MATLAB雷达信号处理仿真设计Word文件下载.docx
《MATLAB雷达信号处理仿真设计Word文件下载.docx》由会员分享,可在线阅读,更多相关《MATLAB雷达信号处理仿真设计Word文件下载.docx(18页珍藏版)》请在冰豆网上搜索。
其中u服从(0-1)单位均匀分布,
服从(a-b)分布
所以根据上式,可以先产生一个服从(0-1)单位均匀分布的信号,然后再将其经过上式的变换,就可以得到一个服从(a-b)均匀分布的信号了。
同样Matlab本身也自带了(0-1)单位均匀分布的内部函数rand,格式如下:
Y=rand(n)
Y=rand(m,n)
Y=rand([mn])
Y=rand(size(A))
s=rand('
rand函数产生的随机序列服从(0-1)单位均匀分布。
Y=rand(n)产生的是一个n×
n的随机序列矩阵,而Y=rand(m,n)和Y=rand([mn])产生的m×
n的随机序列矩阵,Y=rand(size(A))产生的是大小与矩阵A同样大小的随机序列矩阵。
)返回的是一个具有两个元素的向量,该向量显示的是当前(0-1)单位均匀随机数产生器的状态。
rand('
s)指令可以将产生器的状态设置到s,而rand('
0)则可以将(0-1)单位均匀分布随机数产生器的状态恢复到初始状态。
因此,可以写出服从(a-b)均匀分布的随机序列的产生程序,如下:
a=2;
%(a-b)均匀分布下限
b=3;
%(a-b)均匀分布上限
fs=1e7;
%采样率,单位:
Hz
t=1e-3;
%随机序列长度,单位:
s
n=t*fs;
0);
%把均匀分布伪随机发生器置为0状态
u=rand(1,n);
%产生(0-1)单位均匀信号
x=(b-a)*u+a;
%广义均匀分布与单位均匀分布之间的关系
subplot(2,1,1),plot(x),title('
均匀分布信号'
);
%输出信号图
subplot(2,1,2),hist(x,a:
0.02:
b),title('
均匀分布信号直方图'
%输出信号的直方图
输出结果如图5.8所示。
图5.8服从(a-b)均匀分布的随机序列及其直方图
3.服从指数分布的热噪声(随机序列)
参数为λ的指数分布的概率密度函数为:
(5.2.5)
根据指数分布的概率密度函数和(0-1)单位均匀分布的概率密度函数可以推导出它们之间的关系为:
或
(5.2.6)
由于ui服从(0-1)单位均匀分布,所以(1-ui)仍然服从(0-1)单位均匀分布,所以上式可以简化为:
(5.2.7)
其中u服从(0-1)单位均匀分布,ξ服从参数为λ的指数分布
所以根据上式,可以先产生一个服从(0-1)单位分布的信号,然后再将其经过上式的变换,就可以得到一个服从参数为λ的指数分布的信号了。
实现程序如下:
lambda=2.5;
%指数分布参数
%采样频率
%时间长度
u=rand(1,n)%产生单位均匀信号
x=log2(1-u)/(-lambda);
%指数分布与单位均匀分布之间的关系
subplot(2,1,1),plot(0:
1/fs:
t-1/fs,x),xlabel('
t(s)'
),ylabel('
x(V)'
title('
指数分布信号'
subplot(2,1,2),hist(x,0:
0.05:
4),title('
指数分布信号直方图'
输出结果如图5.9所示。
图5-9指数分布随机序列及其直方图
4.服从瑞利(Rayleigh)分布的热噪声(随机序列)
瑞利(Rayleigh)分布的概率密度函数为:
(5.2.8)
根据瑞利(Rayleigh)分布的概率密度函数和(0-1)单位均匀分布的概率密度函数可以推导出它们之间的关系为:
其中u服从(0-1)单位均匀分布,ξ服从瑞利(Rayleigh)分布。
所以根据上式,可以先产生一个服从(0-1)分布的信号,然后再将其经过上式的变换,就可以得到一个服从瑞利(Rayleigh)分布的信号了。
产生瑞利分布的热噪声实现程序如下,结果如图5.10所示。
sigma=2;
%瑞利分布参数sigma;
%杂波时间长度
%采样率
t1=0:
t-1/fs;
n=length(t1);
x=sqrt(2*log2(1./u))*sigma;
%产生瑞利分布信号1
瑞利分布噪声'
),xlabel('
t(单位:
s)'
%输出信号图
0.1:
10),title('
瑞利分布信号直方图'
图5.10服从瑞利分布热噪声及其直方图
5.2.2杂波的模拟和实现
雷达工作的环境如地面、海面及空中的云雨、干扰箔条等背景形成的杂波对雷达性能影响很大。
很显然,雷达工作环境的不同,雷达所接收的杂波就不同。
按照杂波背景的不同,通常人们把杂波分为地物杂波、海杂波和气象杂波等类型。
不同的杂波类型具有不同的杂波特性,对于地物杂波,可采用幅度概率分布为瑞利分布、对数正态分布、Weibull分布的模型来描述,功率谱为高斯谱、立方谱,常用的谱型为高斯谱;
海杂波可采用幅度为对数正态分布、K分布的高斯谱杂波模型来表示;
