPCE061A简介 (10)3.1.2电源模块 (11)3.1.3放音模块 (11)3.2 超声波测距模块电路的设计 (12)3.2.1超声波谐振频率调理电路的设计 (12)3.2.2超声波回波信号处理电路的设计 (13)3.2.3超声波测距模式选择电路的设计 (14)3.3 转接板电路的设计 (15)3.4 显示电路的设计 (16)3.4.1二极管闪烁报警电路的设计 (16)3.4.2 LCD显示报警电路的设计 (16)3.5 各模块接口分配 (17)第四章超声波倒车雷达系统的软件设计 (19)4.1 超声波测距原理 (19)4.2 μ'nSP IDE的项目文件管理的组织结构 (19)4.3 软件架构 (20)4.4 各模块程序的设计 (21)4.4.1 主程序的设计 (21)4.4.2 超声波测距程序的设计 (22)4.4.3语音播放程序的设计 (24)4.4.4 二极管闪烁程序的设计 (25)4.4.5 LCD初始化及驱动程序的设计 (26)第五章总结 (27)参考文献 (28)附录程序清单 (29)致谢 (46)第一章绪论超声波雷达又称泊车辅助系统，是一种利用超声波原理,由装置于车尾保险杠上的探头发送超声波撞击障碍物后,反射此声波探头,从而计算出车体与障碍物之间的距离。

课程内容绪论1 1 绪论1.1 研究雷达信号的目的意义1.2 雷达信号的复数表示1.3 雷达信号的相关特性最佳线性滤波器2 2 最佳线性滤波器雷达测量精度和分辨力3 3 雷达测量精度和分辨力3.1 “点目标”回波的数学模型3.2 雷达测距精度3.3 雷达测速精度3.4 信号的非线性相位特性对测量精度的影响 3.5 雷达不定原理3.6 距离分辨力3.7 速度分辨力模糊函数4 4 模糊函数4.1 模糊函数的推导4.2 模糊函数与分辨力的关系4.3 模糊函数与匹配滤波器输出响应的关系4.4 模糊函数的主要性质4.5 模糊图的切割4.6 模糊函数与精度的关系4.7 利用模糊函数对典型脉冲雷达信号进行分析调频脉冲信号5 5 调频脉冲信号5.1 线性调频脉冲信号的产生5.2 线性调频脉冲信号的频谱5.3 线性调频脉冲信号的波形参量5.4 线性调频脉冲信号的模糊函数 5.5 线性调频脉冲信号的性能5.6 线性调频脉冲信号的处理方法 5.7 线性调频脉冲信号的加权处理相位编码脉冲信号6 6 相位编码脉冲信号6.1 二相编码信号6.2 二元伪随机序列6.3 巴克（Barker）序列6.4 巴克码的处理6.5 巴克码旁瓣的抑制6.6 增加巴克码长度的方法6.7 相位编码信号多普勒敏感问题 6.8 多相编码信号简介相干脉冲串信号7 7 相干脉冲串信号7.1 相干脉冲串信号7.2 均匀脉冲串信号的频谱7.3 均匀脉冲串信号的模糊函数7.4 均匀脉冲串信号的处理7.5 均匀脉冲串信号的性能7.6 其它脉冲串信号介绍参考书：1、贾鸿志，《雷达信号分析》，南理工2、林茂庸，《雷达信号理论》，国防科技出版社3、N. LEVANON, E. MOZESON, RADAR SIGNALS,A JOHN WILEY & SONS, INC., PUBLICATION4、W.S. BURDIC, RADAR SIGNAL ANALYSIS绪论1 绪论11.1研究雷达信号的目的意义一、雷达所面临的问题�电子干扰(干扰机,欺骗式)�低空突防(巡航导弹)�ARM(百舌鸟反辐射导弹)�隐身(F117A隐身攻击机)二、雷达发射的信号与通信不同，信息在回波中，与发射信号形式有关。

