完全自适应 STAP 的详细实现。 对新手非常有用。

扩展卡尔曼滤波EKF实现3D目标跟踪 仿真场景：三维目标，CA模型 传感器类型：主动雷达 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 仿真结果：三维跟踪轨迹，各维度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE（结果图压缩文件都有）。 仿真参数设置：见下面链接的里面又给 仿真结果可以先看下面链接博客，代码肯定能运行且有结果，可开发性强， 如果有问题可联系WX:ZB823618313 对应的仿真模型及参数设置见扩展卡尔曼滤波 对应的理论分析和参数设置，见博文《扩展卡尔曼滤波EKF在目标跟踪中的应用—仿真部分》https://blog.csdn.net/weixin_44044161/article/details/115329181?spm=1001.2014.3001.5501

无迹卡尔曼滤波UKF实现2D目标跟踪 算法：标准的无迹卡尔曼滤波 仿真场景：二维目标，CV模型 传感器类型：主动雷达 MATLAB仿真仿真实现; 蒙特卡洛仿真实验， 仿真结果：二维跟踪轨迹，各维度跟踪轨迹，估计均方误差RMSE，位置RMSE,速度RMSE（结果图压缩文件都有）。 仿真参数设置：见下面链接的里面又给 仿真结果可以先看下面链接博客，代码肯定能运行且有结果，可开发性强， 如果有问题可联系WX:ZB823618313 对应的仿真模型及参数设置见无迹卡尔曼滤波 对应的理论分析和参数设置，见博文《无迹卡尔曼滤波UKF—目标跟踪中的应用(仿真部分)》https://blog.csdn.net/weixin_44044161/article/details/115390660

ofdm与ocdm雷达通信一体化模糊函数比较（Integrated radar and communication OFDM s

逆合成孔径雷达成像原理 isar雷达成像 这里是核心代码部分 可以实现雷达成像

基于线性调频连续波雷达可提取目标的距离信息和多普勒频率，分析了线性调频连续波在高频雷达中的应用，推导出差频信号的表达式和利用二维快速傅里叶变换进行距离/多普勒处理的理论。提出了将距离/多普勒处理技术与自适应数字波束形成技术相结合，对杂波和干扰进行抑制的同时提取回波目标信息的方法。经计算机仿真结果表明，其方法有效可行。

很经典的雷达教程，很多高校都把这本书作为教材，是学习雷达数据处理的很好的书，推荐大家下载学习。

拉古 雷达分析图形实用程序 作者：布兰登·托伯（Brandon Tober）和迈克尔·克里斯托弗森（Michael Christoffersen） 描述 RAGU是一个开放源代码用户界面程序包，用于解释用Python 3编写的雷达探测数据。 数据集功能： RAGU最初是为与NASA的IceBridge阿拉斯加行动雷达探测数据配合使用而开发的。 此后，数据集功能已扩展为包括以下内容： 美国宇航局OIB-AK SHARAD（USRDR，USGEOM，美国混乱的模拟人生） MARSIS（JPL多外观产品） GSSI 脉冲EKKO 档案资讯 ragu.yml包含RAGU依赖项列表 config.ini包含用户指定的配置文件路径和运行RAGU应用程序所需的信息 运行main.py以启动RAGU应用 ui / gui.py处理图形用户界面并设置应用程序 ui / impick.py处理配置

5.23 星状图、蛛网图、雷达图 星状图（Star Plot）、蛛网图（Spider Plot）和雷达图（Radar Plot）本 质上是一类图形，它们都用线段离中心的长度来表示变量值的大小，这三 种图形名称的区别在于星状图用来展示很多个多变量个体，各个个体的图 形相互独立，从而整幅图形看起来就像很多星星，而蛛网图和雷达图将多 个多变量个体放在同一张图形上，看起来就像是蛛网或雷达的形状，这样 重叠的图形就称为蛛网图或者雷达图。简单说来，就是星状图有若干个中 心，而蛛网图和雷达图只有一个中心。 R中星状图的函数为stars()，其用法如下： 1 > usage(stars, w = 0.75) stars(x, full = TRUE, scale = TRUE, radius = TRUE, labels = dimnames(x)[[1L]], locations = NULL, nrow = NULL, ncol = NULL, len = 1, key.loc = NULL, key.labels = dimnames(x)[[2L]], key.xpd = TRUE, xlim = NULL, ylim = NULL, flip.labels = NULL, draw.segments = FALSE, col.segments = 1L:n.seg, col.stars = NA, axes = FALSE, frame.plot = axes, main = NULL, sub = NULL, xlab = "", ylab = "", cex = 0.8, lwd = 0.25, lty = par("lty"), xpd = FALSE, mar = pmin(par("mar"), 1.1 + c(2 * axes + (xlab != ""), 2 * axes + (ylab != ""), 1, 0)), add = FALSE, plot = TRUE, ...) 参数x为一个多维数据矩阵或数据框，每一行数据将生成一个星形； full为逻辑值，决定了是否使用整圆（或半圆）；scale决定是否将数据标 准化到区间[0, 1]内；radius决定是否画出半径；labels为每个个体的名称， 默认为数据的行名；locations以一个两列的矩形给出每个星形的放置位 置，默认放在一个规则的矩形网格上，若提供给该参数一个长度为2的向 量，那么所有的星形都将被放在该坐标上，从而形成蛛网图或雷达图； nrow和ncol分别给定网格的行数和列数以便摆放星形，默认nrow等于ncol； len为半径和线段的缩放倍数；key.loc提供比例尺的坐标位置；key.labels为 比例尺的标签，默认为变量名称；key.xpd设定比例尺的作图范围，回 顾3.1小节（par(’xpd’)）；flip.labels设定每个星形底部的名称是否互相上 下错位，以免名称太长导致文本之间互相重叠；draw.segments设定是否 作线段图，即：每个变量以一个扇形表示；col.segments设定每个扇形区

对雷达信号处理中的恒虚警检测和动目标显示进行了仿真，对需要理解恒虚警检测的同学很有帮助