气象杂波可采用幅度分布为瑞利分布的高斯谱模型来描述。
具体对应某种杂波,采用何种幅度分布及功率谱模型由实际情况而定。
统计模型的杂波模拟就是产生同时具有特定的概率密度和功率谱密度(或者相关函数)的随机序列。
产生特定概率分布和任意功率谱函数的杂波序列的方法有很多,其中较为经典的两种方法是球形不变随机过程法(SphericallyInvariantRandomProcesses,SIRP)和广义维纳过程的零记忆非线性变换法(ZeroMemoryNonlinearity,ZMNL)。
1.瑞利分布杂波的产生
瑞利分布是雷达杂波中最常用也是用得最早的一种统计模型。
在雷达可分辨范围内,当散射体的数目很多时,根据散射体反射信号振幅和相位的随机特性,它们合成回波的包络振幅是服从瑞利分布的。
如果采用x表示瑞利分布杂波回波的包络振幅,其下的概率密度函数可表示为
(5.2.9)
式中,σ是杂波的标准差。
这种分布的杂波的产生相对比较简单,其框图表示如下:
图5.11瑞利杂波模型
图5.11中,
、
是服从
的相互独立的高斯白噪声,经过线性滤波器H(z)后,其杂波的两个正交分量功率谱密度为
,而它的幅度
服从瑞利分布。
【例5.2-1】假设杂波的速度方差
=1.0(m/s),波长为5cm,由此,
=40Hz,雷达脉冲重复频率为1000Hz。
概率密度函数的参数为
=1.2。
滤波器的设计采用傅立叶级数展开法,功率谱采用高斯谱模型。
模拟的杂波的功率谱密度采用Burg法估计得到,概率密度函数的估计采用直方图估计法
实现程序如下,模拟结果如图5.12所示。
%%瑞利分布杂波模拟
clearall;
closeall
azi_num=2000;
%雷达回波帧数,一帧表示一个重复周期。
fr=1000;
%脉冲重复频率(Hz)
lamda0=0.05;
%波长
sigmav=1.0;
sigmaf=2*sigmav/lamda0;
sum(100*clock));
%产生服从U(0,1)的随机序列
d1=rand(1,azi_num);
7*sum(100*clock)+3);
d2=rand(1,azi_num);
xi=2*sqrt(-2*log(d1)).*cos(2*pi*d2);
%正交且独立的高斯序列~N(0,1);
xq=2*sqrt(-2*log(d1)).*sin(2*pi*d2);
coe_num=12;
%求滤波器系数,用傅立叶级数展开法
forn=0:
coe_num
coeff(n+1)=2*sigmaf*sqrt(pi)*exp(-4*sigmaf^2*pi^2*n^2/fr^2)/fr;
end
forn=1:
2*coe_num+1
ifn<
=coe_num+1
b(n)=1/2*coeff(coe_num+2-n);
else
b(n)=1/2*coeff(n-coe_num);
%生成高斯谱杂波
xxi=conv(b,xi);
xxq=conv(b,xq);
xxi=xxi(coe_num*2+1:
azi_num+coe_num*2);
%目的是去掉暂态响应
xxq=xxq(coe_num*2+1:
xisigmac=std(xxi);
ximuc=mean(xxi);
yyi=(xxi-ximuc)/xisigmac;
xqsigmac=std(xxq);
xqmuc=mean(xxq);
yyq=(xxq-xqmuc)/xqsigmac;
sigmac=1.2;
%杂波的标准差
yyi=sigmac*yyi;
%使瑞利分布杂波具有指定的标准差
yyq=sigmac*yyq;
ydata=yyi+j*yyq;
figure
(2),
subplot(2,1,1),plot(real(ydata));
title('
瑞利杂波时域波形,实部'
subplot(2,1,2),plot(imag(ydata));
瑞利杂波时域波形,虚部'
num=100;
%求概率密度函数的参数
maxdat=max(abs(ydata));
mindat=min(abs(ydata));
NN=hist(abs(ydata),num);
xpdf1=num*NN/((sum(NN))*(maxdat-mindat));
xaxis1=mindat:
(maxdat-mindat)/num:
maxdat-(maxdat-mindat)/num;
th_val=(xaxis1./sigmac.^2).*exp(-xaxis1.^2./(2*sigmac.^2));
%概率密度函数理论值
figure(3);
plot(xaxis1,xpdf1);
%作出仿真结果的概率密度函数曲线
hold,plot(xaxis1,th_val,'
:
r'
%作出理论概率密度函数曲线
杂波幅度分布'
xlabel('
幅度'
ylabel('
概率密度'
signal=ydata;
signal=signal-mean(signal);
%求功率谱密度,先去掉直流分量
