前言：本科學(xué)了四年機(jī)械，后面轉(zhuǎn)頭去了電子信息讀研，以FPGA的脈壓入手，在從零開始的路上CSDN對(duì)我的幫助很大，現(xiàn)整理所學(xué)，與諸君共勉。本文不少代碼均是參考CSDN上的前輩們一步一步理解做出來的，如有冒犯之處，煩請(qǐng)諒解。

目錄

一：脈沖壓縮原理介紹

1.我們簡(jiǎn)單了解一下脈沖壓縮到底是什么？

2.我們?cè)賮砹私庖幌挛覀兯褂玫木€性調(diào)頻信號(hào)

二.基于matlab的脈沖壓縮仿真

1.脈沖壓縮信號(hào)生成

2.DDC數(shù)字下變頻?

3.匹配濾波

?4.加窗處理

?5.雜波抑制和多目標(biāo)測(cè)距

三.Vivado實(shí)現(xiàn)

一：脈沖壓縮原理介紹

1.我們簡(jiǎn)單了解一下脈沖壓縮到底是什么？

首先，一個(gè)好的雷達(dá)是能夠準(zhǔn)確探測(cè)足夠遠(yuǎn)的兩個(gè)足夠近的目標(biāo)。

在最早的時(shí)候，雷達(dá)脈沖寬度與帶寬是呈反比的，在這個(gè)基礎(chǔ)上，脈沖寬度決定了信號(hào)的最大探測(cè)距離，而脈沖帶寬決定了距離的分別率，這就導(dǎo)致距離分辨力和最大探測(cè)距離出現(xiàn)了不可調(diào)和的矛盾。

我們通過這樣兩個(gè)對(duì)比圖來看，早期雷達(dá)時(shí)寬帶寬積為1之間帶來的矛盾：

寬脈沖信號(hào)，信號(hào)能量足夠，但是回波重疊

?窄脈沖信號(hào)，回波不重疊，探測(cè)距離不夠

?（看到這里，其實(shí)能夠看見探測(cè)距離和探測(cè)精度其實(shí)都是受到了時(shí)寬的影響，由于早期雷達(dá)帶寬和時(shí)寬呈反比，才將二者聯(lián)系起來，但是早期人們不知道雷達(dá)探測(cè)精度只與帶寬有關(guān)，所以一直所說的探測(cè)精度同探測(cè)距離矛盾的問題一定要建立在早期雷達(dá)時(shí)寬和帶寬呈反比的基礎(chǔ)上。）

針對(duì)探測(cè)距離同精度的問題，隨之就有學(xué)者提出了脈沖壓縮技術(shù)的核心，即匹配濾波。我們?cè)诎l(fā)射時(shí)仍然采取大時(shí)寬信號(hào)，而在接收時(shí)將信號(hào)壓縮為窄信號(hào)，這樣就解決了雷達(dá)這兩個(gè)指標(biāo)之間的矛盾。

?我們通過如圖來理解脈沖壓縮，很形象和直觀，在時(shí)域上：

?這樣一來多目標(biāo)帶來的回波就不至于互相重疊掩埋。

隨著雷達(dá)的發(fā)展，人們漸漸發(fā)現(xiàn)了雷達(dá)探測(cè)精度只與帶寬有關(guān)！

?式子左邊為距離分辨力，右邊C為光速，可以看到帶寬越大，距離分辨力越高。

并且隨著發(fā)展，我們發(fā)現(xiàn)了許多大時(shí)寬帶寬積信號(hào)，這種信號(hào)一出來，其實(shí)時(shí)寬和帶寬一定程度沒有那么大的矛盾了，而這個(gè)時(shí)候，脈沖壓縮技術(shù)更多的使得信號(hào)達(dá)到它的最大理論分辨力，即上圖公式。

當(dāng)我發(fā)射一個(gè)大時(shí)寬信號(hào)時(shí)候，回波信號(hào)能被壓縮為一個(gè)窄尖，理論上不超過上圖公式所計(jì)算出的距離分辨力，都會(huì)在時(shí)域上分隔開，我們將在第二章通過matlab進(jìn)行驗(yàn)證和更直觀的說明。

