雷达编程实战之抗干扰与角度估计

已于 2023-10-14 18:23:06 修改
阅读量1.5k 收藏 14
点赞数 5
分类专栏： 车载毫米波雷达 文章标签： 目标跟踪 物联网 信号处理 4D雷达
于 2023-09-23 23:35:18 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/geek_liyang/article/details/133218267
版权

雷达中经过混频的中频信号常常混有直流分量等一系列干扰源引入的固定频率杂波，我们称之位静态杂波，雷达信号处理需要把这些静态杂波滤除从而有效的提高信噪比，实现准确的目标检测功能。

目标的到达角估计作为常规车载雷达信号处理的末端，因为雷达阵列规模的限制等原因，是一个比较容易出错的环节，下文介绍了几种常见的到达角估计方法，并穿插介绍了俯仰角的一种计算方式，能够很好解决俯仰角错误估计导致的后续数据处理流程中将井盖与交通警示牌混淆的问题。俯仰角计算需要接收（发射）天线之间在水平面法线上有距离差。

目录

静态杂波滤除

到达角估计 

静态杂波滤除

信号处理算法中的静态杂波滤除主要有以下几种方法：

  • 零速通道置零法
  • 动目标显示（MTI）
  • 相量均值相消算法

零速通道置零法方法在2D-FFT（速度维FFT）后直接将零速附近通道置零，此操作意味着静止目标或者低速目标会直接消失，此操作意味着静止目标或者低速目标会直接消失，下图左中信号的直流分量幅值很高，目标的幅度被直流分量严重压制，在进行后续的CFAR处理之前最好能够将信号的直流分量去除，便于提高雷达的性能，右边是采用零通道置零法之后的R-V谱矩阵，可以看出，这种方法对直流分量有一定的抑制效果，但对目标的微多普勒信息有一定的损失。因此，采用这种最简单的方法需要考虑具体的应用场景。

MTI是指利用杂波抑制滤波器来抑制杂波，提高雷达信号的信杂比，以利于运动目标检测的技术。 

静止目标或者杂波在多Chirp数据间不会产生初始相位的变化，其均值会很大。如果目标是运动目标或者微动目标，由于目标运动会导致每个Chirp间的相位不同，其相量求和累加后会出现抵消（可以想象成正弦信号每个点相加为零），则其均值会很小，也就是说，对1DFFT结果中所有Chrip求得平均Chirp就可以得到静态杂波，然后用每Chirp减去刚才计算的均值chirp就可以得到目标回波信号，核心思想是求均值做差。我们项目中使用的是第三种方法，使用的是芯片中的硬核，具体的实现代码如下。

/********************************************P2 mean******************************************************/
#if 1
//					memset((uint8_t *)FFT1D_MEAN_ADDR,0,10*1024);
	BB_OPCLEAR(BB_CLEAR_P2);
	BB_OPGATE_EN(BB_GATE_P2);
	BB_P2_CFG0(NUM_ANT-1,USE_RANGE-1,NUM_CHIRP-1,P2_CFG0_DIV64,P2_CFG0_SUBMODE_CPX_SUM_MUL,P2_CFG0_MODE_ACC); //jumpCnt,interCnt,intraCnt,rsfBit,sub_mode,mode
	BB_P2_CFG1(USE_RANGE*NUM_BYTE32,NUM_BYTE32); //src0JumpInc,src0InterInc
	BB_P2_CFG2(bb_prep.cfg2.jumpInc,FFT1D_CACHE_ADDR); //src0IntraInc,src0BaseAddr
	BB_P2_CFG3(0,0); //src1JumpInc,src1InterInc
	BB_P2_CFG4(0,0); //src1IntraInc,src1BaseAddr
	BB_P2_CFG5(USE_RANGE*NUM_BYTE32,NUM_BYTE32); //dstJumpInc,dstInterInc
	BB_P2_CFG6(0,FFT1D_MEAN_ADDR); //dstIntraInc,dstBaseAddr
	BB_ISR_CLEAR(BB_ISR_P2_JUMP_END);
	BB_OPTRIG(BB_TRIG_P2);
	BB_waitISR(BB_ISR_P2_JUMP_END);
	BB_OPGATE_DIS(BB_GATE_P2);
	#if 0
		USART_Transmit_Bytes(&USART0,(uint8_t *)FFT1D_MEAN_ADDR,USE_RANGE*NUM_ANT*NUM_BYTE32);
	#endif
#endif

