阶段.Rangeestimator.

范围估计

展开所有页面

描述

这阶段.Rangeestimator.System Object™估计目标的范围。输入到估计器包括范围响应或范围 - 多普勒响应数据立方体，以及来自探测器的检测位置。当有关检测集群的信息可用时，使用群集信息计算范围。群集将多次检测与一个扩展检测相关联。

计算距离-响应或距离-多普勒立方体的探测:

使用该范围和设置范围估计器建造下面的程序。
打电话给步计算范围的方法，使用您指定的属性阶段.Rangeestimator.系统对象。

笔记

而不是使用步方法来执行由System对象定义的操作，您可以使用参数调用对象，就像它是一个函数一样。例如,y =步骤（obj，x）和y = obj（x）执行等效操作。

建造

估算器=阶段.Rangeestimator.创建范围估计系统对象，估算器．

估算器=阶段.RangeESTIMATOR（名称那价值）创建一个System对象，估算器，每个指定的属性名称设置为指定的价值．您可以以任何顺序指定其他名称和值对参数（Name1, Value1，......，namen，valuen.)．

特性

展开全部

`numestimatessource.`-报告的范围估计数来源
`'汽车'`（默认）|`'财产'`

报告的范围估计数的来源，指定为'汽车'或'财产'．

如果您将此属性设置为'汽车'，报告的估计数由列中的列数确定detidx的输入步方法。如果提供群集ID，则估计数由唯一群集ID中的数量确定clusterids.的输入步方法。

如果您将此属性设置为'财产'，报告的估计数是从价值获得的NumEstimates财产。

数据类型：char

`NumEstimates`-最大估计数
`1`（默认）|正整数

要报告的范围估计值的最大数目，指定为一个正整数。请求的估计值的数量可能大于detidx参数或唯一ID中的数量clusterids.争论步方法。在这种情况下，剩余部分充满了南．

依赖性

要启用此属性，请设置numestimatessource.财产'财产'．

数据类型：单身的|双倍的

`clusterinputport.`-接受集群id作为输入
`错误的`（默认）|`真正的`

选项可接受群集ID作为输入参数步方法，指定为错误的或真正的．将此属性设置为真正的启用clusterids.输入参数。

数据类型：逻辑

`VarianceOutputPort`-距离估计的输出方差
`错误的`（默认）|`真正的`

选项来启用范围估计方差的输出，指定为错误的或真正的．的值返回范围方差rngvar的输出参数步方法。

数据类型：逻辑

`RMSRESOOLLIN.`-根均方范围分辨率
`1．0`（默认）|正标量

检测的根均方范围分辨率，指定为正标量。价值RMSRESOOLLIN.必须有相同的单位rangegrid的输入参数步方法。

依赖性

属性的值即可启用此属性VarianceOutputPort财产真正的．

数据类型：单身的|双倍的

`NoisePowerSource`-噪声功率值的来源
`'财产'`（默认）|`'输入端口'`

噪声功率值的来源，指定为'财产'或'输入端口'．噪声功率用于计算范围估计方差和SNR。如果您将此属性设置为'财产'的值NoisePower属性表示检测地点的噪声功率。如果您将此属性设置为'输入端口'，您可以使用该噪声功率指定诺斯韦尔的输入参数步方法。

数据类型：char

`NoisePower`-噪声功率
`1．0`（默认）|正标量

恒定噪声功率值在范围响应或范围 - 多普勒响应数据多维数据集中指定为正实标量。噪声功率单元是线性的。对所有检测应用相同的噪声功率值。

依赖性

属性的值即可启用此属性VarianceOutputPort财产真正的并设置NoisePowerSource至'财产'．

数据类型：单身的|双倍的

方法

步

估计目标范围

所有系统对象共同
`释放`	允许修改系统对象的属性值

例子

全部折叠

估计三个目标的射程和速度

打开生活的脚本

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 - 多普勒映射分阶段。RangeDopplerResponseSystem Object™。然后用来阶段.Rangeestimator.和分阶段。DopplerEstimator系统对象估计范围和速度。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。