在合成孔徑雷達(dá)里也需要用到脈沖壓縮，這里放一個(gè)我室友幫我跑的學(xué)?？s寫,用來做文章封面。

?文章來源地址http://www.zghlxwxcb.cn/news/detail-804170.html

2.我們?cè)賮砹私庖幌挛覀兯褂玫木€性調(diào)頻信號(hào)

我們直接上表達(dá)式：（這個(gè)式子比較簡(jiǎn)單，我們不做過多的贅述）

值得一提的是根據(jù)歐拉公式，該式子存在余弦和復(fù)數(shù)表達(dá)式，但是復(fù)數(shù)表達(dá)式經(jīng)常存在實(shí)部和虛部的問題，我沒學(xué)過復(fù)變，所以不是很懂，不過matlab上還是可以跑出來的

我們對(duì)相位求導(dǎo)，可以得到瞬時(shí)頻率：

?因此線性調(diào)頻信號(hào)即瞬時(shí)頻率隨時(shí)間線性u(píng)增大的信號(hào)。

同時(shí)LFM也是大時(shí)寬帶寬積信號(hào)，其時(shí)寬帶寬積也等于脈沖壓縮的壓縮比

大概就先說這么多吧，之后的推導(dǎo)我們?cè)趍atlab上接著推導(dǎo)。

二.基于matlab的脈沖壓縮仿真

1.脈沖壓縮信號(hào)生成

根據(jù)第一章的公式，我們簡(jiǎn)單模擬一個(gè)幅值為1的線性調(diào)頻信號(hào)，其調(diào)頻斜率與帶寬B，時(shí)寬T有關(guān)

我們直接貼代碼：

%% 線性調(diào)頻信號(hào)生成
clc;
close all;
%LFM參數(shù)設(shè)置
B = 30e6;   %帶寬
T = 10e-6;  %時(shí)寬
K = B/T;    %調(diào)頻斜率
Fs = 4*B;   %采樣頻率
F0 = 150e6;   %初始頻率和中心頻率
Ts = 1/Fs;  %采樣周期
N = ceil(T/Ts); %ceil函數(shù)是向上取整數(shù)，也常使用四舍五入的round函數(shù)
t = linspace(-T/2,T/2,N); %linspace函數(shù)可以在-T/2到T/2之間產(chǎn)生N個(gè)點(diǎn)（均分）
%產(chǎn)生調(diào)頻信號(hào)
LFM1 = exp( 1j* pi * K * t.^2);                        %線性調(diào)頻信號(hào)復(fù)數(shù)表達(dá)式（F0=0） .*是點(diǎn)乘運(yùn)算
LFM2 = exp( 1j*(2 * pi * F0 * t + pi * K * t.^2));     %線性調(diào)頻信號(hào)復(fù)數(shù)表達(dá)式
LFM3 = cos(pi * K * t.^2);                            %線性調(diào)頻信號(hào)的余弦表達(dá)式（F0=0）
LFM4 = cos(2 * pi * F0 * t + pi * K * t.^2);          %線性調(diào)頻信號(hào)余弦表達(dá)式

