第一篇：雷达原理大作业

雷达目标识别技术综述

1引言

目标识别是现代雷达技术发展的一个重要组成部分。对雷达目标识别的研究，在国内外已经形成热点，但由于问题本身的复杂性，以及多干扰信号，特别是多噪声干扰源存在的复杂电磁环境，雷达目标识别问题至今还没有满意的答案，尚无成熟的技术和方法。因此，对雷达目标识别技术的研究具有极其重要的军事应用价值。本文将对雷达自动目标识别技术进行简要回顾，讨论目前理论研究和应用比较成功的几类目标识别方法，以及应用于雷达目标识别中的模式识别技术，分析和讨论问题的可能解决思路。

2雷达目标识别模型

雷达目标识别需要从目标的雷达回波中提取目标的有关信息标志和稳定特征并判明其属性。它根据目标的后向电磁散射来鉴别目标，是电磁散射的逆问题。利用目标在雷达远区所产生的散射场的特征，可以获得用于目标识别的信息，回波信号的幅值、相位、频率和极化等均可被利用。对获取的目标信息进行计算机处理，与已知目标的特性进行比较，从而达到自动识别目标的目的。识别过程分成三个步骤：目标的数据获取、特征提取和分类判决。相应模型如图“所示。

整个识别过程可以分为两个阶段：训练（或设计）阶段和识别阶段。前者用一定数量的训练样本进行分类器的设计或训练，后者用所设计或训练的分类器对待识别的样本进行分类决策。

训练数据获取是对各已知目标进行测量，取得目标的训练数据。测试数据获取是获得未知种类目标的测量数据；测量数据的获得可采用目标的靶场动态测量、外场静态测量、微波暗室缩比模型等。特征提取模块从目标回波数据中提取出对分类识别有用的目标特征信息。特征空间压缩与变换模块对特征信息进行特征空间维数压缩与变换，得到具有高同类聚合性的训练样本进行分类器的设计。类间可分离性的特征。分类器设计模块根据已知类别目标分类模块完成对未知目标的分类判决。

3雷达目标识别技术回顾

雷达目标识别的研究始于”#世纪$#年代。早期雷达目标特征信号的研究工作主要是研究雷达目标的有效散射截面积。但是，对形状不同、性质各异的各类目标，笼统用一个有效散射截面积来描述，就显得过于粗糙，也难以实现有效识别。几十年来，随着电磁散射理论的不断发展以及雷达技术的不断提高，在先进的现代信号处理技术条件下，许多可资识别的雷达目标特征信号相继被发现，从而建立起了相应的目标识别理论和技术。近年来理论研究和实际应用比较成功的目标识别方法有以下4类。

3.1基于目标运动的回波起伏和调制谱特性的目标识别

这类方法大都基于目前广泛使用的雷达时域一维目标回波波形，抽取波形序列中包含的目标特征信息来实现目标分类。这类研究已获得一些成功应用。(1)利用目标回波起伏特性的识别

空中目标对低分辨力雷达来讲可以看作点目标，其运动过程中，目标回波的幅度相位随目标对雷达的相对姿态的不同而变化，根据目标回波的幅度与相位的变化过程，判断其形状，对复信息数据进一步分析，可以判断目标的运动情况(2)利用动态目标的调制谱特性的识别

动态目标如飞机的螺旋桨或喷气发动机旋转叶片、直升机的旋翼等目标结构的周期运动，产生对雷达回波的周期性调制。不同目标的周期性调制谱差异很大，因而可用于目标识别。详细分析了喷气发动机的调制现象，并建立了相应的数学模型，为利用JEM效应进行目标识别奠定了理论基础。

3.2基于极点分布的目标识别

目标的自然谐振频率又称为目标极点，“极点”和“散射中心”分别是在谐振区和光学区建立起来的基本概念。目标极点分布只决定于目标形状和固有特性，与雷达的观测方向（目标姿态）及雷达的极化方式无关，因而给雷达目标识别带来了很大方便。

除了直接求目标的极点外，由于目标的极点与目标的频率响应存在一一对应的关系，人们还研究了由目标的频域响应来识别目标的方法，典型方法有，从目标的频域响应来识别目标的方法；获取目标极点的频域Prony法；由于频域法的目标极点估算精度同样受到噪声和杂波的限制，具有改善作用的数据多重组合法被提出。

