雷达波形之一——LFM线性调频波形

文章目录

  • 前言
  • 一、线性调频信号的形式
    • 1、原理
    • 2、时域表达式
    • 3、频域表达式
  • 二、MATLAB 仿真
    • 1、涅菲尔积分
      • ①、MATLAB 源码
      • ②、仿真结果
    • 2、LFM
      • ①、MATLAB 源码
      • ②、仿真结果
        • 1) 典型 LFM 波形,实部
        • 2) 典型 LFM 波形,虚部
        • 3) LFM 波形的典型谱


前言

线性调频(Linear Frequency Modulation,LFM)信号具有很大的时宽带宽积,可获得很大的脉冲压缩比,是雷达系统和声呐系统广泛采用的一种信号形式。本文主要进行线性调频信号的理论学习,并使用 MATLAB 进行仿真。


一、线性调频信号的形式

1、原理

频率或相位调制信号用来得到宽得多的工作带宽。线性调频(LFM)是常用的方式。在这种情况下,频率在脉宽内线性扫描,或者向上(上调频)或者向下(下调频)。匹配滤波器的带宽与扫描的带宽成比例,与脉宽无关,下图为一个典型的 LFM 波形样本,脉宽为 τ \tau τ,带宽为 B B B
在这里插入图片描述

典型 LFM 波形


LFM 上变频波形的瞬时相位可以表示为:
ψ ( t ) = 2 π ( f 0 t + μ 2 t 2 ) − τ 2 ≤ t ≤ τ 2 \psi(t)=2\pi(f_0t+\frac{\mu}{2}t^2) \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2} ψ(t)=2π(f0t+2μt2)2τt2τ
其中, f 0 f_0 f0 为雷达中心频率, μ = ( 2 π B ) / τ \mu=(2\pi B)/\tau μ=(2πB)/τ 是 LFM 系数,因此,瞬时频率为
f ( t ) = 1 2 π d d t ψ ( t ) = f 0 + μ t − τ 2 ≤ t ≤ τ 2 f(t)=\frac{1}{2\pi}\frac{d}{dt}\psi(t)=f_0+\mu t \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2} f(t)=2π1dtdψ(t)=f0+μt2τt2τ

同理,下变频波形的瞬时相位和频率分别为:
ψ ( t ) = 2 π ( f 0 t − μ 2 t 2 ) − τ 2 ≤ t ≤ τ 2 \psi(t)=2\pi(f_0t-\frac{\mu}{2}t^2) \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2} ψ(t)=2π(f0t2μt2)2τt2τ

f ( t ) = 1 2 π d d t ψ ( t ) = f 0 − μ t − τ 2 ≤ t ≤ τ 2 f(t)=\frac{1}{2\pi}\frac{d}{dt}\psi(t)=f_0-\mu t \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2} f(t)=2π1dtdψ(t)=f0μt2τt2τ

2、时域表达式

典型的线性调频信号可以表示为:
s ( t ) = r e c t ( t τ ) e j 2 π ( f 0 t + μ 2 t 2 ) s(t)=rect(\frac{t}{\tau})e^{j2\pi (f_0t+\frac{\mu}{2}t^2)} s(t)=rect(τt)ej2π(f0t+2μt2)
其中, r e c t ( t / τ ) rect(t/\tau) rect(t/τ) 表示宽度为 τ \tau τ 的矩形脉冲,则上式可写成:
s 1 ( t ) = e j 2 π f 0 t s ( t ) s_1(t)=e^{j2\pi f_0}ts(t) s1(t)=ej2πf0ts(t)
其中: s ( t ) = r e c t ( t τ ) e j π μ t 2 s(t)=rect(\frac{t}{\tau})e^{j\pi \mu t^2} s(t)=rect(τt)eμt2 s 1 ( t ) s_1(t) s1(t) 的复包络。

3、频域表达式

信号 s 1 ( t ) s_1(t) s1(t) 的频谱由它的复包络 s ( t ) s(t) s(t) 决定, s 1 ( t ) s_1(t) s1(t) 中的复指数项表示中心频率 f 0 f_0 f0 的频移。将 s ( t ) s(t) s(t) 进行傅里叶变换,得到
在这里插入图片描述
其中:
在这里插入图片描述
C ( x ) C(x) C(x) S ( x ) S(x) S(x) 表示菲涅尔积分,定义如下:
在这里插入图片描述
菲涅尔积分近似为:
在这里插入图片描述
注意: C ( − x ) = − C ( x ) , S ( − x ) = − S ( x ) C(-x)=-C(x),S(-x)=-S(x) C(x)=C(x)S(x)=S(x)

将菲涅尔积分代入 LFM 频域表达式 S ( ω ) S(\omega) S(ω),得到:
在这里插入图片描述

二、MATLAB 仿真

1、涅菲尔积分

①、MATLAB 源码

clear all
close all
n = 0;
 for x = 0:.05:4
     n = n+1;
     sx(n) = quadl('fresnels',.0,x);
     cx(n) = quadl('fresnelc',.0,x);
 end
plot(cx)
x=0:.05:4; 
plot(x,cx,'k',x,sx,'k--')
grid
xlabel ('x')
ylabel ('Fresnel integrals: C(x); S(x)')
legend('C(x)','S(x)')

