Согласованная фильтрация данных
После предварительной обработки сигнала следуют операции согласованной обработки сигнала, которая может быть выполнена:
1) При помощи операции свертки:
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
9
|
|
t |
|
|
|
|
|
∫ |
h (τ)⋅x (t−τ)d τ |
|
|
|
y (t)= |
|
|
||
|
|
0 |
|
|
|
где |
y (t) - результат операции |
свертки, h(τ) - опорная |
функция (импульсная |
|
|
характеристика), которая является |
зеркальным отражением |
отраженного сигнала, |
|
||
x (t−τ) - отсчеты сворачиваемой последовательности (записи сигнала) — это выборка
данных по всем каналам дальности для одного углового направления, t=τN +τ K - длина сворачиваемой последовательности (в цифровом виде это сумма длин сворачиваемого
массива с длиной опорной функции в отсчетах, взятых с частотой дискретизации), в
которой
τN
- длина сворачиваемой последовательности,
τK
- длина опорной функции
— это длительность опорных сигналов.
Опорная последовательность h(τ)
генерируется,
исходя
из
выбранной
модели
сигнала (ЛЧМ или СКИ) по следующим выражениям:
|
|
|
h |
СКИ |
(τ)= A |
|
⋅ej⋅2 π f пч τ |
|
|
|
|
(5) |
|
||||||||||||
|
|
|
|
|
|
|
СКИ |
|
|
|
|
|
|
|
|
||||||||||
|
|
|
h |
ЛЧМ |
(τ)= A |
|
⋅ej⋅π f дев (τ)⋅τ |
|
|
|
|
(6) |
|
||||||||||||
|
|
|
|
|
|
ЛЧМ |
|
|
|
|
|
|
|
|
|
|
|||||||||
2) При помощи операции быстрой свертки: |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
H (f )=FFT {w (t)⋅h (t)} |
|
|
|
|
(7) |
|
||||||||||||||||
|
|
|
|
|
X (f )=FFT {x (t)} |
|
|
|
|
(8) |
|
||||||||||||||
|
|
|
y (t)=iFFT { |
|
|
|
|
|
(9) |
|
|||||||||||||||
|
|
|
H (f )⋅X (f )} |
|
|
|
|
||||||||||||||||||
где y (t) |
- результат выполнения |
|
быстрой |
свёртки, |
|
FFT {... } |
- оператор |
прямого |
|
||||||||||||||||
преобразования БПФ, |
iFFT {... } - |
|
оператор |
обратного |
преобразования БПФ, |
|
- |
|
|||||||||||||||||
|
X |
|
|||||||||||||||||||||||
оператор |
комплексного |
сопряжения, |
|
X (f ) |
- |
БПФ |
от |
сворачиваемой |
|
||||||||||||||||
последовательности, |
H (f ) |
- БПФ от опорной последовательности, |
w (t) |
- весовая |
|
||||||||||||||||||||
функция. Для СКИ сигнала она равна «1» и её можно опустить, а для ЛЧМ сигнала она вычисляется следующим образом (окно Хэмминга):
-
w (t)=0,53836−0,46164⋅cos (2⋅π t)
(10)
Для реализации согласованной фильтрации применим ООП подход и создадим класс ConvData (файл ConvData.m), описывающий блок выполнения свёртки по данным класса RawData. Запуск свёртки также будем осуществлять через скрипт (файл main.m)
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
10
Файл ConvData.m
classdef ConvData < handle
%ConvData осуществляет согласованную фильтрацию данных
properties
m_RawData %указатель на объект класса RawData
%определяем параметры опорного ски сигнала
ski_tau = 20e-9; %длительность импульса, сек
ski_amp = 1; %амплитуда опорного импульса, отс
%определяем параметры опорного лчм сигнала
lfm_tau = 5e-6; %длительность импульса, сек
lfm_df = 50e6; %девиация частоты сигнала, Гц
lfm_amp = 1; %амплитуда опорного импульса, отс
%определяем параметры дискретизации сигнала
f_samp = 400e6; %Гц
f_if = 0; %промежуточная частота сигнала после гетеродинирования
h_ski
h_lfm
convolved_data
%опорный ски сигнал
%опорный лчм сигнал
%выходной массив данных
%параметры отображения сигнала
med %медиана амплитуд данных на входе
end
methods
function obj = ConvData(hRawData) %конструктор объекта
obj.m_RawData = hRawData; %создаем связь с объектом класса RawData