为避开需要实时地直接从含噪的目标散射数据中提取目标的极点，基于波形综合技术的目标识别方法被得到广泛重视。它将接收到的目标散射信号回波与综合出来的代表目标的特征波形进行数字卷积，再根据卷积输出的特征来判别目标。E-脉冲法、频域极大极小拟合匹配法等，都避开了直接提取目标极点，减小了运算量。

3.3基于高分辨力雷达成像的目标识别

借助高分辨力雷达对目标进行一维或二维距离成像，或采用合成孔径雷达或逆合成孔径雷达对目标成像得到二维雷达图像，可获取目标的形状结构信息。

由于一维距离像的获取相对简单，利用一维距离像进行目标识别的方法在;#年代以后被得到广泛重视和深入研究。基于一维距离像的目标识别方法，在舰船目标、坦克、车辆等地面目标、飞机目标识别中分别获得了较高的正确识别率。由于目标的一维距离像常会受目标之间、目标各散射点之间的相互干涉、合成等交叉项的影响，限制了识别率的提高，因而双距离像方法被提出并获得了较高的识别率。为改善目标识别的性能，可以将目标一维距离像与其它目标特征（如极化特征）相结合。对于基于二维雷达图像的目标识别，可利用图象识别技术来进行，这是目标识别领域中最为直观的识别方法，但是如何获得高质量的目标二维图像是进行目标识别的首先要解决的问题。

3.4基于极化特征的目标识别

极化是描述电磁波的重要参量之一，它描述了电磁波的矢量特征。极化特征是与目标形状本质有密切联系的特征。任何目标对照射的电磁波都有特定的极化变换作用，其变换关系由目标的形状、尺寸、结构和取向所决定。测量出不同目标对各种极化波的变极化响应，能够形成一个特征空间，就可对目标进行识别。极化散射矩阵（复二维矩阵）完全表征了目标在特定姿态和辐射源频率下的极化散射特性。对目标几何形状与目标极化特性的关系的研究结果表明，光学区目标的极化散射矩阵反映了目标镜面曲率差等精密物理结构特性。

经过近20年的发展，已经出现了许多种利用极化信息进行雷达目标识别的方法，其主要方法分为：

1）根据极化散射矩阵识别目标根据极化散射矩阵来识别目标是利用极化信息识别目标的基本方法。具体分为：根据不同极化状态下目标截面积的对比来识别目标；根据从目标极化散射矩阵中导出的目标极化参数集（极化不变量）来识别目标；根据目标的最佳极化或极化叉来识别目标。

由于不同姿态角下目标极化特性的改变，限制了根据极化散射矩阵及其派生参数识别目标的有效性，使之只能应用于简单几何形体目标，或与其它识别方法结合使用。

2)利用目标形状的极化重构识别目标对低分辨力雷达，不能区分目标上各个散射中心的回波，只能从它们的综合信号中提取极化特征，因而只能从整体上对简单形体的目标加以粗略的识别。

对高分辨力雷达，目标回波可分解为目标上各个主要散射中心的回波分量。对复杂形状目标的极化重构，就是利用高分辨力雷达区分出各个散射中心的回波，分别提取其极化信息。在对各个散射中心分别作出形状判断（可以利用目标的极化散射矩阵，或利用目标的缪勒矩阵中各个元素同目标形状的关系）后，依据其相对位置关系，组合成目标的整体形状。最后同已知目标数据库相比较，得到识别结果。

3)与成像技术相结合的目标识别结合SAR和ISAR成像，在相应雷达上加装变极化装置，从而可以利用极化信息或将极化信息与已有的图象识别技术相结合，对每一像素进行更有效的识别。

3.5各种特征识别方法对雷达的要求

不同的识别方法对雷达系统有着不同的要求。基于目标运动的回波起伏和调制谱特性的目标识别方法对雷达没有特殊的要求，它是在现有雷达的基础上，利用目标运动所引起的回波起伏特性和动态目标的调制谱特性，并结合雷达所能获取的目标空间坐标及运动参数（如目标高度、速度、航迹等）来进行目标识别，因而主要用于低分辨雷达的目标识别。

