主要内容

分阶段。DopplerEstimator

多普勒估计

展开所有页面

描述

的分阶段。DopplerEstimator系统目标™估计目标的多普勒频率。估计器的输入由检测器输出的检测位置和距离-多普勒响应数据立方体组成。当检测聚类时，利用聚类信息计算多普勒频率。聚类将多个检测关联到一个扩展检测。

计算探测的多普勒值:

  1. 使用该定义和设置多普勒估算器建造过程。

  2. 调用一步方法来计算探测的多普勒，使用指定的属性分阶段。DopplerEstimator系统对象。

请注意

而不是使用一步方法要执行系统对象定义的操作，可以使用参数调用对象，就像它是一个函数。例如，y =步骤(obj, x)和y = obj（x）执行相同操作。

建造

估计量=分阶段。DopplerEstimator创建一个多普勒估计系统对象，估计量．

估算器=阶段.Dopplerestimator（的名字，价值）创建一个系统对象，估计量，并使用每个指定的属性的名字设置为指定的价值．您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

所要求的多普勒估计数目的来源，具体说明为'汽车'或者“属性”．

如果将此属性设置为'汽车'，估计数量等于列中的列数detidx.输入论点一步方法。如果提供群集ID，则估计数等于唯一群集ID的数量。

如果将此属性设置为“属性”，所报告的估计数由的值获得numitimates.财产。

数据类型:字符

报告的最大估计数，指定为正整数。当请求估计数大于列中的列数时detidx.论点的一步方法，其余部分充满了南．

依赖关系

要启用此属性，请设置NumEstimatesSource财产“属性”．

数据类型:c|双

选择接受clusterids作为一个输入论点一步方法,指定为假或者真的．将此属性设置为真的使clusterid.输入论点一步方法。

数据类型:逻辑

选项使输出多普勒方差估计，指定为假或者真的．多普勒方差估计返回在dopvar输出论点一步方法。

数据类型:逻辑

多普勒处理数据立方体中的脉冲数，指定为正整数。

依赖关系

要启用此属性，请设置varianceoutputport.财产真的．

数据类型:单身的|双

噪声源功率值，规定为“属性”或者输入端口的．利用噪声功率计算多普勒估计方差和信噪比。如果将此属性设置为“属性”，值的价值诺斯韦尔属性表示检测位置处的噪声功率。如果将此属性设置为输入端口的，您可以使用noisepower输入论点一步方法。

数据类型:字符

距离-多普勒数据立方体上的恒定噪声功率值，指定为正标量。噪声动力单元是线性的。所有检测均采用相同的噪声功率值。

依赖关系

要启用此属性，请设置varianceoutputport.财产真的和集合noisepowersource.来“属性”．

数据类型:单身的|双

方法

一步 估计目标多普勒
所有系统对象都是通用的
释放

允许系统对象属性值更改

例子

全部折叠

打开直播脚本

要估计三个目标的范围和速度，请使用该范围和速度使用距离 - 多普勒映射临界.Rangedopplerresponse.系统对象™。然后使用分阶段。RangeEstimator和分阶段。DopplerEstimator估计距离和速度的系统对象。发射机和接收机配置各向同性天线单元，形成单基地雷达系统。

发射信号为线性FM波形，脉冲重复间隔(PRI)为7.0 μs，占空比为2%。工作频率为77ghz，采样频率为150mhz。

fs = 150 e6;c = physconst (“光速”）;FC = 77.0E9;pri = 7e-6;prf = 1 / pri;

设置场景参数。发射机和接收机是静止的，并且位于原点。目标距离雷达500、530和750米x设在。目标沿着x以- 60m /s, 20m /s和40m /s的速度。所有三个目标的雷达截面(RCS)均为10db。创建目标和雷达平台。

numtgts = 3;tgtpos = zeros（numtgts）;tgtpos（1，:) = [500 530 750];tgtvel =零（3，numtgts）;tgtvel（1，:) = [-60 20 40];TGTRCS = DB2Pow（10）* [1 1];tgtmotion = phased.platform（tgtpos，tgtvel）;target = phased.radartarget（“PropagationSpeed”，C，'运行频率'足球俱乐部,......“MeanRCS”，TGTRC）;radarpos = [0; 0; 0];雷达= [0; 0; 0];radarmotion = phased.platform（radarpos，radarvel）;

创建发射器和接收器天线。

txantenna =阶段。异丙哒植物;rxantenna =克隆（txantenna）;

设置发射器端信号处理。创建具有样品速率的一个带宽的提高线性FM信号。在样本中找到PRI的长度，然后估计RMS带宽和范围分辨率。

BW = FS / 2;waveform = phased.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）/ sqrt（12）;RNGRMS = C / BWRM;

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

peakpower = 10;txgain = 36.0;txgain = 36.0;发射机=分阶段。发射机(......“PeakPower”peakpower,......'获得'txgain,......“InUseOutputPort”,真正的);散热器=分阶段。散热器(......“传感器”，txantenna，......“PropagationSpeed”，C，......'运行频率'、fc);