%создаем опорные сигналы
time = 0:1/obj.f_samp:obj.ski_tau-1/obj.f_samp; %отсчеты времени на длине импульсов %опорный сигнал по формуле (5)
obj.h_ski = obj.ski_amp*exp(1j*2*pi*obj.f_if*time);
obj.h_ski = fliplr(obj.h_ski); %в согл. фильтре ИХ это зеркальное отражение сигнала во времени
time = 0:1/obj.f_samp:obj.lfm_tau-1/obj.f_samp; %отсчеты времени на длине импульсов %опорный сигнал по формуле (6)
obj.h_lfm = obj.lfm_amp*exp(1j*2*pi*(obj.f_if+obj.lfm_df/obj.lfm_tau*time).*time);
obj.h_lfm = fliplr(obj.h_lfm); %в согл. фильтре ИХ это зеркальное отражение сигнала во времени
%определяем параметры отображения
obj.med = median(abs(obj.m_RawData.raw(:)));
end
function convole_time(obj,type) %свертка во временной области
obj.convolved_data = []; %удаляем результаты прошлых вычислений
temp = obj.m_RawData.raw; %исходные данны для свертки
n = size(temp,2); %число сверток по дальности
if strcmp(type,'ski') %обрабатываем ски
m = length(obj.h_ski);
obj.convolved_data = zeros(m+size(temp,1)-1,n);
for ii = 1:n
obj.convolved_data(:,ii) = conv(temp(:,ii),obj.h_ski);
end
else %обрабатываем лчм
m = length(obj.h_lfm);
obj.convolved_data = zeros(m+size(temp,1)-1,n);
for ii = 1:n
obj.convolved_data(:,ii) = conv(temp(:,ii),obj.h_lfm);
end
end
obj.show;
-
end
convole_fft(obj,type) %свертка в частотной
области
function
obj.convolved_data = [];
%удаляем результаты
прошлых вычислений
temp
= obj.m_RawData.raw;
%исходные данны для
свертки
n = size(temp,2);
%число сверток по дальности
if strcmp(type,'ski') %обрабатываем ски
m = length(obj.h_ski);
%создаем весовое окно по формуле (10)
wnd = hamming(m)';
%создаем опорный спектр сигнала (т.к. он повернут во
%времени, то комплесного сопряжения не нужно), длина
%спектра должна быть суммой размеров опорной выборки и
%спектра сигнала (формула 7)
H_ski = fft(wnd.*obj.h_ski,m+size(temp,1))';
%размножаем спектр по всем азимутальным каналам
H_ski = repmat(H_ski,1,n);
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
11
%вычисляем спектр сигнала в каждом угловом канале (ф.8)
H_RawData = fft(temp,m+size(temp,1),1);
%осуществляем свертку сигнала (ф.9)
obj.convolved_data = ifft(H_RawData.*H_ski);
else %обрабатываем лчм
m = length(obj.h_lfm);
%создаем весовое окно по формуле (10)
wnd = hamming(m)';
%создаем опорный спектр сигнала (т.к. он повернут во
%времени, то комплесного сопряжения не нужно), длина
%спектра должна быть суммой размеров опорной выборки и
%спектра сигнала ф.(7)
H_lfm = fft(wnd.*obj.h_lfm,m+size(temp,1))';
%размножаем спектр по всем азимутальным каналам
H_lfm = repmat(H_lfm,1,n);
%вычисляем спектр сигнала в каждом угловом канале ф.(8)
H_RawData = fft(temp,m+size(temp,1),1);
%осуществляем свертку сигнала ф.(9)
obj.convolved_data = ifft(H_RawData.*H_lfm);
end
obj.show;
end
function show(obj)
figure;
subplot(1,2,1);
imagesc(abs(obj.m_RawData.raw),[0 100*abs(obj.med)]);
subplot(1,2,2);
imagesc(abs(obj.convolved_data),[0 100*abs(obj.med)]);
end
end
end
Файл main.m
convdata = ConvData(rlsdata); convdata.convole_time('ski');
%создаем объект класса ConvData
%выполняем метод свертки во временной области
До свёртки |
|
После свёртки |
|
|
|
||
|
|
|
|
Рисунок 4 - Результаты согласованной фильтрации данных
Селекция движущихся целей
Операция СДЦ выполняется для всех каналов дальности, при этом возможна некогерентная (с потерей информации о скорости цели) и когерентная (с сохранением информации о скорости, т.е. доплеровских частот в обработанных данных).