基于极点分布的目标识别方法可分为时域和频域方法。时域方法提取目标极点要求雷达的发射信号带宽足够宽，以保证由目标的瞬态响应中能够获得正确的目标极点；频域方法则要求雷达能够发射多种频率的电磁波以获取目标的频率响应。

基于高分辨力雷达成像的目标识别方法要求雷达不仅具有高的距离分辨力（对于一维距离像方法）而且具有高的角分辨力（对于二维距离像方法），这就要求采用宽带高分辨、合成孔径或逆合成孔径雷达。基于目标极化特征的目标识别方法要求雷达能够测量目标对不同极化方向的入射电磁波的极化散射特性、雷达具有变极化特性，这增加了雷达系统的复杂性，限制了其应用。

4用于雷达目标识别中的模式识别技术

进行雷达目标识别，必须依靠有效的目标特征分类技术（模式识别技术）。模式识别技术的发展为雷达目标识别的研究提供了有利的条件。统计模式识别方法、模糊模式识别方法、基于模型和基于知识的模式识别方法以及神经网络模式识别方法等在雷达目标识别中均有成功的应用。

4.1统计模式识别方法

统计模式识别是传统的模式识别方法，也是雷达目标识别中最常用到的特征分类方法，它是一种根据已知样本的统计特性来对未知类别样本进行分类的方法。其基本思想是用"维特征矢量表征目标模式，并通过对样本的学习，估计出特征矢量的概率分布密度函数，在某种最优准则下，利用特征矢量的统计知识来构造判别函数，从而在保证分类误差概率最小的条件下，对目标进行分类。

4.2模糊模式识别方法

在雷达目标识别中，由于噪声对目标背景的污染，目标信息转换过程中特征信息的随机交迭，目标信息随时间、距离、方位和姿态等因素的变化都可引起信息的模糊及目标特征的畸变，影响目标识别的效果。

在模糊集理论基础上发展起来的模糊模式识别技术，适于描述目标特征存在不同程度的不确定性。在目标识别过程中，模糊模式识别技术通过将数值变换提取的目标特征转换成由模糊集及隶属函数表征，再通过模糊关系和模糊推理等对目标的所属关系加以判定。

因此，模糊模式识别技术可以有效地完成一些传统模式识别中遇到的难题，近年来得到了广泛的研究。

4.3基于模型和基于知识的模式识别方法

基于模型的模式识别方法是用一种数学模型来表示从目标样本空间或特征空间中获取的、描述目标固有特性的各种关系准则。在建模过程中，除了利用目标的物理特性外，还运用了特征之间的符号关系准则，如特征随姿态角变化的规律等，因此，基于模型的的模式识别方法在一定程度上改善了传统的统计模式识别方法中信息利用率不高的缺点。目前也有不少人在致力于基于模型的目标识别方法的研究.基于知识的模式识别方法是结合人工智能技术的识别方法。它把人们在实践中逐步积累的知识和经验用简单的推理规则加以表述，并转换为计算机语言，利用这些规则可以获得与专家有同样识别效果的模式识别结果。

基于模型的方法常与基于知识的方法相结合，通过建立的目标模型库与相应的推理规则相结合完成目标的分类识别。

4.4神经网络模式识别方法

人工神经网络ANN和生物神经系统之间有着内在的联系，能够在有限领域内模拟人脑加工、存储与搜索信息的机制来解决某些特定的问题。它具有自适应、自组织、自学习能力，可以处理一些环境信息十分复杂、背景知识不清楚的问题，通过对样本的学习建立起记忆，然后将未知模式判为其最为接近的记忆。由于其自身的上述特点，模式识别是神经网络技术应用得最为广泛的领域之一。

由于雷达目标特征信息在模式空间中的分布常常极为复杂，要获得其先验统计知识并用传统的模式识别方法来实现目标识别很困难。ANN可以通过学习获得目标特征信号在模式空间中的分布，因此在目标识别的预处理、特征提取、模式分类的整个过程中均有初步的应用。近%1年来，ANN用于雷达目标识别得到了广泛的重视。

