雷达学习笔记汇总

机载雷达

机载雷达是飞机上各种雷达总称，是飞机获取信息的关键装备，主要用于侦察、监视、预警、目标指示和武器制导控制、环境探测以保障航行安全。受飞机平台约束和下视探测的要求，机载雷达集中反映了雷达新技术。

1 机载脉冲多普勒雷达 2 雷达原理与系统 3雷达发射机接收机 4雷达接收机 5雷达接收机 6雷达接收机 7 雷达探测距离

雷达杂波建模方法

基本概念汇总

脉冲多普勒(PD)雷达是一种利用多普勒效应检测目标信息的全相参体制的雷达,能实现对雷达信号脉冲串频谱单根谱线滤波(频域滤波),具有对目标进行速度分辨的能力。

如果信号的采样率低于两倍奈奎斯特频率，采样数据中就会出现虚假的低频成分。这种现象便称为混叠。采样频率如果太低就不能正确还原真实信号；但是如果采样频率太高，会有较大的频率分辨率，同时又会有产生大量的数据。通常，在实际应用中采样频率会选择比两倍奈奎斯特频率要大一些（比如3～5倍）。

其实杂波是啥，杂波就是我们不感兴趣的静止目标回波。机载雷达对地看，肯定是有大量静止目标回波的，地面，建筑物等等。那地基雷达有时候也会有杂波的，比如山之类的。对于静止目标的回波，机载和地基最大的区别是雷达动不动，地基雷达不动，所以二者之间的多普勒始终是0，处理起来就很容易，相邻脉冲做减法就能去掉，其实就是只抑制零频的回波就行了。机载雷达是运动的，那个每个慢时刻二者相对多普勒频率都在变，就导致静止目标的回波不是在一个频点上，而是在一个带宽内，书上一般称为杂波多普勒带宽，那么抑制就比较麻烦了。在一个相干处理时间内，一个静止目标的回波是有一定带宽的。杂波多普勒带宽是指观测区域内，所有静止目标的带宽的并集。

