主要内容

分阶段。RangeEstimator

区间估计

在页面中全部展开

描述

的分阶段。RangeEstimator系统对象™估计目标的范围。估计器的输入由距离响应或距离多普勒响应数据立方体和来自探测器的探测位置组成。当关于检测集群的信息可用时，使用集群信息计算范围。集群将多个检测关联到一个扩展检测中。

计算距离响应或距离多普勒立方体的探测:

  1. 方法定义和设置距离估计器建设接下来的程序。

  2. 调用一步方法使用为对象指定的属性计算范围分阶段。RangeEstimator系统对象。

请注意

而不是使用一步方法来执行System对象定义的操作，您可以调用带有参数的对象，就像调用函数一样。例如,Y = step(obj,x)而且Y = obj(x)执行等效操作。

建设

估计器=阶段性。RangeEstimator创建一个范围估计器系统对象，估计量．

估计器=阶段性。RangeEstimator (的名字，价值）创建一个System对象，估计量，使用每个指定的属性的名字设置为指定的价值．可以以任意顺序指定附加的名称和值对参数，如(Name1, Value1、……的,家）.

属性

全部展开

要报告的范围估计数量的来源，指定为“汽车”或“属性”．

如果将此属性设置为“汽车”的列数确定所报告的估计数目detidx的输入一步方法。如果提供了集群id，则估计的数量由惟一的集群id的数量确定clusterids的输入一步方法。

如果将此属性设置为“属性”的值得到报告估计的数量NumEstimates财产。

数据类型:字符

要报告的范围估计的最大数目，指定为正整数。请求的估计数可以大于detidx参数或惟一id的数量clusterids的论证一步方法。在这种情况下，剩下的是南．

依赖关系

要启用此属性，请设置NumEstimatesSource财产“属性”．

数据类型:单|双

选项接受群集id作为控件的输入参数一步方法，指定为假或真正的．将此属性设置为真正的使clusterids输入参数。

数据类型:逻辑

选项以启用范围估计方差的输出，指定为假或真正的．函数返回范围方差rngvar的输出参数一步方法。

数据类型:逻辑

检测的均方根距离分辨率，指定为正标量。的值RMSResolution单位必须和rangegrid的输入参数一步方法。

依赖关系

的值可启用此属性VarianceOutputPort财产真正的．

数据类型:单|双

噪声源功率值，指定为“属性”或输入端口的．噪声功率用于计算距离估计方差和信噪比。如果将此属性设置为“属性”的值NoisePower属性表示检测位置的噪声功率。如果将此属性设置为输入端口的方法指定噪声功率noisepower的输入参数一步方法。

数据类型:字符

距离响应或距离多普勒响应数据立方体上的恒定噪声功率值，指定为正实标量。噪声功率单元是线性的。相同的噪声功率值应用于所有检测。

依赖关系

的值可启用此属性VarianceOutputPort财产真正的并设置NoisePowerSource来“属性”．

数据类型:单|双

方法

一步 估计目标范围
通用于所有系统对象
释放

允许系统对象属性值更改

例子

全部折叠

打开实时脚本

为了估计三个目标的距离和速度，使用分阶段。RangeDopplerResponse系统对象™。然后使用分阶段。RangeEstimator而且分阶段。DopplerEstimator系统对象来估计范围和速度。发射机和接收器配置各向同性天线单元，形成单静态雷达系统。

发射信号为线性调频波形，脉冲重复间隔(PRI)为7.0 μs，占空比为2%。工作频率为77 GHz，采样速率为150 MHz。

Fs = 150e6;C = physconst(“光速”）;Fc = 77.0e9;Pri = 7e-6;PRF = 1/pri;

设置场景参数。发射器和接收器是静止的，位于原点。目标距离雷达500米，530米，750米x设在。目标沿着x-轴的速度为-60、20和40米/秒。所有三个目标的非波动雷达横截面(RCS)均为10分贝。创建目标和雷达平台。

