精华内容
下载资源
问答
  • 目标指示(MTI)与动目标检测(MTD)
    千次阅读
    2020-12-22 15:43:31

    转至:https://www.sohu.com/a/280751859_695278
    动目标指示(MTI)与动目标检测(MTD)
    2018-12-10 07:00
    多普勒雷达是指利用多普勒效应,测量目标相对于雷达的径向速度分量,或对具有特定径向速度的目标进行提取的雷达。如果雷达发射的是脉冲信号,则称为脉冲多普勒雷达。

    在由地物、海面、云雨、箔条等物体反射所形成的干扰背景(杂波)中,如果目标与杂波的径向速度不同,动目标指示(MTI)雷达或脉冲多普勒(PD)雷达就具有对其进行检测的能力。

    在典型民用领域中,为对空中交通实施管制,须具备在强地杂波和气象杂波中对未装载应答机的低空小型飞机进行检测的能力;

    在军用领域应用中,可包括对低空飞机和巡航导弹进行检测、也可应用于机载告警与控制系统(AWACS)、机载预警系统(AEW)以及机载拦截雷达等需要在极强的面杂波环境中下视工作的情况。

    点击图片可查看相关视频

    高重频模式

    机载预警系统所采用的多普勒处理技术有三类。第一类是高重频的脉冲多普勒技术,其重频至少为载机与目标临近飞行速度之和所对应多普勒频率的2倍,从而能够产生比较干净的无杂波区,只需采用窄带滤波器即可检测出运动目标。不过这种情况下距离是高度模糊的,通常需要解模糊。相对于低、中重频模式来说,高重频模式的优点在 于可在峰值功率不变的情况下增加所辐射的能量。

    利用距离-速度矩阵的每一单元格都包含距离维和速度维(或称为多普勒频率维)信息,前者对应雷达的距离分辨单元,后者则跟波束照射在目标上的驻留时间成反比。

    低重频模式

    第二类多普勒处理技术称作机载动目标指示技术,这类技术通过天线设计和信号处理消除了载机的运动效应。一旦消除这种影响,就可采用跟陆基或海基MTI雷达同样的信号处理方式了。由于希望距离是不模糊的,因此这种机载预警雷达经常釆用低重频工作,而对于低重频模式所导致的目标“盲速”问题,可采用重频参差加以解决。

    中重频模式

    第三类机载预警雷达采用的是中重频模式,此时距离和速度都是模糊的。高于低重频的 主要原因是为了提高对抗主瓣杂波和地面运动目标的能力;而低于高重频则是使雷达具备检 测副瓣杂波中速度较低(甚至为负值)的临近飞行目标的能力。

    PRF 优点 缺点

    •没有距离模糊

    •精确距离测量

    •距离分辨率高

    •通过距离选通进行旁瓣杂波抑制

    •处理简单

    •盲速的存在

    •高的多普勒模糊

    •下视模式时,检测性能低

    •高峰值功率或需要距离压缩


    •宽范围内目标多普勒的良好检测

    •有效抑制主瓣杂波及旁瓣杂波

    •精确测距

    •相对于高PRF操作,遮蔽降低

    •所有速度上存在旁瓣杂波

    •PRF和脉冲宽度的乘积大

    •复杂的距离多普勒解模糊处理

    •对旁瓣中大目标的检测性能低


    •高的平均功率

    •无模糊多普勒

    •没有盲速

    •主瓣杂波抑制的同时不会抑制目标

    •高模糊距离

    •目标遮蔽增加

    •测距复杂且精度降低

    •由于旁瓣杂波,对低多普勒目标的敏感度降低

    运动目标指示(MTI)

    由一个CPI内的连续M个脉冲回波经过相干解调后的基带数据,形成的一个二维数据矩阵。二维数据矩阵中的每一列都对应于对一个脉冲回波的连续釆样,即连续的距离单元。列中的每一个元素都是一个复数,代表一个距离单元的实部和虚部(I和Q)分量。因此,二维数据矩阵中的每一行代表对同一距离单元的一连 串脉冲测量。

    MTI处理器对慢时间数据序列执行线性滤波处理,以抑制数据中的杂波分量。下图描述了MTI的处理过程。MTI处理所需要的滤波器类型也可以由下图来理解。

    上述MTI处理中只能给出在感兴趣的距离单元中是否存在目标的判决信息,并没有提供任何关于目标多普勒频率的估计信息。

    动目标检测(MTD)

    MTD与MTI处理不同,它直接对每一个距离单元内的慢时间数据序列执行谱分析从而替代滤波处理。目标检测直接在距离-多普勒矩阵数据上进行。

    通过计算每个距离单元慢时间信号的一维频谱,从快时间-慢时间CPI矩阵中得到它。最常用的谱分析方法是计算数据矩阵中每一行慢时间数据序列的离散傅里叶变换(DFT),也可以采用其他谱分析方法。

    如果DFT输出中的某些峰值远远高出噪声电平,而且超过一个适当的检测阈值,则认为这些峰值是运动目标的响应,但不能保证DFT采样精确落在峰值位置。

    因此,DFT采样的幅度和频率估计仅仅是峰值实际幅度和频率的近似。可以通过内插等方式提高对真实多普勒频率的估计精度。当然,其他现代谱估计方法也可以用于脉冲多普勒处理。

    MTI和MTD级联

    考虑到杂波通常是最强的信号分量,它可以超出目标信号几十dB。如果在MTI滤波之前就计算慢时间信号的DFT,直流附近杂波响应的旁瓣可能会淹没附近速度的潜在目标响应,从而导致这些目标无法被检测到。

    通常,MTI滤波器通常放在前面,利用MTI滤波处理进行总的杂波抑制,再利用脉冲多普勒谱分析对脉冲多普勒谱进行详细检测(MTD)。

    欢迎使用Markdown编辑器

    你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章,了解一下Markdown的基本语法知识。

    新的改变

    我们对Markdown编辑器进行了一些功能拓展与语法支持,除了标准的Markdown编辑器功能,我们增加了如下几点新功能,帮助你用它写博客:

    1. 全新的界面设计 ,将会带来全新的写作体验;
    2. 在创作中心设置你喜爱的代码高亮样式,Markdown 将代码片显示选择的高亮样式 进行展示;
    3. 增加了 图片拖拽 功能,你可以将本地的图片直接拖拽到编辑区域直接展示;
    4. 全新的 KaTeX数学公式 语法;
    5. 增加了支持甘特图的mermaid语法1 功能;
    6. 增加了 多屏幕编辑 Markdown文章功能;
    7. 增加了 焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置 等功能,功能按钮位于编辑区域与预览区域中间;
    8. 增加了 检查列表 功能。

    功能快捷键

    撤销:Ctrl/Command + Z
    重做:Ctrl/Command + Y
    加粗:Ctrl/Command + B
    斜体:Ctrl/Command + I
    标题:Ctrl/Command + Shift + H
    无序列表:Ctrl/Command + Shift + U
    有序列表:Ctrl/Command + Shift + O
    检查列表:Ctrl/Command + Shift + C
    插入代码:Ctrl/Command + Shift + K
    插入链接:Ctrl/Command + Shift + L
    插入图片:Ctrl/Command + Shift + G
    查找:Ctrl/Command + F
    替换:Ctrl/Command + G

    合理的创建标题,有助于目录的生成

    直接输入1次#,并按下space后,将生成1级标题。
    输入2次#,并按下space后,将生成2级标题。
    以此类推,我们支持6级标题。有助于使用TOC语法后生成一个完美的目录。

    如何改变文本的样式

    强调文本 强调文本

    加粗文本 加粗文本

    标记文本

    删除文本

    引用文本

    H2O is是液体。

    210 运算结果是 1024.