阅读代码总结

目标回波建立

1.根据处理数据的帧数目以及每一帧（一个CPI内）脉冲的个数以及脉冲的重复频率（周期）建立慢时间轴

2.计算每一个脉冲期间（以初始时刻为标准）时，雷达和目标的位置，距离以及速度在视线方向上得投影，用于计算多普勒频率

3.设置快采样时间

网页资料合集

雷达信号处理常用概率密度函数总结

雷达回波模拟仿真（三）：杂波（以LFM为例）matlab

球载雷达地杂波建模与仿真分析

Matlab之机载雷达系统中的空时自适应处理（STAP）技术

空时二维自适应处理-相控阵雷达二维杂波谱分布仿真Matlab

【雷达通信】基于matlab K分布雷达杂波建模与仿真

对机载雷达地杂波的仿真代码

机载雷达空时二维杂波特性分析豆丁毕业论文

雷达杂波知识

基于Matlab的机载雷达的地杂波仿真实现及抑制技术

(二十四)Matlab实例之距离多普勒表面杂波功率预测

雷达杂波I：散射系数模型

关于雷达目标RCS起伏的Swerling模型附matlab代码

起伏目标相干检测性能分析

swering起伏模型matlab仿真

现代雷达电子战系统建模与仿真

杂波抑制

DPCA

Space Time Adaptive Processing(STAP)/空时自适应处理的简单分析与仿真重要******

空时自适应处理STAP算法梳理

和差STAP

各种阵列分布的差方向图比较

目标检测

CFAR算法

雷达系统必备知识——恒虚警检测器CFAR

matlab官方CFAR检测器

雷达信号处理之恒虚警（CFAR）检测基础知识总结

读书笔记 | 自动驾驶中的雷达信号处理（第5章雷达目标检测）

干货 | 再次解读雷达信号处理中的快速二维CFAR（2D-CFAR、十字CFAR）检测算法

雷达目标检测之恒虚警检测（CA/SOCA/OS/GOCA-CFAR）【附MATLAB代码】

[雷达无线电系列（二）经典CFAR算法图文解析与实现（matlab）

雷达无线电系列（三）经典CFAR算法门限因子alpha计算（matlab）

干货 | FMCW雷达信号处理的二维CFAR（2D CFAR、十字CFAR）检测算法

基于瑞利分布的双参数CFAR算法 **此处关于杂波块的划分甚为巧妙

形态学应用——图像开运算与闭运算

积累检测

带你入门多目标跟踪（一）领域概述

检测前跟踪

弱目标检测前跟踪技术研究综述

（从零开始）基于检测前跟踪雷达目标跟踪技术的研究

基于后验概率的值函数

$\mathrm{I\left(x_{k+1},k+1\right)=\max_{x_k}\left{I\left(x_k,k\right)+\log p\left(x_{k+1}\left|x_k\right.\right)\right}+\log p\left(z_{k+1}\left|x_{k+1}\right.\right)}$

$p(z_{i,j}\mid x_{k})=\frac{1}{\sqrt{2\pi}\sigma}\exp(-\frac{(z_{i,j}(k)-A)^{2}}{2\sigma^{2}})$

[雷达回波序列中弱小飞机目标检测跟踪数据集] 楼上的数据集

动态规划

10分钟彻底搞懂“动态规划”算法

【动态规划】这可能是最好懂的动态规划入门教程?!

看完这篇文章，你一定能看懂viterbi 算法！

维特比算法

隐马尔可夫模型(HMM)Matlab演示代码

滤波笔记二：运动模型（CV&CA&CTRV）

机动目标跟踪

基于动态规划的弱目标检测前跟踪算法

检测前跟踪就是用多帧数据积累某些东西的方式来提高回波的信噪比。例如用标准霍夫变换来积累能量——SHT-TBD，用动态滤波来积累最优值——DP-TBD

传统的检测跟踪是跟踪前检测（detect-before-trace，DBT）

对于DBT，它是直接采用低门限或者无门限处理的的传感器的原始观测数据，然后进行数据信息的挖掘，通过在时间上的观测积累，提高信噪比，以此达到对于目标的跟踪，在高的信噪比下DBT的检测效果较好。但是对于信噪比较低的目标，若要仍使用DBT进行检测跟踪，则需要降低门限或者提高传感器的灵敏度，但是会提高虚警率以及无效的回波信号。因此，在低信噪比下，DBT达到的效果并不是很好。对于加强信号处理提高信噪比以满足DBT门限处理的要求，可以对于信号进行长时间的相参积累来实现。因为在长时间的相参积累中，可以增加实际利用的目标回波信号能量，能够有效地提高雷达检测性能。目前，传统的相参积累都是通过FFT进行的。但是这是建立在一个大的前提条件上的，即在波束驻留期间，目标的移动要近似匀速直线运动，多普勒频率为常数，切回波包络的移动不超过一个距离门。在长时间进行观察时，上述条件将不会成立。对于FFT也不能将全部的回波能量完全积累。同时，对于相参积累，整个系统的造价也较高。因此，我们要进行探索更加有效的相参积累或非相参积累方法。

检测前目标跟踪（TBD）

检测前跟踪（trace-before-detect,TBD)是针对于弱目标的检测跟踪提出的。

对于弱目标的检测跟踪，TBD作为一个典型的强非线性问题，可以进行非相参积累，能够达到较好的效果。

对于TBD，其有以下的优点：对于原始的传感器数据进行直接的处理，处理得到的信息并随着时间的积累而进行，对于目标的决策位于整个处理链的最后一步。

粒子滤波

一篇博客彻底掌握：粒子滤波 particle filter (PF) 的理论及实践

非线性滤波-目标跟踪应用

核心思想：是使用一组具有相应权值的随机样本(粒子)来表示状态的后验分布。该方法的基本思路是选取一个重要性概率密度并从中进行随机抽样，得到一些带有相应权值的随机样本后，在状态观测的基础上调节权值的大小、和粒子的位置，再使用这些样本来逼近状态后验分布，最后将这组样本的加权求和作为状态的估计值。

无公式解释粒子滤波（通俗易懂）

粒子滤波重采样的理解及MATLAB实现

分布式

分布式滤波、多源信息融合与多目标跟踪技术及其Matlab代码

Matlab技巧汇总

基本运算

归纳总结MATLAB中与矩阵运算有关的算术运算符(加、减、乘、除、点乘、点除、乘方、转置等)

cell元胞数组

特征值和特征向量的计算

[V,D]=eig(A);

matlab求逆运算左除（\）和右除（/），inv，pinv的用法及区别

多变量赋值方法，用于解决传递参数过多问题。使用元组传递。

x={10 20};
[a,b]=x{:};
%a=10,b=20

sin的计算

sind(180); %0
sin(pi);%1.2246e-16

结构体

permute—置换数组维度

删除数组中某些指定的数

protect(protect<1) = [];
protect(protect>numfast(k)) = [];