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
12
Некогерентная СДЦ реализуется при помощи операции однократного
череспериодного вычитания (ЧПВ, ЧПК): |
|
uвых (t)=|uвх (t)|−|uвх (t−T п)| |
(11) |
Когерентная СДЦ реализуется при помощи цифровой фильтрации: |
|
U вых (f )=FFT {uвх (t)} |
(12) |
Uвых (f )=Uвых (f )⋅H (f ) |
(13) |
uвых (t)=iFFT {U вых (f )} |
(14) |
где H (f ) - АЧХ фильтра подавления, равная 0 в 0, ±1, ±2 доплеровских каналах при
восстановлении отметок от движущихся целей, либо не равная 0 только в выбранных каналах для получения карты местных отражений.
Операции (13) - (14), как правило, используются только, для наглядного представления результатов обработки. На практике данные с выхода СДЦ, формула (12), сразу передаются на устройство пороговой обработки для обнаружения целей.
Для определения скорости целей с хорошим разрешением в когерентной СДЦ необходима длительная пачка отраженных импульсов. На практике длительность пачки импульсов в обзорной РЛС такова, что не представляется возможным выделение малоподвижных целей на фоне отражений от стационарных объектов. Для решения этой задачи применяют межобзорную обработку сигналов (МО).
Идея МО сигналов заключается в том, что малоподвижная цель изменяет свое положение в пространстве за продолжительный промежуток времени, сравнимый с периодом обзора РЛС. При этом области пространства, которые малоподвижная цель пересекает, меняют свои статистические параметры. Таким образом, для селекции малоподвижных целей необходимо cформировать карту статистических параметров в каждом элементе разрешения и сравнивать ее с текущими отражениям в заданном направлении:
uвых (t)=|uвх (t)|−|mвх (N )|
,
(15)
где
|uвх (t)|
- модуль амплитуд в текущем периоде зондирования в каждом элементе
разрешения,
|mвх( N )|
- карта математических ожиданий в каждом элементе разрешения,
полученная за N обзоров.
Качество подавления фильтров СДЦ можно характеризовать как отношение мощностей сигнала до и после обработки в выбранном канале дальности, в котором присутствует мощная стационарная цель.
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
13
-
P0
(16)
K п= Pсдц
Для реализации процедуры СДЦ фильтрации и ее характеристики применим ООП подход. Создадим класс SDC (файл SDC.m), описывающий блок селекции движущихся целей. Запуск процедур СДЦ будем осуществлять через скрипт (файл main.m)
Файл SDC.m
classdef SDC < handle
%SDC осуществляет селекцию движущищхся целей
-
properties
%указатель на объект класса ConvData
m_ConvData
%определяем параметры когерентной СДЦ
n_chain = 8
%число отсчетов в пачке
n_step = 4
%шаг смещения пачки
wnd
%весовое окно на пачку
zCh = -2:2;
%номера нулевых каналов СДЦ (содержат отражания от земли и стац. объектов)
sdc_data
%выходной массив данных
sdc_ang
%выходной массив кодов углов данных
%параметры отображения сигнала
med
%медиана амплитуд данных на входе
end
methods
function obj = SDC(hConvData) %конструктор объекта
obj.m_ConvData = hConvData; %создаем связь с объектом класса ConvData
%создаем окно для наложения на пачку
obj.wnd = ones(1,obj.n_chain);
%определяем параметры отображения
obj.med = median(abs(obj.m_ConvData.convolved_data(:)));
end
function chpk1(obj) %однократное череспериодное вычитание
-
obj.sdc_data = [];
%удаляем результаты прошлых
вычислений
temp = obj.m_ConvData.convolved_data;
%исходные
данны для сдц
n = size(temp,2);
%число периодов излучения сигнала
