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

某弹载雷达系统要求：不模糊探测距离80km；工作比不超过20%；波长=3cm；天线等效孔径D=0.25m(直径)；噪声系数F=3dB；系统损耗L=4dB；天线波束宽度θ3dB =6°；目标的RCS:=1500 m2。弹目之间的相对运动关系如图。目标航速Vs m/s，导弹运动速度Va=600m/s，目标航向与弹轴方向之间的夹角为α′=30°，目标偏离弹轴方向的角度为β=1°，则在舰船位置P，导弹对目标视线与目标航向的夹角α=α′+β。从t=0时刻开始，导弹从O向O’位置运动, 目标从P向P’位置运动。

弹载大斜视合成孔径雷达成像算法

提出一种基于二维经验模态分解(BEMD)的合成孔径雷达(SAR)目标识别方法。BEMD可以从原始SAR图像提取多层次的二维固态模函数(BIMF),它们可以更好地描述目标的细节信息,因此联合原始SAR图像及其多层次BIMF,可以为后续的分类决策提供更多有益信息。采用支持向量机(SVM)对原始SAR图像以及各个层次的BIMF进行决策,然后基于Bayesian理论对各个SVM输出的结果进行有效融合,从而获得更为稳健的识别结果。基于MSTAR数据集设置几种典型的实验条件,对本文方法进行性能测试,结果验证本文方法相比几类现有SAR目标识别方法更具有性能优势。

汽车雷达 一种汽车雷达信号的参数设计及系统仿真一种汽车雷达信号的参数设计及系统仿真一种汽车雷达信号的参数设计及系统仿真一种汽车雷达信号的参数设计及系统仿真