总之，先进的模式识别方法对于提高、改善雷达自动目标识别系统的性能将起到至关重要的作用，对它的进一步研究将具有重要的意义。

第二篇：检测曲线 雷达原理大作业

型目标检测曲线仿真

姓 名： 杨宁 学 号：14020181051

专 业： 电子信息工程 学 院： 电子工程学院

swerlingI

一、基本原理：

（1）第一类称SwerlingⅠ型, 慢起伏, 瑞利分布。

接收到的目标回波在任意一次扫描期间都是恒定的(完全相关), 但是从一次扫描到下一次扫描是独立的(不相关的)。假设不计天线波束形状对回波振幅的影响, 截面积σ的概率密度函数服从以下分布:

1p()e式中，σ为目标起伏全过程的平均值。式(5.4.14)表示截面积σ按指数函数分布, 目标截面积与回波功率成比例, 而回波振幅A的分布则为瑞利分布。由于A2=σ, 即得到

Ap(A)2A0A222A01（2）第二类称SwerlingⅡ型, 快起伏, 瑞利分布。

目标截面积的概率分布为快起伏, 假定脉冲与脉冲间的起伏是统计独立的。

（3）第三类称SwerlingⅢ型, 慢起伏, 截面积的概率密度函数为

p()2exp24这类截面积起伏所对应的回波振幅A满足以下概率密度函数(A2=σ):

且有σ=4A20/3。

（4）第四类称SwerlingⅣ型, 快起伏。

3A29A3p(A)exp22A042A0第一、二类情况截面积的概率分布, 适用于复杂目标是由大量近似相等单元散射体组成的情况, 虽然理论上要求独立散射体的数量很大, 实际上只需四五个即可。许多复杂目标的截面积如飞机, 就属于这一类型。

第三、四类情况截面积的概率分布, 适用于目标具有一个较大反射体和许多小反射体合成, 或者一个大的反射体在方位上有小变化的情况。用上述四类起伏模型时, 代入雷达方程中的雷达截面积是其平均值σ。

本次主要对swerling I型目标的检测概率曲线进行仿真。

二、仿真设计：

Swerling I 型目标的特点是目标回波在任意一次扫描期间都是恒定的（完全相关），但是从一次扫描到下一次扫描是独立的（不相关的）。下面在虚警概率为1e-8的情况下仿真其检测曲线，结果如下图所示：

三、源程序：

主函数部分：

clear all SNRdB=-10:0.5:20;SNR=10.^(SNRdB/10);N=10;i=1;Pd1(i,:)=Pd_swerling1(N);

这个函数用来得出Pd的表达式。

function Pd=Pd_swerling1(N)SNRdB=-10:0.5:20;SNR=10.^(SNRdB/10);%信噪比 n=length(SNR);Pf=1e-8;

T=threshold(Pf,N);%调用threshold(Pf,N)计算门限

Pd=(1+1./(N*SNR)).^(N-1).*exp(-T./(1+N*SNR));这个函数用于迭代得出门限。

function T=threshold(Pf,N)

Nf = N * log(2)/ Pf;

sqrtPf = sqrt(-log10(Pf));sqrtN = sqrt(N);

T0=N-sqrtN+2.3*sqrtPf*(sqrtPf+sqrtN-1.0);%递归初值 T=T0;delta=10000;eps=1e-8;

while(abs(delta)>= T0)igf = gammainc(T0,N);num=0.5^(N/Nf)-igf;temp=1;

for i=1:N-1;%由于N取大值时计算易发散，所以将阶乘（N-1）！分解计算

temp1=T0/i/exp(1);temp=temp*temp1;end deno = exp(-T0+N-1)*temp;