/*********************************************P2 minus+FFT2DANT1*********************************************/
#if 1
	BB_P2_CFG0(0,0,NUM_CHIRP-1,P2_CFG0_DIV1,P2_CFG0_SUBMODE_CPX_MINUS,P2_CFG0_MODE_ADD); //jumpCnt,interCnt,intraCnt,rsfBit,sub_mode,mode
	BB_P2_CFG1(0,0); //src0JumpInc,src0InterInc
	BB_P2_CFG3(0,0); //src1JumpInc,src1InterInc
	BB_P2_CFG5(0,0); //dstJumpInc,dstInterInc
	BB_P2_CFG6(0,BB_FFT_BASE); //dstIntraInc,dstBaseAddr
	BB_FFT_Cfg0(0,0,FFT2D_USE_A,FFT2D_USE_B,NUM_CHIRP-1,FFTPT_256,FFT_UNLOAD_EN,FFT_MODE_FORWARD); //rsfOutput,rsfInput,useA,useB,inPt,fftPt,unloadEn,mode   //useA>useB
	BB_FFT_ZP_Clear();
	BB_FFT_Cfg1(WIN_VEL1_ADDR,FFT_CFG1_OUTLSFEN_RIGHT,0,FFT_CFG1_INLSFEN_RIGHT,0,FFT_CFG1_WIN_SIZE_14BIT,FFT_CFG1_WIN_EN); //winBaseAddr,winSize,winEn
	bb_regb_str->FFT_SRC_ZP00=fft2d_zp.txNum_zp0[CFAR_TX];
	bb_regb_str->FFT_SRC_ZP01=fft2d_zp.txNum_zp1[CFAR_TX];
	bb_regb_str->FFT_SRC_ZP02=fft2d_zp.txNum_zp2[CFAR_TX];
	bb_regb_str->FFT_SRC_ZP03=fft2d_zp.txNum_zp3[CFAR_TX];
	BB_FFT_CMD0(FFT_CMD0_CLEAR_IBUF);
	BB_OPCLEAR(BB_CLEAR_FFT|BB_CLEAR_P2);
	BB_OPGATE_EN(BB_GATE_P2|BB_GATE_FFT);
	sP2_Cfg2 =(uint64_t)bb_prep.cfg2.jumpInc<<BB_BIT32_POS|(FFT1D_CACHE_ADDR+USE_RANGE*CFAR_ANT*NUM_BYTE32); //src0IntraInc,src0BaseAddr
	sP2_Cfg4 =(uint64_t)(FFT1D_MEAN_ADDR+USE_RANGE*NUM_BYTE32*CFAR_ANT);//src1IntraInc,src1BaseAddr
	sFFT_Cfg2 = (uint64_t)bb_prep.cfg2.jumpInc<<BB_BIT32_POS|(FFT2D_CACHE_ADDR+USE_RANGE*CFAR_ANT*NUM_BYTE32);
	for(uint32_t rangeNow=1;rangeNow<=USE_RANGE;rangeNow++){
		bb_regb_str->P2_CFG2 = sP2_Cfg2;
		bb_regb_str->P2_CFG4 = sP2_Cfg4;
		bb_regb_str->FFT_CFG2 = sFFT_Cfg2;

		BB_FFT_CMD0(FFT_CMD0_CLEAR_IBUF);
		BB_ISR_CLEAR(BB_ISR_FFT_UNLOAD_END);
		BB_OPTRIG(BB_TRIG_P2);
		sP2_Cfg2 =((uint64_t)bb_prep.cfg2.jumpInc)<<BB_BIT32_POS|(FFT1D_CACHE_ADDR+USE_RANGE*CFAR_ANT*NUM_BYTE32+rangeNow*NUM_BYTE32); //src0IntraInc,src0BaseAddr
		sP2_Cfg4 =(uint64_t)FFT1D_MEAN_ADDR+USE_RANGE*NUM_BYTE32*CFAR_ANT+rangeNow*NUM_BYTE32;	//src1IntraInc,src1BaseAddr
		sFFT_Cfg2 = ((uint64_t)bb_prep.cfg2.jumpInc)<<BB_BIT32_POS|(FFT2D_CACHE_ADDR+USE_RANGE*CFAR_ANT*NUM_BYTE32+rangeNow*NUM_BYTE32);//dstIntraInc,dstBaseAddr
		BB_waitISR(BB_ISR_FFT_UNLOAD_END);
	}
	BB_OPGATE_DIS(BB_GATE_P2|BB_GATE_FFT);
	#if 0
		for(uint32_t chirpNow=0; chirpNow<NUM_CHIRP; chirpNow++){
			USART_Transmit_Bytes(&USART0,(uint8_t *)FFT2D_CACHE_ADDR+USE_RANGE*CFAR_ANT*NUM_BYTE32+chirpNow*bb_prep.cfg2.jumpInc,USE_RANGE*NUM_BYTE32);
		}
	#endif
	#if 0 //abs
	USART_Transmit_Bytes(&USART0,(uint8_t *)&head[0],8);
	for (uint32_t chirpNow = 0;chirpNow<NUM_VEL;chirpNow++){
		USART_Transmit_Bytes(&USART0,(uint8_t *)(FFT2D_CACHE_ADDR+BB_ABS_OFFSET+chirpNow*bb_prep.cfg2.jumpInc+10*NUM_BYTE32),30*NUM_BYTE32);
	}
	#endif
#endif