R_search_Index=(IndexR-R_Span_Index):(IndexR+R_Span_Index);
R_search_Index(R_search_Index<1) = [];
R_search_Index(R_search_Index>numfast(k)) = [];
D_search_Index=(IndexD-D_Span_Index):(IndexD+D_Span_Index);
id_small=find(D_search_Index<1); D_search_Index(id_small)=D_search_Index(id_small)+doppler_num(k);
id_big=find(D_search_Index>doppler_num(k));
D_search_Index(id_big)=D_search_Index(id_big)-doppler_num(k);

matlab怎么删除数组中满足一定条件的元素

setdiff：设置两个数组的差集

C = setdiff(A,B) 返回 A 中存在但 B 中不存在的数据，不包含重复项。C 是有序的。

如果 A 和 B 为表或时间表，则 setdiff 返回 A 中存在但 B 中不存在的行。对于时间表，setdiff 在确定相等性时会考虑行时间，并按行时间对输出时间表 C 进行排序。

图像标题引用变量

title(sprintf("%d次拟合曲线", i))
title ( ['运行时间: ',num2str(i) ] );

输出临时运行阶段

disp(['Clutter Radar : ',num2str(j),'  Frame : ',num2str(k)]);

概率密度函数求解

傅里叶变换那些事

数字信号处理1：完全掌握Matlab中的FFT

数字信号处理1：完全掌握Matlab中的FFT（补充）

matlab中的fftshift和ifftshift 函数的区别与使用

首先，ifftshift和fftshift执行的都是圆周位移的操作。fftshift是将数组或矩阵按正方向（向右和向下）做圆周位移，而ifftshift是按负方向（向左和向上）做圆周位移。圆周位移的步长等于数组或矩阵长度的一半，对于偶数是N/2，对于奇数是（N-1）/2。这也就是为什么对于偶数长的数组，fftshift和ifftshift的结果相同，而对于奇数长的数组，两者结果却不一样的原因。

关于MATLAB中fft，fftshift，fftshift(fft(fftshift(x)))，FFT要乘以dx 等问题理解重要！！！重要！！！

Why_use_fftshift(fft(fftshift(x)))__in_Matlab

注意：偶数的频率范围$(-N/2:N/2-1)\times \Delta f$

傅里叶变换的物理意义

绘图

学习matlab（九）——绘图（三维）

【MATLAB图像】— 图形细节处理操作

figure(1);
colormap(jet);
surf(fd_n,fs_n,P);
shading interp;lighting gouraud;colorbar;
title('杂波功率谱');xlabel('fd');ylabel('fs');zlabel('P/dB');hold on;  %绘制杂波功率谱图

雷达知识汇总

总体资料

MIT雷达系统公开课

专家讲座 | 机载雷达目标探测技术（视频）

关于雷达算法，我个人认为可以分为两个部分，第一个部分是CFAR检测算法以及CFAR检测算法之前的部分，称为雷达信号处理算法，包括距离估计（测距）、速度估计（测速）、角度估计（测角）、CFAR检测等目标检测算法，以及波束形成、旁瓣抑制、相干积累（相参积累）与非相干积累、幅相校正、多普勒相位补偿、数字波束形成（DBF）、杂波抑制、脉冲压缩、动目标显示（MTI）、动目标检测（MTD）、合成孔径成像算法例举未全）等等。（此部分比较重视数学基础、信号理论与处理算法，是学习雷达信号处理的关键部分。

第二个部分是CFAR检测算法之后的部分，称为雷达数据处理算法，包括聚类算法、跟踪算法、航迹关联算法，以及雷达数据结合人工智能（AI）等算法（例举未全）。此部分偏重于数据处理和信息处理算法，对于雷达上报的点云数据（散点）需要采用各种不同的算法来实现所需要达到的指标，个人认为更看重数学理论、计算机算法以及数据处理能力