Одна из форм сигнала радара — форма сигнала линейной частотной модуляции ЛЧМ.
Одна из форм сигнала радара — форма сигнала линейной частотной модуляции ЛЧМ.

Предисловие

Сигнал линейной частотной модуляции (LFM) имеет большое произведение ширины полосы пропускания и может иметь большую степень сжатия импульса. Это форма сигнала, широко используемая в радиолокационных системах и гидролокаторах. В этой статье в основном проводится теоретическое исследование сигналов линейной частотной модуляции и используется MATLAB для моделирования.


1. Форма сигнала линейной частотной модуляции.

1. Принцип

Сигналы с частотной или фазовой модуляцией используются для получения гораздо более широкой рабочей полосы пропускания. Линейная частотная модуляция (ЛЧМ) является широко используемым методом. В этом случае частота изменяется линейно в пределах ширины импульса либо вверх (повышение частоты), либо вниз (понижение частоты). Полоса пропускания согласованного фильтра пропорциональна полосе развертки и не имеет никакого отношения к ширине импульса. На следующем рисунке показан типичный образец сигнала НЧМ с шириной импульса.

\tau

, полоса пропускания

B

Типичная форма сигнала ЛЧМ

Мгновенную фазу сигнала преобразования с повышением частоты LFM можно выразить как:

\psi(t)=2\pi(f_0t+\frac{\mu}{2}t^2) \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2}

в,

f_0

- центральная частота радара,

\mu=(2\pi B)/\tau

– коэффициент LFM, следовательно, мгновенная частота равна

f(t)=\frac{1}{2\pi}\frac{d}{dt}\psi(t)=f_0+\mu t \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2}

Таким же образом, мгновенная фаза и частота сигнала понижающего преобразования равны:

\psi(t)=2\pi(f_0t-\frac{\mu}{2}t^2) \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2}
f(t)=\frac{1}{2\pi}\frac{d}{dt}\psi(t)=f_0-\mu t \qquad -\frac{\tau}{2}\le t\le \frac{\tau}{2}

2. Выражение во временной области

Типичный чирп-сигнал можно выразить как:

s(t)=rect(\frac{t}{\tau})e^{j2\pi (f_0t+\frac{\mu}{2}t^2)}

в,

rect(t/\tau)

Указывает, что ширина

\tau

прямоугольный импульс, то приведенную выше формулу можно записать как:

s_1(t)=e^{j2\pi f_0}ts(t)

в:

s(t)=rect(\frac{t}{\tau})e^{j\pi \mu t^2}

да

s_1(t)

сложный конверт.

3. Выражение в частотной области

Сигнал

s_1(t)

Спектр представлен сложной огибающей

s(t)

Решать,

s_1(t)

Комплексный экспоненциальный член представляет собой центральную частоту.

f_0

сдвиг частоты. Воля

s(t)

Выполните преобразование Фурье, чтобы получить

в:

использовать

C(x)

и

S(x)

Представляет интеграл Френеля, определяемый следующим образом:

Интеграл Френеля приблизительно равен:

Уведомление:

C(-x)=-C(x),S(-x)=-S(x)

Подстановка интеграла Френеля в выражение частотной области LFM

S(\omega)

,получать:

2. Моделирование MATLAB

1. Очки Нефила

①, исходный код MATLAB
Язык кода:javascript
копировать
clear all
close all
n = 0;
 for x = 0:.05:4
     n = n+1;
     sx(n) = quadl('fresnels',.0,x);
     cx(n) = quadl('fresnelc',.0,x);
 end
plot(cx)
x=0:.05:4; 
plot(x,cx,'k',x,sx,'k--')
grid
xlabel ('x')
ylabel ('Fresnel integrals: C(x); S(x)')
legend('C(x)','S(x)')
② Результаты моделирования.

Изображение ниже

C(x)

и

S(x)

существовать

0\le x \le 4.0

график времени

Интеграл Френеля

2、LFM

①, исходный код MATLAB

Ниже приведен типичный график, отображающий действительную часть, мнимую часть и амплитудный спектр сигнала ЛЧМ.

Язык кода:javascript
копировать
close all
clear all
eps = 0.000001;
%Enter pulse width and bandwidth
B = 200.0e6; %200 MHZ bandwidth
T = 10.e-6; %10 micro second pulse;
% Compute alpha
mu = 2. * pi * B / T;
% Determine sampling times
delt = linspace(-T/2., T/2., 10001); % 1 nano sceond sampling interval
% Compute the complex LFM representation
Ichannal = cos(mu .* delt.^2 / 2.); % Real part
Qchannal = sin(mu .* delt.^2 / 2.); % Imaginary Part
LFM = Ichannal + sqrt(-1) .* Qchannal; % complex signal
%Compute the FFT of the LFM waveform
LFMFFT = fftshift(fft(LFM));
% Plot the real and Immaginary parts and the spectrum
freqlimit = 0.5 / 1.e-9;% the sampling interval 1 nano-second
freq = linspace(-freqlimit/1.e6,freqlimit/1.e6,10001);
figure(1)
plot(delt*1e6,Ichannal,'k');
axis([-1 1 -1 1])
grid
xlabel('Time - microsecs')
ylabel('Real part')
title('T = 10 Microsecond, B = 200 MHz')
figure(2)
plot(delt*1e6,Qchannal,'k');
axis([-1 1 -1 1])
grid
xlabel('Time - microsecs')
ylabel('Imaginary part')
title('T = 10 Microsecond, B = 200 MHz')
figure(3)
plot(freq, abs(LFMFFT),'k');
%axis tight
grid
xlabel('Frequency - MHz')
ylabel('Amplitude spectrum')
title('Spectrum for an LFM waveform and T = 10 Microsecond, B = 200 MHZ')