%%用Burg法估计功率谱密度
figure(4),M=256;
psd_dat=pburg(real(signal),32,M,fr);
psd_dat=psd_dat/(max(psd_dat));
%归一化处理
freqx=0:
0.5*M;
freqx=freqx*fr/M;
plot(freqx,psd_dat);
杂波频谱'
xlabel('
频率(Hz)'
功率谱密度'
%作出理想高斯谱曲线
powerf=exp(-freqx.^2/(2*sigmaf.^2));
hold;
plot(freqx,powerf,'
图5.12瑞利分布杂波及其概率分布密度和频谱仿真结果
2.相关对数正态分布杂波的产
在高分辨率和低擦地角条件下,海面和地面的回波可以认为服从对数正态分布。
对数正态分布的概率密度函数为:
,
(5.2.10)
式中,
是尺度参数,表示分布的中位数;
是形状参数,表明分布的偏斜度。
产生相关对数正态杂波序列的模型如图5.13所示。
图5.13相关对数正态杂波序列产生模型
【5.2.2】概率密度参数
=0.6dB,尺度参数
=10,谱型为高斯谱,其
为40Hz,滤波器的设计采用傅立叶级数展开法。
模拟的杂波的功率谱密度采用Burg法估计得到,概率密度函数的估计采用直方图估计法。
实现程序如下,模拟结果如图5.14所示。
%雷达回波帧数,一帧表示一个重复周期。
%脉冲重复频率(Hz)
%产生服从U(0,1)的随机序列
xi=1*(sqrt(-2*log(d1)).*cos(2*pi*d2));
%正交且独立的高斯序列~N(0,1);
coeff(n+1)=2*sigmaf*sqrt(pi)*exp(-4*sigmaf^2*pi^2*n^2/fr^2)/fr;
else
end
%%高斯谱杂波生成
%目的是去掉暂态响应
xsigmac=std(xxi);
xmuc=mean(xxi);
yyi=(xxi-xmuc)/xsigmac;
muc=10;
%中位值
sigmac=0.6;
%形状参数
yyi=sigmac*yyi+log(muc);
xdata=exp(yyi);
%对数正态分布的杂波序列
figure,plot(xdata);
对数正态分布杂波时域波形'
%求概率密度函数的参数
maxdat=max(abs(xdata));
mindat=min(abs(xdata));
NN=hist(abs(xdata),num);
%用直方图估计的概率密度函数
th_val=lognpdf(xaxis1,log(muc),sigmac);
figure,plot(xaxis1,xpdf1);
%作出仿真结果的概率密度函数曲线
%作出理论概率密度函数曲线
signal=xdata;
signal=signal-mean(xdata);
%求功率谱密度,先去掉直流分量
M=128;
psd_dat=pburg(real(signal),16,M,fr);
%归一化
figure,plot(freqx,psd_dat);
图5.14相关对数正态分布杂波及其概率分布密度和频谱仿真结果
3.相关Weibull分布杂波的产生
在对非高斯杂波的模拟中,与对数正态分布杂波相比,Weibull分布模型在很宽的条件范围内很好地与实验数据相匹配,它能很好地描述多种杂波,包括地物杂波、海杂波和云雨杂波等。
而且瑞利分布是Weibull分布的一个特例,因此,Weibull分布杂波,特别是具有一定相关性的Weibull分布杂波的模拟具有重要意义。
Weibull分布的概率密度函数为:
(5.2.11)
式中,q是尺度参数,表示分布的中位数,p是形状参数,表明分布的偏斜度。
可以看出,p=2时的Weibull分布就是瑞利分布,即如前面所说的,瑞利分布是Weibull分布的特例。
Weibull分布随机变量x可以用两个正态分布随机变量w1和w2表示,即
(5.2.12)
这是一个非线性变换,其中,w1和w2为具有相同正态分布
且相互独立的随机变量,并且有:
(5.2.13)
因此,可以得到Weibull分布杂波的模拟框图,如图5.15所示。
图5.15相关Weibull分布杂波序列产生模型
【例5.2-3】求概率密度参数p=1.5,q=2,谱型为高斯谱的相关Weibull分布,其
模拟的杂波的功率谱密度采用Burg法估计得到。
实现程序如下,仿真结果如图5.16所示。
%雷达回波帧数,一帧表示一个重复周期。
sigmav=0.7;
%高斯谱杂波生成
p=1.5;
%形状参数
q=2.2;
%尺度形状参数
sigmac=sqrt((q.^p)/2);
%线性滤波后的方差
xdata=(yyi.*yyi+yyq.*yyq).^(1/p);
%韦布尔分布杂波数据
韦布尔分布杂波时域波形'
xpdf1=getpdf(abs(xdata),num,maxdat,mindat);
th_val=p*(xaxis1.^(p-1)).*exp(-(xaxis1/q).^p)./(q.^p);
M=256;
freq