obj.sdc_data = abs(temp(:,2:n)) - abs(temp(:,1:n-1));
obj.sdc_ang = 2:n;
obj.show;
end
фильтрацию
function sdc_fft(obj) %когерентнаф сдц через цифровую
obj.sdc_data = [];
%удаляем результаты прошлых
вычислений
temp = obj.m_ConvData.convolved_data; %исходные данны для свертки
n = size(temp,2); %число периодов по дальности
n = fix(n/obj.n_step)*obj.n_step; %общее число обрабатываемых каналов
temp(:,(n+1):end) = []; %удаляем на обрабатываемые данные
obj.sdc_data = zeros(size(temp,1),obj.n_chain,n/obj.n_step-1); for ii = 1:n/obj.n_step-1
temp2 = fft(temp(:,(ii-1)*obj.n_step+(1:obj.n_chain)),[],2); %формула (12)
obj.sdc_data(:,:,ii) = fftshift(temp2,2);
end
obj.sdc_ang = 1:obj.n_step:n-obj.n_step;
obj.show;
end
function show(obj)
figure;
subplot(1,2,1);
imagesc(abs(obj.m_ConvData.convolved_data),[0 10*abs(obj.med)]); xlabel('Угол, отс');
ylabel('Дальность, отс');
subplot(1,2,2);
%проверка типа СДЦ
sz = size(obj.sdc_data);
if length(sz)>2
%когерентная сдц
viewdata = obj.sdc_data;
viewdata(:,obj.n_chain/2+obj.zCh,:) = 0; %формула (13)
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
14
viewdata = ifft(ifftshift(viewdata,2),[],2); %формула (14)
viewdata = viewdata(:,obj.n_chain/2,:);
viewdata = permute(viewdata,[1,3,2]);
imagesc(abs(viewdata),[0 10*abs(obj.med)]);
else
%некогерентая сдц
imagesc(abs(obj.sdc_data),[0 10*abs(obj.med)]);
end
xlabel('Угол, отс');
ylabel('Дальность, отс');
end
function Kp = calc_kp(obj,r,a)
%оценка коэффициента подавления в выбранной точке
%проверка типа СДЦ
sz = size(obj.sdc_data);
if length(sz)>2
viewdata = obj.sdc_data;
viewdata(:,obj.n_chain/2+obj.zCh,:) = 0; %формула (13) viewdata = ifft(ifftshift(viewdata,2),[],2); %формула (14) viewdata = viewdata(:,obj.n_chain/2,:);
viewdata = permute(viewdata,[1,3,2]);
amp_sdc = interp1(obj.sdc_ang,viewdata(r,:),a);
Kp = 20*log10(abs(amp_sdc)/abs(obj.m_ConvData.convolved_data(r,a)));
else
Kp = 20*log10(abs(obj.sdc_data(r,a))/abs(obj.m_ConvData.convolved_data(r,a)));
end
end
function map = form_map_data(obj)
%формирование исходных данных для карты местности по сдц
map = obj.sdc_data;
idx = ones(1,obj.n_chain);
idx(obj.n_chain/2+obj.zCh) = 0;
map(:,boolean(idx),:) = 0; %формула (13)
map = ifft(ifftshift(map,2),[],2); %формула (14)
map = map(:,obj.n_chain/2,:);
map = permute(map,[1,3,2]);
end
end
end
Файл main.m
sdcdata = SDC(convdata); |
%создаем объект класса SDC |
sdcdata.chpk1; |
%выполняем операцию СДЦ |
|
|
|
|
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
15
До СДЦ (ЧПК-1) |
После СДЦ (ЧПК-1) |
|
|
Рисунок 4 - Результаты селекции движущихся целей
Карта местности и классификация зон
Карта статистических параметров может быть сформирована на основе как «сырых» данных с выхода РЛС, так и на основе нулевых каналов после применения процедуры СДЦ, за N периодов обзора пространства по следующим рекуррентным соотношениям:
|
|
|
|
^ |
|
|
|
N −1 |
^ |
|
|
|
1 |
|
|
, |
|
|
(17) |
|
||||||||||
|
|
|
|
m[ j]= |
|
|
N |
m[ j−1 |
]+ |
N |
A[ j] |
|
|
|
||||||||||||||||
|
|
|
|
^ |
|
N−1 ^ |
1 |
|
|
|
^ |
2 |
, |
|
(18) |
|
||||||||||||||
|
|
|
|
D [ j]= |
|
|
|
D [ j−1]+ |
|
|
( A[ j]−m |
[ j]) |
|
|
||||||||||||||||
|
|
|
|
N |
|
|
N |
|
|
|
||||||||||||||||||||
где |
m[ j−1] |
- оценка среднего значения амплитуды (модуля квадратур) с предыдущего |
|
|||||||||||||||||||||||||||
|
^ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
шага |
j−1 |
; |
N - |