到达角估计 

到达角估计有以下几种常见的方式：

  • 3DFFT
  • DBF
  • MUSIC与Capon

三维快速傅里叶变换算法是一种比较常见的算法，通过对雷达接收信号进行傅里叶变换，是通过MIMO多天线将角度信息转换到频域的方法。在频域中，可以通过对各个接收天线2DFFT后数据进行快速傅里叶变换从而得到目标的水平角，下面是它的Matlab代码实现，ADCBufCalib去除了速度维度的数据，只剩下了512点*16通道。

FFT1D_Buf=fft(squeeze(ADCBufCalib(:,1,:)));
FFT1D_Buf(1:10,:)=0;
FFT3D_Buf=fft(FFT1D_Buf,128,2);
FFT3D_BufABS=abs(FFT3D_Buf);    
figure(4);
meshz(fftshift(FFT3D_BufABS,2));

DBF是一种基于阵列信号处理的雷达到达角估计算法。DBF本质是构造视场范围内的各个角度的导向矢量，并用这些导向矢量分别去和阵列的回波信号相乘以得到各个角度下的能量值，通过寻找其中的极大值(目标所处方向的回波与导向矢量相干叠加，这些方向的能量会得到增强，而噪声是非相干的，能量得到增强的方向，对应极大值的位置，也即信号的方向)来得到实际回波的方向而达到测角的目的。我们可以利用这种方式来使用根据测得水平角的导向矢量与2DFFT水平角通道乘加增强之后，再对垂直通道进行4DFFT，选择出的最大值可以对应目标的俯仰角。下面是其用硬核实现的代码。 

BB_P2_CFG0(0,NUM_ANT_V-1,NUM_RX-1,P2_CFG0_DIV1,P2_CFG0_SUBMODE_CPX_SUM_MUL,P2_CFG0_MODE_MAC); //jumpCnt,interCnt,intraCnt,rsfBit,sub_mode,mode
BB_P2_CFG1(0,NUM_RX*USE_RANGE*NUM_BYTE32); //src0JumpInc,src0InterInc
BB_P2_CFG3(0,0); //src1JumpInc,src1InterInc
BB_P2_CFG5(0,0); //dstJumpInc,dstInterInc
BB_P2_CFG6(0,BB_FFT_BASE); //dstIntraInc,dstBaseAddr
BB_P2_CFG7(P2_CFG7_SRC0CONJ_DIS,P2_CFG7_SRC0LSF_RIGHT,0,
P2_CFG7_SRC1CONJ_DIS,P2_CFG7_SRC1LSF_RIGHT,0,
P2_CFG7_DSTCONJ_DIS,P2_CFG7_DSTLSF_RIGHT,0);
BB_FFT_Cfg0(0,0,FFT4D_USE_A,FFT4D_USE_B,NUM_ANT_V-1,FFTPT_128,FFT_UNLOAD_EN,FFT_MODE_FORWARD); //rsfOutput,rsfInput,useA,useB,inPt,fftPt,unloadEn,mode   //useA>useB
BB_FFT_Cfg1(WIN_RANGE_ADDR,FFT_CFG1_OUTLSFEN_RIGHT,0,FFT_CFG1_INLSFEN_RIGHT,0,FFT_CFG1_WIN_SIZE_14BIT,FFT_CFG1_WIN_DIS); //winBaseAddr,winSize,winEn
BB_FFT_Cfg2(NUM_BYTE32,FFT4D_CACHE_ADDR); //dstIntraInc,dstBaseAddr
BB_FFT_ZP_Clear();
bb_regb_str->FFT_SRC_ZP00=(uint64_t)0x07;
bb_regb_str->FFT_SRC_ZP01=(uint64_t)0;
BB_OPGATE_EN(BB_GATE_P2|BB_GATE_FFT);
for(uint32_t targetNow=0;targetNow<frameRst->targetNum;targetNow++)
{
	BB_P2_CFG2(USE_RANGE*NUM_BYTE32,FFT2D_CACHE_ADDR+frameRst->target[targetNow].d1Idx*NUM_BYTE32+frameRst->target[targetNow].d2Idx*bb_prep.cfg2.jumpInc); //src0IntraInc,src0BaseAddr
	BB_P2_CFG4(NUM_ANGLE*NUM_BYTE32,STEERING_VEC_PF_ADDR+frameRst->target[targetNow].d3Idx*NUM_BYTE32); //src1IntraInc,src1BaseAddr
	//FFT4D
	BB_OPCLEAR(BB_CLEAR_FFT|BB_CLEAR_P2);
	BB_FFT_CMD0(FFT_CMD0_CLEAR_IBUF);
	BB_ISR_CLEAR(BB_ISR_FFT_UNLOAD_END);
	BB_OPTRIG(BB_TRIG_P2);
	BB_waitISR(BB_ISR_FFT_UNLOAD_END);