通過fft函數(shù)可以看到LFM的頻域圖像

%% 作圖
figure(1)
%subplot(1,2,1)  %生成三行兩列個(gè)子圖，現(xiàn)在激活第一個(gè)
plot(t*1e06,LFM1);
title('線性調(diào)頻信號(hào)（復(fù)數(shù)表達(dá)式(F0=0)）');
xlabel('時(shí)間(us)');
ylabel('幅度');
%xlim([-T/2,T/2]); %限制X軸上下限值
grid on;%添加網(wǎng)格
axis tight;
figure(2)
%subplot(1,2,2)  %生成三行兩列個(gè)子圖，現(xiàn)在激活第二個(gè)
f = linspace(-Fs/2,Fs/2,N);
LFM1_FFT = fftshift(abs(fft(LFM1,N)));
%abs返回絕對(duì)值，直接對(duì)函數(shù)傅里葉變換，fftshift調(diào)整0頻位置
plot(f*1e-6,LFM1_FFT);
title('線性調(diào)頻信號(hào)（復(fù)數(shù)表達(dá)式(F0=0)）頻域圖');
xlabel('頻率(MHz)');
ylabel('幅值');
grid on;%添加網(wǎng)格
axis tight;
%F0=5e6
figure(3)
%subplot(1,2,1)  %生成三行兩列個(gè)子圖，現(xiàn)在激活第一個(gè)
plot(t*1e6,LFM2);
title('線性調(diào)頻信號(hào)（F0=150HMz）')
xlabel('時(shí)間(us)');
ylabel('幅度');
%xlim([-T/2,T/2]); %限制X軸上下限值
grid on;%添加網(wǎng)格
axis tight;
figure(4)
%subplot(1,2,2)  %生成三行兩列個(gè)子圖，現(xiàn)在激活第二個(gè)
LFM2_FFT = fftshift(abs(fft(LFM2,N)));
plot(f*1e-6,LFM2_FFT);
title('線性調(diào)頻信號(hào)（F0=150HMz）頻域圖')
xlabel('頻率(MHz)');
ylabel('幅值');
grid on;%添加網(wǎng)格
axis tight;

150MHz的中頻圖像過于密集不太好看，我放兩張0頻的以供參考。

?

線性調(diào)頻信號(hào)的生成就到這里

2.DDC數(shù)字下變頻?

一般來說，我們發(fā)射的信號(hào)為了具有更大的能量和抗干擾，穿透力等，都會(huì)搭載高頻信號(hào)，但是回來的高頻信號(hào)需要倍頻采樣，這就會(huì)導(dǎo)致采樣頻率過高，所以我們通過DDC數(shù)字下變頻的方式將信號(hào)降到低頻。

主要有三個(gè)步驟：正交調(diào)制、低通濾波、抽取。

可以簡(jiǎn)單講一下正交調(diào)制的原理，首先輸入的信號(hào)經(jīng)過采樣到了處理中心，這時(shí)候NCO（我也不知道是啥）會(huì)產(chǎn)生所需的兩組正交本振信號(hào)（根據(jù)發(fā)射信號(hào)公式可以推出）：

?大概可以看清楚吧？將采樣數(shù)據(jù)與正交本振信號(hào)相乘（混頻）之后通過三角函數(shù)積化和差公式分解后，我們可以得到高頻和低頻兩部分：

這里就輸出了I、Q兩路信號(hào)，根據(jù)公式可以看到高頻f0被分出到了式子的右邊。

?再通過低通濾波處理，設(shè)置截止頻率，輸出后的信號(hào)：

?至于抽取倍頻，其實(shí)就是通過“跨步讀取”的方式進(jìn)一步降低頻率，這個(gè)比較簡(jiǎn)單，就不說了。

接下來，我們通過Matlab進(jìn)行實(shí)操：

我們的正交處理要比上訴簡(jiǎn)單很多，走了一個(gè)捷徑

交處理部分中最關(guān)鍵的是如何產(chǎn)生本振信號(hào)，在FPGA實(shí)際處理的過程中，我們可以調(diào)用Vivado中DDC IP核來產(chǎn)生；此外也可以根據(jù)f0和TS來計(jì)算出對(duì)應(yīng)的兩組正交值。我們這里采用第三種最簡(jiǎn)單的方法：（因?yàn)榇蜃謺r(shí)候公式不太好弄，我直接放圖片了）

