无线电定位原理与技术实验报告

《无线电定位原理与技术实验报告》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（23页珍藏版）》请在装配图网上搜索。

1、无线电定位原理与技术实验报告姓名： 学号：班级：1105201指导老师：张云院系：电子与信息工程学院哈工大电子与信息工程学院电子工程系实验一 连续波雷达测速实验1.1 雷达测速原理雷达利用多普勒频率来提取目标的径向速度（即距离变化率），从而可以区分运动目标和固定目标及杂波。多普勒效应描述了由于目标相对于辐射源的运动而引起发射信号的中心频率发生多普勒频移，目标的运动方向的不同决定了多普勒频移的正负。（如果）图2- 多普勒效应1.2 连续波雷达测速实验仪器连续波雷达测速系统主要由三部分组成：微波发射和接收器件，差频放大和滤波电路，DSP信号采集和处理电路。其中微波发射和接收器件可以采用微波发射介质

2、稳频振荡和微波接收混频器。放大和滤波电路，在近距离时，测量直接由混频器输出的信号较大，由雷达方程可知，随着目标距离的增加，混频器输出会减小。实验中采用三级放大电路，第一级射随阻抗匹配，第二三级可调增益放大。其次由于背景噪声和扰动会引入杂波，对接收信号需要进行滤波。DSP信号采集和处理电路，采集多组回波数据，对数据进行分析得到相应的多普勒频率和速度值，由公式，算得速度。图2-2 连续波雷达测速实验仪器原理框图 图2-3 测速雷达传感器 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

3、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 2048Hz2.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

4、，采样点数N=434；下图为频域分析图，由于在0,2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 = 47.1889 Hz目标移动速度= 0.7078 m/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；下图为频域分析图，由于在0,2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

5、，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=12 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 = 62.0606 Hz目标移动速度= 0.9309 m/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；下图为频域分析图，由于在0,2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=11 因为

6、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 = 56.6030 Hz目标移动速度= 0.8490 m/s1.6实验源程序%实验一：连续波雷达测速实验clear all;t=load(C:UsersdellDesktop实验1110520115.1.txt);fs=2048;%抽样频率2048HzT=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0N=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

7、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);grid on;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xlabel(频率/Hz);ylabel(电压/U);grid on;title(频率分析);axis(0 434 0 2300);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

8、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2-1 LFM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：

9、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2-2 LFM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。实验要求：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

10、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

11、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

12、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LM+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

13、滤波后部分时间段的图像，实验结果的截图如下：分析：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

14、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：分析：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：分析：通过图像可以发现，加窗处理后对旁瓣的抑制作用更

15、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-4MHz4MHz%由上得出时域带宽积为64clear all;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)subplot(211);plot(t1-4,real(x1);grid on;xlabel(时间/us);titl

16、e(Chirp信号时域图像);subplot(212);plot(W1/pi*50,abs(X1);grid on;xlabel(频率/MHz);title(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-7MHz7MHz%由上得出时域带宽积为112T=8;fs=100;f0=-7;t2=0:1/fs:T-1/fs;k2=1.75;B2=2*abs(f0);D2=T*(B2);x2,W2,X2=chirp_m(fs,T,f0,k2);%调用子函数产生LFM信号的时域及频域形式figure(2)subplot(211);plot(t2-4

17、,real(x2);grid on;xlabel(时间/us);title(Chirp信号时域图像);subplot(212);plot(W2/pi*50,abs(X2);grid on;xlabel(频率/MHz);title(Chirp信号频域图像);%*%第三组实验信号x3，扫频周期为10us%假设fs=100MHz，扫频范围为-10MHz10MHz%由上得出时域带宽积为200T=10;fs=100;f0=-10;t3=0:1/fs:T-1/fs;k3=2;B3=2*abs(f0);D3=T*(B3);x3,W3,X3=chirp_m(fs,T,f0,k3);%调用子函数产生LFM信号的

18、时域及频域形式figure(3)subplot(211);plot(t3-5,real(x3);grid on;xlabel(时间/us);title(Chirp信号时域图像);subplot(212);plot(W3/pi*50,abs(X3);grid on;xlabel(频率/MHz);title(Chirp信号频域图像);%*%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1usL=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

19、周卷积不混叠，至少做2*N+L-1点FFTt1=-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)subplot(211);plot(t1,20*log10(abs(s1)/max(s1),-.);hold on;set(gca,Xtick,-0.0625 0.0625,Ytick,-13.4,-4);plot(t1,20*log10(abs(h1(1:200)/max(abs(h1);grid on;

20、title(第一个chirp信号经过匹配滤波后的频域图像);xlabel(时间/us);ylabel(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1usL=100;N2=length(t2);r2=zeros(1,L) x2;%产生回波延时信号作为接收信号M2=2*N2+L;%为保证圆周卷积不混叠，至少做2*N+L-1点FFTt2=-1:0.01:(1-0.01)

21、;%为更好地显示图像，时间轴上只截取了一段作图X2=fft(x2,M2);R2=fft(r2,M2);h2=ifft(conj(X2).*R2);s2=sqrt(D2)*sinc(B2*t2);subplot(212);plot(t2,20*log10(abs(s2)/max(s2),-.);hold on;set(gca,Xtick,-0.0357 0.0357,Ytick,-13.4,-4);plot(t2,20*log10(abs(h2(1:200)/max(abs(h2);grid on;title(第二个chirp信号经过匹配滤波后的频域图像);xlabel(时间/us);ylabe

