第二章 雷达中信号检测的过程

1、雷达信号各管理单元

①匹配滤波器:使雷达接收机输出的信噪比达到最大,也就使回波信号的检测能力最大化。
②检测器/积累器:用方便高效的方法处理许多来自目标区的接收脉冲,以便充分利用目标反射回的信号能量。
③减少杂波:为了消除或者减少不想要的杂波而采用的一种或者多种方法。这些方法中基于多普勒频移来消除运动杂波的方法是最重要的。
④恒虚警:当雷达不能消除不想要的回波时,采用的在门限检测器输出端保持恒定虚警概率技术。
⑤电磁兼容性(EMS):消除进入雷达接收机的其他雷达或其他干扰辐射的电磁辐射干扰。
⑥电子反干扰(ECCM):指在军事雷达中,用来减少或消除人为干扰、欺骗和其他敌对的有源和无源的降低雷达性能的电子方法。
⑦门限检测:用来决定雷达的输出是否是希望信号。
2、虚警概率
包络检波器输出端噪声电压振幅概率密度函数为,该函数是瑞利分布的:

p(r)=rσ2nexp(−r22σ2n)p(r)=rσn2exp(−r22σn2)

p(r)=\frac{r}{σ_n^2 } exp(-\frac{r^2}{2σ_n^2})

虚警概率PfaPfaP_{fa}可以写为:

Pfa=∫+∝uTp(r)dr=∫+∝uTrσ2nexp(−r22σ2n)dr=exp(−u2T2σ2n)Pfa=∫uT+∝p(r)dr=∫uT+∝rσn2exp(−r22σn2)dr=exp(−uT22σn2)

P_{fa}=\int_{u_T}^{+\propto}p(r)dr=\int_{u_T}^{+\propto}\frac{r}{\sigma _n^2}exp(-\frac{r^2}{2\sigma_n^2})dr= exp(-\frac{u_T^2}{2\sigma _n^2})

或写成:

uT=−2σ2nln(Pfa)−−−−−−−−−−√uT=−2σn2ln(Pfa)

u_T=\sqrt{-2σ_n^2 ln(P_{fa})}


从门限电压和虚警概率的关系图可以看出,较大的门限值将减小虚警概率和灵敏度,较小的值效果相反。

3、发现概率
包络检波器输出包络的概率密度函数为,该函数是广义瑞利分布,又称为莱斯(Rice)分布:

p(r)=rσ2nexp(−r2+A22σ2n)I0(−rAσ2n)p(r)=rσn2exp(−r2+A22σn2)I0(−rAσn2)

p(r)=\frac{r}{σ_n^2}exp(-\frac{r^2+A^2}{2σ_n^2})I_0(-\frac{rA}{σ_n^2})

发现概率PdPdP_d为:

Pd=∫+∞uTp(r)dr=∫+∞uTrσ2nexp(−r2+A22σ2n)I0(−rAσ2n)dr=1−∫uT0p(r)drPd=∫uT+∞p(r)dr=∫uT+∞rσn2exp(−r2+A22σn2)I0(−rAσn2)dr=1−∫0uTp(r)dr

P_d=∫_{u_T}^{+∞}p(r)dr=∫_{u_T}^{+∞}\frac{r}{σ_n^2}exp(-\frac{r^2+A^2}{2σ_n^2})I_0(-\frac{rA}{σ_n^2})dr=1-∫_{0}^{u_T}p(r)dr