Значение B равно 200,0e6, что соответствует полосе пропускания 200 МГц. Значение T равно 10.e-6, что соответствует ширине импульса 10 микросекунд.

② Результаты моделирования.
1) Типичная форма сигнала ЛЧМ, действительная часть
2) Типичная форма сигнала ЛЧМ, мнимая часть
3) Типичный спектр сигнала ЛЧМ

Квадратный спектр на рисунке ниже — это хорошо известный спектр Френеля.


boy illustration
Неразрушающее увеличение изображений одним щелчком мыши, чтобы сделать их более четкими артефактами искусственного интеллекта, включая руководства по установке и использованию.
boy illustration
Копикодер: этот инструмент отлично работает с Cursor, Bolt и V0! Предоставьте более качественные подсказки для разработки интерфейса (создание навигационного веб-сайта с использованием искусственного интеллекта).
boy illustration
Новый бесплатный RooCline превосходит Cline v3.1? ! Быстрее, умнее и лучше вилка Cline! (Независимое программирование AI, порог 0)
boy illustration
Разработав более 10 проектов с помощью Cursor, я собрал 10 примеров и 60 подсказок.
boy illustration
Я потратил 72 часа на изучение курсорных агентов, и вот неоспоримые факты, которыми я должен поделиться!
boy illustration
Идеальная интеграция Cursor и DeepSeek API
boy illustration
DeepSeek V3 снижает затраты на обучение больших моделей
boy illustration
Артефакт, увеличивающий количество очков: на основе улучшения характеристик препятствия малым целям Yolov8 (SEAM, MultiSEAM).
boy illustration
DeepSeek V3 раскручивался уже три дня. Сегодня я попробовал самопровозглашенную модель «ChatGPT».
boy illustration
Open Devin — инженер-программист искусственного интеллекта с открытым исходным кодом, который меньше программирует и больше создает.
boy illustration
Эксклюзивное оригинальное улучшение YOLOv8: собственная разработка SPPF | SPPF сочетается с воспринимаемой большой сверткой ядра UniRepLK, а свертка с большим ядром + без расширения улучшает восприимчивое поле
boy illustration
Популярное и подробное объяснение DeepSeek-V3: от его появления до преимуществ и сравнения с GPT-4o.
boy illustration
9 основных словесных инструкций по доработке академических работ с помощью ChatGPT, эффективных и практичных, которые стоит собрать
boy illustration
Вызовите deepseek в vscode для реализации программирования с помощью искусственного интеллекта.
boy illustration
Познакомьтесь с принципами сверточных нейронных сетей (CNN) в одной статье (суперподробно)
boy illustration
50,3 тыс. звезд! Immich: автономное решение для резервного копирования фотографий и видео, которое экономит деньги и избавляет от беспокойства.
boy illustration
Cloud Native|Практика: установка Dashbaord для K8s, графика неплохая
boy illustration
Краткий обзор статьи — использование синтетических данных при обучении больших моделей и оптимизации производительности
boy illustration
MiniPerplx: новая поисковая система искусственного интеллекта с открытым исходным кодом, спонсируемая xAI и Vercel.
boy illustration
Конструкция сервиса Synology Drive сочетает проникновение в интрасеть и синхронизацию папок заметок Obsidian в облаке.
boy illustration
Центр конфигурации————Накос
boy illustration
Начинаем с нуля при разработке в облаке Copilot: начать разработку с минимальным использованием кода стало проще
boy illustration
[Серия Docker] Docker создает мультиплатформенные образы: практика архитектуры Arm64
boy illustration
Обновление новых возможностей coze | Я использовал coze для создания апплета помощника по исправлению домашних заданий по математике
boy illustration
Советы по развертыванию Nginx: практическое создание статических веб-сайтов на облачных серверах
boy illustration
Feiniu fnos использует Docker для развертывания личного блокнота Notepad
boy illustration
Сверточная нейронная сеть VGG реализует классификацию изображений Cifar10 — практический опыт Pytorch
boy illustration
Начало работы с EdgeonePages — новым недорогим решением для хостинга веб-сайтов
boy illustration
[Зона легкого облачного игрового сервера] Управление игровыми архивами
boy illustration
Развертывание SpringCloud-проекта на базе Docker и Docker-Compose