无线电定位原理与技术实验报告docWord格式文档下载.docx
《无线电定位原理与技术实验报告docWord格式文档下载.docx》由会员分享，可在线阅读，更多相关《无线电定位原理与技术实验报告docWord格式文档下载.docx（23页珍藏版）》请在冰豆网上搜索。
1.3实验要求
本实验为演示实验，观察实验现象，并在PC机使用Matlab对实验数据进行分析。
实验要求：
1.掌握雷达测速原理，
2.了解连续波雷达测速实验仪器原理及使用，
3.使用Matlab对实验数据进行分析，得到回波多普勒频率和目标速度。
1.4实验内容
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取波形较好的512点，作出时域波形与频谱，并求出目标速度，其中，发射波频率为10GHz。
1.5实验结果分析
首先将实验中TXT文件录取的数据读入到MATLAB中去，对其进行FFT变换并分析频域。
在对数据的处理过程中，我注意到数据的平均值不为零，这个说明存在着直流分量。
因而采用MATLAB强制地将零频出的值变为0，以免对实验的数据产生影响。
对于数据一，实验的截图如下所示。
上图为时域的信号，相对而言比较接近正弦波，采样点数N=434；
下图为频域分析图，由于在[0,2π]之间存在两个峰值，因此通过axis函数控制只显示了正半频域部分。
同时，为了精确求出幅值最大点，我在文件中利用matlab逻辑运算操作，执行以下命令
由上可知峰值对应出的N值nd=10
因为我在实验中采用的采样频率为2048Hz，发射波的频率为10GHz，波长为3米通过计算可知：
多普勒频移=47.1889Hz
目标移动速度=0.7078m/s
对于数据二，实验的截图如下所示。
上图为时域的信号，相对而言比较接近正弦波，采样点数N=396；
由上可知峰值对应出的N值nd=12
多普勒频移=62.0606Hz
目标移动速度=0.9309m/s
对于数据三，实验的截图如下所示。
上图为时域的信号，相对而言比较接近正弦波，采样点数N=398；
由上可知峰值对应出的N值nd=11
因为我在实验中采用的采样频率为2048Hz，发射波的频率为10GHz，波长为0.03米通过计算可知：
多普勒频移=56.6030Hz
目标移动速度=0.8490m/s
1.6实验源程序
%实验一：
连续波雷达测速实验
clearall;
t=load（'
C:
\Users\dell\Desktop\实验\1110520115.1.txt'
）;
fs=2048;
%抽样频率2048Hz
T=fft（t）;
T
（1）=0;
%由于所测数据含有直流成分，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后最大值所在的位置,只算[0,pi]之间的正半部分
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'
gridon;
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
频率/Hz'
电压/U'
频率分析'
axis（[043402300]）;
2实验二线调频信号及匹配滤波仿真实验
LFM信号以其优越的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的应用。
2.1线调频信号谱分析
线调频（LFM）信号时域表达式：
式中：
是矩形函数，k是调频斜率，并且与调制频偏
的关系是：
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重要的参数。
LFM信号的频谱近似为：
近似程度取决于时宽带宽积D，D越大，近似程度越高，即频谱越接近于矩形。
图2-1LFM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，固定目标的回波时域表示：
对应的匹配滤波器的传输函数近似（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：
匹配滤波器的包络输出如下图3-2所示，所示，通常规定顶点下降到－4dB处的宽度为输出脉冲的脉宽
，并且有
，所以脉冲压缩比：
图2-2LFM通过匹配滤波器的时域图（例）
对应的匹配滤波器的传输函数在大时宽带宽积下，如上图3-3所示，与辛格函数拟和很好，在主瓣和临近的几个旁瓣都没有偏差，但是在小时宽带宽积下，仅在主瓣和辛格函数拟和无偏差，而在旁瓣偏差较大。
2.3实验要求
本实验为仿真实验。
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的影响。
2.4实验内容
用matlab编写源程序，实现上述实验要求。
2.5实验结果与分析
备注：
1、在本实验当中，由于原先采集的数据与实际值相符合地不是很好，因此在写实验报告的时候我决定放弃原先采集的数据，直接采用MATLAB来进行数据的模拟，实际上也确实模拟地不错。
2、根据信号与系统中所学的傅里叶变换的形式，可知在实验中进行匹配滤波时应该采用正交双通道处理。
在MATLAB中如果直接采用chirp函数产生余弦形式的信号进行匹配滤波，其效果与理想的sinc函数有一定的差距。
2.5.1线性调频信号仿真与分析
线性调频信号仿真：
我编写了一个chirp_m.m的子函数文件可以产色很难过exp形式的线性调频信号，一共有三组信号，各自的时域图像和频域图像如下所示（假设各自的抽样频率均为100MHz）:
第一组信号：
实验信号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：
实验信号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：
实验信号x1，扫频周期为10us是，fs=100MHz，扫频带宽20MHz，时域带宽积为200。
分析：
通过对上面的三幅图的对比和分析可知，LFM信号在时域变化有规律随着时间疏密程度不同，在频域为一接近矩形的窗，并且近似程度与带宽B和扫描周期T无关，只与时宽带宽积D有关。
时宽带宽积越大，其近似程度也就越大。
不过从图中也可以看出，随着D的增大，其边沿处的上冲并不会消失，也就是说Gibbs效应依然存在。
2.5.2匹配滤波仿真与分析
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，因此我采用的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，和接收信号的傅立叶变换相乘后，再作傅立叶逆变换。
为了防止频域混叠，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的条件，之后再做ifft。
首先进行的是第一组和第二组信号的匹配滤波，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的图像，实验结果的截图如下：
通过对第一个图和第二图的对比可以发现，对应的匹配滤波器的传播函数在大时宽带宽积下（第二个图），与sinc函数相拟合地很好，相临近的两个旁瓣的误差并不是很大，但是对于小的时宽带宽积来说（第一个图），从第一个旁瓣就开始出现了一定的偏差。
两个图当中第一副瓣的平均电平为-13.4dB，与理论值相符合地很好。
此外，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,与理论值相符很好。
在做第三组实验时，我没有再控制B不变或者T不变，只是将D改变了，主要的目的也是为了能够观察D变化所带来的影响。
实验截图如下所示：
一方面能够得到和上述实验一样的结论，即随着时宽带宽积的增大，输出函数与sinc函数拟合地越来越好。
另一方面，发现随着B的改变会引起输出脉冲的脉宽T0的变化，换句话说如果带宽B不变的话，T0应该也就不发生变化，事实确实如此。
2.5.3加窗处理仿真及分析
实际上上述的匹配滤波相当于矩形加窗处理，为此，我决定采用海明窗和汉宁窗对三组数据进行处理比较。
加窗处理仿真：
第一组信号采用海明和汉宁窗处理后的图像：
第二组信号采用海明和汉宁窗处理后的图像：
第三组信号采用海明和汉宁窗处理后的图像：
通过图像可以发现，加窗处理后对旁瓣的抑制作用更为明显，但是同时也带来了脉冲分辨率的降低。
2.6实验源程序
%实验二：
线调频信号及匹配滤波仿真实验
%第一组实验信号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
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信号的时域及频域形式
figure
（1）
plot（t1-4,real（x1））;
时间/us'
Chirp信号时域图像'
plot（W1/pi*50,abs（X1））;
频率/MHz'
Chirp信号频域图像'
%***********************************************************
%第二组实验信号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
f0=-7;
t2=0:
k2=1.75;
B2=2*abs（f0）;
D2=T*（B2）;
[x2,W2,X2]=chirp_m（fs,T,f0,k2）;
figure
（2）
plot（t2-4,real（x2））;
plot（W2/pi*50,abs（X2））;
%*************************************************************
%第三组实验信号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;
f0=-10;
t3=0:
k3=2;
B3=2*abs（f0）;
D3=T*（B3）;
[x3,W3,X3]=chirp_m（fs,T,f0,k3）;
figure（3）
plot（t3-5,real（x3））;
plot（W3/pi*50,abs（X3））;
%************************************************************
%比较下T不变时，观察改变B时导致匹配滤波结果如何变化
%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;
%为保证圆周卷积不混叠，至少做2*N+L-1点FFT
t1=-1:
0.01:
（1-0.01）;
%为更好地显示图像，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）
plot（t1,20*log10（abs（s1）/max（s1））,'
-.'