    插入链接与图片

    链接: link.

    图片: Alt

    带尺寸的图片: Alt

    居中的图片: Alt

    居中并且带尺寸的图片: Alt

    当然,我们为了让用户更加便捷,我们增加了图片拖拽功能。

    如何插入一段漂亮的代码片

    博客设置页面,选择一款你喜欢的代码片高亮样式,下面展示同样高亮的 代码片.

    // An highlighted block
    var foo = 'bar';
    

    生成一个适合你的列表

    • 项目
      • 项目
        • 项目
    1. 项目1
    2. 项目2
    3. 项目3
    • 计划任务
    • 完成任务

    创建一个表格

    一个简单的表格是这么创建的:

    项目Value
    电脑$1600
    手机$12
    导管$1

    设定内容居中、居左、居右

    使用:---------:居中
    使用:----------居左
    使用----------:居右

    第一列第二列第三列
    第一列文本居中第二列文本居右第三列文本居左

    SmartyPants

    SmartyPants将ASCII标点字符转换为“智能”印刷标点HTML实体。例如:

    TYPEASCIIHTML
    Single backticks'Isn't this fun?'‘Isn’t this fun?’
    Quotes"Isn't this fun?"“Isn’t this fun?”
    Dashes-- is en-dash, --- is em-dash– is en-dash, — is em-dash

    创建一个自定义列表

    Markdown
    Text-to- HTML conversion tool
    Authors
    John
    Luke

    如何创建一个注脚

    一个具有注脚的文本。2

    注释也是必不可少的

    Markdown将文本转换为 HTML

    KaTeX数学公式

    您可以使用渲染LaTeX数学表达式 KaTeX:

    Gamma公式展示 Γ ( n ) = ( n − 1 ) ! ∀ n ∈ N \Gamma(n) = (n-1)!\quad\forall n\in\mathbb N Γ(n)=(n1)!nN 是通过欧拉积分

    Γ ( z ) = ∫ 0 ∞ t z − 1 e − t d t   . \Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,. Γ(z)=0tz1etdt.

    你可以找到更多关于的信息 LaTeX 数学表达式here.

    新的甘特图功能,丰富你的文章

    Mon 06 Mon 13 Mon 20 已完成 进行中 计划一 计划二 现有任务 Adding GANTT diagram functionality to mermaid
    • 关于 甘特图 语法,参考 这儿,

    UML 图表

    可以使用UML图表进行渲染。 Mermaid. 例如下面产生的一个序列图:

    张三 李四 王五 你好!李四, 最近怎么样? 你最近怎么样,王五? 我很好,谢谢! 我很好,谢谢! 李四想了很长时间, 文字太长了 不适合放在一行. 打量着王五... 很好... 王五, 你怎么样? 张三 李四 王五

    这将产生一个流程图。:

    链接
    长方形
    圆角长方形
    菱形
    • 关于 Mermaid 语法,参考 这儿,

    FLowchart流程图

    我们依旧会支持flowchart的流程图:

    Created with Raphaël 2.2.0 开始 我的操作 确认? 结束 yes no
    • 关于 Flowchart流程图 语法,参考 这儿.

    导出与导入

    导出

    如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ,生成一个.md文件或者.html文件进行本地保存。

    导入

    如果你想加载一篇你写过的.md文件,在上方工具栏可以选择导入功能进行对应扩展名的文件导入,
    继续你的创作。


    1. mermaid语法说明 ↩︎

    2. 注脚的解释 ↩︎

    更多相关内容
  • MTI目标指示和MTD动目标检测

    千次阅读 多人点赞 2021-04-14 23:56:37
    MTD(moving targets detection)雷达系统中区分运动目标和杂波在于它们...动目标检测(MTD)不仅能滤除杂波,而且还可以将不同运动速度的目标区分开来,从而大大改善了在杂波背景下检测运动目标的能力。 后续补充 ...

    MTI 是一种频域滤波器(radar主席的ppt 中说到) ,它是对多组脉冲回波的同一个距离单元加权求和,得到一个结果;也就是多个输入一个输出;相当于一个高通滤波器,用来抑制固定目标和慢速杂波。就一次对消MTI 滤波器来说,就是将第一个发射脉冲的回波与第二个发射脉冲的回波相减,除去固定目标和慢速杂波,而保留了运动目标的信息,通过视频显示器可以看到幅度上下振动的波形,这也是为什么叫动目标显示;

    MTD (moving targets detection)是带通滤波器组,也就是多个输入多个输出,可以用FIR 组实现,但是一般用FFT 实现,即对不同脉冲组回波信号的相同距离单元做FFT 处理,N 个输入得到N 个输出,CACFAR 既是对这N 个输出进行检测和判断目标!若存在目标,这N 个输出中比出现一个峰值最大的数,则这个可能就是目标的位置信息,根据位置信息,即可以得到运动目标的多普勒值。MTD雷达系统中区分运动目标和杂波在于它们速度上的差别。由于速度不同而引起回波信号的多普勒频率不相等,所以可以通过多普勒频率的不同将杂波和运动目标区分开来。动目标检测(MTD)不仅能滤除杂波,而且还可以将不同运动速度的目标区分开来,从而大大改善了在杂波背景下检测运动目标的能力。

    MATLAB仿真:

    1,雷达信号做脉冲压缩

    % ===================================================================================%
    %                                    雷达参数                                       %
    % ===================================================================================%
    C=3.0e8;  %光速(m/s)
    RF=3.140e9/2;  %雷达射频 1.57GHz
    Lambda=C/RF;%雷达工作波长
    PulseNumber=16;   %回波脉冲数
    BandWidth=2.0e6;  %发射信号带宽 带宽B=1/τ,τ是脉冲宽度 
    TimeWidth=42.0e-6; %发射信号时宽
    PRT=240e-6;   % 雷达发射脉冲重复周期(s),240us对应1/2*240*300=36000米最大无模糊距离
    PRF=1/PRT;
    Fs=2.0e6;  %采样频率
    NoisePower=-12;%(dB);%噪声功率(目标为0dB)
    % ---------------------------------------------------------------%
    SampleNumber=fix(Fs*PRT);%计算一个脉冲周期的采样点数480;
    TotalNumber=SampleNumber*PulseNumber;%总的采样点数480*16=;
    BlindNumber=fix(Fs*TimeWidth);%计算一个脉冲周期的盲区-遮挡样点数;
    %===================================================================================%
    %                                    目标参数                                       %
    %===================================================================================%
     TargetNumber=4;%目标个数
    SigPower(1:TargetNumber)=[1 1 1 0.25];%目标功率,无量纲
    TargetDistance(1:TargetNumber)=[3000 8025 15800 8025];%目标距离,单位m   距离参数为[3000 8025 9000+(Y*10+Z)*200 8025]
     DelayNumber(1:TargetNumber)=fix(Fs*2*TargetDistance(1:TargetNumber)/C);% 把目标距离换算成采样点(距离门) fix函数向0靠拢取整
    TargetVelocity(1:TargetNumber)=[50 0 204 100];%目标径向速度 单位m/s   速度参数为[50 0 (Y*10+X+Z)*6 100]
    TargetFd(1:TargetNumber)=2*TargetVelocity(1:TargetNumber)/Lambda; %计算目标多卜勒频移2v/λ
     
    %====================================================================================%
    %                                   产生线性调频信号                                  %
    %====================================================================================%
     number=fix(Fs*TimeWidth);%回波的采样点数=脉压系数长度=暂态点数目+1
    if rem(number,2)~=0  %rem求余
       number=number+1;
    end   %把number变为偶数
     
    for i=-fix(number/2):fix(number/2)-1
       Chirp(i+fix(number/2)+1)=exp(j*(pi*(BandWidth/TimeWidth)*(i/Fs)^2));%exp(j*fi)*,产生复数矩阵Chirp
    end
    coeff=conj(fliplr(Chirp));%把Chirp矩阵翻转并把复数共轭,产生脉压系数
    figure(1);%脉压系数的实部
    plot(real(Chirp));axis([0 90 -1.5 1.5]);title('脉压系数实部');

    2,生成目标信号回波

    %-------------------------产生目标回波串-----------------------------------------------------------------------------------------%
    %-------------------------产生前3个目标的回波串-------%
    SignalAll=zeros(1,TotalNumber);%所有脉冲的信号,先填0
    for k=1:TargetNumber-1 % 依次产生各个目标
       SignalTemp=zeros(1,SampleNumber);% 一个PRT
       SignalTemp(DelayNumber(k)+1:DelayNumber(k)+number)=sqrt(SigPower(k))*Chirp;%一个脉冲的1个目标(未加多普勒速度)(DelayNumber(k)+1):(DelayNumber(k)+number)
       Signal=zeros(1,TotalNumber);
       for i=1:PulseNumber % 16个回波脉冲
          Signal((i-1)*SampleNumber+1:i*SampleNumber)=SignalTemp; %每个目标把16个SignalTemp排在一起
       end
       FreqMove=exp(j*2*pi*TargetFd(k)*(0:TotalNumber-1)/Fs);%目标的多普勒速度*时间=目标的多普勒相移
       Signal=Signal.*FreqMove;%加上多普勒速度后的16个脉冲1个目标
       SignalAll=SignalAll+Signal;%加上多普勒速度后的16个脉冲4个目标
    end
    % %-------------------------产生第4个目标的回波串-------%
       fi=pi/3;
       SignalTemp=zeros(1,SampleNumber);% 一个脉冲
       SignalTemp(DelayNumber(4)+1:DelayNumber(4)+number)=sqrt(SigPower(4))*exp(j*fi)*Chirp;%一个脉冲的1个目标(未加多普勒速度)
       Signal=zeros(1,TotalNumber);
       for i=1:PulseNumber
          Signal((i-1)*SampleNumber+1:i*SampleNumber)=SignalTemp;
       end
       FreqMove=exp(j*2*pi*TargetFd(4)*(0:TotalNumber-1)/Fs);%目标的多普勒速度*时间=目标的多普勒相移
       Signal=Signal.*FreqMove;
       SignalAll=SignalAll+Signal;
     
    figure(2);
    subplot(2,1,1);plot(real(SignalAll),'r-');title('目标信号的实部');grid on;zoom on;
    subplot(2,1,2);plot(imag(SignalAll));title('目标信号的虚部');grid on;zoom on;

    3,产生系统噪声信号

    %====================================================================================%
    %                                   产生系统噪声信号                                  %
    %====================================================================================%
    SystemNoise=normrnd(0,10^(NoisePower/10),1,TotalNumber)+j*normrnd(0,10^(NoisePower/10),1,TotalNumber);
    %均值为0,标准差为10^(NoisePower/10)的噪声
    %====================================================================================%
    %                                   总的回波信号                                     %
    %====================================================================================%
    Echo=SignalAll+SystemNoise;% +SeaClutter+TerraClutter,加噪声之后的回波
    for i=1:PulseNumber   %在接收机闭锁期,接收的回波为0
          Echo((i-1)*SampleNumber+1:(i-1)*SampleNumber+number)=0; %发射时接收为0
    end
    figure(3);%加噪声之后的总回波信号
    subplot(2,1,1);plot(real(Echo),'r-');title('总回波信号的实部,闭锁期为0');
    subplot(2,1,2);plot(imag(Echo));title('总回波信号的虚部,闭锁期为0');

    4,时域脉冲压缩和频域脉冲压缩

    %================================时域脉压=================================%
    pc_time0=conv(Echo,coeff);%pc_time0为Echo和coeff的卷积
    pc_time1=pc_time0(number:TotalNumber+number-1);%去掉暂态点 number-1个
    figure(4);%时域脉压结果的幅度
    subplot(2,1,1);plot(abs(pc_time0),'r-');title('时域脉压结果的幅度,有暂态点');%pc_time0的模的曲线
    subplot(2,1,2);plot(abs(pc_time1));title('时域脉压结果的幅度,无暂态点');%pc_time1的模的曲线
    % ================================频域脉压=================================%
    Echo_fft=fft(Echo,8192);%理应进行TotalNumber+number-1点FFT,但为了提高运算速度,进行了8192点的FFT
    coeff_fft=fft(coeff,8192);
    pc_fft=Echo_fft.*coeff_fft;
    pc_freq0=ifft(pc_fft);
    figure(5);

    按照脉冲号、距离门号重排数据

    pc_freq1=pc_freq0(number:TotalNumber+number-1);%去掉暂态点 number-1个,后填充点若干(8192-number+1-TotalNumber)
    % ================按照脉冲号、距离门号重排数据=================================%
    for i=1:PulseNumber
          pc(i,1:SampleNumber)=pc_freq1((i-1)*SampleNumber+1:i*SampleNumber);%每个PRT为一行,每行480个采样点的数据
    end
    figure(6);
    plot(abs(pc(1,:)));title('频域脉压结果的幅度,没有暂态点');