遗憾的是无法解析计算,只能用数值积分得到结果。

4、扫描雷达收到来自一个点目标的回波脉冲数为:

n=θBfrθs=θBfr6ωrn=θBfrθs=θBfr6ωr

n=\frac{θ_Bf_r}{θ_s }=\frac{θ_B f_r}{6ω_r}

其中,frfrf_r脉冲重复频率(HZ),θBθBθ_B天线波束宽度(度),θsθsθ_s扫描速率(度/s),ωrωrω_r角速度(转数/min)。

5、对n个脉冲采样处理以改进检测性能的方法有5种:
①相参积累(波前积累):在包络检波前要相加脉冲电压。
②非相参积累(视频或检波后积累):对每个脉冲进行包络检波,并在用于门限检波之前将得到的视频脉冲电压相加。
③二进制积累(n中取l积累):将每个脉冲送入门限,门限穿越次数l用做输出告警信号的准则,即多样本检测的表决法。
④积累检测(批积累):它是二进制积累的特例,其告警信号准则为l=1。
⑤反馈积累器等。
6、相参积累

实现相参积累的两种方法:
第一种实现,如果对中频信号进行积累,就必须接收信号是相参的才能实现相参积累。第二种情况,检波器是相参检波器,积累是在相参检波器之后用两个正交信号来实现的。
7、非相参积累
(1)如果n个脉冲,都有相同的信噪比,由理想的无损耗检波前积累器进行完善的积累,那么,积累后的信噪(功率)比将正好是单个脉冲的信噪比的n倍。因此,在此情况下,可将雷达方程中单个脉冲信噪比(S/N)1(S/N)1(S/N)_1用(S/N)n=(S/N)1n(S/N)n=(S/N)1n(S/N)_n=\frac{(S/N)_1}{n}替代。其中,(S/N)n(S/N)n(S/N)_n是n个脉冲进行无损耗检波前积累时,所需要的每个脉冲的信噪比。
(2)如果同样的n个脉冲由理想的检波后积累器积累,得到的信噪比要小于单个脉冲信噪比的n倍。这种积累效率上的损耗是由第二检波器的非线性作用引起的,在整个流程中,它将一部信号能量变换成噪声能量。检波后的累积效率可以定义为:

Ei(n)=(S/N)1n(S/N)nEi(n)=(S/N)1n(S/N)n

E_i (n)=\frac{(S/N)_1}{n(S/N)_n}

式中,当n个脉冲积累时,信噪比的改善叫做“积累改善因子”,Ii(n)=nEi(n)Ii(n)=nEi(n)I_i (n)=nE_i (n)。可以理解为“等效积累脉冲数”,neq=nEi(n)neq=nEi(n)n_eq=nE_i (n)。
当积累n个脉冲时,雷达方程为:

R4max=PtGAeσ(4π)2κT0Fn(S/N)nLs=PtGAeσnEi(n)(4π)2κT0Fn(S/N)1LsRmax4=PtGAeσ(4π)2κT0Fn(S/N)nLs=PtGAeσnEi(n)(4π)2κT0Fn(S/N)1Ls

R_{max}^4=\frac{P_{t}GA_eσ}{(4π)^2 κT_0 F_n (S/N)_n L_s }=\frac{P_{t}GA_eσnE_i(n)}{(4π)^2 κT_0 F_n (S/N)_1 L_s }

8、恒虚警率(CFAR)系统
在没有(感兴趣的)目标存在时,利用自动检测电路来估测接收机的输出,以保持一个恒虚警率的系统便称为恒虚警率系统。

雷达系统 学习笔记(二)相关推荐

  1. qml学习笔记(二):可视化元素基类Item详解(上半场anchors等等)

    原博主博客地址:http://blog.csdn.net/qq21497936 本文章博客地址:http://blog.csdn.net/qq21497936/article/details/7851 ...

  2. [转载]dorado学习笔记(二)

    原文地址:dorado学习笔记(二)作者:傻掛 ·isFirst, isLast在什么情况下使用?在遍历dataset的时候会用到 ·dorado执行的顺序,首先由jsp发送请求,调用相关的ViewM ...

  3. PyTorch学习笔记(二)——回归

    PyTorch学习笔记(二)--回归 本文主要是用PyTorch来实现一个简单的回归任务. 编辑器:spyder 1.引入相应的包及生成伪数据 import torch import torch.nn ...

