流并加速系统仿真
相控阵系统工具箱™可用于模拟端到端相控阵系统 - 生成传输波形，模拟目标返回，然后处理接收的信号以检测目标。这在示例中显示：模拟雷达接收器的测试信号和波形设计，提高现有系统的范围性能。此示例显示如何在流模式下模拟此类系统，以便您可以长时间运行模拟并观察系统动态。
模拟设置
首先，使用一些基本参数设置雷达系统。整个雷达系统类似于所示的雷达系统波形设计，提高现有系统的范围性能例子。
fs = 6e6;bw = 3e6;C = 3E8;FC = 10E9;prf = 18750;num_pulse_int = 10;[波形，发射器，散热器，收集器，接收器，敏感，......目标，TGTMotion，Channel，MatchedFilter，TVG，阈值] =......HelperradarStreamexamplesystemsetup（FS，BW，PRF，FC，C）;
系统仿真
接下来，运行100个脉冲的模拟。在此模拟期间，使用四个时间范围来观察各个阶段的信号。前三个范围显示传输的信号，接收信号和匹配后的滤波器和10脉冲的增益调整信号。尽管传输信号是高功率脉冲序列，但是由于传播损耗，范围2示出了较弱的接收信号。不能使用预设检测阈值检测该信号。即使在匹配过滤和增益补偿之后，检测所有三个目标也仍然具有挑战性。
％预分配fast_time_grid = 0：1 / FS：1 / PRF-1 / FS;num_pulse_samples = numel（fast_time_grid）;rx_pulses = complex（zeros（num_pulse_samples，num_pulse_int））;mf_pulses =复杂（zeros（num_pulse_samples，num_pulse_int））;detect_pulse = zeros（num_pulse_samples，1）;％模拟环路为了m = 1：10 * num_pulse_int％更新传感器和目标位置[SensorPos，SensorVel] =敏感（1 / PRF）;[tgtpos，tgtvel] = tgtmotion（1 / prf）;％计算传感器所示的目标角度[tgtrng，tgtang] = rangeangle（tgtpos，sensorpos）;％模拟脉冲在目标方向上的传播pulse = waveform（）;[脉冲，txstatus] =发射器（脉冲）;TXSIG =散热器（脉冲，TGTANG）;TXSIG =通道（TXSIG，SENSORPOS，TGTPOS，SENSERVEL，TGTVEL）;％反映目标脉冲tgtsig = target（txsig）;％接收传感器的目标返回rxsig =收集器（tgtsig，tgtang）;nn = mod（m-1，num_pulse_int）+1;rx_pulses（：，nn）=接收器（rxsig，〜（txstatus> 0））;％检测处理mf_pulses（：，nn）= matchedfilter（rx_pulses（：，nn））;mf_pulses（：，nn）= tvg（mf_pulses（：，nn））;％每个'num_pulse_int'脉冲执行脉冲集成如果nn == num_pulse_int detect_pulse = pulsint（mf_pulses，'无组织'）;结尾HelperradarStreamDisplay（脉冲，ABS（RX_PURSENS（：，NN）），......ABS（mf_pulses（：，nn）），detect_pulse，......SQRT（阈值）* of（num_pulse_samples，1））;结尾
使用代码生成提高模拟速度
由于雷达系统需要密集的加工，仿真速度是一个主要问题。运行100脉冲以查看代码后，您可能想要运行1000个脉冲。在解释的MATLAB模式下运行模拟时，可以使用以下时间测量过去的时间：
tic;HelperradarstreamRun;time_interpreted = toc.
time_interpreted = 13.3774.
如果模拟太慢，您可以使用Matlab Coder™加速它。MATLAB编码器可以生成编译的MATLAB®代码，导致处理速度的显着提高。在此示例中，MATLAB编码器从HelperradarStreamRun函数生成HelperradarStreamRun_mex函数。使用的命令如下所示：
Codegen HelperradarstreamRun.m.m.
当调用MEX版本时，仿真速度得到改善。
tic;HelperradarstreamRun_Mex;time_compiled = toc.
time_compiled = 5.6389.
加速改进取决于机器CPU速度和可用存储器等几个因素，但通常增加3-4次。请注意，Matlab编码器不会加上使用范围的数据可视化，并且仍由MATLAB解释器处理。如果可视化对您的模拟并不重要，那么您可以将它们删除以进行进一步的速度改进。
以下是采用此方法时的几个权衡：
与MATLAB中可用的相比，生成代码中的可视化功能非常有限。如果您需要保持模拟中的可视化，请使用
编码器.Extrinsic.诡计;但这会减慢模拟。与原始MATLAB代码相比，生成的代码不允许变量类型和大小的动态变化。生成的代码通常针对特定的变量类型和大小进行优化;因此，可以在例如通过PRF的变化来引起可变类型和大小的任何变化需要重新编译。
当Matlab仿真时间很长时间，模拟速度效益变得更加重要。如果MATLAB仿真在几秒钟内完成，则通过从原始MATLAB仿真生成代码来获得太多。如前一个子弹中所提到的，通常需要在参数更改时重新编译代码。因此，首先首先使用MATLAB仿真来识别适当的参数值，然后使用生成的代码来运行长仿真。
概括
此示例显示如何在流模式下执行雷达系统仿真。它还显示了如何使用代码生成来加速模拟。使用生成的代码和MATLAB代码之间的权衡将在最后讨论。
您还可以从以下列表中选择一个网站：