②、仿真结果

下图为 C ( x ) C(x) C(x) S ( x ) S(x) S(x) 0 ≤ x ≤ 4.0 0\le x \le 4.0 0x4.0时的图形
请添加图片描述

菲涅尔积分


2、LFM

①、MATLAB 源码

下述为绘制 LFM 信号实部、虚部及幅度谱的典型图形。

close all
clear all
eps = 0.000001;
%Enter pulse width and bandwidth
B = 200.0e6; %200 MHZ bandwidth
T = 10.e-6; %10 micro second pulse;
% Compute alpha
mu = 2. * pi * B / T;
% Determine sampling times
delt = linspace(-T/2., T/2., 10001); % 1 nano sceond sampling interval
% Compute the complex LFM representation
Ichannal = cos(mu .* delt.^2 / 2.); % Real part
Qchannal = sin(mu .* delt.^2 / 2.); % Imaginary Part
LFM = Ichannal + sqrt(-1) .* Qchannal; % complex signal
%Compute the FFT of the LFM waveform
LFMFFT = fftshift(fft(LFM));
% Plot the real and Immaginary parts and the spectrum
freqlimit = 0.5 / 1.e-9;% the sampling interval 1 nano-second
freq = linspace(-freqlimit/1.e6,freqlimit/1.e6,10001);
figure(1)
plot(delt*1e6,Ichannal,'k');
axis([-1 1 -1 1])
grid
xlabel('Time - microsecs')
ylabel('Real part')
title('T = 10 Microsecond, B = 200 MHz')
figure(2)
plot(delt*1e6,Qchannal,'k');
axis([-1 1 -1 1])
grid
xlabel('Time - microsecs')
ylabel('Imaginary part')
title('T = 10 Microsecond, B = 200 MHz')
figure(3)
plot(freq, abs(LFMFFT),'k');
%axis tight
grid
xlabel('Frequency - MHz')
ylabel('Amplitude spectrum')
title('Spectrum for an LFM waveform and T = 10 Microsecond, B = 200 MHZ')

B 的值为 200.0e6,表示 200 MHz 的带宽。T 的值为 10.e-6,表示 10 微秒的脉冲宽度。

②、仿真结果

1) 典型 LFM 波形,实部

请添加图片描述

2) 典型 LFM 波形,虚部

请添加图片描述

3) LFM 波形的典型谱

下图中类似方形的频谱就是广为人知的菲涅尔谱。

请添加图片描述


我的qq:2442391036,欢迎交流!


本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/127932.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

追寻Moonbeam身影,泰国区块链周正在火热进行中!

继Moonbeam参与HK Web3月之后,下一站便是由Cryptomind Group举办的泰国2023年区块链周。本次位于泰国的区块链周以“熊市中建设,牛市中崛起”为理念,旨在为对区块链技术感兴趣的个人和投资者提供机会接触行业中的团队和专家,并邀请…

【学习笔记】MySQL死锁及热点行问题

目录 案例优化思路死锁的一些记录笔记热点行问题 本文记录下关于MySQL优化的学习和一点点思考。 案例 一个并发比较大的下单接口; 包括 step1 扣减商品库存step2 生成订单数据step3 记录操作记录 伪代码如下,底层使用的是MySQL数据库,单体服务…

家政系统、家政小程序

家政系统、家政小程序。提供线上下单,订单微信提醒,手机端一键派单,保姆月嫂人员展示,预约。拼团、秒杀、分销等营销功能。系统管理订单,人员,财务。

微头条项目实战:新增RequestHeader注解

1、RequestHeader package com.csdn.mymvc.annotation; import java.lang.annotation.*; Target(ElementType.PARAMETER) Retention(RetentionPolicy.RUNTIME) Inherited public interface RequestHeader { }2、DispatcherServlet package com.csdn.mymvc.core; import com.csd…

外贸SEO外链类型有哪些?外链建设如何做?

外贸SEO外链资源怎么找?海洋建站SEO外链优化方法? 外贸SEO外链在提高网站排名、吸引流量、增加品牌曝光方面发挥着重要作用。海洋建站将探讨外贸SEO外链的不同类型,帮助外贸企业更好地理解如何优化他们的在线营销策略。 外贸SEO外链&#x…

centos配置docker环境

CentOS系统更换软件安装源 yum默认链接的还是国外的镜像,速度相对不理想,配置成国内的镜像会快很多,这里以阿里镜像为例进行配置: 首先进行更新: yum updatebase源 第一步:备份你的原镜像文件,以免出错后…

工厂设备报修的流程是怎样的?维修流程要如何优化?

