线性调频信号(LFM)的形式及幅度谱、相位谱特性

线性调频信号在SAR系统中非常重要,其瞬时频率是时间的线性函数。该信号常用于信号的发射,以获得均匀的信号带宽,在接收信号中则来自传感器运动。本篇博客主要讨论线性调频信号的形式,及在matlab仿真中的幅频特性和相频特性。


一、线性调频信号的形式

 

在时域中,一个理想的线性调频信号或脉冲持续时间为T秒,振幅为常量,中心频率f_{cen}Hz,相位

\theta (t)随时间按一定规律变化。由于频率的线性调制,相位为时间的二次函数,当中心频率f_{cen}为0

时,信号的复数形式:

                                              s(t) = rect(\frac{t}{T})exp{j\piKt^{2}}

其中t是时间变量,单位为s,K是线性调频率,单位为Hz/s,即反映了频率的变化率;

相位\phi(t) = \piKt^{2},单位为rad.如下图所示,其为时间的二次函数。对时间求导得到瞬时频率:

                        ​​​​​​​        ​​​​​​​        ​​​​​​​        ​​​​​f =  \frac{1}{2\pi }\frac{d\phi }{dt}  = Kt            单位:Hz

这说明频率是时间t的线性函数,斜率为K(单位Hz/s)。其中带宽指主要chirp能量占据的频率范

围,或者为信号的频率漂移。根据下图:带宽是chirp斜率与持续时间的乘积。BW = |K|T,单位:Hz

由于与鸟鸣相似,故线性调频信号经常被称为chirp。


二、线性调频信号的产生(信号的实部与虚部)

1.代码(实部与虚部产生):

Tr = 20e-6;%线性调频信号脉宽,发射脉冲时宽20ms
c = 3e8;   %光速
B = 5e6;  %调频信号带宽
K = B/Tr; %调频率
f0 = 1.25*10^9;  %载频
Fs = 2*B;        %采样率
Ts = 1/Fs;       %采样时间间隔
N = round(Tr/Ts); %采样点数
t = linspace(-Tr/2,Tr/2,N); %时间序列
st = exp(1j*pi*K*t.^2);  %线性调频信号形式
fai_t = pi*K*t.^2;   %线性调频信号相位
ft = K*t;               %线性调频信号频率%1.线性调频信号幅度谱
figure(1)
% subplot(3,1,1)
plot(t*1e3,real(st));  %线性调频信号
xlabel("时间/ms");ylabel("信号幅度");
title("线性调频信号实部");
grid on;axis tight;  %1.画网格,2.使得屏幕适合图像范围
%2.线性调频信号相位谱figure(2)
plot(t*1e3,imag(st));  %线性调频信号虚部
xlabel("时间/ms");ylabel("信号虚部幅度");
title("线性调频信号虚部");
grid on;axis tight;

2.仿真图片:


三、线性调频信号的相位谱、频率谱产生

1.相位谱、频率谱代码:

figure(3)
% subplot(3,1,2)
plot(t*1e3,fai_t);   %线性调频信号相位谱
xlabel("时间/ms");ylabel("线性调频信号相位/rad");
title("线性调频信号相位谱");
grid on;axis tight;  
%线性调频信号频率谱figure(4)
% subplot(3,1,3)
plot(t*1e3,ft*10^(-6));    %线性调频信号频率谱
xlabel("时间/ms");ylabel("线性调频信号频率/MHz");
title("线性调频信号频率谱");
grid on;axis tight;
set(gcf,'name','线性调频信号特性(幅度谱、相位谱、频率谱)','Numbertitle','off');

2.仿真图片:

 

 

 四、总结

线性调频信号相位是二次的,其频率是时间的线性函数。频率斜率是线性调频率。如果斜率为正,则称信号为正扫频,斜率为负,则称信号为负扫频。在SAR系统分析中,常常用线性调频信号作为发射信号,以获得更宽的带宽,有利于后续的匹配滤波,得到窄脉冲,获得更高距离分辨率。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/492100.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Android学习笔记----ArcGIS在线地图服务(Android API)坐标纠偏

仅限于如下ArcGIS在线地图服务(高德提供数据): //概述:彩色中文含兴趣点版中国基础地图 //投影:WGS 1984 Web-Mercator //切片格式:MIXED90 //服务类型:基础地图服务 //数据提供商:高德软件有限公司 //数据获取时间:2014年秋季 //…

机器人领域十大前沿技术

来源:工业互联网观察近些年来,机器人行业发展迅速,机器人被广泛应用于各个领域尤其是工业领域,不难看出其巨大潜力。与此同时,我们也必须认识到机器人行业的蓬勃发展,离不开先进的科研进步和技术支撑。以下…

星载低波段极化SAR电离层法拉第旋转效应(FR)及校正国内外研究现状-学习笔记

相较于常规星载SAR,星载低波段极化SAR一方面具有较强穿透能力,能够探测植被和千层地表下的隐藏目标,另一方面,该系统对生物量更为敏感,能够观测森林资源的消长,对研究全球碳循环与气候变化的相互作用具有重…

星巴克、苹果、谷歌、亚马逊等巨头,为何同时做这件事?

