33MIMO雷达波形设计，与通信信号频谱共享。
2021-12-09 08:39:42
2KB
这是一本关于主动感知系统波形设计的专著，是Li Jian团队的力作，对MIMO雷达波形设计、MIMO通信波形设计非常有参考价值。-
【内含代码、ppt、课本。对于波形设计真的非常有用！】
解压密码：12345621
2021-11-28 22:02:18
70.25MB
1
雷达波形设计matlab代码雷达目标的产生与检测
Udacity的传感器融合工程师纳米学位计划项目
项目目标
这是基于MATLAB的雷达目标生成和检测实现，可用于：
使用提供的雷达设计规范进行FMCW波形设计
运动目标生成
信号传播
接收信号处理
距离多普勒FFT实现
CFAR检测
实施注意事项
该实现非常简单，以下是一些详细信息/说明：
1.雷达规格
规格已预先提供，并在下面列出：
%%
Radar
Specifications
%%%%%%%%%%%%%%%%%%%%%%%%%%%
%
Frequency
of
operation
=
77GHz
%
Max
Range
=
200m
%
Range
Resolution
=
1
m
%
Max
Velocity
=
100
m/s
2.目标指标
对于目标参数，我使用以下值：
%%
User
Defined
Range
and
Velocity
of
target
initial-position
=
100
m
initial-velocity
=
25
m/s
3.
FMCW波形生成
为此，标准的带宽和线性调频公式被用于。
下图
2021-11-16 13:11:41
236KB
1
雷达波形设计matlab代码SFND雷达目标的生成和检测
项目布局
这是Udacity提供并包含在其传感器融合课程中的雷达课程的最终项目。
该项目使用Matlab进行编码。
根据系统要求配置FMCW波形。
定义目标的范围和速度并模拟其位移。
对于相同的仿真循环过程，发送和接收信号将确定拍频信号
对接收到的信号执行范围FFT以确定范围
最后，对第二个FFT的输出执行CFAR处理以显示目标。
雷达系统要求
系统需求定义了雷达的设计。
针对不同驾驶场景的传感器融合设计需要来自Radar的不同系统配置。
在此项目中，您将根据给定的系统要求（上面）设计雷达。
在进行波形设计时，将考虑“最大范围”和“范围分辨率”。
您将提供目标的初始范围和速度。
范围不能超过200m的最大值，速度可以是-70到+
70
m
/
s的任何值。
任务1：FMCW波形设计
使用给定的系统要求，设计FMCW波形。
找到其带宽（B），线性调频时间（Tchirp）和线性调频斜率。
Rmax
=
200;
Range_resolution
=
1;
Vmax
=
70;
c
=
3e8;
%Speed
of
light
in
2021-11-12 16:39:51
264KB
1
matlab雷达波形代码基于贝塞尔曲线的海冰干舷追踪算法
开发了一种称为贝塞尔曲线拟合（BCF）的近似CryoSat-2（CS-2）SAR模式波形的新方法，以优化在冬末/初春期间海冰和铅的表面高度的反演。
我们发现，当将重新跟踪点固定在拟合的贝塞尔曲线的上升达到铅峰值的70％以及海冰情况下达到50％的峰值的位置时，可获得最佳结果。
在这个地方，我们上载有关“基于贝塞尔曲线的跟踪算法用于回收海冰干舷的代码”的代码。
该代码基于MATLAB平台，有关详细信息，请参见发表在遥感-doi：10.3390上的文章“一种在CryoSat-2雷达高度计数据中检索海冰干舷的新的重新跟踪算法”。
/
rs11101194。
关于此代码的使用：
输入：CryoSat-2
SAR模式的b级数据；
CryoSat-2
SAR模式Level-2I数据;
一个output_file路径。
输出：ESRI格式的数据，建议使用ArcGIS处理这些数据。
评估数据：IceBridge行动任务，来源：。
其他详细的处理步骤可以在上面提到的论文中看到
此处还提供示例数据。
目前，核心代码正在维护和升级，并将很快发布。
2021-09-06 09:45:40
5MB
1
雷达干扰matlab代码LPI-雷达-波形识别
在过去十年中广泛出现的汽车雷达面临着各种干扰攻击。
利用低截获概率
(LPI)
雷达波形作为基本解决方案之一，需要在截获接收器上使用准确的波形识别器。
已经研究了许多用于
LPI
雷达波形识别的传统方法，但它们在信道条件恶化的情况下性能不足。
通过利用深度学习
(DL)
来捕获固有的无线电特性，我们开发了卷积神经网络
(CNN)，即
LPI-Net，用于自动雷达波形识别。
特别是，首先使用
Choi-Williams
分布通过时频分析来分析雷达信号。
随后，主要由三个复杂模块组成的
LPI-Net
被构建来学习时频图像的表征特征，其中每个模块都用前面的地图集合构建以获得特征多样性和跳跃连接以保持信息身份.
与源代码相关的研究论文现已发表在
.
T.
Huynh-The,
V.
-S.
多安，C.-H。
华，Q.
-V。
范，T.
-V。
Nguyen
和
D.
-S.
Kim，“使用
CWD-TFA
进行深度卷积网络的准确
LPI
雷达波形识别”，IEEE
无线通信快报，doi：10.1109/LWC.2021.3075880。
该存储库
2021-07-03 21:18:59
1.87MB
1
axes(show1);
tt=(1:length(wave))*ts/us;
plot(tt,wave,'k');
xlabel('时间(us)','FontName','楷体_GB2312', 'FontSize',14);
ylabel('幅度(归一化)','FontName','楷体_GB2312', 'FontSize',14);
title('中频波形','FontName','楷体_GB2312', 'FontSize',18);
axis([0 max(tt) -1.1 1.1]);
zoom xon;grid;
fout=abs(fftshift(fft(wave)));
fftout=20*log10(fout/max(fout));
ff=-fs/2:fs/length(fout):fs/2-fs/length(fout);
axes(show2);
plot(ff/MHz,fftout,'k');
xlabel('频率(MHz)','FontName','楷体_GB2312', 'FontSize',14);
ylabel('幅度(dB)','FontName','楷体_GB2312', 'FontSize',14);
title('信号频谱','FontName','楷体_GB2312', 'FontSize',18);
zoom xon;grid;
axis([0 max(ff/MHz) -60 3]);
2021-06-21 09:02:52
11KB
1