雷达海杂波模拟即matlab仿真—田彪

基于K分布舰载雷达海杂波仿真方法研究曹艳霞;李国君【摘要】海杂波的仿真对杂波环境下舰载雷达性能的研究具有重要意义。

介绍了海杂波仿真的有关概念，研究了基于 K 分布海杂波的建模及实现方法，建立了一个较为准确的舰载雷达海杂波幅度分布模型和功率谱模型，最后以 Matlab 为平台给予了仿真实现，仿真数据与理论曲线吻合较好，仿真算法有效可行。

结果表明，该方法可以有效地模拟舰载雷达海杂波特性，为雷达信号处理器的设计奠定了基础，该方法具有较高的估计精度和很好的工程实用性，对于雷达海杂波建模与仿真及其背景下目标检测研究具有现实意义。

%Simulation of sea clutter will benefit the research on ship-borne radar performance in the clut-ter environment.The essential of simulation of the sea clutter is introduced,and the modeling and realizing methods of ship borne radar sea clutter based on K-distribution are researched.The amplitude distribution model and power spectrum model are exactly established.At last,the simulation is performed with Matlab. The simulation data tallies with the theory curve well,and the simulation algorithm is feasible.The results demonstrate that this method can simulate sea clutter of ship-borne radar effectively,and lay a foundation for designing radar signal processor.This method is of high estimation precision and perfect engineering practica-bility.This conclusion is quite reasonable and applicable in the research on target detection under sea clutter background.【期刊名称】《雷达科学与技术》【年(卷),期】2016(014)001【总页数】5页(P86-90)【关键词】舰载雷达;海杂波;K分布;建模;仿真【作者】曹艳霞;李国君【作者单位】中国人民解放军 92941 部队，辽宁葫芦岛 125001;中国人民解放军92941 部队，辽宁葫芦岛 125001【正文语种】中文【中图分类】TN959.70 引言舰载雷达的背景是海面,由于海面和气象微粒反射使雷达波形成不希望的杂波背景,雷达在杂波背景中检测目标,杂波的作用降低了雷达信噪比,减小了雷达探测距离。

matlab仿真脉冲多卜勒雷达的信号处理目录目录-------------------------------------------------------- 1 第一章绪论-------------------------------------------------- 31.1 雷达起源 ---------------------------------------------- 31.2 雷达的发展历程 --------------------------------------- 4 第二章原理分析----------------------------------------------- 62.1 匹配滤波器原理 --------------------------------------- 62.2 线性调频信号（LFM） ---------------------------------- 82.3 LFM信号的脉冲压缩----------------------------------- 10 第三章多目标线性调频信号的脉冲压缩------------------------- 14 第四章仿真结果分析------------------------------------------ 164.1 时域图分析 ------------------------------------------ 164.2 回波信号频域图分析 ---------------------------------- 174.3 压缩信号图分析 -------------------------------------- 194.4 多目标压缩信号图分析 -------------------------------- 21 第五章问题回答--------------------------------------------- 23 第六章致谢与总结------------------------------------------- 24 附录（Matlab程序）------------------------------------------ 25第一章绪论1.1 雷达起源雷达的出现，是由于二战期间当时英国和德国交战时，英国急需一种能探测空中金属物体的雷达（技术）能在反空袭战中帮助搜寻德国飞机。

五、海杂波统计特性分析及其建模仿真[一] 课程设计的目的：1. 利用已有的IPIX 雷达海杂波数据来进行统计特性分析，如幅度分布、相关系数估计、功率谱估计等，对海杂波统计特性有一定的了解。