    5,MTI和MTD

    % ================MTI(动目标显示),对消静止目标和低速目标---可抑制杂波=================================%
    for i=1:PulseNumber-1  %滑动对消,少了一个脉冲
       mti(i,:)=pc(i+1,:)-pc(i,:);
    end
    figure(7);
    mesh(abs(mti));title('MTI  result');
     
    % ================MTD(动目标检测),区分不同速度的目标,有测速作用=================================%
    mtd=zeros(PulseNumber,SampleNumber);
    for i=1:SampleNumber
       buff(1:PulseNumber)=pc(1:PulseNumber,i);
       buff_fft=fft(buff);
       mtd(1:PulseNumber,i)=buff_fft(1:PulseNumber);
    end
      figure(8);mesh(abs(mtd));title('MTD  result');

    6,虚实矩阵转换
    coeff_fft_c=zeros(1,2*8192);
    for i=1:8192
        coeff_fft_c(2*i-1)=real(coeff_fft(i));
        coeff_fft_c(2*i)=imag(coeff_fft(i));
    end
    echo_c=zeros(1,2*TotalNumber);
    for i=1:TotalNumber
        echo_c(2*i-1)=real(Echo(i));
        echo_c(2*i)=imag(Echo(i));
    end

    function y=maiya(PulseNumber,range,Fs,TargetVelocity,SNR)
    
    C=3e8;
    Tr=800e-6;%单脉冲最大可测距离0.5*Tr*C=120000m
    Tp=160e-6;
    fr=1/Tr;
    lamda=0.03;
    B=1e6;
    %% 产生线性调频信号 
    number=fix(Fs*Tp);%单脉冲发射信号内采样点数
    SampleNumber=fix(Fs*Tr);%一个脉冲采样点数,800;则每个采样间距代表120000/799m
    TotalNumber=SampleNumber*PulseNumber;
    for i=-fix(number/2):fix(number/2)-1
        Chirp(i+fix(number/2)+1)=exp(j*(pi*(B/Tp)*(i/(Fs))^2)); 
    end  
    figure
    plot(real(Chirp));
    title('线性调频信号')
    coeff=conj(fliplr(Chirp));%匹配滤波函数h
    figure
    plot(real(coeff))
    title('匹配滤波函数h')
    
    
    W = linspace(-pi,pi,4096);    
    [h1,w0] = freqz(coeff,1,W);  
    figure
    plot(w0/pi,20*log10(abs(h1/max(h1)))); 
    title('匹配滤波函数H频率响应')
    %-------
    %% 产生目标回波
    TargetDistance(1:2)=range;
    DelayNumber(1:2)=fix(Fs*2*TargetDistance(1:2)/C);
    
    TargetFd(1:2)=2*TargetVelocity(1:2)/lamda; %计算目标多卜勒
    
    SignalAll=zeros(1,TotalNumber);%所有脉冲的信号,先填0
    for k=1:2% 依次产生各个目标1 2 
        SignalTemp=zeros(1,SampleNumber);% 一个脉冲
       
        SignalTemp(DelayNumber(k)+1:DelayNumber(k)+number)=(10^(SNR(k)/10))*Chirp;  %一个脉冲的1个目标(未加多普勒速度)
        Signal=zeros(1,TotalNumber);
        for i=1:PulseNumber
            Signal((i-1)*SampleNumber+1:i*SampleNumber)=SignalTemp;
        end
        FreqMove=exp(j*2*pi*TargetFd(k)*(0:TotalNumber-1)/Fs);%目标的多普勒速度*时间=目标的多普勒相移
        Signal=Signal.*FreqMove;
        SignalAll=SignalAll+Signal;
    end
    figure
    subplot(2,1,1);plot(real(SignalAll),'r-');title('目标信号的实部');grid on;zoom on;
    subplot(2,1,2);plot(imag(SignalAll));title('目标信号的虚部');
    grid on;zoom on;
    %% 产生噪声
    SystemNoise=normrnd(0,10^(-12/10),1,TotalNumber)+j*normrnd(0,10^(-12/10),1,TotalNumber);
    %% 回波+噪声
    Echo=SignalAll+SystemNoise;   % +SeaClutter+TerraClutter;
    for i=1:PulseNumber   %在接收机闭锁期,接收的回波为0
        Echo((i-1)*SampleNumber+1:(i-1)*SampleNumber+number)=0;
    end
    figure
    plot(real(Echo));title('总回波信号的实部,闭锁期为0');
    %subplot(2,1,2);plot(imag(Echo));title('总回波信号的虚部,闭锁期为0');
    
    %% 回波积累
    Echoplus=zeros(1,SampleNumber);
    for i=1:PulseNumber
       Echoplus1(1:SampleNumber)=Echo((i-1)*SampleNumber+1:i*SampleNumber);
       Echoplus=Echoplus+Echoplus1(1:SampleNumber);
    end
    Echoplus=Echoplus/PulseNumber;
    figure
    plot(real(Echoplus));title('回波脉冲积累信号的实部,闭锁期为0');
    
    
    %% 时域脉压
    pc_time0=conv(Echo,coeff);
    %figure
    %plot(abs(pc_time0));title('时域脉压结果的幅度,有暂态点');
    %% 频域脉压
    Echo_fft=fft(Echo,TotalNumber+number-1);%进行TotalNumber+number-1点FFT
    coeff_fft=fft(coeff,TotalNumber+number-1);
    pc_fft=Echo_fft.*coeff_fft;
    pc_freq0=ifft(pc_fft);
    pc_freq_abs=abs(pc_freq0);
    figure
    plot(pc_freq_abs);title('(不加窗)频域脉压结果的幅度(有暂态点)');
    
    %%  数据重排到距离门
    pc_freq1=pc_freq0(number:TotalNumber+number-1);
    for i=1:PulseNumber
       pc(i,1:SampleNumber)=pc_freq1((i-1)*SampleNumber+1:i*SampleNumber);
    end
    
    
    figure
    
    %subplot(2,1,1)
    %plot((0:SampleNumber-1)*(120000/(SampleNumber-1)), abs(pc(5,:)) );
    % title('不加窗脉压结果');xlabel('距离'),ylabel('脉压输出');
     
    plot((0:SampleNumber-1)*(120000/(SampleNumber-1)), 20*log10(abs(pc(1,:))) );
    xlabel('距离'),ylabel('脉压输出/db');
    axis([-inf,inf, -10,50]);
    title('不加窗脉压结果')
    %% 加窗处理 
    win=chebwin(number,35)';
    h_w=coeff.*win;
    hfft_w=fft(h_w,TotalNumber+number-1);
    y=abs(ifft(Echo_fft.*hfft_w));
    %figure
    %plot(y);title('(加窗)频域脉压结果的幅度(有暂态点)');
    
    pcW_freq1=y(number:TotalNumber+number-1);  %重排数据
    for i=1:PulseNumber
       pcW(i,1:SampleNumber)=pcW_freq1((i-1)*SampleNumber+1:i*SampleNumber);
    end
    
    figure
    %subplot(2,1,1)
    %plot((0:SampleNumber-1)*(120000/(SampleNumber-1)), abs(pcW(1,:)) );
     %title('加窗脉压结果');xlabel('距离'),ylabel('脉压输出');
     
    
    plot((0:SampleNumber-1)*(120000/(SampleNumber-1)), 20*log10(abs(pcW(1,:))) );
    xlabel('距离'),ylabel('脉压输出/db');
    axis([-inf,inf, -10,50]);
    title('加窗脉压结果')
    