电子科大雷达课程设计一、课程目标知识目标：1. 学生能够理解雷达系统的基本原理，掌握雷达方程及其在实践中的应用。

2. 学生能够掌握雷达信号处理的基本方法，包括脉冲压缩、动目标显示（MTI）和动目标检测（MTD）。

3. 学生能够描述不同类型的雷达系统，如脉冲雷达、连续波雷达和相控阵雷达，并了解它们的工作特点和应用领域。

技能目标：1. 学生能够设计简单的雷达系统，并进行参数计算，以评估系统性能。

2. 学生能够运用所学知识分析雷达信号处理过程中出现的常见问题，并提出解决方案。

3. 学生能够操作雷达模拟软件，进行基本的数据采集和处理，完成雷达信号的简单分析。

情感态度价值观目标：1. 学生培养对雷达技术及其在国防、民用领域重要性的认识，增强对科技进步的责任感和使命感。

2. 学生通过课程学习，激发对电子工程领域的兴趣，培养创新精神和团队合作意识。

3. 学生能够认识到雷达技术在实际应用中的局限性，培养严谨的科学态度和不断探索的精神。

课程性质：本课程为电子科技大学高年级专业课程，旨在帮助学生将理论知识与实际应用相结合，提高解决实际问题的能力。

学生特点：学生具备一定的电子工程基础知识，具有较强的逻辑思维能力和实践操作能力。

教学要求：注重理论与实践相结合，鼓励学生参与课堂讨论和实际操作，通过案例分析、课程设计等形式，提高学生的综合应用能力。

教学过程中，教师应引导学生积极思考，关注行业动态，培养学生的创新意识和实际操作技能。

通过本课程的学习，使学生能够达到上述课程目标，并为后续深造或从事相关工作打下坚实基础。

二、教学内容1. 雷达原理基础：包括雷达方程、雷达截面、传播衰减等基本概念，涉及教材第1章内容。

2. 雷达信号与脉冲雷达：讲解雷达信号的特性、脉冲雷达的工作原理及其波形设计，涉及教材第2章内容。

3. 雷达信号处理：涵盖脉冲压缩、动目标显示（MTI）和动目标检测（MTD）等信号处理技术，涉及教材第3章内容。

4. 雷达系统类型：介绍脉冲雷达、连续波雷达、相控阵雷达等不同类型雷达的原理、特点及应用，涉及教材第4章内容。

第6章软件测试6.1接收机处理模块6.1.1程序名:IQchannal函数IQchannal用于完成对目标回波进行下变频IQ两路正交分解工作。

输入参数为目标回波数据；输出参数为IQ两路信号数据。

图6.1频率带宽5MHz,载波频率为25MHz，采样频率为20MHz的线性调频信号图6.2载波频率为25MHz，采样频率为20MHz的11位巴克码信号下变频波形图6.3载波频率为25MHz，采样频率为20MHz的13位巴克码信号下变频波形程序编码IQchannalfunction Srt=IQchannal(Srt,Trec,f0)global FsN=length(Srt);% % 混频% t1=linspace(Trec(1),Trec(2),N);t1=Trec(1):(Trec(2)-Trec(1))/N:(Trec(2)-(Trec(2)-Trec(1))/N);for i=1:NXbi(i)=Srt(i)*sin(2*pi*f0*t1(i));Xbq(i)=Srt(i)*(cos(2*pi*f0*t1(i)));end% IQ相抽取if Fs>20e6D=3;Rbi=[zeros(1,D),Xbi];Rbq=[zeros(1,D),Xbq];Dlength=floor(length(Xbi)/D);clear Xbi Xbqfor i=1:Dfor j=1:DlengthXbi(i,j)=Rbi(D*(j-1)+D+2-i);Xbq(i,j)=Rbq(D*(j-1)+D+2-i);endend%低通滤波器load ham_filter.matham_length=length(ham_h);for i=1:Dfor j=1:floor(ham_length/D)H(i,j)=ham_h(D*(j-1)+i);endendham_length=length(H(i,:));ham_n=floor(ham_length/2);ham_zeros=zeros(1,ham_n);for i=1:DWbi(i,:)=filter(H(i,:),[1,0],[Xbi(i,:),ham_zeros]);Zbi(i,:)=Wbi(i,ham_n+1:end);Wbq(i,:)=filter(H(i,:),[1,0],[Xbq(i,:),ham_zeros]);Zbq(i,:)=Wbq(i,ham_n+1:end);endfor j=1:DlengthYbi(j)=sum(Zbi(:,j));Ybq(j)=sum(Zbq(:,j));endelse%低通滤波器load ham_filter.matham_length=length(ham_h);ham_n=floor(ham_length/2);ham_zeros=zeros(1,ham_n);Wbi=filter(ham_h,[1,0],[Xbi,ham_zeros]);Ybi=Wbi(ham_n+1:end);Wbq=filter(ham_h,[1,0],[Xbq,ham_zeros]);Ybq=Wbq(ham_n+1:end);end% 生成IQ相的复信号。