2. 在Matlab 环境下产生不同参数的相关复合K 分布的海杂波数据，并且能够对其统计特性进行分析。

3. 应用Matlab 语言工具实现各种随机序列的产生，理解和熟悉随机过程分析在实际中的应用。

[二] 课程设计的要求：1. 能够掌握和正确运用信号处理工具箱中的一些函数，通过这些函数的运用能够正确分析相应的雷达海杂波数据的统计特性。

2. 要求能够熟练应用Matlab 语言产生各种常见的随机分布序列，并能够了解和分析其统计特性。

3. 能够根据不同的要求设计产生出不同分布参数的相关K 分布海杂波随机序列，并能分析其统计特性及其相关特性。

[三] 课程设计的内容：1. 海杂波有关的特性阐述高分辨雷达、低观测角，海杂波体现一种脉冲行为，更准确地说显示为类似目标的回波，称为尖峰（spikes ）。

实验证明雷达杂波显著偏离了高斯行为，研究新的统计模型描述杂波的幅度、频谱和高阶统计量是很有必要的。

对于一阶幅度统计特征量已经提出了几种概率密度函数（PDF ）。

在低观测角时，与杂波幅度符合的很好的是双参数分布家族，即包含一个形状（shape ）参数和尺度（scale ）参数的PDF ，其中采用最多的是Weibull 和K 分布，这两种分布总体上是和复合高斯分布兼容的。

其PDF 分别为：1）Weibull分布的PDF为：()1exp p p z pz P z q q q −⎡⎤⎛⎞⎛⎞=−−⎢⎥⎜⎟⎜⎟⎢⎥⎝⎠⎝⎠⎣⎦，()120,0,0,2p z p q q σ>>>= 其中q为尺度因子，p为形状因子，根据不同的海情，在1.4到2之间变化。

若p＝2，就成为瑞利分布，若p＝1则为指数分布。

2）K 分布的PDF为：111()(),2()A a u f u K au ννννν−−−=Γ 0,u ≥ ,0a ν>其中：()Γi 为Gamma 函数，()K νi 是ν阶第二类修正贝赛尔函数，ν为形状参数，a 为尺度因子。

第二章机载相控阵雷达杂波建模与仿真§2.1引言众所周知，雷达体制及工作环境不同，雷达杂波的特性也不同。

机载雷达工作在下视状态，地（海）杂波是影响雷达探测性能的主要因素，因此，在研究AEW雷达CFAR检测算法之前，有必要获得对雷达杂波特性的充分认识。

鉴于机载雷达的杂波与反射地类有关且随时间变化，即不同的地类（如海洋和高山）有不同的分布特性，同一地类在不同时刻分布参数也有变化。

研究雷达杂波特性的方式有两种，一是对实际测量的杂波数据进行统计分析，二是结合AEW 雷达的实际体制与参数，对不同地类（如沙漠、农田、海洋、丘陵和高山等）用不同的杂波起伏模型进行建模与仿真。

相比较实测数据而言，仿真数据虽然不能完全真实地反映实际环境中的复杂情况，但其也有自身的优点，如参数可以灵活控制、代价小等。

长期以来，国内外雷达界同行在雷达杂波特性分析方面做了大量的工作，建立了一系列的杂波模型。

随着雷达新体制的不断涌现，对雷达杂波特性的研究也在不断的深入。

新一代AEW雷达采用相控阵和脉冲多普勒（PD）体制。

有关机载相控阵雷达杂波仿真问题，在以往的文献中已有涉及[115~117]。

其中，文献[115]对有关雷达杂波仿真的方法进行了较为全面和详细的介绍，文献[116]讨论了平面相控阵机载雷达二维杂波数据仿真的数学模型。

该模型考虑到了阵元幅相误差以及载机的姿态变化等因素，具有一定的通用性。

但该模型只假设杂波的功率谱为高斯分布，幅度上无起伏，而没有考虑非高斯过程。

文献[117]建立了比较了完整的杂波数据库，但该文也只重点讨论了二维杂波谱的特性。

由于我们的目的是进行CFAR检测方法研究，所以我们从另一个角度出发，重点讨论了杂波数据的概率密度函数，我们还给出了仿真杂波数据的幅度图和概率密度图以及一些结论。

本章主要对机载相控阵雷达在不同地类和不同起伏模型下的杂波进行建模与仿真，目的是建立起比较完整的杂波仿真平台和杂波数据库，为后续的CFAR算法研究提供支撑。

典型雷达信号的产生及其“模糊函数”仿真（含Matlab程序）雷达发射波形的选择和设计直接影响雷达的性能以及抗干扰能力。

本次课程重点从模糊函数出发，仿真分析多种典型雷达信号：线性调频脉冲信号、三角波调频连续波信号、二相编码信号(Barker码/m序列)、多相编码信号(Frank码)。