Numtgts = 3;tgtpos = 0 (Numtgts);Tgtpos (1，:) = [500 530 750];= 0 (3,Numtgts);Tgtvel (1，:) = [-60 20 40];TGTRCS = db2pow(10)*[1 1 1];tgtmotion = phase . platform (tgtpos,tgtvel);目标=阶段性。RadarTarget (“PropagationSpeed”c“OperatingFrequency”足球俱乐部,.．.“MeanRCS”, tgtrcs);Radarpos = [0;0;0];Radarvel = [0;0;0];平台(radarpos,radarvel);

创建发射机和接收器天线。

txantenna = phase . isotropicantennaelement;Rxantenna =克隆(txantenna);

建立了发射机端信号处理。创建一个向上扫描线性调频信号，带宽为采样速率的一半。找出样本中PRI的长度，然后估计均方根带宽和距离分辨率。

Bw = fs/2;波形=相控。LinearFMWaveform (“SampleRate”fs,.．.脉冲重复频率的脉冲重复频率,“OutputFormat”，“脉冲”，“NumPulses”, 1“SweepBandwidth”fs / 2,.．.“DurationSpecification”，的工作周期，“DutyCycle”, 0.02);Sig =波形();Nr =长度(sig);BWRMS =带宽(波形)/根号(12);RNGRMS = c/bwrms;

设置发射器和散热器系统对象属性。峰值输出功率为10 W，发射机增益为36 dB。

峰值功率= 10;Txgain = 36.0;发射机=相控。发射机(.．.“PeakPower”peakpower,.．.“获得”txgain,.．.“InUseOutputPort”,真正的);散热器=阶段性。散热器(.．.“传感器”txantenna,.．.“PropagationSpeed”c.．.“OperatingFrequency”、fc);

将自由空间通道设置为双向传播模式。

通道=阶段性。空闲空间(.．.“SampleRate”fs,.．.“PropagationSpeed”c.．.“OperatingFrequency”足球俱乐部,.．.“TwoWayPropagation”,真正的);

设置接收端处理。设置接收机增益和噪声值。

收集器=阶段性。收集器(.．.“传感器”rxantenna,.．.“PropagationSpeed”c.．.“OperatingFrequency”、fc);Rxgain = 42.0;噪声图= 1;接收器=阶段性的。ReceiverPreamp (.．.“SampleRate”fs,.．.“获得”rxgain,.．.“NoiseFigure”, noisefig);

循环脉冲以创建128个脉冲的数据立方体。对于循环的每一步，移动目标并传播信号。然后将接收到的信号放入数据立方体中。数据立方包含每个脉冲接收到的信号。通常，数据立方体有三个维度，其中最后一个维度对应于天线或波束。因为只使用了一个传感器，立方体只有两个维度。

处理步骤为:

  1. 移动雷达和目标。

  2. 发送波形。

  3. 将波形信号传播到目标。

  4. 从目标反射信号。

  5. 把波形传回雷达。双向传播使您能够将返回传播与出站传播结合起来。

  6. 在雷达上接收信号。

  7. 将信号加载到数据立方体中。

Np = 128;Dt = pri;立方=零(Nr,Np);为n = 1:Np [sensorpos,sensorvel] = radarmotion(dt);[tgtpos,tgtvel] = tgtmotion(dt);[tgtrng,tgtang] = rangeangle(tgtpos,sensorpos);Sig =波形();[txsig,txstatus] =发射器(sig);Txsig =散热器(Txsig,tgtang);Txsig = channel(Txsig,sensorpos,tgtpos,sensorvel,tgtvel);Tgtsig = target(txsig);Rxcol = collector(tgtsig,tgtang);Rxsig = receiver(rxcol); cube(:,n) = rxsig;结束