	#if 0
		USART_Transmit_Bytes(&USART0, (uint8_t*)FFT4D_CACHE_ADDR,NUM_ANGLE*NUM_BYTE32);
	#endif
	frameRst->target[targetNow].d4Idx = BB_FFT_STA0_curMaxIdx;
}
BB_OPGATE_DIS(BB_GATE_P2|BB_GATE_FFT);

MUSIC与Capon：这两种方法对于大规模数据的处理速度较慢，这里就暂不介绍了，有兴趣的朋友可以自己找些资料研究一下。

十六宿舍 原创作品，转载必须标注原文链接。

©2023 Yang Li. All rights reserved.

欢迎关注 『十六宿舍』，大家喜欢的话，给个👍，更多关于嵌入式相关技术的内容持续更新中。

目标检测YOLO实战应用案例100讲-基于视觉与激光雷达信息融合的智能车辆目标检测研究
qq_36130719的博客
08-07 1602
车载激光雷达的出现为上述问题提供了新的思路，激光 雷达的三维定位精度可达厘米级，且不受光照条件的影响，同时利用其特殊的检测机 制可以准确获取障碍物的位置、距离信息。随着数字化时代的 来临，深度学习利用海量的数据和多层隐形节点的神经网络，来实现对不同语义信息 的分层表达，从而满足智能汽车环境感知任务中自主识别的需求。可以预见的是，随着 未来计算资源的进一步丰富以及网络结构的不断优化，深度神经网络会拥有比现在更 为广阔的发展空间，基于深度学习的目标检测技术也将在自动驾驶系统中占据举足轻。
抗干扰算法matlab,雷达抗干扰效果评价中基于MATLAB的层次分析法
weixin_30802367的博客
03-23 695
雷达抗干扰效果评价中基于MATLAB的层次分析法轩健峰,刘　朋(中国人民解放军63889部队,河南孟州454750)摘　要:分析了层次分析法的理论和模型,提出了一种基于MA TL AB的层次分析方法,用于现代雷达抗干扰措施的效果评价。通过对抗干扰因素的权重设置、矩阵建立、一致性检验等进行判断、分析和计算,仿真结果验证了该方法的有效性。同时为各种抗干扰措施在雷达中的应用提供了更加便捷的检测手段。关键...
雷达抗干扰原理 基础+经典
08-28
雷达抗干扰原理，雷达经典知识，是雷达专业人士重要的参考书
CAL——RADAR抗干扰学习笔记
最新发布
Fdjsjjfd的博客
10-30 281
线性调频与调频的工作原理类似，也使用两种不同类型的线性调频波，一种是chirp起始点与上升时间不变，一种是上升时间存在偏移。跳频模式在一帧内使用两种不同类型的线性调频信号，两种不同的线性调频信号具有不同的起始频率和停止频率，以加特兰为例，抗干扰可使用相位扰动（PS）、跳频（FH）和线性调频波移位（CS）模式。对于毫米波雷达，当附近的雷达系统与主雷达在同一频段工作时，就会出现干扰。但具有相同的带宽和线性调频周期。需要对相位进行补偿。干扰会降低雷达系统的灵敏度，甚至产生虚警。跳频可与线性调频组合使用。
【雷达干扰】CFAR的FMCW雷达干扰抑制【含Matlab源码 3853期】
Matlab912100926的博客
09-07 1056
CFAR的FMCW雷达干扰抑制 完整的代码，方可运行；可提供运行操作视频！适合小白！
【雷达干扰】基于matlab速度聚类欺骗式干扰仿真
matlab_dingdang的博客
11-24 1406