课程将给出上述典型雷达信号的产生以及模糊图的Matlab仿真程序。

雷达模糊函数模糊函数是进行雷达波形设计和分析信号处理系统性能的重要工具，根据雷达信号的模糊函数，可以确定雷达发射波形的分辨能力、测量精度、模糊情况以及抑制干扰的能力。

雷达模糊函数表示匹配滤波器的输出，描述目标的距离和多普勒频移对回波信号的影响，信号的雷达模糊函数通常被定义为二维互相关函数的模的平方。

具体表达式为：模糊函数关于多普勒频率和延迟时间的三维图形称为雷达的模糊图。

对于一种给定的波形，其模糊图可以确定该波形的一些特征，同时也可以用某个时间或者频率门限值来切割三维模糊图得到模糊等高图。

模糊图的原点处模糊函数的值等于与感兴趣目标反射的信号理想匹配时的匹配滤波器的输出。

非零时的模糊函数值表示与感兴趣目标有一定距离和多普勒的目标回波。

在二维坐标平面内，若模糊函数的绝对值逼近于冲击函数呈理想图钉型时，就可以得到理想的二维分辨率，相当于把所有能量都集中在了坐标原点附近。

这是一次精品课程(图文课程)，主要包含以下几个部分：一、模糊函数的概述二、线性调频脉冲信号及其模糊函数三、三角波调频连续波信号及其模糊函数四、二相码信号（Barker码/m序列）及其模糊函数五、多相码信号（Frank码）及其模糊函数具体内容见下面截图，订阅后可查看WORD可编辑版本以及下载相关Matlab仿真程序。

具体参数设置以及仿真结果见WORD文档和Matlab源程序。

线性调频（LFM ）脉冲压缩雷达仿真一． 雷达工作原理雷达是Radar （RAdio Detection And Ranging ）的音译词，意为“无线电检测和测距”，即利用无线电波来检测目标并测定目标的位置，这也是雷达设备在最初阶段的功能。

典型的雷达系统如图1.1，它主要由发射机，天线，接收机，数据处理，定时控制，显示等设备组成。

利用雷达可以获知目标的有无，目标斜距，目标角位置，目标相对速度等。

现代高分辨雷达扩展了原始雷达概念，使它具有对运动目标(飞机，导弹等)和区域目标(地面等)成像和识别的能力。

雷达的应用越来越广泛。

图1.1：简单脉冲雷达系统框图雷达发射机的任务是产生符合要求的雷达波形（Radar Waveform ），然后经馈线和收发开关由发射天线辐射出去，遇到目标后，电磁波一部分反射，经接收天线和收发开关由接收机接收，对雷达回波信号做适当的处理就可以获知目标的相关信息。

假设理想点目标与雷达的相对距离为R ，为了探测这个目标，雷达发射信号()s t ,电磁波以光速C 向四周传播，经过时间R C 后电磁波到达目标，照射到目标上的电磁波可写成：()Rs t C -。

电磁波与目标相互作用，一部分电磁波被目标散射，被反射的电磁波为()Rs t Cσ⋅-，其中σ为目标的雷达散射截面（Radar Cross Section ,简称RCS ），反映目标对电磁波的散射能力。

