提出将激光多普勒测速仪(LDV)应用于车载惯性导航系统提供速度参数。阐述了激光多普勒测量自身速度的基本原理,设计了参考光束型LDV,并运用跟踪滤波、频谱细化及频谱校正技术对多普勒信号进行处理。理论分析与实验表明,参考光束型LDV解决了双光束不能进行离焦测量的难题;跟踪滤波器实时跟踪多普勒信号,去除基底信号和部分噪声,提高了信噪比;频谱细化和频谱校正技术,提高了频谱分辨率,使提取的多普勒频率更接近于真实值,减小了系统的测量误差。LDV可以为车载惯导系统提供有效的速度信息。

脉冲多普勒雷达抗拖曳式干扰方法研究，廖云，何松华，首先对拖曳式干扰的特点进行了分析；然后提出了一种在中远距离情况下通过适当的制导策略、在载机逃离波束之前实现载机和诱饵多普

请完成以下步骤： 脚步： 1. 从 VMT 软件生成摘要文件。 文件夹 Transect_Summary_file 包含这些文件。 它包含 transec1.xlxs 到 transec14 文件。 （请访问： https : //pubs.er.usgs.gov/publication/70038462 。如果您遇到任何问题，请告诉我，我会帮助您安装 VMT GUI。） 2. 文件 tran1.xlxs 到 tran14.xlxs 和 transect1.xlxs 到 transect14.xlxs 是从 Transect_Summary_file 中包含的 excel 文件 transec1 到 transec14 中提取的（可在https://drive.google.com/file/d/1- 3mhGBsoVjkDQeGBPRemgirII8Gwtuvo/view?usp=sha

基于DSP处理器的多普勒雷达系统设计.pdf

提出了一种基于反向传播（back propagation，BP）算法训练的神经网络的多普勒频偏估计方法。所提方法主要分成线下训练与线上估计两个阶段，首先利用随机多普勒频偏与接收的导频符号构建训练样本，然后利用训练样本对BP神经网络进行线下训练，完成输入与输出数据之间的映射关系，最后基于训练后的网络利用接收导频符号数据，进行线上多普勒频偏估计。仿真结果表明，所提方法的估计性能远远优于现有方法，且具有较低的计算复杂度。

matlab中微多普勒代码microDoppler_classification 该代码用于为微多普勒签名分类项目生成图像。 runClassification.m 该文件将通过使用转移学习对图像进行分类。 它还将生成通用的绩效指标，并按班级对其进行绘制。 所有的代码都是我写的，可以在MIT的许可下使用。 有关如何运行文件的详细信息，请参见脚本。 microDoppler_to_spec.m 主要的仿真功能取自MATLAB的《微多普勒效应简介》，并非我本人拥有。 您可以在以下位置找到MATLAB代码:(访问时间为2019年10月3日） 其余代码由我编写（详细信息请参见文件本身），并已获得MIT许可。

有利于了解水声通信中的多普勒估计方法，这篇文献分析了水声系统中的多普勒频移问题，以及最常用的多普勒估计方法。（仅适于科研学习）

高速环境下移动台速度，角度，与发射台发射频率对多普勒频移的影响 matlab 最后仿真三者的三维图

matlab中微多普勒代码mDoppler_thesis 使用模拟微多普勒仪和时频分析结合机器学习算法对人类活动进行分类：汽车用途的比较研究（Chalmers University of Technology University，Gothenburg，Sweden.2017年8月）。 代码和工具。 联络方式 帕维尔·格奥尔吉耶夫（Pavel Gueorguiev）电子邮件：linkedin： 弗雷德里克·阿克塞尔森（Fredrik Axelsson）电子邮件： Matlab代码 freehanddraw.m：一个文件，用于从Matlab中的实际雷达信号中提取微多普勒仪。 用户可以在数据中选择对象运动的方向并提取相关数据，然后应对其进行处理。 人工神经网络 ANN_main.m首先在输入图像上运行深度为1的ANN，然后进行测试。 输入参数是图像大小，网络大小和学习率λ。 此网络不适用于扩展到大于1的深度。 主要的 main.m加载.c3d文件，生成模拟雷达响应，并将STFT，CWD和SPWVD算法应用于信号。 然后将图像保存到文件夹中以备后用。 对于.c3d数据格式，它需要以下支持文件

脉冲多普勒测距测速，能实现测速以及测距，亲测好用