发送信号是线性FM波形，脉冲重复间隔（PRI）为7.0μs，占空比为2％。工作频率为77 GHz，采样率为150 MHz。

FS = 150E6;c = physconst（“光速”）;FC = 77.0E9;pri = 7e-6;prf = 1 / pri;

设置方案参数。发射器和接收器静止并位于原点。目标是500,530和距离雷达750米X-轴。目标沿着X-轴以- 60m /s、20 m/s和40 m/s的速度。所有三个目标都有一个10 dB的非波动雷达截面(RCS)。创建目标和雷达平台。

Numtgts = 3;tgtpos = 0 (Numtgts);Tgtpos(1，赋值)= [500 530 750];Numtgts tgtvel = 0(3日);Tgtvel(1，赋值)= [-60 20 40];TGTRCS = db2pow(10)*[1 1 1];tgtmotion = phased.Platform (tgtpos tgtvel);=阶段性目标。RadarTarget ('繁殖'c“OperatingFrequency”，fc，......'veslrcs', tgtrcs);radarpos = (0, 0, 0);radarvel = (0, 0, 0);radarmotion = phased.Platform (radarpos radarvel);

创建发射器和接收器天线。

txantenna = phased.IsotropicAntennaElement;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 = f / 2;波形=分阶段。LinearFMWaveform ('采样率'fs,......'prf'，prf，'输出格式'那'脉冲'那“NumPulses”，1，'SweepBandWidth'，fs / 2，......“DurationSpecification”那'占空比'那'占空比'，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。

峰值= 10;Txgain = 36.0;Txgain = 36.0;变送器= Phased.Transmitter（......“PeakPower”，峰值功率，......“获得”，txgain，......'inseoutputport'，真的）;散热器=相位。......“传感器”，txantenna，......'繁殖'c......“OperatingFrequency”，FC）;

建立双向传播模式的自由空间信道。

channel = phased.freespace（......'采样率'fs,......'繁殖'c......“OperatingFrequency”，fc，......“TwoWayPropagation”，真的）;

设置接收器结束处理。设置接收器增益和噪声系数。

收集器=阶段.Collector（......“传感器”，rxantenna，......'繁殖'c......“OperatingFrequency”，FC）;rxgain = 42.0;噪音= 1;Receiver = phased.receiverProamp（......'采样率'fs,......“获得”，rxgain，......'噪音文件', noisefig);

通过脉冲循环创建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集中。数据立方体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，所以立方体只有两个维度。

处理步骤是：

移动雷达和目标。
传输波形。
将波形信号传播到目标。
反射目标的信号。
将波形传回雷达。双向传播使您能够将返回传播与出站传播结合起来。
在雷达处接收信号。
将信号加载到数据多维数据集。

np = 128;dt = pri;立方体=零（NR，NP）;为了n = 1：np [sensorpos，sensorvel] = radarmotion（dt）;[tgtpos，tgtvel] = tgtmotion（dt）;[tgtrng，tgtang] = rangeangle（tgtpos，sensorpos）;sig =波形（）;[txsig，txstatus] =发射机（SIG）;TXSIG =散热器（TXSIG，TGTANG）;TXSIG =通道（TXSIG，SENSORPOS，TGTPOS，SENSERVEL，TGTVEL）;tgtsig = target（txsig）;rxcol =收集器（tgtsig，tgtang）;rxsig =接收器（rxcol）; cube(:,n) = rxsig;结尾

显示每个脉冲的包含信号的数据多维数据集。

ImagesC（[0：（np-1）] * pri * 1e6，[0：（nr-1）] / fs * 1e6，abs（立方））xlabel（慢时间{\μ}年代”) ylabel ('快速时间{\ mu}'）轴XY.