再经过时间R C 后，被雷达接收天线接收的信号为(2)Rs t C σ⋅-。

如果将雷达天线和目标看作一个系统，便得到如图1.2的等效，而且这是一个LTI （线性时不变）系统。

图1.2：雷达等效于LTI 系统等效LTI 系统的冲击响应可写成: 1()()Miii h t t σδτ==-∑ (1.1)M 表示目标的个数，i σ是目标散射特性，i τ是光速在雷达与目标之间往返一次的时间，2ii R cτ=(1.2) 式中，i R 为第i 个目标与雷达的相对距离。

clear, hold offformat compactJ = sqrt(-1);close all% Get root file name for saving resultsfile=input('Enter root file name for data and listing files: ','s');% form radar chirp pulseT = 10e-6; % pulse length, secondsW = 10e6; % chirp bandwidth, Hzfs = 12e6; % chirp sampling rate, Hz; oversample by a littlefprintf('\nPulse length = %g microseconds\n',T/1e-6)fprintf('Chirp bandwidth = %g Mhz\n',W/1e6)fprintf('Sampling rate = %g Msamples/sec\n',fs/1e6)s = git_chirp(T,W,fs/W); % 120-by-1 arrayplot((1e6/fs)*(0:length(s)-1),[real(s) imag(s)])title('Real and Imaginary Parts of Chirp Pulse')xlabel('time (usec)')ylabel('amplitude')gridNp = 20; % 20 pulsesjkl = 0:(Np-1); % pulse index array, 慢时间采样的序列，注意第一个PRI标记为0是为了慢时间起始时刻从零开始PRF = 10.0e3; % PRF in HzPRI = (1/PRF); % PRI in secT_0 = PRI*jkl; % relative start times of pulses, in secg = ones(1,Np); % gains of pulsesT_out = [12 40]*1e-6; % start and end times of range window in sec，这个就是接收窗的时间宽度TrecT_ref = 0; % system reference time in usec， T_ref = 0指T_0=0时，r_at_T_0 = ri ；当T_0 ~= 0时，r_at_T_0 = ri - vi*T_0(j)fc = 10e9; % RF frequency in Hz; 10 GHz is X-bandfprintf('\nWe are simulating %g pulses at an RF of %g GHz',Np,fc/1e9)fprintf('\nand a PRF of %g kHz, giving a PRI of %g usec.',PRF/1e3,PRI/1e-6) fprintf('\nThe range window limits are %g to %g usec.\n', ...T_out(1)/1e-6,T_out(2)/1e-6)% Compute unambiguous Doppler interval in m/sec% Compute unambiguous range interval in metersvua = 3e8*PRF/(2*fc); %第一盲速rmin = 3e8*T_out(1)/2;rmax = 3e8*T_out(2)/2;rua = 3e8/2/PRF;fprintf('\nThe unambiguous velocity interval is %g m/s.',vua)fprintf('\nThe range window starts at %g km.',rmin/1e3)fprintf('\nThe range window ends at %g km.',rmax/1e3)fprintf('\nThe unambiguous range interval is %g km.\n\n',rua/1e3)% Define number of targets, then range, SNR, and% radial velocity of each. The SNR will be the actual SNR of the target in% the final data; it will not be altered by relative range.Ntargets = 4; del_R = (3e8/2)*( 1/fs )/1e3; % in kmranges = [2 3.8 4.4 4.4]*1e3; % in kmSNR = [-3 5 10 7]; % dBvels = [-0.4 -0.2 0.2 0.4]*vua; % in m/sec% From SNR, we compute relative RCS using the idea that SNR is proportional% to RCS/R^4. Students will be asked to deduce relative RCS.rel_RCS = (10.^(SNR/10)).*(ranges.^4);rel_RCS = db(rel_RCS/max(rel_RCS),'power')fprintf('\nThere are %g targets with the following parameters:',Ntargets) for i = 1:Ntargetsfprintf('\n range=%5.2g km, SNR=%7.3g dB, rel_RCS=%7.3g dB, vel=%9.4g m/s', ...ranges(i)/1e3,SNR(i),rel_RCS(i),vels(i) )end% Now form the range bin - pulse number data mapdisp(' ')disp(' ')disp('... forming signal component')y = radar(s,fs,T_0,g,T_out,T_ref,fc,ranges,SNR,vels); % y是337-by-20的矩阵% add thermal noise with unit powerdisp('... adding noise')%randn('seed',77348911);[My,Ny] = size(y);nzz = (1/sqrt(2))*(randn(My,Ny) + J*randn(My,Ny)); % 产生方差为1的复高斯白噪声y = y + nzz;% create log-normal (ground) "clutter" with specified C/N and 具体原理不清楚，需要时套用此格式即可！