ширина |
окна, по |
которому |
рассчитывается |
оценка ; |
A [ j] - |
|
||||||||||||||||||||
амплитуда |
эхосигнала |
с текущего |
шага |
с выхода |
|
согласованного |
фильтра |
(модуль |
|
|||||||||||||||||||||
квадратуры сигнала); |
^ |
|
- оценка дисперсии с предыдущего шага. |
|
|
|||||||||||||||||||||||||
D [ j−1] |
|
|
|
|||||||||||||||||||||||||||
Для классификации зон на карте местности необходимо знать мощность шумов приёмника, которая может быть оценена, например, как среднее значение на некотором участке карты местности свободном от местных отражений по следующей формуле
|
1 |
Ns |
|
|
Dnprm= |
∑ D [i] , |
(19) |
|
|
|
|
|||
|
Ns i=1 |
|
|
|
где Ns - объем выборки из карты местности дисперсий |
D [i] . |
|
||
зависимости от того, какой уровень отражений присутствует в элементах разрешения, на карте местности выделяют три области.
a) Теневая область m[i]≤k1⋅√Dnprm , где m[i] - элемент карты местности
математических ожиданий, а Dnprm - оценка дисперсии шума приёмника, причем
минимальная ширина зоны тени должна быть согласована с шириной окна накопления сигнала N (числом периодов обзора в обработке). Если число подряд идущих отсчетов
меньше ширины окна N , то его необходимо расширить. В этой области обнаружение цели происходит по классическим соотношениям на фоне белого гауссовского шума.
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
16 |
|
|
|
|
|
|
б) Область отражений от стационарных объектов |
m[i]>k ⋅ |
|
, где m[i] - |
|
||
D [i] |
|
|||||
|
2 |
√ |
|
|
|
|
элемент карты местности математических ожиданий, а |
D [i] |
- |
дисперсий. В этой |
|
||
области эффективна селекция малоподвижных целей.
в) Область отражений от флуктуирующих объектов, все оставшееся. В этой области
эффективны процедуры когерентной и некогерентной СДЦ.
Для реализации процедуры формирования карты местности применим ООП подход. Создадим класс Map (файл Map.m), описывающий блок формирования карты статистических параметров элементов разрешения. Формирование карты будем осуществлять через скрипт (файл main.m).
Файл Map.m
classdef Map < handle
%Map осуществляет формирование карты местных отражений
-
properties
%параметры карты
%массив дальностей
ranges
angles
%массив кодов углов
wndSz
%число накапливаемых периодов
data_m %карта местности мат ожиданий
data_s %карта местности дисперсий
-
shadowZone
%карта тени
k1 = 6;
%карта медленных флуктуации
slowmotionZone
k2 = 10;
%карта быстрых флуктуаций
sdcZone
%параметры карты
%число использованных периодов при построении карты
used_periods
mapFormedFlag
%признак сформированной карты
end
methods
function obj = Map(hRIn,hAIn,nWnd,iR) %конструктор объекта obj.wndSz = nWnd;
obj.ranges = iR;
obj.angles = 1:10000;
obj.data_m = [];
obj.data_s = single(zeros(length(obj.ranges),length(obj.angles)));
obj.shadowZone = [];
obj.slowmotionZone = [];
obj.sdcZone = [];
obj.used_periods = 0; %число использованных периодов при построении карты obj.mapFormedFlag = 0; %признак сформированной карты
obj.update(hRIn,hAIn);
end
function update(obj,dataIn,angIn) %формировние карты местности МО %приведение данных к формату карты по дальности
temp = abs(dataIn(obj.ranges,:));
tempA = zeros(length(obj.ranges),length(obj.angles));
angIn(angIn == 0) = 1;
tempA(:,angIn) = temp;
if isempty(obj.data_m)
obj.data_m = 1/obj.wndSz*tempA;
obj.data_s = 1/obj.wndSz*(tempA-obj.data_m).^2;
else
obj.data_m = (obj.wndSz-1)/obj.wndSz*obj.data_m+...