综合整理|《中国企业家》记者 周夫荣编辑|马吉英摘要:除了星巴克之外,苹果、谷歌、亚马逊等高科技公司也早已在可持续能源领域悄然布局。除了经济原因和社会责任,这些公司或许有更深远的考量。当外界把星巴克视为咖啡大…

合成孔径雷达成像算法与实现(信号处理基础知识点)

最近由于学业上需要,重新学习了《合成孔径雷达成像算法与实现》一书,其中第二章是信号处理基础,在此记录下学习过程。 一、信号处理基本概念 1.卷积与相关 卷积: 相关: 卷积从几何解释:(1).生成h(u)的时间对称…

【深度学习】一文看尽深度学习各领域最新突破

来源:《产业智能官》想要了解深度学习各领域的最新进展?看个视频就足矣。该课程的PPT资料,下载地址如下:https://www.dropbox.com/s/v3rq3895r05xick/deep_learning_state_of_the_art.pdf?dl0本文所介绍的内容是MIT系列课程之一&…

实数序列频谱的共轭对称性(DFT与IDFT仿真实现)

一、基础知识 1、傅里叶变换:通俗来讲,是以时间为自变量的信号与以频率为自变量的“频谱函数”之间的某种转换关系。 DFT:即离散傅里叶变换,对离散序列进行傅里叶变换。设x(n)为长度为M的有限长序列,其N点DFT定义(公…

IOS本地化应用

BK项目已完成7788,在项目的后期需要被翻译成多国语言版。为了适应全球多个国家使用多个存储。 应用本地化是分别对字符串、图片和 xib 或 storyboard 文件本地化,而传统的做法是对 xib 上的字符串(包含UILabel和UIButton、UITextField等&…

低轨通信卫星: 开启 6G 通信时代,带动千亿规模市场

来源:中国银河证券摘要:“6G5G卫星网络”,卫星通信应用前景广阔。2017年11月,英国电信集团(BT)首席网络架构师NeilMcRae对6G通信进行了展望,他认为6G将是“5G卫星网络”,在5G的基础上集成卫星网络来实现全球…

电离层色散效应误差补偿——基于最大对比度自聚焦算法(总结)

电离层色散效应严重影响星载SAR成像质量,为提升P波段星载SAR图像质量,必须研究相应的补偿技术,从而使得其更好的应用在军事和民用上。 目录一、引言二、最大对比度自聚焦算法原理三、最大对比度自聚焦算法流程图四、补偿方法性能分析一、引言…

波士顿动力机器狗量产版首次亮相:先造100台,能当警犬能工地巡逻

来源:量子位摘要:波士顿动力的机器狗Spot Mini终于要量产了!在科技媒体TechCrunch举办的“机器人AI”讨论会上,波士顿动力CEO Marc Raibert首次展示了它的量产版,还说今年7月或8月先量产100台。至于价格嘛,…

[MATLAB]中meshgrid函数的用法与实践(学习笔记)

今天在看点目标成像仿真程序的时候,看到了meshgrid函数,看了matlab的帮助文档后理解了一点,特此记录学习过程。 目录一、meshgrid函数二、举例验证三、创建二维网格绘制曲面图四、总结五、meshgrid函数源代码(仅供参考&#xff09…

死猪脑”能复活吗?---评美国耶鲁大学医学院实验研究

来源:科学网博客4月17日,英国《自然》杂志刊发了科学家对于“复活”死猪脑的尝试:美国耶鲁大学医学院的研究团队将已经死亡4小时的猪脑接入新开发的BrainEX体外灌注系统,用正常体温下的模拟脉动血流进行灌注。6个小时灌注期内&…

Android开发(六)——组件颜色Selector(Selector与Shape的基本用法 )

andorid控件改变状态时改变颜色&#xff0c;使用selector。 <?xml version"1.0" encoding"utf-8" ?> <selector xmlns:android"http://schemas.android.com/apk/res/android"><!-- 默认时的背景图片--><item android:dra…

22页PPT告诉你5G产业最新投资机会!

来源&#xff1a;全球物联网观察随着5G与下游产业联动和协作相继深入&#xff0c;十万亿级规模5G大生态终将形成。5G产业链将推动四大变革&#xff1a;软件化、超高频大宽带、物联网化、高集成度。同时&#xff0c;5G也将成就边缘计算&#xff0c;进而推动云计算市场加速发展。…

报告解读 | 实现智能制造的五大关键环节和四大赋能路径

来源&#xff1a;阿里研究院近年来&#xff0c;随着大数据、云计算、人工智能、工业互联网等技术的迅速发展&#xff0c;数字化技术被广泛应用于经济的各个环节&#xff0c;推动了新消费时代的到来。个性化、定制化的消费观越来越普遍&#xff0c;重塑了生产者和消费者之间的关…

[转载] 一致性哈希

转载自http://www.jiacheo.org/blog/174 学习分布式, 一致性哈希是最最基础的知识, 所以要理解好. 那什么是一致性哈希呢?(what) 百度百科 上的解释很专业术语. 要一句话定义貌似也有难度: 一致性哈希算法是在哈希算法基础上&#xff0c;提出的在动态变化的分布式环境中&#…

NB-IoT,你真是太让我失望了

来源&#xff1a;EET电子工程专辑摘要&#xff1a;根据IHS Markit预测&#xff0c;2019年&#xff0c;在所有低功耗广域网公用网络中&#xff0c;超过40%都有望使用基于LoRa的设备&#xff0c;这意味着LoRa有望在今年成为主导型的LPWAN解决方案。那么“老对手”NB-IoT呢?“NB-…

深度学习详解

来源&#xff1a;传感器技术人工智能&#xff0c;就像长生不老和星际漫游一样&#xff0c;是人类最美好的梦想之一。虽然计算机技术已经取得了长足的进步&#xff0c;但是到目前为止&#xff0c;还没有一台电脑能产生“自我”的意识。但是自 2006 年以来&#xff0c;机器学习领…

Nature今发表脑机接口领域重大突破:

来源&#xff1a;学术经纬摘要&#xff1a;将计算机连通人脑&#xff0c;直接读取意识&#xff0c;这不是科幻。顶尖学术期刊《自然》刚刚在线发表的一项工作就在脑机接口领域向前迈出了一大步。加州大学旧金山分校&#xff08;UCSF&#xff09;的神经外科学家Edward Chang教授…