zoukankan      html  css  js  c++  java
  • 雷达方程分析

    雷达方程分析

    雷达方程是设计雷达系统的基础。雷达方程如下:

     一般情况,雷达系统设计已知雷达需要探测距离R,所以雷达方程常进行变换应用,例如根据《雷达系统设计MATLAB仿真》中的:

    其中,G为天线增益,λ为波长,σ为目标截面积,Pt为峰值功率,k为玻尔兹曼常数,Te有效温度,B带宽,F噪声系数,L雷达损失。

     研究最小可检测信噪比SNR和不同探测距离R之间的关系(关于目标截面积σ、峰值功率Pt

    function [ snr ] = radar_eq( pt,freq,G,sigma,Te,B,Nf,loss,range )
    % 雷达方程
    % pt      峰值功率                         W
    % freq    雷达中心频率                     Hz
    % G       天线增益                         dB
    % sigma   目标截面积                       m^2
    % Te      有效噪声温度                      K
    % B       带宽                             Hz
    % Nf      噪声系数                         dB
    % loss    雷达损失                         dB
    % range   目标距离(单值或向量)             m
    % snr     SNR(单值或向量,根据输入距离)    dB
    % 
    c = 3.0e+8;                                %光速
    lambda = c/freq;                           %波长
    p_peak = 10*log10(pt);                     %将峰值功率转换成dB形式
    lambda_sqdb = 10*log10(lambda^2);
    sigmadb = 10*log10(sigma);
    four_pi_cub = 10*log10((4.0*pi)^3);
    k_db = 10*log10(1.38e-23);                 %Boltzman常数转换成dB形式
    Te_db = 10*log10(Te);
    B_db = 10*log10(B);
    range_pwr4_db = 10*log10(range.^4);
    
    % 根据雷达方程计算SNR值
    num = p_peak + G + G + lambda_sqdb + sigmadb;
    den = four_pi_cub + k_db + Te_db + B_db + Nf + loss + range_pwr4_db;
    snr = num - den;
    return
    
    end
    

      

    close all;
    clear all;
    pt = 1.5e+6;           %峰值功率W
    freq = 5.6e+9;         %中心频率Hz
    G = 45.0;              %天线增益dB
    sigma = 0.1;           %目标截面积m^2
    Te = 290.0;            %有效噪声温度K
    B = 5.0e+6;            %带宽Hz
    Nf = 3.0;              %噪声系数dB
    loss = 6.0;            %雷达损失dB
    range = linspace(25e3,165e3,1000);  %均匀产生距离由25km至165km,1000个距离点
    
    snr1 = radar_eq(pt,freq,G,sigma,Te,B,Nf,loss,range);
    snr2 = radar_eq(pt,freq,G,sigma/10,Te,B,Nf,loss,range);
    snr3 = radar_eq(pt,freq,G,sigma*10,Te,B,Nf,loss,range);
    figure(1)
    rangekm = range./1000;
    plot(rangekm,snr3,'k',rangekm,snr1,'r-.',rangekm,snr2,'b:');
    grid;
    legend('sigma = 0 dBsm','sigma = -10dBsm','sigma = -20 dBsm');
    xlabel('检测距离 - Km');
    ylabel('SNR - dB');
    
    snr1 = radar_eq(pt,freq,G,sigma,Te,B,Nf,loss,range);
    snr2 = radar_eq(pt*0.4,freq,G,sigma,Te,B,Nf,loss,range);
    snr3 = radar_eq(pt*1.8,freq,G,sigma,Te,B,Nf,loss,range);
    figure(2)
    plot(rangekm,snr3,'k',rangekm,snr1,'r-.',rangekm,snr2,'b:');
    grid;
    legend('Pt = 2.16MW','Pt = 1.5MW','Pt = 0.6MW');
    xlabel('检测距离 - Km');
    ylabel('SNR - dB');
    

      

    结果:

    图1     最小可检测信噪比SNR和不同探测距离R之间的关系(关于目标截面积σ)

    图2  最小可检测信噪比SNR和不同探测距离R之间的关系(峰值功率Pt)

  • 相关阅读:
    服务器(Ubuntu 12.04 LTS)上编译基于OpenCV的项目遇到的问题及解决方案
    ubuntu 16.04 LTS 降级安装gcc 4.8
    C#程序中获取电脑硬件配置信息的一种方法
    C#程序将对象保存为json文件的方法
    C#中运用事件实现异步调用
    Redis实现分布式锁 php
    CI框架整合UEditor编辑器上传功能
    PHP给图片加水印具体实现
    检测网站是否被和谐!
    vue的双向绑定和依赖收集
  • 原文地址:https://www.cnblogs.com/lorenshuai724005/p/11696988.html
Copyright © 2011-2022 走看看