holdon;
set（gca,'
Xtick'
[-0.06250.0625],'
Ytick'
[-13.4,-4]）;
plot（t1,20*log10（abs（h1（1:
200））/max（abs（h1））））;
第一个chirp信号经过匹配滤波后的频域图像'
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
N2=length（t2）;
r2=[zeros（1,L）x2];
M2=2*N2+L;
t2=-1:
X2=fft（x2,M2）;
R2=fft（r2,M2）;
h2=ifft（conj（X2）.*R2）;
s2=sqrt（D2）*sinc（B2*t2）;
plot（t2,20*log10（abs（s2）/max（s2））,'
[-0.03570.0357],'
plot（t2,20*log10（abs（h2（1:
200））/max（abs（h2））））;
第二个chirp信号经过匹配滤波后的频域图像'
B=14MHz,D=112'
%比较观察改变D时导致匹配滤波结果如何变化
figure（5）
T=8us,D=112'
%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
N3=length（t3）;
r3=[zeros（1,L）x3];
M3=2*N3+L;
t3=-1:
X3=fft（x3,M3）;
R3=fft（r3,M3）;
h3=ifft（conj（X3）.*R3）;
s3=sqrt（D3）*sinc（B3*t3）;
p1=plot（t3,20*log10（abs（s3）/max（s3））,'
plot（t3,20*log10（abs（h3（1:
200））/max（abs（h3））））;
第三个chirp信号经过匹配滤波后的频域图像'
T=10us,D=200'
%****************************************************************
%选用第一组LFM信号，观察对其海明窗和汉宁窗加权后的处理结果，并与原未加窗的结果相比较
w=hamming（36）;
W1=fft（w'
M1）;
n=hanning（36）;
N1=fft（n'
figure（6）
subplot（311）;
[-13.4]）;
第一个Chirp信号匹配滤波后图像'
时间us'
axis（[-1,1,-100,0]）;
h11=ifft（conj（X1）.*R1.*W1）;
subplot（312）;
plot（t1,20*log10（abs（h11（1:
200））/max（abs（h11））））;
[-41]）;
第一组Chirp信号加hamming窗后的图像'
h11=ifft（conj（X1）.*R1.*N1）;
subplot（313）;
第一组Chirp信号加hanning窗后的图像'
%选用第二组LFM信号，观察对其海明窗和汉宁窗加权后的处理结果，并与原未加窗的结果相比较
W2=fft（w'
M2）;
N2=fft（n'
figure（7）
第二个Chirp信号匹配滤波后图像'
h22=ifft（conj（X2）.*R2.*W2）;
plot（t2,20*log10（abs（h22（1:
200））/max（abs（h22））））;
第二组Chirp信号加hamming窗后的图像'
h22=ifft（conj（X2）.*R2.*N2）;
第二组Chirp信号加hanning窗后的图像'
%选用第三组LFM信号，观察对其海明窗和汉宁窗加权后的处理结果，并与原未加窗的结果相比较
W3=fft（w'
M3）;
N3=fft（n'
figure（8）
第三个Chirp信号匹配滤波后图像'
h33=ifft（conj（X3）.*R3.*W3）;
plot（t3,20*log
升级会员 