Radar Toolbox

 

Radar Toolbox

设计、仿真和测试多功能雷达系统

开始:

雷达应用

仿真用于汽车、监控和 SAR 应用的多功能雷达。合成雷达信号以训练机器学习和深度学习模型进行目标和信号分类。

汽车雷达

设计基于概率和物理的雷达传感器模型。仿真 MIMO 天线、波形、I/Q 雷达信号。生成微多普勒签名、检测、聚类和跟踪。

由雷达多径反射导致的重影。

多功能与认知雷达

为多功能雷达系统执行闭环雷达仿真。对响应环境条件的系统建模,使用波形选择、脉冲重复频率 (PRF) 捷变、频率捷变和干扰减轻等技术。

在雷达覆盖范围内对机动目标进行自适应跟踪。

图中显示了阈值为 0.5 时不同类的准确率和召回率的关系曲线。大多数类的平均准确率都超过 0.9。受过训练的模型成绩不太好,但也取得了此类 0.7 的平均准确率。

使用深度学习进行 SAR 图像中的自动目标识别。

合成孔径雷达 (SAR)

估计机载和星载应用的 SAR 链路预算。仿真和测试聚束和带状图模式的成像算法。

通过对图像分辨率进行折衷来执行多视处理,从而减少散斑的影响。

范围和方位方向的多视处理。

雷达系统工程

仿真将需求与模型和测试联系起来的雷达架构。分析雷达链路预算。预测不同环境下的检测和跟踪性能。

雷达架构建模

借助 System Composer,开发多功能雷达的架构,包括子系统组件化、可追溯性和基于需求的测试。

System Composer 提供显示需求状态的雷达设计和面板。

雷达架构与雷达子系统模型集成。

雷达方程的检测和跟踪统计量

使用雷达设计器在搜索和跟踪雷达方程中填充数据,从而探索各种设计。以交互方式可视化结果,比较设计选项。确定可检测性因子、受试者工作特征 (ROC) 和跟踪器工作特征 (TOC),并生成距离-仰角-高度 (Blake) 图。

雷达设计器,显示了一个正在进行中的设计,包括需求、红绿灯图和方向图。

使用雷达设计器以交互方式设计系统。

天线和接收机的增益和损失

计算波束和扫描损失、波束驻留因子、遮挡损失、噪声系数、匹配损失、脉冲积分损失、CFAR 损失和 MTI 损失。

雷达红绿灯图,显示有效检测概率。该图显示何时满足设计的目标和阈值。

有效检测概率的红绿灯图。

环境和杂波

进行各类建模和分析,包括地面杂波和海杂波的雷达传播效应;空气、雾、雨、雪造成的大气衰减;以及透镜效应损失。使用植被类型和介电常量表征地面杂波,使用海况和介电常量表征海杂波。

地形图显示了两个雷达系统的联合目标覆盖区域。

基于地形规划雷达覆盖范围。

雷达数据合成

进行各种设计,包括雷达传感器模型;信号、检测和轨道生成器;传播信道;杂波;目标雷达反射截面 (RCS);以及微多普勒签名。为机载、陆基和舰载平台以及真值轨迹创建逼真的雷达场景。

雷达传感器模型:信号、检测和轨道生成器

在概率或物理抽象级别仿真雷达数据。要加快仿真,可以生成概率雷达检测和轨道,以测试跟踪和传感器融合算法。相对地,也可以使用保真度较高的物理仿真,从发射波形开始,到信号在环境中传播,再到目标反射信号,直至雷达接收信号。

雷达场景:地面和海面模型

对地面和海面建模以生成跨不同抽象级别的雷达表面回波。评估表面遮挡对概率检测和接收到的 I/Q 信号的影响。合成来自真实场景(包括具有自定义反射率图和散斑的表面模型)的雷达数据,,以测试和评估成像算法。

雷达场景生成

为机载、陆基和舰载平台与目标创建逼真的雷达场景。仿真平台运动和方向,可以基于航点和轨迹,也可以基于惯性导航系统仿真。可视化并记录雷达场景的时间演变。

雷达信号和数据处理

多功能雷达的波形库设计。开发在噪声和杂波中检测目标的算法。估计雷达目标的距离、角度和多普勒响应。对雷达回波进行聚类和多目标跟踪。

波形库和多普勒估计

创建波形的脉冲压缩库,包含相应的匹配滤波和拉伸处理。估计接收的信号参数。确定目标和干扰源的波达方向、检测、距离、角度和多普勒响应。

绘制在 MTI 滤波前后雷达接收功率对距离的图。在 MTI 滤波后可观察到两个目标。

利用动目标指示 (MTI) 滤波去除地面杂波。

聚类

使用基于密度的算法,对基于扩展目标雷达回波生成的雷达检测进行聚类。

绘图显示了使用 DBSCAN 聚类算法得到的八组扩展目标检测聚类。

使用 DBSCAN 算法得到的扩展目标检测聚类。

多功能相控阵雷达的搜索和跟踪调度