第二章 距离高分辨和一维距离像 雷达采用了宽频带信号后，距离分辨率可大大提高，这时从一般目标（如飞机等）接收到的已不再是 “点”回波，而是沿距离分布开的一维距离像。 雷达回波的性质可以用线性系统来描述，输入是发射脉冲，通过系统（目标）的作用，输出雷达回波。 系统的特性通常用冲激响应（或称分布函数）表示，从发射波形与冲激响应的卷积可得到雷达回波的波形。 严格分析和计算目标的冲激响应是比较复杂的，要用到较深的电磁场理论，不属于本书的范围。简单 地说，雷达电波作用的目标的一些部件对波前会有后向散射，当一些平板部分面向雷达时还会有后向镜面 反射；这些是雷达回波的主要部分；此外还有谐振波和爬行波等。因此，目标的冲激响应（分布函数）可 以用散射点模型近似，即目标可用一系列面向雷达的散射点表示，这些散射点位于后向散射较强的部位。 由于谐振波和爬行波的滞后效应，有时也会有少数散射点在目标本体之外。如上所述，目标的散射点模型 显然与雷达的视线向有关，例如当飞机的平板机身与雷达射线垂直时有很强的后向镜面反射，而在偏离不 大的角度后，镜向反射射向它方，不为雷达所接收。目标的雷达散射点模型随视角的变化而缓慢改变，且 与雷达波长有关，分析和实验结果表明，在视角变化约 10°的范围里，可认为散射点在目标上的位置和强 度近似不变。顺便提一下，前面曾提到微波雷达对目标作 ISAR 成像，目标须转动 3°左右，在分析时用 散射点模型是合适的。 虽然目标的散射点模型随视角作缓慢变化，但一维距离像的变化要快得多。可以想像到，一维距离像 是三维分布散射点子回波之和，在平面波的条件下，相当三维子回波以向量和的方式在雷达射线上的投影， 即相同距离单元里的子回波作向量相加。我们知道，雷达对目标视角的微小变化，会使同一距离单元内而 横向位置不同散射点的径向距离差改变，从而使两者子回波的相位差可能显著变化。以波长 3 厘米为例， 若两散射点的横距为 10 米，当目标转动 0.05°时，两者到雷达的径向距离差变化为 1 厘米，它们子回波 的相位差改变 240°！由此可见，目标一维距离像中尖峰的位置随视角缓慢变化（由于散射点模型缓变）， 而尖峰的振幅可能是快变的（当相应距离单元中有多个散射点）。图 2-1 是 C 波段雷达实测的飞机一维距 离像的例子，图中将视角变化约 3°的回波重合画在一起。一维距离像随视角变化而具有的峰值位置缓变性 和峰值幅度快变性可作为目标特性识别的基础。 本章将用上述散射点模型对高分辨的一维距离像进行讨论。

用Python编写程序，是相当容易的，所以这门语言非常流行。但若想掌握Python所特有的优势、魅力和表达能力，则相当困难，而且语言中还有很多隐藏的陷阱，容易令开发者犯错。 本书可以帮你掌握真正的Pythonic编程方式，令你能够完全发挥出Python语言的强大功能，并写出健壮而高效的代码。Scott Meyers在畅销书《Effective C++》中开创了一种以使用场景为主导的精练教学方式，本书作者Brett Slatkin就以这种方式汇聚了59条优秀的实践原则、开发技巧和便捷方案，并以实用的代码范例来解释它们。 Slatkin根据自己在Google公司多年开发Python基础架构所积累的经验，揭示Python语言中一些鲜为人知的微妙特性，并给出了能够改善代码功能及运行效率的习惯用法。通过本书，你能够了解到解决关键编程任务所用的最佳方式，并学会编...

海量数据导入与导出MATLAB的有效方法.pdf

本书作者BrettSlatkin以使用场景为主导的精练教学方式，汇聚了59条优秀的实践原则、开发技巧和便捷方案，并以实用的代码范例来解释它们。作者根据自己在Google公司多年开发Python基础架构所积累的经验，揭示了Python语言中一些鲜为人知的微妙特性，并给出了能够改善代码功能及运行效率的习惯用法。通过本书，你能够了解到解决关键编程任务所用的技巧方式，并学会编写易于理解、便于维护且利于改进的代码。

本文默认你使用的是CodeRunner来运行C++，并且能成功在VScode上运行C++程序 配置C++调试 安装C/C++ extension，添加配置 C/C++: (lldb) Launch 配置launch.json { // Use IntelliSense to learn about possible attributes. // Hover to view descriptions of existing attributes. // For more information, visit: https://go.microsoft.com/fwlin

《More Effective C++:35个改善编程与设计的有效方法(中文版)》内容简介：继Effective C++之后，Scott Meyers于1996推出这本《More Effective C++(35个改善编程与设计的有效方法)》“续集”。条款变得比较少，页数倒是多了一些，原因是这次选材比“第一集”更高阶，尤其是第5章。Meyers将此章命名为技术（techniques），并明白告诉你，其中都是一些patterns，例如virtual constructors，smart pointers，reference counting，proxy classes，double dispatching……这一章的每个条款篇幅都达15-30 页之多，实在让人有“山重水复疑无路，柳暗花明又一村”之叹。

Effective Python-编写高质量PYTHON代码的59个有效方法【美】-中文版,pdf高清中文

图稀疏化：加速图聚类的有效方法.pdf

2.2 线性频调信号和解线频调处理 大时宽宽频带信号可以有许多形式，如脉冲编码等，但用得最多的是线性调频（LFM）脉冲信号。由 于线性调频信号的特殊性质，对它的处理不仅可用一般的匹配滤波方式，还可用特殊的解线频调 （Dechirping）方式来处理。 解线频调脉压方式是针对线性调频信号提出的，对不同延迟时间信号进行脉冲压缩，在一些特殊场合， 它不仅运算简单，而且可以简化设备，已广泛应用于 SAR 和 ISAR 中作脉冲压缩。应当指出，解线频调处 理和匹配滤波虽然基本原理相同，但两者还是有些差别的，为了能正确利用解线频调方式作脉冲压缩，我 们对它作一些详细的说明。 假设发射信号为 )ˆ(2 2 2 1ˆ rect),̂( ttfj p m ce T t tts γπ +         = (2.6) 其中    > ≤ = 2 1 2 1 0 1 )rect( u u u ， f c 为中心频率，Tp 为脉宽， γ 为调频率， $t t mT= − 为快时间，m 为整数， T 脉冲重复周期， mTtm = 为慢时间。 解线频调是用一时间固定，而频率、调频率相同的 LFM 信号作为参考信号，用它和回波作差频处理。 设参考距离为 Rref ，则参考信号为               −+      −         − = 2 2 1 2ˆ 2 22ˆ rect),̂( c R t c R tfj ref ref mref refref c e T cRt tts γπ (2.7)

#资源达人分享计划#