% log-normal standard deviation for amplitude, uniform phase% Clutter is uncorrelated in range, fully correlated in pulse #disp('... creating clutter')CN = 20; % clutter-to-noise ratio in first bin (dB)SDxdB = 3; % in dB (this is NOT the sigma of the complete clutter) ncc=10 .^((SDxdB*randn(My,Ny))/10);ncc = ncc.*exp( J*2*pi*rand(My,Ny) );% Force the power spectrum shape to be Gaussiandisp('... correlating and adding clutter')G = exp(-(0:4)'.^2/1.0);G = [G;zeros(Ny-2*length(G)+1,1);G(length(G):-1:2)];for i=1:Myncc(i,:)=ifft(G'.*fft(ncc(i,:)));end% rescale clutter to have desired C/N ratiopcc = var(ncc(:));ncc = sqrt((10^(CN/10))/pcc)*ncc;% 10*log10(var(ncc(:))/var(nzz(:))) % check actual C/N% Now weight the clutter power in range for assume R^2 (beam-limited) losscweight = T_out(1)*((T_out(1) + (0:My-1)'*(1/fs)).^(-1));cweight = cweight*ones(1,Np);ncc = ncc.*cweight; % var(ncc)可以看出20列clutter的方差均在30左右y = y + ncc;[My,Ny]=size(y);d=(3e8/2)*((0:My-1)*(1/fs) + T_out(1))/1e3; % T_out(1))/1e3是接收窗的起始时刻plot(d,db(y,'voltage'))xlabel('distance (km)')ylabel('amplitude (dB)')grid% Save the data matrix in specified file.% Save the student version in the mystery file.% Also save all parameter value displays in corresponding filedata_file=[file,'.mat'];mystery_file=[file,'_mys.mat'];listing_file=[file,'.lis'];eval(['save ',data_file,' J T W fs s Np PRF PRI T_out fc vua', ...' rmin rmax rua Ntargets ranges vels SNR rel_RCS y']);eval(['save -v6 ',mystery_file,' J T W fs s Np PRF T_out fc y']);fid=fopen(listing_file,'w');fprintf(fid,['\rDESCRIPTION OF DATA IN FILE ',file,'.mat AND ',file,'_mys.mat\r\r']);fprintf(fid,'\rPulse length = %g microseconds\r',T/1e-6);fprintf(fid,'Chirp bandwidth = %g Mhz\r',W/1e6);fprintf(fid,'Sampling rate = %g Msamples/sec\r',fs/1e6);fprintf(fid,'\rWe are simulating %g pulses at an RF of %g GHz',Np,fc/1e9); fprintf(fid,'\rand a PRF of %g kHz, giving a PRI of %g usec.',PRF/1e3,PRI/1e-6);fprintf(fid,'\rThe range window limits are %g to %g usec.\r', ...T_out(1)/1e-6,T_out(2)/1e-6);fprintf(fid,'\rThe unambiguous velocity interval is %g m/s.',vua); fprintf(fid,'\rThe range window starts at %g km.',rmin/1e3);fprintf(fid,'\rThe range window ends at %g km.',rmax/1e3);fprintf(fid,'\rThe unambiguous range interval is %g km.\r\r',rua/1e3); fprintf(fid,'\rThere are %g targets with the following parameters:', ... Ntargets);for i = 1:Ntargetsfprintf(fid,'\r range=%5.2g km, SNR=%7.3g dB, rel_RCS=%7.3g dB, vel=%9.4g m/s', ...ranges(i)/1e3,SNR(i),rel_RCS(i),vels(i) );endfclose(fid);fprintf(['\n\nData is in file ',data_file])fprintf(['\nStudent data is in file ',mystery_file])fprintf(['\nListing is in file ',listing_file,'\n\n']) _________________________________________________________________________用到的函数function y = radar( x, fs, T_0, g, T_out, T_ref, fc, r, snr, v )% RADAR simulate radar returns from a single pulse or burst% of identical pulses% usage:% R = radar( X, Fs, T_0, G, T_out, T_ref, Fc, R, SNR, V )% X: baseband single pulse waveform (complex vector)% Fs: sampling frequency of input pulse [in Hz]% T_0: start time(s) of input pulse(s) [sec]% (number of pulses in burst assumed = length(g) )% G: complex gain(s) of pulse(s)，即慢时间，各个PRI对应的脉冲的前的加权 20-by-1% T_out: 2-vector [T_min,T_max] defines output% window delay times w.r.t. start of pulse% T_ref: system "reference" time, needed to simulate% burst returns. THIS IS THE "t=0" TIME !!!