T =T0+(num/(deno+eps));delta = abs(T-T0)* 10000.0;T0=T;end

第三篇：西电雷达原理大作业

雷达原理大作业

姓名： 学号： 0211 时间：2013年11月

一． 匹配滤波器原理

1.通常对最佳线性滤波器的设计有两种准则：

使滤波器输出的信号波形与发送信号波形之间的均方误差最小，由此而导出的最佳线性滤波器称为维纳滤波器；

使滤波器输出信噪比在某一特定时刻达到最大，由此而导出的最佳线性滤波器称为匹配滤波器。

最佳估值的准则：输出信噪比达到最大 典型应用：雷达系统中的最佳接收技术

系统模型：

输入信号和噪声

设有用输入信号s(t)，功率谱密度函数是： Ps(f)设输入噪声n(t)，功率谱密度函数是： Pn(f)接收系统

相应的转移函数是：h(t), H(f)输出信号和噪声：

信号的输出是：

ys(t)系统分析：

输出信号的频谱和对应的信号，输出信号的功率谱和平均功率：

在 t 1 = t 时刻，输出的信噪比是：

最佳接收匹配滤波器：构造接收系统匹配滤波器H(f)，使得滤波器输出信噪比最大

假设线性滤波器的输入端是信号与噪声的叠加s(t)x(t)n(t)，且假设噪声n(t)是白噪声，其功率谱密度

Pn(f)N02，信号的频谱为X(f)。

问题：设计一个滤波器使输出端的信噪比在某时刻t0达到最大。假设该滤波器的系统响应函数为H(f)，系统冲击响应为h(t)，则 输出信号 y(t)s0(t)nO(t)其中，s0(t)x()h(t)d，So(f)X(f)H(f)

so(t)X(f)H(f)ej2ftdf

2t|s(t)|000所以在时刻，信号的功率为

输出噪声的功率谱密度

Pno(f)N0|H(f)|22

输出噪声平均功率为

PnN0|H(f)|2df2

所以t0时刻输出的信噪比为：

r0|s0(t0)|2Pn|X(f)H(f)ej2ftdf|202N02

|H(f)|2df根据Schwarts不等式，|X(f)Y(f)df||X(f)|df|Y(f)|2df2

可以得到

r0|X(f)|2dfN022EsN0

*j2ft0H(f)KX(f)e当时等式成立。

*j2ft0H(f)KX(f)e因此，如果设计一个滤波器，它的系统响应函数为时，滤波器输出信噪比最大。

一． 线性调频信号匹配滤波器的输出特性：

线性调频脉冲信号具有以下特点：

(1)、具有近似矩形的幅频特性。

(2)、具有平方律的相频特性，它是设计匹配滤波器时主要考虑的部分。

(3)、具有可以选择的时宽带乘积。普通脉冲雷达的信号是单一载频脉冲信号，它的时宽乘积是固定的，大约等于1，而线性调频脉冲信号的时宽带乘积可以做得很宽。

匹配滤波器的输出信号为：

其中，R(t)为输入信号s(t)的自相关函数。

上式表明，匹配滤波器的输出波形是输入信号s(t)自相关函数的K 倍。因此，匹配滤波器可以看成是一个计算输入信号自相关函数的相关器，其在t 0时刻得到最大输出信噪比：

由于输出信噪比与常数K 无关，所以通常取K = 1。

三．匹配滤波实现方法

1.仿真模型组成框图：

加窗处理是为了抑制距离旁瓣。常用的窗函数包括矩形窗、汉宁窗、海明窗、布莱克曼窗、凯泽窗、切比雪夫窗等。

2.实现代码： clear all;signal=zeros(1,300);k=0.001;%产生线性调频信号 for i=50:250 signal(i)=exp(j*pi*k*(i-150)^2);end l=1:300;plot(l,real(signal));%线性调频信号的图像 title('线性调频信号的图像');match=zeros(1,300);%构造匹配滤波器 for i=1:201 match(i)=exp(-j*pi*k*(i-100)^2);end l=1:300;figure;plot(l,real(match));%匹配滤波器的图像 title('匹配滤波器的图像')s_out=ifft(fft(signal,512).*fft(match,512),512);%产生输出信号 figure;plot(abs(s_out));title('输出信号的图像');四． 匹配滤波器的作用：

1．提高信噪比。毫不夸张地说，任何电子系统都有匹配滤波或近似匹配滤波的环节，目的是提高信噪比。

2．对于大时间带宽积信号，匹配滤波等效于脉冲压缩。因此可以提高雷达或声纳的距离分辨率和距离测量精度。在扩频通信中，可以实现解扩。

五．仿真结果：

第四篇：2015雷达原理课后作业

2015年雷达原理课程作业

2015年春季第2周（3月13日）作业

1.简述雷达系统为什么能够探测并定位远程运动目标。2.简述雷达系统是如何探测并定位远程运动目标的。

3.某单基地雷达发射矩形脉冲信号，工作频率为f0，发射脉冲前沿的初相为0，有1个目标位于距离r处，请给出目标接收脉冲前沿的初相表达式（须有必要的推导过程）4.请画出雷达发射脉冲串的射频信号波形示意图，并标明必要的雷达信号参数（如脉冲时宽等）。5.cos(2f0t +0)与cos(2f0t +12fdt +1)是否是相参信号？其中fd、0与1都是未知常数。6.某目标雷达回波信号的信噪比SNR=71，请换算成dB值并给出笔算过程。