    
    %% 相干积累
    Echoplus_fft=fft(Echoplus,SampleNumber+number-1);%理应进行TotalNumber+number-1点FFT,但为了提高运算速度,进行了8192点的FFT
    coeffplus_fft=fft(coeff,SampleNumber+number-1);
    pcplus_fft=Echoplus_fft.*coeffplus_fft;
    pcplus_freq=abs(ifft(pcplus_fft));
    %figure
    %plot(pcplus_freq);title('(不加窗)积累后频域脉压结果的幅度,有暂态点');
    
    pcplus_freq1=pcplus_freq(number:SampleNumber+number-1);
    figure
    subplot(2,1,1)
    plot((0:SampleNumber-1)*(120000/(SampleNumber-1)), abs(pcplus_freq1) );
     title('不加窗积累后脉压结果');xlabel('距离'),ylabel('脉压输出');
    subplot(2,1,2)
    
    plot((0:SampleNumber-1)*(120000/(SampleNumber-1)), (20*log10((pcplus_freq1))));
     title('不加窗积累后脉压结果');xlabel('距离'),ylabel('脉压输出/DB');
     axis([-inf,inf, -20,50]);
    
    %% mti对消
    for i=1:PulseNumber-1  %滑动对消,少了一个脉冲 2脉冲
        mti(i,:)=pc(i+1,:)-pc(i,:);
    end
    mti_abs=abs(mti);
    figure
    mesh(20*log10(mti_abs));title('MTI  result');
    xlabel('距离单元');
       ylabel('多普勒通道');
       zlabel('幅度值');
    axis([-inf,inf,-inf,inf, 0,100]);
    
    %% MTD
    
    mtd=zeros(PulseNumber,SampleNumber);
    mtd_abs=zeros(PulseNumber,SampleNumber);
    for i=1:SampleNumber
        buff(1:PulseNumber)=pc(1:PulseNumber,i);
        buff_fft=fftshift(fft(buff)); %用fftshift将零频搬移到中间 这样可以方便观察速度正负
        mtd(1:PulseNumber,i)=buff_fft(1:PulseNumber)';
    end
    mtd_abs=abs(mtd);
    x=0:1:SampleNumber-1;
    y=-PulseNumber/2:1:PulseNumber/2-1;     %通道这样设后读出的通道数乘单位值则是速度值。
    figure
    mesh(x,y,20*log10(mtd_abs));title('MTD  result');
    xlabel('距离单元');
       ylabel('多普勒通道');
       zlabel('幅度值');
    axis([-inf,inf,-inf,inf, 0,100]);
    
    %% cfar
    
    
    cfar=zeros(PulseNumber,SampleNumber);
     T=sqrt(2*(10^(-12/10))^2*log(1/(1e-6)));
     for i=1:PulseNumber 
        for k=1:2
             left=0;
             right=Mean(mtd_abs(i,:),k+2,k+17);
             maxV=max(left,right);
            if(mtd_abs(i,k)>=T*maxV)
                 cfar(i,k)=mtd_abs(i,k);
            else
                 cfar(i,k)=0;
            end       
        end
        
        
        for k=3:17
            left=Mean(mtd_abs(i,:),1,k-2);
            right=Mean(mtd_abs(i,:),k+2,k+17);
            maxV=max(left,right);
            if(mtd_abs(i,k)>=T*maxV)
                cfar(i,k)=mtd_abs(i,k);
            else
                cfar(i,k)=0;
            end
        end
         for k=18:SampleNumber-18
            left=Mean(mtd_abs(i,:),k-17,k-2);
            right=Mean(mtd_abs(i,:),k+2,k+17);
            maxV=max(left,right);
            if(mtd_abs(i,k)>=T*maxV)
                cfar(i,k)=mtd_abs(i,k);
           else
                cfar(i,k)=0;
            end
         end
        for k=SampleNumber-17:SampleNumber-2
            left=Mean(mtd_abs(i,:),k-17,k-2);
            right=Mean(mtd_abs(i,:),k+2,SampleNumber);
            maxV=max(left,right);
            if(mtd_abs(i,k)>=T*maxV)
                cfar(i,k)=mtd_abs(i,k);
            else
                cfar(i,k)=0;
            end
        end
        for k=SampleNumber-1:SampleNumber
             left=Mean(mtd_abs(i,:),k-17,k-2);
             right=0;
             maxV=max(left,right);
             if(mtd_abs(i,k)>=T*maxV)
                 cfar(i,k)=mtd_abs(i,k);
             else
                 cfar(i,k)=0;
             end 
        end
     end
       figure
       
       IQ_acc=mean(abs(mti));
       mesh(x,y,20*log10(cfar));title(' CFAR  result');
       xlabel('距离单元');
       ylabel('多普勒通道');
       zlabel('幅度值');
     axis([-inf,inf,-inf,inf, 0,100]);
    figure
     plot(x,20*log10(cfar(:,:)),x,20*log10(abs(IQ_acc)));
     title(' CFAR  result');
     xlabel('距离单元');
       ylabel('幅度');
    axis([-inf,inf, -20,100]);

     

    展开全文
  • 雷达动目标显示(MTD)的理解

    千次阅读 2021-06-19 10:30:51
    这篇文章主要讨论为什么不同脉冲的同一距离门里包含目标的多普勒信息,从原理上进行理解,细节缺乏推敲。 雷达接收信号数据块为: 图片源自wuli huag的博客雷达回波仿真 每一列代表对同一脉冲的采样(快时间),...

