clc;clear all;close all;
azi_num=2000; %取2000个点
fr=1000; %雷达重复频率
lamda0=0.05; %杂波波长
sigmav=1.0; %杂波方差
sigmaf=2*sigmav/lamda0;
rand('state',sum(100*clock)); %产生服从U(0,1)分布的随机序列
d1=rand(1,azi_num);
rand('state',7*sum(100*clock)+3);
d2=rand(1,azi_num);
xi=2*sqrt(-2*log(d1)).*cos(2*pi*d2); %正交且独立的高斯序列N(0,1)
xq=2*sqrt(-2*log(d1)).*sin(2*pi*d2);
%形成滤波器频率响应
coe_num=12; %求滤波器系数,用傅里叶级数展开法
for n=0:coe_num
coeff(n+1)=2*sigmaf*sqrt(pi)*exp(-4*sigmaf^2*pi^2*n^2/fr^2)/fr;
% coeff(n+1)=1/(sigmaf*sqrt(2*pi))*exp(-(n-fr)^2/(2*sigmaf^2));
end
for n=1:2*coe_num+1
if n<=coe_num+1
b(n)=1/2*coeff(coe_num+2-n);
else
b(n)=1/2*coeff(n-coe_num);
end
end
%生成高斯谱杂波
xxi=conv(b,xi);
xxq=conv(b,xq);
xxi=xxi(coe_num*2+1:azi_num+coe_num*2);%目的是去掉暂态响应
xxq=xxq(coe_num*2+1:azi_num+coe_num*2);
xisigmac=std(xxi);
ximuc=mean(xxi);
yyi=(xxi-ximuc)/xisigmac;
xqsigmac=std(xxq);
xqmuc=mean(xxq);
yyq=(xxq-xqmuc)/xqsigmac; %归一化
sigmac=1.2 ; %杂波的标准差
yyi=sigmac*yyi; %使瑞利分布杂波具有指定的标准差
yyq=sigmac*yyq; %使瑞利分布虚部杂波
ydata=yyi+j*yyq; %瑞利分布杂波形成
figure;
subplot(211);plot(real(ydata)); %瑞利分布杂波实部
title('高斯谱杂波时域波形,实部');
subplot(212);plot(imag(ydata)); %瑞利分布杂波虚部
title('高斯谱杂波时域波形,虚部')
num=100; %求概率密度函数的参数
maxdat=max(abs(ydata));
mindat=min(abs(ydata));
NN=hist(abs(ydata),num);
xpdf1=num*NN/((sum(NN))*(maxdat-mindat)); %用直方图估计的概率密度函数
xaxisl=mindat:(maxdat-mindat)/num:maxdat-(maxdat-mindat)/num;
th_val=(xaxisl./sigmac.^2).*exp(-xaxisl.^2./(2*sigmac.^2)); %概率密度函数理论值
figure;
plot(xaxisl,xpdf1); %做出仿真结果的概率密度函数曲线
hold on;plot(xaxisl,th_val,'r:'); %做出理论概率密度函数曲线
title('杂波幅度分布');
xlabel('幅度');ylabel('概率密度');
signal=ydata;
signal=signal-mean(signal); %求功率谱密度,先去掉直流分量
figure;M=256; %用burg法估计功率谱密度
psd_dat=pburg(real(signal),32,M,fr);
psd_dat=psd_dat/(max(psd_dat)); %归一化处理
freqx=0:0.5*M;
freqx=freqx*fr/M;
plot(freqx,psd_dat);title('杂波功率谱');
xlabel('频率/HZ');
%做出理想高斯谱曲线
powerf=exp(-freqx.^2/(2*sigmaf.^2));
hold on;plot(freqx,powerf,'r:');
% save clutter ydata
自适应滤波器.zip_雷达系统_matlab__雷达系统_matlab_
版权申诉
![star](https://csdnimg.cn/release/downloadcmsfe/public/img/star.98a08eaa.png)
![avatar](https://profile-avatar.csdnimg.cn/default.jpg!1)
pudn01
- 粉丝: 40
- 资源: 4万+
最新资源
- 小程序版基于深度学习识别午休有无在睡觉-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版python语言pytorch框架的图像分类是否是蚂蚁识别-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版基于深度学习对马铃薯病变识别-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版python语言pytorch框架的图像分类是否发生火灾识别-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版通过CNN训练识别有机物质和无机物质-不含数据集图片-含逐行注释和说明文档.zip
- 通过Google API赋能大模型,打造智能邮件助理
- 小程序版基于人工智能的卷积网络训练识别是否是蜜蜂-不含数据集图片-含逐行注释和说明文档.zip
- Multisim14.0多谐振荡器清零法仿真
- 小程序版python语言pytorch框架的图像分类不同瓶子识别-不含数据集图片-含逐行注释和说明文档.zip
- 小程序版python语言pytorch框架训练识别开车有无打电话-不含数据集图片-含逐行注释和说明文档.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback](https://img-home.csdnimg.cn/images/20220527035711.png)
![feedback-tip](https://img-home.csdnimg.cn/images/20220527035111.png)