% Fc: center freq. of the radar. [in Hz]% R: vector of ranges to target(s) [meters]% (number of targets assumed = length(r) )% SNR: vector of target SNRs (unit noise power assumed)% This will be SNR *after* allowing for R^4% V: vector of target velocities (optional) [in m/sec]% (positive velocities are towards the radar)%% note(1): VELOCITY in meters/sec !!!% distances in m, times in sec, BW in Hz.% note(2): assumes each pulse is constant (complex) amplitude% note(3): will accomodate up to quadratic phase pulses% note(4): vector of ranges, R, allows DISTRIBUTED targets%% (c) jMcClellan 7/28/90% Modified by M. A. Richards, August 1991J = sqrt(-1);c = 3e8; % velocity of light in m/sec Mx = length(x);delta_t = 1/fs; % sampling interval (sec)t_y = [ T_out(1):delta_t:T_out(2) ]'; % output sampling times (sec)，接收窗的宽度的等间隔采样 337-by-1T_p = Mx*delta_t; % length of input pulse (sec)，基带信号chirp的脉冲持续时间，即Te% Assume zero velocities (stationary targets) if no velocity% vector providedif nargin < 7v = zeros(r);end% ensure that all vectors are column vectorsx=x(:); g=g(:); T_0=T_0(:); r=r(:); snr=snr(:); v=v(:);%determine the quadratic phase modulation parameters for% later interpolation of pulse samplest_x = delta_t*[0:(Mx-1)]';x_ph = unwrap(angle(x)); %基带chirp信号的相位，可以看出x_ph是个抛物线q = polyfit(t_x,x_ph,2); %目的是用 q = ax^2 + bx + c 逼近x_ph% check result using correlation coefficientxfit = polyval(q,t_x); % 看看用 q = ax^2 + bx + c 拟合的xfit与x_ph的一致程度if (x_ph'*xfit)/norm(x_ph)/norm(xfit) < 0.99disp('pulse phase is not quadratic')keyboardend%%--- Form (initially empty) output matrix ---%Mr = length(t_y); Nr = length(g); % output samples in a matrixy = zeros(Mr,Nr); % 337-by-20% Index 'i' loops over the number of targets for i = 1:length(r)ri = r(i);vi = v(i);f_doppler = 2*vi*fc/c; %看看目标以速度v接近雷达应该如何表示，f_doppler = 2*v/lambda % Index 'j' loops over the number of pulses for j = 1:length(g) % 20 pulsesr_at_T_0 = ri - vi*T_0(j); %一般 T_0 = 0表示当下目标离雷达距ri，若 T_0 = 7 则表示7秒前目标离雷达距ri，现在目标距雷达？ % Compute start and end time of reflected pulse at receiver,% ensure that it falls at least partially within the range (time) windowtau = 2*r_at_T_0/(c+vi); tmax = tau + T_p;if tau >= T_out(2) | tmax <= T_out(1)fprintf('\nEcho from target #%g at range %g km',i,ri)fprintf('\nis COMPLETELY OUT OF the range window')fprintf('\non pulse #%g.\n',j)else % Figure out which sample locations in the output grid contain% reflected pulset_vals = t_y - tau; %t_y是接收窗的区间 tau = 2*r_at_T_0/(c+vi) ，表示tau时刻目标位于r_at_T_0 ，tau即书上的t0 = 2R0/c% 用t_vals 而不是t_y是为了用 t_vals与 [0, T_p]这两个上下界相比较，可以想象若用t_y应该和 tau 和 T_p + tau比较 n_out = find( t_vals >= 0 & t_vals < T_p ); %T_p是chirp基带信号的长度，一个chirp脉冲携带有效测量数据，即Te上的采样点if tau < T_out(1)fprintf('\nEcho from target #%g at range %g km',i,ri) fprintf('\nSTARTS BEFORE the range window')fprintf('\non pulse #%g.\n',j)endif tmax > T_out(2)fprintf('\nEcho from target #%g at range %g km',i,ri) fprintf('\nFINISHES AFTER the range window')fprintf('\non pulse #%g.\n',j)end % Place scaled, range-delayed, Doppler shifted pulse into output matrix% Unit noise power and unit nominal pulse amplitude assumed to% get amplitude from SNR. amp = 10^(snr(i)/20);% n_out 是对应chirp脉冲宽度Te的120-by-1向量，原来接收的chirp信号未经过脉冲压缩在距离上占据c*Te/2米的长度，和对应长度的rect信号在距离上占据的长度是一样的! 经过脉冲压缩后chirp信号在距离上才占据c/(2B)米的长度。