    这篇文章主要讨论为什么不同脉冲的同一距离门里包含目标的多普勒信息,从原理上进行理解,细节缺乏推敲。
    雷达接收信号数据块为:

    图片源自wuli huag的博客雷达回波仿真

    每一列代表对同一脉冲的采样(快时间),每一行代表对同一距离门的采样(慢时间)。
    对每一列做匹配滤波可以得到目标的距离信息,对每一行做FFT可以得到目标的多普勒信息,也即MTD。
    设雷达发射线性调频连续波信号:
    s t ( t ) = A 0 e j 2 π f 0 t ∑ m = 0 M − 1 u ( t − m T ) u ( t ) = { e j π K t 2 , 0 ≤ t < T 0 ,   e l s e {{s}_{t}}(t)=A_0{{e}^{j2\pi {{f}_{0}}t}}\sum\limits_{m=0}^{M-1}{u(t-mT)} \\ u(t)=\left\{ \begin{matrix} {{e}^{j\pi K{{t}^{2}}}},0\le t<T \\ 0,\text{ }else \end{matrix} \right. st(t)=A0ej2πf0tm=0M1u(tmT)u(t)={ejπKt2,0t<T0, else
    其中 A 0 A_0 A0为发射信号的幅度, f 0 f_0 f0为雷达载频, K K K为调频斜率, T T T为脉冲重复周期, M M M为连续发射的线性调频脉冲数。
    设某目标的射线距离为 R R R,径向速度为 v r v_r vr,那么该目标的第 m + 1 m+1 m+1个脉冲回波为:
    s r ( t ) = s t ( t − t d ) t d = 2 ( R + v r t ) c = 2 R c + f d f 0 t {{s}_{r}}\left( t \right)={{s}_{t}}\left( t-{{t}_{d}} \right) \\ {{t}_{d}}=\frac{2\left( R+{{v}_{r}}t \right)}{c}=\frac{2R}{c}+\frac{{{f}_{d}}}{{{f}_{0}}}t sr(t)=st(ttd)td=c2(R+vrt)=c2R+f0fdt
    于是接收信号可以写成:
    s r ( t ) = A 0 exp ⁡ ( j 2 π f 0 ( t − t d ) ) ∑ m = 0 M − 1 u ( t − m T − t d ) {{s}_{r}}\left( t \right)=A_0\exp \left( j2\pi {{f}_{0}}\left( t-{{t}_{d}} \right) \right)\sum\limits_{m=0}^{M-1}{u\left( t-mT-{{t}_{d}} \right)} sr(t)=A0exp(j2πf0(ttd))m=0M1u(tmTtd)
    t d t_d td为时延, f d f_d fd为多普勒频移。
    先对目标进行距离处理,参考信号取:
    s 0 ( t ) = A 0 exp ⁡ ( j 2 π f 0 ( t − τ 0 ) ) u ( t − m T − τ 0 ) {{s}_{0}}\left( t \right)=A_0\exp \left( j2\pi {{f}_{0}}\left( t-{{\tau }_{0}} \right) \right)u\left( t-mT-{{\tau }_{0}} \right) s0(t)=A0exp(j2πf0(tτ0))u(tmTτ0)
    τ 0 = 2 R c {{\tau }_{0}}=\frac{2R}{c} τ0=c2R为距离 R R R上的时延。
    仅关注接收信号的 exp ⁡ ( j 2 π f 0 ( t − t d ) ) \exp \left( j2\pi {{f}_{0}}\left( t-{{t}_{d}} \right) \right) exp(j2πf0(ttd))项,与参考信号混频后剩下 exp ⁡ ( − j 2 π f d t ) \exp \left( -j2\pi {{f}_{d}}t \right) exp(j2πfdt),可知不同脉冲的同一距离维频率相差 f d T f_dT fdT。也即对慢时间维做FFT可得到目标的多普勒信息。
    下面给出海杂波的仿真实例进行验证。首先是将回波信号匹配滤波后排成行,每一列代表同一距离门,此时的距离-多普勒结果如下图所示,可以看出每一行都是在目标处产生峰值。
    在这里插入图片描述
    对上图的每一列进行FFT,结果如下图所示。虽然看起来只在某一个地方有峰值,我最初有些疑惑,不应该每一列都应该在多普勒频率处有一个峰值吗,其实是这样的,只是由于其他列的峰值与目标所在距离那一列的峰值相比较而言很小,最终呈现的结果只有一个峰值,这样也可以直接读出目标的距离和速度。
    在这里插入图片描述
    目标距离所在列做FFT的结果如下图:
    在这里插入图片描述
    为了证明任选一列也可以,这里选择第10列的数据做FFT,结果如下图:
    在这里插入图片描述
    从上两幅图的结果可以看出,任选同一距离门数据做FFT即可得到目标速度信息,距离-多普勒图像只有一个峰值的原因在于其他列相对目标距离所在列的峰值小太多,这两幅图分别是 1 0 7 10^7 107 1 0 4 10^4 104

    参考文献:

    1. 郭欣. 天波超视距雷达信号处理技术研究[D].南京理工大学,2004.
    2. 戴文娟. 天波超视距雷达海杂波仿真与目标检测算法[D].电子科技大学,2013.
    展开全文
  • 雷达原理动目标检测及测速技术

    千次阅读 多人点赞 2020-05-20 21:45:01
    雷达原理笔记之动目标检测及测速技术 ——南京理工大学许志勇老师的《雷达原理课程》浅析 ...动目标检测技术主要包括MTI杂波对消处理以及MTD窄带多普勒滤波组滤波处理。本文主要介绍这两个方面的实现原理及过程

    雷达原理笔记之动目标检测及测速技术

    ——南京理工大学许志勇老师的《雷达原理课程》浅析


    动目标检测技术主要包括MTI杂波对消处理以及MTD窄带多普勒滤波组滤波处理。本文主要介绍这两个方面的实现原理及过程。

    1.杂波对消处理

    雷达检测目标常常是在强杂波背景中进行,信杂比非常小。这对目标探测很不利。考虑到杂波频谱通常比较稳定,大多在零多普勒附近,由此引出消除固定、低速杂波的滤波器——杂波对消器。

    1.1任务

    • 抑制固定杂波以及低速杂波,进而提取运动目标信息。

    1.2一次杂波对消器:

    y [ n ] = x [ n ] − α x [ n − 1 ] y[n]=x[n]-\alpha x[n-1] y[n]=x[n]αx[n1]

    滤波器频率特性:
    H ( z ) = 1 − α z − 1 H(z)=1-\alpha z^{-1} H(z)=1αz1
    其中 α \alpha α通常取接近1但小于1的常数。目的是保证尽可能多地滤除杂波的同时,处在零多普勒点的运动目标不被抑制完全。对比见下图:
    在这里插入图片描述

    1.3二次杂波对消器

    y [ n ] = x [ n ] − α x [ n − 1 ] + x [ n − 2 ] y[n]=x[n]-\alpha x[n-1]+x[n-2] y[n]=x[n]αx[n1]+x[n2]

    滤波器频率特性:
    H ( z ) = 1 − α z − 1 + z − 2 H(z)=1-\alpha z^{-1}+z^{-2} H(z)=1αz1+z2
    其中 α \alpha α通常取接近2但小于2的常数。目的同样是在保证尽可能多地滤除杂波的同时,处在零多普勒点的运动目标不被抑制完全。对比见下图:

    在这里插入图片描述

    二次杂波对消器是工程中应用最多的杂波处理滤波器。对于低速的杂波消除,频响特性可以向右平移一定的区间,平移的量是杂波运动速度对应的多普勒频移。因此对于低速运动杂波对消的滤波特性为:
    H ( z ) = 1 − α e j β z − 1 + e j 2 β z − 2 H(z)=1-\alpha e^{j\beta}z^{-1}+e^{j2\beta}z^{-2} H(z)=1αejβz1+ej2βz2
    其中 β \beta β为杂波速度对应的多普勒频移