在当今高度自动化的生产环境中,工厂设备的正常运行无疑对于企业的生产效率和经济效益具有至关重要的影响。然而,设备故障是生产过程中不可避免的现象。当设备发生故障时,如何快速、有效地进行报修、维修,以恢复设备的正常运转&…

Activiti

序言 activiti是一个工作流引擎,可以将业务系统中复杂的业务流程抽取出来,使用专门的建模语言BPMN进行定义(所以我们也需要了解BPMN相关信息),业务流程按照预先定义的流程进行执行。实现了系统的流程由activiti进行管理,减少业务系…

Linux--信号

一.引号的产生 1.什么是信号 在生活中,信号的产生是多种多样的,比如红绿灯,闹钟等等,Linux中的信号是什么呢? 1.在Linux中,信号的本质是一种通信方式,由用户或操作系统发送信号,通知…

性格软弱怎么办?如何改变性格软弱?

软弱指的是身体衰弱无力气,而这里要说的是性格软弱,性格软弱的人,大多是不自信的,无主见,容易妥协,害怕产生矛盾,遇到问题就想逃避,自我否定,担心自己这也不行那也不行。…

vue+css动画 实现文字的上下轮播切换

突然间碰到一个比较丝滑的特效,就研究了一下想把它实现出来。 效果:渐隐消失,底部往上走覆盖出现 以下是完整代码,复制粘贴即可运行 <template><div class="aaa"><divclass="page1":class="{ private-fade-out: prevIndex === 1…

代码随想录算法训练营第四十七天丨 动态规划part10

121. 买卖股票的最佳时机 思路 动态规划 动规五部曲分析如下&#xff1a; 确定dp数组&#xff08;dp table&#xff09;以及下标的含义 dp[i][0] 表示第i天持有股票所得最多现金 &#xff0c;这里可能有疑惑&#xff0c;本题中只能买卖一次&#xff0c;持有股票之后哪还有…

Python大语言模型实战-利用ChatDev框架自动开发一个游戏软件(附完整教程)

实现功能 ChatDev一个由多智能体协作框架&#xff0c;是一个虚拟软件公司&#xff0c;在人类 “用户” 指定一个具体的任务需求后&#xff0c;不同角色的智能体将进行交互式协同&#xff0c;以生产一个完整软件&#xff08;包括源代码、环境依赖说明书、用户手册等&#xff09…

利用IP风险画像强化金融行业网络安全防御

在数字化时代&#xff0c;金融行业日益依赖互联网和技术创新&#xff0c;但这也使得金融机构成为网络攻击的主要目标。为了应对日益复杂的网络威胁&#xff0c;金融机构迫切需要采用先进的安全技术和工具。其中&#xff0c;IP风险画像技术成为提升网络安全的一项重要策略。 1.…

若依分离版——使用Knife4j 自动生成接口文档

背景&#xff1a; 前后端分离程序&#xff0c;如果需要前端开发人员和后端开发人员配合开发&#xff0c;则需要将接口文档并显性给前端人员 解决办法&#xff1a; 使用knife4j替代若依自带的swagger&#xff0c;因为knife4j是在swagger基础上包装的&#xff0c;Knife4j不仅具…

Django生鲜蔬菜采购系统-计算机毕设 附源码 24033

Django生鲜蔬菜采购系统 目 录 摘要 1 绪论 1.1 研究背景 1.2国内外研究现状 1.3论文结构与章节安排 2 生鲜蔬菜采购系统系统分析 2.1 可行性分析 2.1.1 技术可行性分析 2.1.2 经济可行性分析 2.1.3 操作可行性分析 2.2 系统流程分析 2.2.1 数据流程 3.3.2 业务流…

react类式组件的生命周期和useEffect实现函数组件生命周期

概念 生命周期是一个组件丛创建,渲染,更新,卸载的过程,无论是vue还是react都具有这个设计概念,也是开发者必须熟练运用的,特别是业务开发,不同的生命周期做不同的事是很重要的. ....多说两句心得,本人是先接触vue的,无论是vue2还是vue3的生命周期,在理解和学习上都会比react更…

【三维重建】摄像机几何

针孔相机模型 为了方便我们对针孔相机模型进行数学建模&#xff0c;我们往往对虚拟像平面进行研究&#xff0c;因为虚拟像平面的方向与我们实际物体的方向一致。 通过相似三角形法可以得到三维坐标到二维坐标映射 将像平面原点坐标移动到左下角&#xff1a; 加上现实世界单位&a…

Excel表列序号

题意&#xff1a; 给你一个字符串 columnTitle &#xff0c;表示 Excel 表格中的列名称。返回 该列名称对应的列序号 。 例如&#xff1a; A -> 1 B -> 2 C -> 3 … Z -> 26 AA -> 27 AB -> 28 … 示例 1: 输入: columnTitle “A” 输出: 1 示例 2: 输…

植物补光灯,哪种效果好?

室内种植物有诸多好处&#xff1a;空间装饰、吸收有害物质、释放氧气&#xff0c;使室内空气更加清新&#xff1b;植物的蒸腾作用可以增加室内的湿度&#xff0c;改善秋冬季干燥的室内环境&#xff0c;可谓是天然的加湿器。 然而由于缺乏太阳光&#xff0c;在室内养植并不是一…