相控阵雷达 matlab一、相控阵雷达的概念和原理相控阵雷达（Phased Array Radar）是一种基于微波电路技术的雷达系统，它通过控制天线阵列中每个单元的发射和接收信号时序和幅度，实现对目标的定位、跟踪和识别。

相比传统的机械扫描雷达，相控阵雷达具有扫描速度快、灵活性高、抗干扰能力强等优点。

相控阵雷达的原理是基于波束形成技术，即将多个天线单元组合成一个虚拟天线，通过改变各个天线单元之间的相位差来实现波束方向和宽度的调节。

这样可以实现对目标在不同方向上进行扫描和跟踪。

二、Matlab在相控阵雷达中的应用Matlab是一种强大的数学计算软件，在相控阵雷达领域也有广泛应用。

以下是Matlab在相控阵雷达中常见应用场景：1. 相控阵天线设计Matlab可以辅助进行天线设计，包括天线单元数量、间距、位置等参数的确定。

同时还可以进行电磁仿真分析，验证天线的性能和可行性。

2. 波束形成算法Matlab可以实现各种波束形成算法，包括传统的波束形成方法和自适应波束形成方法。

通过模拟实验，可以比较不同算法的性能和适用范围。

3. 目标检测与跟踪Matlab可以进行目标检测和跟踪，根据雷达接收到的信号数据，利用信号处理技术实现对目标的识别和跟踪。

同时还可以进行仿真模拟，验证算法的准确性和可靠性。

4. 仿真模拟Matlab可以进行相控阵雷达系统的仿真模拟，包括天线阵列、信号处理、目标模型等多个方面。

通过仿真模拟，可以评估系统性能、优化参数设置等。

三、相控阵雷达系统设计流程相控阵雷达系统设计流程一般包括以下几个步骤：1. 系统需求分析在设计相控阵雷达系统前，需要明确系统需求和指标要求。

包括工作频段、扫描范围、分辨率、灵敏度等参数。

2. 天线设计根据系统需求确定天线单元数量、间距、位置等参数，进行天线阵列的设计和优化。

3. 信号处理算法选择与优化根据系统需求和目标特点，选择合适的波束形成算法和信号处理算法，并进行优化。

雷达系统分析大作作 者： 陈雪娣 学号：04104207271. 最大不模糊距离： ,max 1252u rC R km f == 距离分辨率： 1502mcR m B ∆== 2. 天线有效面积： 220.07164e GA m λπ==半功率波束宽度：3 6.4o dbθ==3. 模糊函数的一般表示式为()()()22*2;⎰∞∞-+=dt e t s t s f d f j d πττχ 对于线性调频信号 ()21Re j t p t s t ct e T πμ⎛⎫= ⎪ ⎪⎝⎭则有：()()221;Re Re p j t T j t d ppp t t f ct ct e e dt T T T πμπμτχτ∞+-∞⎛⎫⎛⎫+=⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎰ ()()()sin 1;11d p p d p d p p f T T f T f T T τπμττχττπμτ⎛⎫⎛⎫+- ⎪⎪ ⎪ ⎪⎛⎫⎝⎭⎝⎭=- ⎪ ⎪⎛⎫⎝⎭+-⎪ ⎪⎝⎭分别令0,0==d f τ可得()()220;,;0τχχd f()()sin 0;d p d d pf T f f T πχπ=()sin 1;011p p p p p T T T T T τπμττχττπμτ⎛⎫⎛⎫-⎪ ⎪ ⎪ ⎪⎛⎫⎝⎭⎝⎭=- ⎪ ⎪⎛⎫⎝⎭- ⎪ ⎪⎝⎭程序代码见附录1的T_3.m, 仿真结果如下:4. 程序代码见附录1的T_4.m, 仿真结果如下:通过比较得知，加窗后的主副瓣比变大，副瓣降低到40db 以下，但主瓣的宽度却增加了，约为未加窗时的1.5倍，主瓣也有一定的损失。

