波形设计，提高现有系统的范围性能
此示例显示了波形类型如何影响雷达系统的检测性能。该示例考虑了现有的新性能目标的情况雷达系统设计。由于旧设计无法再达到所需的性能，因此采用了一种新的波形。该示例还示出了如何模拟抖动目标，模拟返回，然后检测目标范围。
设计规范变化
在该示例中设计了一个单体脉冲雷达模拟雷达接收器的测试信号实现以下目标：
最小目标雷达横截面（RCS）：1 ，非流通;
最大明确范围：5公里;
检测概率：0.9;
误报概率：1E-6。
加载BasicMonostaticRadareXampledata.;
新的性能要求
系统部署后，出现两个新要求：
最大明确范围需要延长到8公里。
该系统还需要能够检测到抖动的情况2目标。
现有的设计是否可以修改以实现新的性能目标？要回答这个问题，我们需要重新计算受这些新要求影响的参数。
第一个受影响的参数是脉冲重复频率（PRF）。它需要基于新的最大明确范围来重新计算。
prop_speed =辐射器.Propagationspeed;max_range = 8000;prf = prop_speed /（2 * max_range）;
与现有设计的30 kHz PRF相比，新的PRF，18.737 kHz较小。因此，脉冲间隔更长。请注意，这是雷达软件的琐碎变化，硬件成本相当便宜。
waveform.prf = prf;
接下来，因为使用抖动案例2模型描述了目标，我们需要使用Shnidman的等式而不是albersheim的等式，以计算所需的SNR以实现指定的PD和PFA。Shnidman的等式假设无组织集成和平方法检测器。脉冲数为10。
num_pulse_int = 10;PFA = 1E-6;snr_min = shnidman（0.9，pfa，num_pulse_int，2）
snr_min = 6.1583
波形选择
如果我们要在现有设计中使用相同的矩形波形，则脉冲宽度将保持不变，因为它由范围分辨率决定。但是，由于我们的最大范围从5km到8km增加到8公里，并且目标模型从非流出到抖动箱2切换，因此我们需要重新计算所需的峰值发射功率。
FC =散热器。频繁频繁;lambda = prop_speed / fc;peak_power =（（4 * pi）^ 3 * noispow（1 / waveform.pulsewidth）* max_range ^ 4 *......DB2Pow（SNR_min））/（DB2Pow（2 *变送器.Gain）* 1 * lambda ^ 2）
Peak_Power = 4.4821E + 04
峰值功率大约比以前的要求大8倍。这不再是琐碎的修改，因为（1）现有的雷达硬件旨在产生峰值功率约为5200W的脉冲。虽然大多数设计将留下一些高于所需功率的保证金，但现有系统不太可能能够容纳八倍的功率;（2）更换硬件以输出这种高功率是非常昂贵的。因此，需要修改当前的设计以通过使用更复杂的信号处理技术来适应新目标。
线性FM波形
减少功率要求的一种方法是使用除矩形波形之外的波形。例如，线性FM波形可以使用比矩形波形更长的脉冲。结果，所需的峰值发射功率下降。
让我们检查线性FM波形配置的细节。
所需的范围分辨率确定波形带宽。对于线性FM波形，带宽等于其扫描带宽。然而，脉冲宽度不再限于脉冲带宽的倒数，因此可以使用更长的脉冲宽度。我们使用脉冲宽度为20倍，并将采样率设置为脉冲带宽的两倍。
Range_res = 50;pulse_bw = prop_speed /（2 * Range_res）;pulse_width = 20 / pulse_bw;fs = 2 * pulse_bw;WaveForm = phased.linearfmwaveform（......'sweepbandwidth'，pulse_bw，......'planewidth'，pulse_width，......'prf'，prf，......'采样率'，FS）;
我们现在确定实现设计要求所需的新所需的传输功率。
peak_power =（（4 * pi）^ 3 * noispow（1 / waveform.pulsewidth）* max_range ^ 4 *......DB2Pow（SNR_min））/（DB2Pow（2 *变送器.Gain）* 1 * lambda ^ 2）
peak_power = 2.2411e + 03
该发射功率良好地在我们现有雷达系统的能力范围内。我们已经实现了一个峰值发射功率，可以满足新要求而不修改现有硬件。
变送器.PeakPower = Peak_Power;
系统仿真
现在我们已经定义了达到设计规范的雷达，我们设置了目标和环境来模拟整个系统。
目标
与上述示例一样，我们假设自由空间环境中有3个目标。然而，现在目标模型是抖动的情况2，目标位置和平均雷达横截面如下规定：
TGTPOS = [[2024.66;0;0]，[6518.63;0;0]，[6845.04;0;0];tgtvel = [[0; 0; 0]，[0; 0; 0]，[0; 0; 0]];tgtmotion = phased.platform（'初始位置'，tgtpos，'速度'，tgtvel）;TGTRCS = [2.2 1.1 1.05];FC =散热器。频繁频繁;target = phased.radartarget（......'模型'那'swerling2'那......'veslrcs'，TGTRC，......'运行频率'，FC）;
我们设置了用于在目标中生成RC的种子，以便我们可以重现相同的结果。
target.seedsource ='财产';target.seed = 2007;
