雷达的工具箱

雷达的工具箱

设计、模拟和测试 多功能雷达 系统

开始:

雷达的应用

模拟汽车、监视和SAR应用的多功能雷达。综合雷达信号,训练机器和深度学习模型,用于目标和信号分类。

汽车雷达

设计概率和基于物理的雷达传感器模型。模拟MIMO天线,波形,I/Q雷达信号。生成微多普勒信号,探测,集群和轨迹。

雷达多径反射引起的鬼影探测。

多功能认知雷达

对多功能雷达系统进行闭环雷达仿真。使用波形选择、脉冲重复频率(PRF)敏捷性、频率敏捷性和干扰缓解来响应环境条件的建模系统。

雷达覆盖下机动目标的自适应跟踪。

图表显示了不同类别的零点五阈值的精度与召回曲线。大多数课程的得分都大于零点九。经过训练的模型很挣扎,但在班级中达到了0.7的ap。

基于深度学习的SAR图像目标自动识别。

合成孔径雷达(SAR)

估计机载和空间应用的SAR链路预算。模拟和测试聚光灯和条带模式的图像形成算法。

通过对图像分辨率进行权衡,进行多视处理,降低了斑点的影响。

多视处理范围和方位方向。

雷达系统工程

模拟将需求与模型和测试连接起来的雷达架构。分析雷达链路预算。预测不同环境下的检测和跟踪性能。

雷达架构建模

系统的作曲家,为包括子系统组件化、可追溯性和基于需求的测试的多功能雷达开发体系结构。

系统编写器雷达设计和面板显示需求状态。

雷达体系结构与雷达分系统模型集成。

雷达方程的探测与跟踪统计

探索设计使用雷达设计师应用程序填充雷达方程搜索和跟踪。交互式地可视化结果以比较设计选择。确定可检测性因子、接收机工作特征(ROC)和跟踪器工作特征(TOC),并生成距离-角度-高度(Blake)图。

雷达设计应用程序与主动设计显示,包括要求,红绿灯图,和模式图。

与雷达设计师应用程序交互设计系统。

天线和接收机的增益和损失

计算波束和扫描损耗、波束驻留因子、蚀损、噪声图、匹配损耗、脉冲积分损耗、CFAR损耗和MTI损耗。

有效探测概率的雷达红绿灯图。图中显示了满足设计目标和阈值的位置。

有效概率检测红绿灯图。

环境与杂乱

对海地杂波的雷达传播效应进行建模和分析;气体、雾、雨雪造成的大气衰减;还有透镜效果损失。利用海况和介电常数以及地表植被类型和介电常数来表征杂波。

基于地形的地图显示两个雷达系统的联合目标覆盖区域。

在地形条件下规划雷达覆盖范围。

雷达数据综合

雷达传感器模型设计;信号、检测和跟踪发生器;传播渠道;杂物;目标雷达截面(RCS);以及微多普勒信号。为机载、地面和舰载平台和地面真实轨迹创建逼真的雷达场景。

雷达传感器模型:信号、探测和跟踪发生器

在概率或基于物理的抽象级别上模拟雷达数据。为了更快的模拟,生成概率雷达探测和跟踪,以测试跟踪和传感器融合算法。或者,更高保真度的基于物理的模拟从传输波形开始,在环境中传播信号,将其反射出目标,并在雷达上接收它们。

雷达场景:陆地和海面模型

模拟陆地和海洋表面,在不同的抽象水平上生成雷达表面回报。评估表面遮挡对概率检测和接收I/Q信号的影响。从现实场景合成雷达数据,包括带有自定义反射率图和散斑的表面模型,以测试和评估图像形成算法。

在雷达场景中模拟陆地和海面。

雷达场景生成

为机载、地基和舰载平台和目标创建逼真的雷达场景。基于路径点和轨迹或通过模拟惯性导航系统建模平台运动和方向。可视化和记录雷达场景的时间演变。

雷达信号与数据处理“,

多功能雷达的波形库设计。开发在噪声和杂波存在下检测目标的算法。估计雷达目标的距离、角度和多普勒响应。在雷达返回时执行聚类和多目标跟踪。

波形库和多普勒估计

创建具有相应匹配滤波和拉伸处理的波形脉冲压缩库。估计接收信号参数。确定目标和干扰源的到达方向、探测、距离、角度和多普勒响应。

MTI滤波前后雷达接收功率与距离图。MTI滤波后可见两个目标。

运动目标指示(MTI)滤波去除地杂波。

聚类

使用基于密度的算法从扩展对象上的雷达返回产生的集群雷达探测。

利用DBSCAN聚类算法对扩展对象进行聚类检测的八组图。

使用DBSCAN算法对扩展对象进行集群检测。

多目标跟踪

使用单一假设跟踪多个雷达目标,点目标跟踪器。

多功能相控阵雷达搜索与跟踪调度。

Baidu
map