图包含轴。轴包含类型图像的对象。

创建并显示128个多普勒箱的距离-多普勒图像。该图像垂直显示范围和水平速度。利用线性调频波形进行匹配滤波。这是距离-多普勒图。

ndop = 128;rangedopresp = phased.rangedopplerresponse（'采样率'fs,......'繁殖'c“DopplerFFTLengthSource”那'财产'那......'dopplerfftlength'ndop,“DopplerOutput”那'速度'那......“OperatingFrequency”，FC）;matchingcoeff = getMatchedFilter（波形）;[rngdopresp，rnggrid，dopgrid] =范围（立方体，matchingcoeff）;ImagesC（DopGrid，RNGGrid，10 * log10（ABS（rngdoprep）））xlabel（'关闭速度（m / s）') ylabel ('范围（m）'）轴XY.

图包含轴。轴包含类型图像的对象。

因为目标沿着积极的谎言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));

创建距离和多普勒估计对象。

RangeStimator = Phased.RangeEstimator（“NumEstimatesSource”那'汽车'那......“VarianceOutputPort”，真的，“NoisePowerSource”那'输入端口'那......'rmsresolution'，rngrms）;DopeStimator =相位.Dopplerestimator（“VarianceOutputPort”，真的，......“NoisePowerSource”那'输入端口'那“NumPulses”，NP）;

在距离-多普勒图像中定位目标指数。为了简单起见，我们不使用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数。

detidx = nan（2，numtgts）;tgtrng = rangeangle（tgtpos，radarpos）;TGTSPD =放射性速度（TGTPOS，TGTVEL，RADARPOS，RADARVEL）;tgtdop = 2 * speed2dop（tgtspd，c / fc）;为了m = 1:numel(tgtrng) [~，iMin] = min(abs(rngrrid -tgtrng(m)));detidx(1米)= iMin;[~, iMin] = min (abs (dopgrid-tgtspd (m)));detidx(2米)= iMin;结尾

在检测位置找到噪声功率。

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

估计检测位置的距离和距离方差。估计的范围与假定的范围一致。

[rng, rngvar] = rangeestimator (rngdopresp、rnggrid detidx,噪音(印第安纳州))

rng =3×1499.7911 529.8380 750.0983

rngvar =3×110.^－4×0.0273 0.0276 0.2094

估计检测位置的速度和速度变化。估计的速度与预测的速度一致。

[spd, spdvar] = dopestimator (rngdopresp、dopgrid detidx,噪音(印第安纳州))

社民党=3×160.5241 -19.6167 -39.5838

spdvar =3×110.^－5× 0.0806 0.0816 0.6188

算法

展开全部

区间估计

这阶段.Rangeestimator.系统对象通过以下步骤估计检测范围:

中获取的范围处理的响应数据集分阶段。RangeResponse或分阶段。RangeDopplerResponse系统对象。立方体的第一个维度表示返回信号样本的快速或等效范围。只有这个维度用于估计检测距离。其他的都被忽略了。
输入指定数据多维数据集中检测位置的检测索引矩阵。每列表示单独的检测。行条目将索引指定为数据多维数据集。您可以将检测索引作为输出获取临界.CFARDetector.或phased.cfardetector2d.探测器。要返回这些指数，请设置OutputFormatCFAR探测器的属性“检测指数”．
可选地输入群集ID的行向量。该矢量的长度与检测次数相等。此向量的每个元素将ID分配给相应的检测。为了形成群集，可以将相同的ID分配给多于一个检测。要启用此选项，请设置clusterinputport.财产真正的．
什么时候clusterinputport.是错误的，对象计算每次检测的范围。该算法沿着距离维在检测位置和立方体中相邻的两个指标上寻找响应值。然后，对这三个位置的距离响应大小拟合一条二次曲线，求出峰值的位置。当检测出现在距离维度的第一个或最后一个样本时，从两点质心估计距离响应。在检测指标的位置和与检测指标相邻的样本处进行估计。
什么时候clusterinputport.是真正的，对象计算每个集群的范围。该算法寻找聚类中响应值最大的指标，并与单个检测的方法相同，对该检测采用二次公式。
将装配峰值位置的分数指数值转换为范围。要转换索引，请为此选择合适的单位rnggrid.的输入参数步方法。您可以使用值rnggrid.从中获得分阶段。RangeResponse或分阶段。RangeDopplerResponse系统对象。