1/obj.wndSz*tempA;
obj.data_s = (obj.wndSz-1)/obj.wndSz*obj.data_s+...
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
17
1/obj.wndSz*(tempA-obj.data_m).^2;
end
obj.used_periods = obj.used_periods + 1;
if obj.used_periods > obj.wndSz
obj.mapFormedFlag = 1;
end
if mod(obj.used_periods,obj.wndSz) == 0
%сгладить все данные
= 5001+(-500:500); %азимутальные каналы (параметры системы) mask = zeros(1,10000);
mask(z) = hamming(length(z));
for ii = 1:length(obj.ranges)
temp = fftshift(fft(obj.data_m(ii,:)));
obj.data_m(ii,:) = ifft(ifftshift(temp.*mask));
temp = fftshift(fft(obj.data_s(ii,:)));
obj.data_s(ii,:) = ifft(ifftshift(temp.*mask));
end
end
end
function show(obj)
figure;
if ~isempty(obj.data_m)
%вывод мат ожиданий
subplot(1,2,1);
temp = obj.data_m(obj.data_m ~= 0);
q_m = quantile(temp(:),0.9);
imagesc(obj.data_m,[0 abs(q_m)]);
title('Карта МО');
xlabel('Угол, отс');
ylabel('Дальность, отс');
colorbar;
subplot(1,2,2);
%вывод дисперсий
temp = obj.data_s(obj.data_s ~= 0);
q_s = quantile(temp(:),0.9);
imagesc(obj.data_s,[0 abs(q_s)]);
title('Карта дисперсий');
xlabel('Угол, отс');
ylabel('Дальность, отс');
colorbar;
end
end
function classificate(obj,r,a) %классификация зон
if obj.used_periods < obj.wndSz
fprintf(2,'Недостаточно данных\n');
return
end
sigma2 = obj.data_s(r,a);
sigma2 = mean(sigma2(:));
obj.shadowZone = obj.k1*sqrt(sigma2) > obj.data_m; obj.slowmotionZone = obj.k2*sqrt(obj.data_s) < obj.data_m; obj.sdcZone = ~or(obj.shadowZone,obj.slowmotionZone);
end
function show_types(obj)
figure;
if ~isempty(obj.data_m)
%вывод теневой области
subplot(1,3,1);
imagesc(obj.shadowZone);
title('Теневая область');
xlabel('Угол, отс');
ylabel('Дальность, отс');
subplot(1,3,2);
%вывод области слабых флуктуаций
imagesc(obj.slowmotionZone);
title('Область слабых флуктуаций');
xlabel('Угол, отс');
ylabel('Дальность, отс');
subplot(1,3,3);
%вывод области сильных флуктуаций
imagesc(obj.sdcZone);
title('Область сильных флуктуаций');
xlabel('Угол, отс');
ylabel('Дальность, отс');
end
end
end
end
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
18
Файл main.m
fnames = dir('files');
%создаем объект класса RawData
rlsdata = RawData([fnames(21).folder '\'],fnames(21).name); %выполняем метод класса для рафинирования rlsdata.rafinate(20);
rlsdata.show;
%создаем объект класса Map
rawmap = Map(rlsdata.raw,rlsdata.angles,17,1001:2000);
for ii = 22:38 %накапливаем карту
rlsdata.open([fnames(ii).folder '\'],fnames(ii).name);
rlsdata.rafinate(20);
rawmap.update(rlsdata.raw,rlsdata.angles);
end
%отображаем результаты
rawmap.show;
%проводим классификацию областей
rawmap.classificate(1:250,1500:2000);
rawmap.show_types;
Мат. ожидания |
|
Дисперсии |
|
|
|
||
|
|
|
|
Рисунок 5 — Карты мат. Ожиданий и дисперсий в зоне 2
Оглавление
А.Н. Семёнов
Методические указания к домашнему заданию по курсу
«РАДИОЛОКАЦИОННЫЕ ИНФОРМАЦИОННЫЕ И ИЗМЕРИТЕЛЬНЫЕ КОМПЛЕКСЫ»
19
-
Теневая область
Область медленных Область быстрых флуктуаций
флуктуаций
Рисунок 6 — Классификация областей на зоны