  4. tensorflow学习笔记二——建立一个简单的神经网络拟合二次函数

    tensorflow学习笔记二--建立一个简单的神经网络 2016-09-23 16:04 2973人阅读 评论(2) 收藏 举报  分类: tensorflow(4)  目录(?)[+] 本笔记目的 ...

  5. Scapy学习笔记二

    Scapy学习笔记二 Scapy Sniffer的用法: http://blog.csdn.net/qwertyupoiuytr/article/details/54670489 Scapy Snif ...

  6. Ethernet/IP 学习笔记二

    Ethernet/IP 学习笔记二 原文链接:http://wiki.mbalib.com/wiki/Ethernet/IP 1.通信模式 不同于源/目的通信模式,EtherNet/IP 采用生产/消 ...

  7. Java学习笔记二:数据类型

    Java学习笔记二:数据类型 1. 整型:没有小数部分,允许为负数,Java整型分4种:int short long byte 1.1 Int最为常用,一个Int类型变量在内存中占用4个字节,取值范围 ...

  8. 吴恩达《机器学习》学习笔记二——单变量线性回归

    吴恩达<机器学习>学习笔记二--单变量线性回归 一. 模型描述 二. 代价函数 1.代价函数和目标函数的引出 2.代价函数的理解(单变量) 3.代价函数的理解(两个参数) 三. 梯度下降- ...

  9. ASP.NET MVC 2 学习笔记二: 表单的灵活提交

    ASP.NET MVC 2 学习笔记二:  表单的灵活提交 前面说到有做到公司内部的一个请假系统,用的是ASP.NET MVC 2+Entity Framework.虽然EF(Entity Frame ...

  10. amazeui学习笔记二(进阶开发4)--JavaScript规范Rules

    amazeui学习笔记二(进阶开发4)--JavaScript规范Rules 一.总结 1.注释规范总原则: As short as possible(如无必要,勿增注释):尽量提高代码本身的清晰性. ...

最新文章

  1. java web Junit
  2. jquery模糊查询
  3. 阿尔法大蛋智能机器人功能_智能机器人怎么选?阿尔法蛋大蛋2.0助力孩子新学期...
  4. 华为开发者被批评在 Linux 内核刷 KPI
  5. 圣思园java.doc_北京圣思园java课堂笔记.doc
  6. dell服务器启动顺序如何设置_如何即时设置一个静态文件服务器
  7. 日期插件My97DatePicker
  8. 深入浅出C/C++中的正则表达式库(一)--GNU Regex Library
  9. $ORACLE_HOME变量值末尾多“/”惹的祸
  10. MATLAB rolcus函数,利用Matlab绘制系统的根轨迹.doc
  11. H桥驱动芯片IR2110功能简介
  12. 翻译Introduction+to+3D+Game+Engine+Design+Using+DirectX+9+and+CSharp
  13. 计算机网络超文本是什么意思,什么是超文本链接,和超文本有什么区别?
  14. 史上最全maven教程
  15. 转载-GNS3安装和使用教程(超详细)
  16. 苹果手机相册怎么分类_电子相册怎么做?用手机app可以剪辑电子相册视频吗?...
  17. 新BOS2.0物流业务逻辑
  18. 在Linux(unix)中,以波浪线“~”开始的文件名
  19. 帕斯卡分布/负二项分布
  20. jdk的环境配置..

热门文章

  1. gvim使用之配置_vimrc
  2. Windows按键映射、替换、禁用
  3. 学习物联网工程专业,我们需学习哪些基础技术?
  4. https://blog.csdn.net/XTY00/article/details/101689534
  5. 30岁男销售、富士康员工,转行程序员,后来怎么样了?
  6. Mesos实践:基于MZM的PAAS的构建(4):环境搭建
  7. OpenCV3.1 xfeatures2d::SIFT 使用
  8. 10-15 查询未登记成绩的学生(MSSQL)
  9. 介绍Java中一个快速复制属性值的方法——非常简单但很实用
  10. 学java编程语言_为什么要学Java编程语言?