自适应滤波器.zip_雷达系统_matlab__雷达系统_matlab_

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