5.由雷达方程221340(4)tPG Te SNR KT LFR λσπ=计算可得 1196.5540log SNR R =- db作图输出结果如下，程序代码见附录1的T_5.m在R=70km 时,计算得单个脉冲的SNR 1=2.7497 db,要达到要求的检测性能则需要12.5dB 的最小检测输入信噪比，而M 个相参脉冲积累可以将信噪比提高M 倍， 故10)1(SNR D M ==9.4413因此要达到要求就需要10个以上的相参脉冲进行积累。

高精度雷达海杂波建模和仿真段海龙;任淑艳;胡山;李静【摘要】海杂波作为一种具有统计特性的随机变量,它的特性可以用幅度分布特性和语特性来描述,这里提出了基于K分布的高精度雷达海杂波模型和仿真算法.零记忆非线性变换法ZMNL(zeromemory nonlinearity)可以产生相关和非相关的雷达杂波.对高精度雷达产生的海杂波利用K分布进行了仿真,对这种算法的思路和实现步骤进行了说明,并利用ZMNL方法产生符合该分布的海杂波,同时详细地给出了杂波产生的方法及过程.%Sea clutter is described as random processes statistical characterization of the clutter requires marginal probability density functions of its samples. The paper proposes a sea clutter model and a simulation method based on K - distribution for high - precision radar. Zero memory nonlinearity can generate coherent correlation radar clutter.The paper simulated the radar sea clutter in highprecision radar by K - distribution and presented the sea clutter according with K- distribution following ZMNL. The method to produce the clutter was detailed. The clutter used the method had a good match with real sea clutter signal. It has a important meaning to the radar- electronic- war simulation and the design of radar detector.【期刊名称】《机械与电子》【年(卷),期】2011(000)001【总页数】4页(P74-77)【关键词】海杂波;K分布;零记忆非线性变换法【作者】段海龙;任淑艳;胡山;李静【作者单位】天津市信息传感与智能控制重点实验室,天津,300222;天津职业技术师范大学,天津,300222;天津市信息传感与智能控制重点实验室,天津,300222;天津职业技术师范大学,天津,300222;天津市信息传感与智能控制重点实验室,天津,300222;天津职业技术师范大学,天津,300222;天津市信息传感与智能控制重点实验室,天津,300222;天津职业技术师范大学,天津,300222【正文语种】中文【中图分类】TN950 引言雷达在搜索和跟踪低空海面目标时,天线波束的主瓣或旁瓣打地形成的杂波信号严重影响了对它们的检测和跟踪。