运用数字信号处理理论和Matlab 软件研究的脉冲压缩多普勒雷达的信号处理仿真问题,提出了一个仿真模型,该模型能够仿真雷达信号、系统噪声与杂波的产生和脉冲压缩多普勒雷达系统中信号的动态处理过程,最后结合MIMO雷达信号特点 ,显示了使用Matlab 仿真雷达信号处理系统方便快捷的特点。雷达的基本任务是探测感兴趣的目标，测定有关目标的距离、方问、速度等状态参数。[7] 　窦林涛,程建庆,李素民. 基于Matlab 的雷达信号处理系统仿真[J ] . 指挥控制与仿真,2006 ,28 (2) :78～82.
雷达抗干扰技术全解析：原理、策略与实战案例
[雷达抗干扰技术全解析：原理、策略与实战案例](https://www.emsopedia.org/wp-content/uploads/2021/02/4b.png) # 1. 雷达抗干扰技术概述 在现代电子战中，雷达系统的性能越来越受到抗干扰能力的影响。雷达抗干扰...
信号估计在雷达系统中的应用：原理与实践的实战指南
![电子科技大学《信号检测与估计》期末考题（含答案）]...在现代雷达系统中，信号估计是核心的信号处理任务之一，它允许我们从接收到的信号中提取有用信息。本章节将简要概述信号估计的基本概念，为读者构建
雷达信号处理中的FFT应用与优化：实战技巧大公开
[雷达信号处理中的FFT应用与优化：实战技巧大公开](https://www.datocms-assets.com/53444/1666012095-fft-scalar-markers.png?auto=format&w=1024) # 摘要 快速傅里叶变换(FFT)是一种高效计算离散傅里叶变换(DFT)...
MATLAB雷达方程：实现与优化，从理论到实战的全方位解析
[MATLAB雷达方程：实现与优化，从理论到实战的全方位解析](https://e2e.ti.com/resized-image/__size/1230x0/__key/communityserver-discussions-components-files/1023/TI-training-SNR-Eqn.jpg) # 摘要 雷达方程...
雷达干扰与抗干扰技术简介
jiashaocai1986的博客
12-03 1万+
随着DRFM技术的发展和进步，干扰机的工作方式由原先直放式（不管外界，干扰机直接放出）变为受雷达信号触发（收到雷达信号才发出（一般是解析出雷达信号，再调制出跟雷达信号相似的欺骗信号））的工作方式；干扰样式也越来越丰富，由原先典型的噪声干扰到如今的瞄频噪声干扰、欺骗干扰（多假目标干扰、密集假目标、间歇采样转发干扰等）、复合干扰等，干扰效能越来越高。
雷达传统的干扰方式（二次更新）
热门推荐
年糕的博客
04-17 1万+
内容介绍 本文档介绍了几种有源雷达干扰样式，以及算法的封装使用说明。具体内容包括： (1)欺骗式干扰，说明了距离假目标、随机假目标、高重频假目标、距离波门拖引干扰、速度拖引波门干扰、距离速度同步拖引干扰、相干假目标、多普勒噪声、瞄频噪声。 (2)遮盖式干扰，说明了阻塞噪声干扰、窄带噪声干扰。 欺骗式干扰 欺骗式干扰就是采用虚假的目标回波信号作用于敌方雷达的检测和跟踪系统，使雷达接收机不能正确检测真正的目标或者不能正确测量真正目标的参数信息，达到扰乱或破坏雷达检测目标...
雷达信号到达角估计算法DBF
kissgoodbye2012的博客
07-17 6388
数字波束形成原理
雷达基础教程入门篇8--DOA估计之DBF数字波束形成算法
anistxiao的博客
06-08 1916
空间谱估计就是利用空间阵列实现空间信号的参数估计的一项专门技术。下图为空间谱估计的系统结构。目标空间代表我们所要感知的环境，在这个环境中包含着多个来自不同方向的目标入射信号。观察空间则可以表示成我们的雷达天线，由按照一定方式排列的阵元组中，图中通道代表着我们的接收天线。估计空间则表示我们的信号处理模块，从观察空间得到的信号数据在估计空间，即处理器中进行处理，并还原出真实的目标信号源数和入射角。将观察空间再细化，得到下面的阵列测向基本模型，其中，M为阵列接收天线个数，θ为信号入射角。