该对象使用ziv-zakai绑定计算估计的范围差异。

数据精度

此系统对象支持输入数据，属性和参数的单万博1manbetx个和双精度。如果输入数据X是单精度，输出数据是单精度。如果输入数据X是双精度，输出数据是双精度。输出的精度独立于属性和其他参数的精度。

参考文献

理查兹[1],M。雷达信号处理基础．第二次。麦格劳山专业工程，2014年。

理查兹，M.， J.希尔，和W.霍尔姆。现代雷达原则：基本原则．Scitech Publishing，2010。

扩展能力

C / C ++代码生成
使用MATLAB®Coder™生成C和c++代码。

使用说明和限制：

看系统对象在MATLAB代码生成（MATLAB编码器）．
此系统对象支持输入数据，属性和参数的单万博1manbetx个和双精度。如果输入数据X是单精度，输出数据是单精度。如果输入数据X是双精度，输出数据是双精度。输出的精度独立于属性和其他参数的精度。

也可以看看

在R2017A介绍

阶段.Rangeestimator.

描述

建造

特性

`numestimatessource.`-报告的范围估计数来源
`'汽车'`（默认）|`'财产'`

`NumEstimates`-最大估计数
`1`（默认）|正整数

依赖性

`clusterinputport.`-接受集群id作为输入
`错误的`（默认）|`真正的`

`VarianceOutputPort`-距离估计的输出方差
`错误的`（默认）|`真正的`

`RMSRESOOLLIN.`-根均方范围分辨率
`1．0`（默认）|正标量

依赖性

`NoisePowerSource`-噪声功率值的来源
`'财产'`（默认）|`'输入端口'`

`NoisePower`-噪声功率
`1．0`（默认）|正标量

依赖性

方法

例子

估计三个目标的射程和速度

更多关于

日期立方体

算法

区间估计

数据精度

参考文献

扩展能力

C / C ++代码生成
使用MATLAB®Coder™生成C和c++代码。

也可以看看

职能

对象

话题

相控阵系统工具箱文档

万博1manbetx

为5G系统探索混合波束形成架构

阶段.Rangeestimator.

描述

建造

特性

numestimatessource.-报告的范围估计数来源'汽车'（默认）|'财产'

NumEstimates-最大估计数1（默认）|正整数

依赖性

clusterinputport.-接受集群id作为输入错误的（默认）|真正的

VarianceOutputPort-距离估计的输出方差错误的（默认）|真正的

RMSRESOOLLIN.-根均方范围分辨率1．0（默认）|正标量

依赖性

NoisePowerSource-噪声功率值的来源'财产'（默认）|'输入端口'

NoisePower-噪声功率1．0（默认）|正标量

依赖性

方法

例子

估计三个目标的射程和速度

更多关于

日期立方体

算法

区间估计

数据精度

参考文献

扩展能力

C / C ++代码生成使用MATLAB®Coder™生成C和c++代码。

也可以看看

职能

对象

话题

相控阵系统工具箱文档

万博1manbetx

为5G系统探索混合波束形成架构

`numestimatessource.`-报告的范围估计数来源
`'汽车'`（默认）|`'财产'`

`NumEstimates`-最大估计数
`1`（默认）|正整数

`clusterinputport.`-接受集群id作为输入
`错误的`（默认）|`真正的`

`VarianceOutputPort`-距离估计的输出方差
`错误的`（默认）|`真正的`

`RMSRESOOLLIN.`-根均方范围分辨率
`1．0`（默认）|正标量

`NoisePowerSource`-噪声功率值的来源
`'财产'`（默认）|`'输入端口'`

`NoisePower`-噪声功率
`1．0`（默认）|正标量

C / C ++代码生成
使用MATLAB®Coder™生成C和c++代码。