显示包含每个脉冲信号的数据立方体。

显示亮度图像([0 (Np-1)): * pri * 1 e6, [0: (Nr-1)] / fs * 1 e6, abs(立方体))包含(“慢时间”) ylabel (“快时间{\mu}s”)轴xy

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

创建并显示128个多普勒箱的距离多普勒图像。该图像垂直显示距离，水平显示速度。使用线性调频波形进行匹配滤波。这里的图像是距离多普勒地图。

Ndop = 128;Rangedopresp =阶段性。RangeDopplerResponse (“SampleRate”fs,.．.“PropagationSpeed”c“DopplerFFTLengthSource”，“属性”，.．.“DopplerFFTLength”ndop,“DopplerOutput”，“速度”，.．.“OperatingFrequency”、fc);matchingcoeff = getMatchedFilter(波形);[rngdopresp,rnggrid,dopgrid] = rangedopresp(cube,matchingcoeff);显示亮度图像(dopgrid rnggrid 10 * log10 (abs (rngdopresp)))包含(“关闭速度(米/秒)”) ylabel (的范围(m))轴xy

图中包含一个axes对象。坐标轴对象包含一个image类型的对象。

因为靶标在正极上x-轴，全局坐标系中正速度对应负闭合速度。全局坐标系中的负速度对应于正的闭合速度。

估计匹配滤波后的噪声功率。为模拟目的创建一个恒定噪声背景图像。

Mfgain = matchingcoeff'*matchingcoeff;dopgain = Np;Noisebw = fs;noisepower = noisepow(noisebw,receiver.NoiseFigure,receiver.ReferenceTemperature);Noisepowerprc = mfgain*dopgain*noisepower;噪声= noisepowerprc*ones(size(rngdopresp));

创建距离和多普勒估计器对象。

Rangeestimator =相控的。RangeEstimator (“NumEstimatesSource”，“汽车”，.．.“VarianceOutputPort”,真的,“NoisePowerSource”，输入端口的，.．.“RMSResolution”, rngrms);Dopestimator =阶段性。DopplerEstimator (“VarianceOutputPort”,真的,.．.“NoisePowerSource”，输入端口的，“NumPulses”、Np);

在距离多普勒图像中定位目标指标。为了简单起见，不使用CFAR探测器，而是使用已知的目标位置和速度来获得距离-多普勒图像中相应的指标。

detidx = NaN(2,Numtgts);TGTRNG = rangeangle(tgtpos,radarpos);TGTSPD = radialspeed(tgtpos,tgtvel,radarpos,radarvel);Tgtdop = 2*speed2dop(tgtspd,c/fc);为m = 1:numel(tgtrng) [~，iMin] = min(abs(rngrrid -tgtrng(m)));detidx(1,m) = iMin;[~，iMin] = min(abs(dopgrid-tgtspd(m)));detidx(2,m) = iMin;结束

求检测位置的噪声功率。

印第安纳州= sub2ind(大小(噪音),detidx (1:), detidx (2:));

估计探测位置的距离和距离方差。估计的范围与假定的范围一致。

[rngest,rngvar] = rangeestimator(rngdopresp, rngrid,detidx,noise(ind))
rng =3×1499.7911 529.8380 750.0983
rngvar =3×1104× 0.0273 0.0276 0.2094

估计检测位置的速度和速度方差。估计速度与预测速度一致。

[spdest,spdvar] = dopestimator(rngdopresp,dopgrid,detidx,noise(ind))
社民党=3×160.5241 -19.6167 -39.5838
spdvar =3×1105× 0.0806 0.0816 0.6188

更多关于

全部展开

算法

全部展开

参考文献

理查兹，M。雷达信号处理基础“，．2版，McGraw-Hill专业工程，2014。

理查兹，M.， J.舍尔，W.霍尔姆。现代雷达原理:基本原理．科技出版，2010。

扩展功能

版本历史

在R2017a中介绍

另请参阅

功能

对象

主题

Baidu
map