雷达信号处理算法：静态杂波滤除（附MATLAB代码和数据）
【调皮连续波】雷达技术领域知识博主
10-14 1万+
相量均值相消算法，也被称为平均相消算法，其实现的原理为：静止目标到雷达天线的距离是不变的，每一束接收脉冲上静止目标的时延也是不变的，对所有接收脉冲求平均就可以得到参考的接收脉冲，然后用每一束接收脉冲减去参考接收脉冲就可以得到目标回波信号，核心思想是求均值做差。MTI是雷达工程师们熟稔于心的雷达信号处理算法，基本上没有不了解的。MTI的核心原理就是静止目标的相位不会发生变化，而运动目标的相位与静止目标不同，因此相邻两个脉冲做差会把相同的相位值减掉，留下的就是运动目标的相位，从而达到滤除静止目标的功能。
基于Matlab实现毫米波雷达静态目标去除算法
m0_60703264的博客
06-06 604
文章将介绍三种雷达信号处理常用的静态杂波滤方法的基本原理，分别是零速通道置零法、动目标显示（MTI）以及相量均值相消算法（平均相消算法），并分析了静态杂波的滤除效果，以及三种方法的优缺点和应用场景。数据说明：本文所采用的数据为雷达采集室内人员目标运动的一帧数据，采用的硬件平台为IWR1642，其中数据是通过串口直接输出，由MATLAB接收并处理。相关的操作和下面的链接中的操作是近似的，只是本文仅对静态杂波滤除算法做分析。
雷达测角方法（DBF测角、干涉测角（长短基线））matlab
突突突的博客
10-26 1万+
雷达测角方法（DBF测角、干涉测角（长短基线））DBF测角实验仿真干涉测角长短基线相位差解模糊实验仿真（待更新）五元均匀圆阵干涉测角（待更新）代码私信 DBF测角 根据波束形成方式进行测角，原理不再赘述 实验仿真 信号采用LFM连续波，阵列为8阵元线阵，设置两个目标分别为-10°，30°，距离100，速度为0 仿真结果 （1）距离-角度三维图 （2）距离-角度俯视图 干涉测角   干涉仪是对一类相位法测向设备的称呼，它是通过测量位于不同波前的天线接收信号的相位差，经过处理获取来波方向。由于它是通过比较两
详细介绍雷达到达角估计算法3DFFT，DBF，MUSIC，Capon的原理、对比、各自的优势
qq_42046837的博客
04-01 1万+
综合比较：在阵列结构均匀、信噪比高的情况下，3DFFT算法具有较高的估计精度，计算速度较快。在信噪比较低、杂波干扰较大的情况下，DBF算法能够通过波束形成抑制杂波，提高估计精度。MUSIC算法能够对多目标和弱信号进行估计，但计算复杂度较高。Capon算法能够消除阵列响应影响，对信噪比较低的情况下具有较高的估计精度，但对阵列几何结构的要求较高，计算速度较慢。因此，在实际应用中，需要根据具体场景选择合适的算法进行到达角估计。
【雷达】一维和二维自适应波束形成(DBF))DBF附matlab代码
qq_59747472的博客
02-24 6648
1 简介 数字波束形成技术是天线波束形成原理与数字信号处理技术相结合的产物,其广泛应用于阵列信号处理领域.由于电磁工作环境的恶化和大量射频干扰的存在,在极低的信干噪比(SINR)条件下进行目标检测和信息提取十分困难.对于阵列系统,往往采用自适应数字波束形成(ADBF)技术,来抑制强干扰和方向性干扰对有用信号的影响.介绍了数字波束形成器的基本原理及其DSP的实现结构.​ 2 完整代码 clc;clear all;close all;%%%%%%%%%%%%%%%%%一维DBF%%%%%%%%%%%%%
评论 6
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值