    在这里插入图片描述

    利用二次杂波对消器处理杂波时,选取相参积累脉冲个数为 K = 2 N + 2 K=2^N+2 K=2N+2

    2多普勒滤波器组处理

    一般,将MTI处理后输出的信号进行MTD处理,即窄带滤波处理,得到运动目标的速度信息。

    2.1窄带多普勒滤波器组实现

    利用有N个输出的横向滤波器,经过各脉冲的加权求和实现。

    在这里插入图片描述

    每根延时线延迟时间 T = 1 / P R F T=1/PRF T=1/PRF。每个窄带滤波器输出的频率响应为:
    H k ( f ) = e − j 2 π f t ∑ i = 1 N e − j 2 π ( i − 1 ) [ f T − k / N ] H_k(f)=e^{-j2\pi ft}\sum_{i=1}^{N}e^{-j2\pi (i-1)[fT-k/N]} Hk(f)=ej2πfti=1Nej2π(i1)[fTk/N]
    频响幅度为:
    ∣ H k ( f ) ∣ = s i n [ π N ( f T − k / N ) ] s i n [ π ( f T − k / N ) ] |H_k(f)|=\frac{sin[\pi N(fT-k/N)]}{sin[\pi (fT-k/N)]} Hk(f)=sin[π(fTk/N)]sin[πN(fTk/N)]
    在这里插入图片描述

    上图所示的多普勒滤波器组,对应的发射信号脉冲重复频率为10kHz。其覆盖整个多普勒频谱周期 [ − 5000 H z , 5000 H z ] [-5000Hz,5000Hz] [5000Hz,5000Hz]。这个周期称作是多普勒滤波器组的主周期。此滤波器组长度N=8。每个窄带滤波器中心频率满足:
    f = 5000 k / N ( H z ) ( N = 8 , k = − 4 , − 3 , … 4 ) f=5000k/N(Hz)\quad (N=8,k=-4,-3,…4) f=5000k/N(Hz)(N=8,k=4,3,4)
    若某运动目标的频谱出现在其中一个滤波器中,则该滤波器的中心频率对应的频率即为运动目标 f d f_d fd的估值。

    当然,N取值越大对应的滤波器组间隔越小,运动目标的 f d f_d fd的估值越接近真实值。

    利用多普勒滤波器组实现相参积累,可以将白噪声背景中信号的信噪比提高N倍。

    3.附录

    3.1一次相消器图片matlab代码

    clc
    close all
    clearvars
    a=0.8;
    T=1e-4;%发射信号周期
    f=-1/T:10:1/T;%频率轴
    w=2*pi*f;%角频率
    z=exp(1j*w*T);%映射到z轴
    H=1-a*z.^(-1);%滤波器传输函数表达式(针对静止杂波)
    figure
    subplot(1,2,1)
    plot(f,(abs(H)),'r-','LineWidth',2);
    title('\alpha=0.8')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    subplot(1,2,2)
    a=1;
    H=1-a*z.^(-1);%滤波器传输函数表达式(针对运动杂波)
    plot(f,(abs(H)),'r-','LineWidth',2);
    title('\alpha=1')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    suptitle('一次相消器幅度-频率响应曲线')
    

    3.2二次相消器图片matlab代码

    clc
    close all
    clearvars
    a=1.8;
    T=1e-4;%发射信号周期
    f=-1/T:10:1/T;%频率轴
    w=2*pi*f;%角频率
    z=exp(1j*w*T);%映射到z轴
    H=1-a*z.^(-1)+z.^(-2);%滤波器传输函数表达式(针对静止杂波)
    figure
    subplot(1,2,1)
    plot(f,(abs(H)),'b-','LineWidth',2);
    title('\alpha=1.8')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    subplot(1,2,2)
    a=2;
    H=1-a*z.^(-1)+z.^(-2);%滤波器传输函数表达式(针对运动杂波)
    plot(f,(abs(H)),'b-','LineWidth',2);
    title('\alpha=2')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    suptitle('二次相消器幅度-频率响应曲线')
    

    3.3二次相消器图片(静止、运动杂波)matlab代码

    clc
    close all
    clearvars
    k=1.7;
    T=1e-4;%发射信号周期
    f=-1/T:10:1/T;%频率轴
    w=2*pi*f;%角频率
    z=exp(1j*w*T);%映射到z轴
    H=1-k*z.^(-1)+z.^(-2);%滤波器传输函数表达式(针对静止杂波)
    figure
    subplot(1,2,1)
    plot(f,(abs(H)),'c-','LineWidth',2);
    title('针对静止杂波')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    subplot(1,2,2)
    b=0.2*1/T;%平移量0.2倍的频谱周期
    z1=exp(-1j*b)*z;%加上平移
    H=1-k*z1.^(-1)+z1.^(-2);%滤波器传输函数表达式(针对运动杂波)
    plot(f,(abs(H)),'c-','LineWidth',2);
    title('针对运动杂波')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    suptitle('二次相消器幅度-频率响应曲线')
    

    3.4多普勒滤波器组频响matlab代码

    clc
    close all
    clearvars
    N=8;
    T=1e-4;%发射信号周期
    f=-0.5/T:10:0.5/T;%频率轴
    for k=0:N-1
    H=(sin(pi*N*(f*T-k/N)))./(sin(pi*(f*T-k/N)));%滤波器传输函数表达式(针对静止杂波)
    plot(f,abs(H),'g-','LineWidth',2);
    hold on
    end
    title('窄带多普勒滤波器组')
    xlabel('f/Hz')
    ylabel('|H(f)|')
    
    展开全文
  • 根据雷达目标显示、动目标检测原理,通过双脉冲对消,三脉冲对消和盲速处理的方法,用Labview对其进行仿真。仿真结果表明:在目标显示(MTI)和目标检测(MTD)中使用滤波器组,能够得到更好的改善因子,降低...
  • 雷达信号处理程序,包括线性调频,匹配滤波,产生目标回波加噪声,回波积累,时域脉压,频域脉压,加窗脉压,相干积累,mti对消,mtd检测,cfar检测,欢迎下载
  • 雷达原理-运动目标检测与测速

    千次阅读 多人点赞 2020-07-10 18:12:24
    文章目录多普勒效应及其应用目标显示雷达盲速、盲相的影响及其解决途径回波和杂波的频谱及目标显示滤波器动目标检测(MTD) 多普勒效应及其应用 多普勒效应 连续波雷达 连续波雷达收发天线不共用 脉冲雷达...
  • 录中文摘要1英文摘要21 引言31.1 研究背景及意义31.2 国内外研究现状41.3 本设计的指导思想和主要工作42 动目标检测(MTD)雷达基本原理62.1 ...显示(MTI)雷达的工作原理82.2.2 动目标检测(MTD)雷达的工作原理103 ...
  • [雷达信号处理]-----MTD滤波器设计仿真