传播环境
我们还在雷达和每个目标之间设置传播通道。
channel = phased.freespace（......'采样率'，waveform.samplerate，......'twowaypropagation'，真的，......'运行频率'，FC）;
信号合成
我们将种子设置为接收器中的噪声产生，以便我们可以再现相同的结果。
Receiver.seedsource =.'财产';receiver.seed = 2007;fast_time_grid = Unigrid（0,1 / FS，1 / PRF，'[）'）;slow_time_grid =（0：num_pulse_int-1）/ prf;rxpulses = zeros（numel（fast_time_grid），num_pulse_int）;％预处理为了m = 1：num_pulse_int％更新传感器和目标位置[SENSORPOS，SENSENVEL] =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（）;[txsig，txstatus] =发射器（脉冲）;TXSIG =散热器（TXSIG，TGTANG）;TXSIG =通道（TXSIG，SENSORPOS，TGTPOS，SENSERVEL，TGTVEL）;％反映目标脉冲tgtsig = target（txsig，true）;％接收传感器的目标返回rxsig =收集器（tgtsig，tgtang）;rxpuarses（：，m）=接收器（rxsig，〜（txstatus> 0））;结尾
范围检测
检测阈值
考虑脉冲集成，使用噪声信息计算检测阈值。注意，在加载的系统中，如上所述的示例中所述，噪声带宽是采样率的一半。我们将阈值与前两个脉冲一起绘制。
COURLE_BW = RECERIVER.SAMPLEDE / 2;npower = noispow（keck_bw，......Receiver.NoiseFigure，Receiver.ReferenceTemperature）;阈值= npower * db2pow（npwgnthresh（pfa，num_pulse_int，'无组织'））;pulseplotnum = 2;Helperradarpulseplot（RxPurses，门槛，......fast_time_grid，slow_time_grid，pulseplotnum）;
该图表明脉冲非常宽，这可能导致范围差。另外，第二和第三目标被噪声完全掩盖。
匹配过滤器
如在矩形波形的情况下，首先将接收的脉冲通过匹配的滤波器以改善SNR。匹配过滤器提供了进一步提高检测阈值的处理增益。另外，线性FM波形的匹配滤波器的附加益处是它在时域中压缩波形，使得滤波的脉冲变得更窄，这转化为更好的范围分辨率。
matchingcoeff = getMatchedFilter（波形）;matchedfilter = phased.matchedfilter（......'cofficientssource'那'财产'那......'系数'，matchingcoeff，......'gainoutputport'，真的）;[rxpulses，mfgain] = matchedfilter（rxpurses）;阈值=阈值* db2pow（mfgain）;
补偿匹配的过滤器延迟。
matchingdelay =尺寸（匹配coeff，1）-1;rxpulses =缓冲液（Rxpurses（匹配Delay + 1：end），大小（rxpulece，1））;
然后将时间变化增益施加到信号，使得可以在整个可检测范围内使用恒定阈值。
Range_gates = prop_speed * fast_time_grid / 2;lambda = prop_speed / fc;TVG = Phased.timevaryingGain（......'rangeloss'，2 * fspl（Range_gates，lambda），......'referenceloss'，2 * fspl（max_range，lambda））;rxpulses = tvg（rxpuarses）;
无组织整合
我们现在将接收脉冲整合到不混合以进一步改善SNR。该操作也称为视频集成。
rxpulses = pulsint（rxpurses，'无组织'）;Helperradarpulseplot（RxPurses，阈值，fast_time_grid，slow_time_grid，1）;
在视频集成之后，数据已准备好进行最终检测阶段。从上面的剧情，我们看到没有误报。
范围检测
最后，对集成脉冲执行阈值检测。检测方案识别峰值，然后将其位置转换为目标的范围。
[〜，Range_detect] = findpeaks（rxpulses，'minpeakheight'，sqrt（阈值））;
真正的范围和估计的范围是
true_range = round（tgtrng）
true_range =.1×32025 6519 6845
Range_ESTIMATES = ROUND（RANGE_GATES（RANGE_DETECT））
Range_ESTIMATES =.1×32025 6525 6850.
注意，这些范围估计只能准确到可以通过雷达系统实现的范围分辨率，该范围分辨率在该示例中为50米。
概括
在此示例中，我们使用Chirp波形进行范围检测。通过使用Chirp波形，我们能够减少所需的峰值发射功率，从而实现抖动壳体2靶的较大可检测范围为8km。
您还可以从以下列表中选择一个网站：