在双向传播模式下设置自由空间通道。

频道=分阶段。空闲空间(......“SampleRate”，fs，......“PropagationSpeed”，C，......'运行频率'足球俱乐部,......'twowaypropagation',真正的);

建立接收端处理。设置接收机增益和噪声值。

收集器=分阶段。收集器(......“传感器”rxantenna,......“PropagationSpeed”，C，......'运行频率'、fc);rxgain = 42.0;noisefig = 1;接收机=分阶段。ReceiverPreamp (......“SampleRate”，fs，......'获得'rxgain,......“NoiseFigure”, noisefig);

对脉冲进行循环，创建一个包含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。数据立方体包含每个脉冲接收到的信号。通常，一个数据立方体有三个维度，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。

处理步骤如下:

  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. 反射来自目标的信号。

  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 =革命制度党;多维数据集= 0 (Nr、Np);为n = 1:Np [sensorpos,sensorvel] = radarmotion(dt);[tgtpos, tgtvel] = tgtmotion (dt);[tgtrng, tgtang] = rangeangle (tgtpos sensorpos);sig =波形();[txsig, txstatus] =发射机(团体);txsig =散热器(txsig tgtang);txsig =通道(txsig sensorpos、tgtpos sensorvel, tgtvel);tgtsig =目标(txsig);rxcol =收集器(tgtsig tgtang);rxsig =接收机(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('缓慢时间{\ mu} s'）ylabel（“快{\μ}年代”)轴xy

图中包含一个坐标轴。轴包含一个image类型的对象。

为128多普勒箱创建和显示范围 - 多普勒图像。图像显示垂直和水平速度的范围。使用线性FM波形进行匹配过滤。图像在此是范围 - 多普勒映射。

ndop = 128;rangedopresp = phased.rangedopplerresponse（“SampleRate”，fs，......“PropagationSpeed”，C，'dopplerfftlengthsource'，“属性”，......“DopplerFFTLength”ndop,'dopperoutput'，“速度”，......'运行频率'、fc);matchingcoeff = getMatchedFilter(波形);[rngdopresp, rnggrid dopgrid] = rangedopresp(立方体,matchingcoeff);显示亮度图像(dopgrid rnggrid 10 * log10 (abs (rngdopresp)))包含(的关闭速度(米/秒)）ylabel（的范围(m))轴xy

图中包含一个坐标轴。轴包含一个image类型的对象。

因为目标是沿着积极的方向x-AXIS，全局坐标系中的正速度对应于负闭合速度。全局坐标系中的负速度对应于正闭合速度。

估计匹配过滤后的噪声功率。为模拟目的创建恒定的噪声背景图像。

mfgain = matchingcoeff ' * matchingcoeff;dopgain = Np;noisebw = f;noisepower = noisepow (noisebw receiver.NoiseFigure receiver.ReferenceTemperature);noisepowerprc = mfgain * dopgain * noisepower;噪音= noisepowerprc *的(大小(rngdopresp));

创建范围和多普勒估计对象。

rangeestimator =分阶段。RangeEstimator (“NumEstimatesSource”，'汽车'，......“VarianceOutputPort”，真的，“NoisePowerSource”，输入端口的，......“RMSResolution”, rngrms);dopestimator =分阶段。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检测器，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。

Numtgts detidx =南(2);tgtrng = rangeangle (tgtpos radarpos);tgtspd = radialspeed (tgtpos tgtvel、radarpos radarvel);tgtdop = 2 * speed2dop (tgtspd c / fc);为m = 1:numel(tgtrng) [~，iMin] = min(abs(rngrid -tgtrng(m)));detidx(1米)= iMin;[~, iMin] = min (abs (dopgrid-tgtspd (m)));detidx(2米)= iMin;结束

找出探测位置的噪声功率。

IND = sub2ind（大小（噪声），detidx（1，:)，detidx（2，:)）;

估计检测位置处的范围和范围差异。估计的范围与假设范围同意。

[RNGEST，RNGVAR] = RangeStimator（RNGDopresp，RNGGrid，Detidx，噪声（IND））
rng =3×1499.7911 529.8380 750.0983
rngvar =3×110.-4× 0.0273 0.0276 0.2094

估计检测位置处的速度和速度方差。估计速度与预测的速度一致。

[spd, spdvar] = dopestimator (rngdopresp、dopgrid detidx,噪音(印第安纳州))
Spdest =3×160.5241 -19.6167 -39.5838
spdvar =3×110.-5× 0.0806 0.0816 0.6188

算法

全部展开

参考文献

理查兹[1],M。雷达信号处理基础知识。第2版，McGraw-Hill Professional Engineering, 2014。

[2]理查兹，M.，J. Scheer和W. Holm，现代雷达原理:基本原理．科技出版,2010年。

扩展功能

另请参阅

功能

对象

主题

介绍了R2017a

相控阵系统工具箱文档

万博1manbetx

探索用于5G系统的混合波束形成架构

探索用于5G系统的混合波束形成架构

下载白皮书