22、l(幅值/dB);h = legend(sinc函数,仿真图像,2);set(h,Interpreter,none);text(0.02,-4,B=14MHz,D=112);axis(-0.4,0.4,-60,0);%比较观察改变D时导致匹配滤波结果如何变化figure(5)subplot(211);plot(t2,20*log10(abs(s2)/max(s2),-.);hold on;plot(t2,20*log10(abs(h2(1:200)/max(abs(h2);grid on;title(第二个chirp信号经过匹配滤波后的频域图像);xlabel(时间/us);ylabel(幅值

23、/dB);h = legend(sinc函数,仿真图像,2);set(h,Interpreter,none);text(0.02,-4,T=8us,D=112);axis(-0.4,0.4,-60,0);%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1usL=100;N3=length(t3);r3=zeros(1,L) x3;%产生回波延时信号作为接收信号M3=2*N3+L;%为保证圆周卷积不混叠，至少做2*N+L-1点FFTt3=-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X3=fft(x3,M3);R3=fft(r3,M3);h3

24、=ifft(conj(X3).*R3);s3=sqrt(D3)*sinc(B3*t3);subplot(212);p1=plot(t3,20*log10(abs(s3)/max(s3),-.);hold on;plot(t3,20*log10(abs(h3(1:200)/max(abs(h3);grid on;title(第三个chirp信号经过匹配滤波后的频域图像);xlabel(时间/us);ylabel(幅值/dB);h = legend(sinc函数,仿真图像,2);set(h,Interpreter,none);text(0.02,-4,T=10us,D=200);axis(-0.4

25、,0.4,-60,0);%*%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,M1);figure(6)subplot(311);plot(t1,20*log10(abs(h1(1:200)/max(abs(h1);grid on;set(gca,Ytick,-13.4);title(第一个Chirp信号匹配滤波后图像);xlabel(时间us);ylabel(幅值/dB);axis(-1,1,-100,0);h11=ifft(conj(X1).*R1.*W

26、1);subplot(312);plot(t1,20*log10(abs(h11(1:200)/max(abs(h11);grid on;set(gca,Ytick,-41);title(第一组Chirp信号加hamming窗后的图像);xlabel(时间us);ylabel(幅值/dB);h11=ifft(conj(X1).*R1.*N1);subplot(313);plot(t1,20*log10(abs(h11(1:200)/max(abs(h11);grid on;set(gca,Ytick,-41);title(第一组Chirp信号加hanning窗后的图像);xlabel(时间us

27、);ylabel(幅值/dB);%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w=hamming(36);W2=fft(w,M2);n=hanning(36);N2=fft(n,M2);figure(7)subplot(311);plot(t2,20*log10(abs(h2(1:200)/max(abs(h2);grid on;set(gca,Ytick,-13.4);title(第二个Chirp信号匹配滤波后图像);xlabel(时间us);ylabel(幅值/dB);axis(-1,1,-100,0);h22=ifft(conj(X2).*R2.

28、*W2);subplot(312);plot(t2,20*log10(abs(h22(1:200)/max(abs(h22);grid on;set(gca,Ytick,-41);title(第二组Chirp信号加hamming窗后的图像);xlabel(时间us);ylabel(幅值/dB);h22=ifft(conj(X2).*R2.*N2);subplot(313);plot(t2,20*log10(abs(h22(1:200)/max(abs(h22);grid on;set(gca,Ytick,-41);title(第二组Chirp信号加hanning窗后的图像);xlabel(时间

29、us);ylabel(幅值/dB);%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w=hamming(36);W3=fft(w,M3);n=hanning(36);N3=fft(n,M3);figure(8)subplot(311);plot(t3,20*log10(abs(h3(1:200)/max(abs(h3);grid on;set(gca,Ytick,-13.4);title(第三个Chirp信号匹配滤波后图像);xlabel(时间us);ylabel(幅值/dB);axis(-1,1,-100,0);h33=ifft(conj(X3).*R

30、3.*W3);subplot(312);plot(t3,20*log10(abs(h33(1:200)/max(abs(h33);grid on;set(gca,Ytick,-41);title(第三组Chirp信号加hamming窗后的图像);xlabel(时间us);ylabel(幅值/dB);h33=ifft(conj(X3).*R3.*N3);subplot(313);plot(t3,20*log10(abs(h33(1:200)/max(abs(h33);grid on;set(gca,Ytick,-41);title(第三组Chirp信号加hanning窗后的图像);xlabel(

31、时间us);ylabel(幅值/dB);*%子函数chirp_m.m%定义一子函数，功能是产生LFM信号%入口参数：抽样频率fs，扫频周期T，初始频率f0,扫频斜率k%出口参数：时域信号x和其对应的频域信号X及相应的频率Wfunction x,W,X = chirp_m(fs,T,f0,k)t=0:1/fs:T-1/fs;w0=2*pi*f0;K=2*pi*k;x=exp(1i*(w0.*t+K.*t.2/2);X=fft(x);N=length(t);n=0:(N-1);W=(2*pi/N)*n;mid=ceil(N/2)+1;W(mid:N)=W(mid:N)-2*pi;%把pi,2pi移到-pi,0W=fftshift(W);X=fftshift(X);End