7.有人说“雷达系统是一种通信系统。”你是否认同此观点，并请给出2条以上理由。8.解调后的雷达基带信号波形为什么可以用复数表示。请画出IQ正交解调的原理框图。9.请列举至少2项可能影响雷达目标回波信号相位信息的实际因素。

10.为什么现代多功能雷达大都采用主振放大式发射机？举例说明何时可采用单级振荡式发射机。

2015年春季第3周（3月20日）作业

1.雷达信号带宽为B，请从有利于目标检测的角度简述雷达接收机带宽应如何选取。2.简述噪声系数的定义。雷达接收机噪声系数的下限是多少dB？ 3.简述接收机噪声带宽与接收机动态范围的定义。

4.某雷达固定在某地进行一整年的性能测试，一年内雷达架设地点、架设方式、软硬件等自身条件没有发生任何变动，农舍及其与雷达之间的周边地貌环境也没用任何变化。冬天时，它能检测到对面山顶的农舍，但在夏天时，它却经常检测不到该农舍，请解释原因。5.某雷达发射矩形脉冲串信号，载频为f0，脉冲宽度为，幅度恒定，没有频率调制和相位调制。请问该雷达的目标回波通过匹配滤波后，信噪比（SNR）能够提高多少dB？ 6.硬件系统完全相同的两部雷达接收机的灵敏度是否也一定相同？请根据雷达接收机灵敏度公式简述理由。7.简述离散傅里叶变换DFT与窄带带通滤波器之间的联系？已知目标信号频率ft =1.5kHz，信号序列采样率fs=10kHz，序列长度 = 1.6ms，所有样点幅度为1，请写出该目标信号匹配滤波器的系数序列h(n)或其表达式。8.请对教材第64页图3.18（参见右图）进行简要的物理解读，即图中显示哪些规律。

9.请画出超外差式雷达接收机的原理框图，并简述其中第1级高频放大器的指标要求及其作用。10.请列举雷达接收信号中4种可能组成成分的名称及定义，并简述相参处理对各信号成分可能产生的作用是什么？

第五篇：雷达原理作业4-2016

《雷达原理》作业，No.4 递交日期：2016.4.20

1.对固定目标和运动目标的相干脉冲多普勒雷达回波，分别通过相位检波器后，输出信号的主要区别是，回波脉冲在距离显示器上的主要区别是.。

2、雷达动目标显示系统的作用是，常用的实现动目标显示的方法是。

3、雷达的盲速效应是指，出现盲速的条件是

，要提高第一等效盲速，采取的措施有

，频闪效应是指

，出现频闪的条件是。

4、对于PRF为1KHz、波长3cm的脉冲多普勒雷达，它的第一盲速为()米/秒，当目标速度大于()米/秒时，会出现频闪效应。为了消除盲速现象，可以采用()。

5.MTI滤波器的凹口宽度应该()，通带内的频响要求()。

6.在MTD中，如果采用N=256的滤波器组，PRF为1KHz，则能检测运动目标的分辨率是（）；与MTI系统相比，其信噪比提高了（）倍，分辨力提高了（）倍。

7.说明采用参差重复频率提高第一盲速的基本原理。

8.如果雷达系统的PRF为1 KHz，工作频率为3 GHz, 气象杂波（云）的径向运动速度为10m/s，试设计一个一阶的MTI对消器。

9.若目标的最大径向速度为120m/s，雷达的工作波长为2cm，脉冲重复频率为1500Hz，则雷达对该目标测量时，会不会出现盲速和频闪现象？为什么？

10.什么是点盲相？什么是连续盲相？试画出点盲相和连续盲相出现时鉴相器的矢量图。

11.作图描述地面雷达的杂波和动目标频谱，并以一次对消器为例说明MTI处理的基本原理。比较一次对消器和二次对消器的基本结构及滤波特性，说明二次对消器在抑制固定杂波上的优点。