    千次阅读 多人点赞 2022-03-25 19:31:22
    MTD是一种利用多普勒滤波器组来抑制各种杂波,以提高雷达在杂波背景下检测动目标的技术。与MTI相比,MTD增大了信号处理的线性动态范围。并且MTD使用了一组多普勒滤波器,使之更加接近于最佳滤波,提高改善因子。此外...
  • DSP多普勒雷达测速测距 MTD

    千次阅读 2021-04-23 07:03:30
    MTDDSP实验课大作业设计一 实验目的在DSP上实现线性调频信号的脉冲压缩、目标显示(MTI)和动目标检测(MTD),并将结果与MATLAB上的结果进行误差仿真。二 实验内容2.1 MATLAB仿真设定带宽、脉宽、采样率、脉冲重复...
  • Gartner发布了关于移动目标防御(动态防御,MTD)的新研究,希望引起您的注意。他们的发现表明,为什么MTD是预防为主的网络安全战略的重要组成部分。同样,他们的预测也预示着MTD在不久的将来会被供应商和安全团队...
  • 雷达MTI/MTD杂波抑制技术研究

    千次阅读 2021-04-26 11:28:25
    摘要:在雷达系统中,杂波抑制...其中目标显示(MTI)技术和动目标检测(MTD)技术是两种重要的杂波抑制技术,广泛应用在现代的雷达系统中. 本文首先介绍了杂波抑制技术的应用背景,指出杂波抑制技术在雷达系统中的重要性...
  • 网络空间安全进入动态防御时代

    千次阅读 2019-09-22 20:53:37
    美国国家技术委员会在2011提出了“移动目标防御”(MTD)的概念,也有学者将MTD技术称为“动态防御技术”、“动态弹性安全防御技术”或者“动态赋能网络防御技术”。动态防御不同于以往的网络安全研究思路,它旨在部署和...
  • 2.MTD层级 3.Bootlader 、Linux Kernel、 RootFile 4.详解Bootloader 5.bootloader、kernel、文件系统相关问题 6.Arm从bootloader 、kernel到rootfs的启动流程 1.flash分区 2.MTD层级 参考资料:Li...
  • -Provides a hardware method of detecting program and erase operation completion (提供硬件检测编码或擦除) •Hardware Reset (RESET#) Input -Provides a hardware method to reset the internal state ...
  • 雷达原理

    千次阅读 2019-07-15 09:27:44
    1、目标显示MTI,动目标检测MTD,脉冲多普勒雷达PDR 雷达的分类 雷达发射机 超外差式雷达接收机简化框图 超外差式雷达接收机的主要质量指标 (灵敏度:最小可检测信号...
  • 经过UBOOT初步的移植,Linux内核初步的移植,Linux内核总线设备模型的分析,等一系列 ...一、MTD体系结构:Linux内核提供MTD子系统来建立FLASH针对Linux的统一、抽象接口。MTD将文件系统与底层的FLASH存储器进行隔离。
  • 经过UBOOT初步的移植,Linux内核初步的移植,Linux内核总线设备模型的分析,等一系列 ...一、MTD体系结构:Linux内核提供MTD子系统来建立FLASH针对Linux的统一、抽象接口。MTD将文件系统与底层的FLASH存储器进行隔离。  
  • 雷达相关术语理解

    千次阅读 2019-11-01 10:43:01
    (@Top) 恒虚警率(Constant False-Alarm Rate)CFAR 在雷达信号检测中,当外界干扰强度变化时,雷达能自动调整其灵敏度,使雷达的虚警概率保持不变,这种特性称为恒虚警率特性。 参考 ...
  • 再从Flash硬件机制开始,介绍到Nand Flash的常见的物理特性,且深入介绍了Nand Flash的一些高级功能,然后开始介绍Linux下面和Nand Flash相关的软件架构MTD的相关知识,最后介绍了在Linux的MTD驱动框架下,如何实现...
  • 摘要 假目标干扰作为一种重要的欺骗干扰样式,当假目标数目较多时,干扰将布满整个脉冲重复周期,真实目标信号淹没在数量众多的假目标干扰中,达到多假目标压制干扰的效果。文中通过对雷达信号处理的建模,构成了...
  • 背景技术:目标显示(MTI)和动目标检测(MTD)是相参体制雷达通常采用的基本方法, 通过MTI或MTD,实现对地物杂波的有效抑制,同时提高目标的信杂噪比与检测 概率,适合于目标处理过程。当存在切向飞行目标及盲速...
  • Ubuntu18.04下实现Yolov3对象检测

    千次阅读 2019-12-31 11:57:01
    环境配置如下: 系统配置 命令 Ubuntu:18.04 ...Yolov3的原理另一篇博客中有所介绍,这里大致列下实现流程以及训练自己数据集过程: 一、跑官方demo 下载darknet,也就是Y...
  • 雷达系统与原理期末个人总结

    万次阅读 多人点赞 2019-04-23 22:57:30
    – 掌握雷达方程、脉冲压缩、信号检测、脉冲多普勒、目标跟踪的基本原理 – 了解雷达技术的应用领域和发展方向 第一课 雷达的概念 • 雷达:无线电检测与测距(RAdio Detection AndRanging) – 以定向方式...
  • 类加载器加载 Class 大致要经过如下 8 个步骤(对应上面的双亲委派模型): (1) 检测此Class是否载入过(即在缓存区中是否有此Class),如果有则直接进入第8步,否则接着执行第2步。 (2) 如果父类加载器不存在(如果没有...
  • 基于MTD的NAND驱动(linux-2.6.22.10内核),目前已可以在该驱动的支持下跑cramfs和jffs2文件系统,另外,该驱动也可以同时支持small page(每页512 Byte)和big page(每页2048 Byte)两种NAND芯片。在此整理一下...
  • 此外,还较全面地讨论了雷达方程和动目标检测(MTD)雷达。这次修订增加了第9章“高分辨力雷达”。 本教材内容较好地体现了20世纪80年代以来雷达技术的新发展。根据现代战争的需要还增加了雷达电子对抗的内容。 本书可...
  • MATLAB数字信号处理(2)LFM脉冲雷达回波处理仿真

    万次阅读 多人点赞 2019-03-13 15:41:24
    线性调频(LFM)信号是应用广泛的一种波形,主要优点是脉冲压缩的形状和信噪比对多普勒频移不敏感,即在目标速度未知的情况下,用匹配滤波器仍可以实现回波信号的脉冲压缩,这将大大有利于雷达对目标的探测和信号...
  • 《信号检测与处理》的学习

    千次阅读 2019-07-12 21:45:01
    前言:今天结束了大学四年的最后一门考试——通信电路。相比而言《信号检测与处理》是一门容易一些的课程,...这门课的教材是孟宪元编的《信号检测与处理原理及应用》。 信号统计部分: 第一章介绍了信号的基...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 892
精华内容 356
关键字:

mtd动目标检测原理