?我們?cè)趨?shù)設(shè)計(jì)中預(yù)先將中心頻率設(shè)為150Mhz；采樣頻率?設(shè)置為四倍帶寬（即：120MHz）滿足第三章正交處理要求。我這里把DDC這一步另存為一個(gè)函數(shù)方便調(diào)用，代碼一起放上來：

function [ddc_i,ddc_q] = DDC(x)
%% DDC下變頻輸出
n = 1:length(x);
cos_unit = [1,0,-1,0];
cos_osc  =cos_unit(mod(n,4)+1); % mod(b,a) 求余運(yùn)算 ，b/a的余數(shù).
sin_unit = [0,1,0,-1];
sin_osc  =sin_unit(mod(n,4)+1);
DDC_out_i1 = x.*cos_osc;
DDC_out_q1 = x.*sin_osc;
DDC_out_i = filter(filter,DDC_out_i1);
DDC_out_q = filter(filter,DDC_out_q1);
%% 抽取，會(huì)降低分辨率
deciN = 2;
ddc_i = DDC_out_i(1:deciN:length(DDC_out_i));
ddc_q = DDC_out_q(1:deciN:length(DDC_out_q));
end

前面就是正常的信號(hào)進(jìn)入，到filter是我們的濾波器，在Matlab低通濾波這部分處理中，我們可以通過軟件所自帶的fdatool工具直接生成低頻濾波器：首先在命令行窗口中輸入fdatool，軟件會(huì)生成出低通濾波器編輯器Filter Designer，我們調(diào)整濾波器參數(shù)采樣頻率為120MHz,低通截止頻率為22MHz，通過頻率為20MHz,完成參數(shù)設(shè)計(jì)后點(diǎn)擊Designe，系統(tǒng)會(huì)生成出一個(gè)filter.m的工程文件

?最后就是抽取倍頻。直接放三個(gè)過程圖

生成正交后圖像：

?

簡(jiǎn)單說明一下，這個(gè)信號(hào)前面是因?yàn)槲已a(bǔ)了120個(gè)零點(diǎn)（1s），才會(huì)產(chǎn)生前面的直線。

3.匹配濾波

?匹配濾波就是脈沖壓縮的核心步驟了，前面我們只是講了這一步是用來干什么，現(xiàn)在具體講一下為什么，我就不做公式的推導(dǎo)了。

首先通俗一點(diǎn)，就是講信號(hào)與其自相關(guān)函數(shù)進(jìn)行時(shí)域卷積，其實(shí)就相對(duì)于1*1=1，100*100=10000（我是這樣理解的），這樣一下就把其加權(quán)放大了，達(dá)到了尖峰的效果，推薦再理解一下卷積

分享一篇文章：https://blog.csdn.net/bitcarmanlee/article/details/54729807

反正就是一個(gè)卷積處理，那么我們知道時(shí)域卷積等效于頻域相乘，所以依據(jù)濾波器的不同進(jìn)入時(shí)期我們會(huì)得到三個(gè)頻域的處理方式。

首先看，時(shí)域卷積：

脈沖壓縮在時(shí)域的處理方式主要是對(duì)線性調(diào)頻信號(hào)與其自相關(guān)函數(shù)做卷積處理。所以第一步是構(gòu)造自相關(guān)函數(shù)，我們已知原線性調(diào)頻信號(hào)的參數(shù)與函數(shù)，對(duì)其在時(shí)域表達(dá)式進(jìn)行反褶再取共軛后即可得到自相關(guān)函數(shù)，之后兩者卷積，即可生成脈壓后的信號(hào)。

自相關(guān)函數(shù)的構(gòu)造，我們主要通過filplr函數(shù)和conj函數(shù)來實(shí)現(xiàn)。前者是進(jìn)行反褶操作，簡(jiǎn)單來說也就是將1、2、3的序列或矩陣輸出為3、2、1。而后者conj則是直接取共軛函數(shù)，兩個(gè)函數(shù)依次套用即可生成自相關(guān)函數(shù)。

卷積運(yùn)算是通過Matlab自帶的快速卷積處理函數(shù)conv函數(shù)完成，需要注意的是卷積運(yùn)算后信號(hào)的長(zhǎng)度會(huì)發(fā)生改變，若第一個(gè)函數(shù)的長(zhǎng)度為N1，第二個(gè)長(zhǎng)度為N2，卷積后長(zhǎng)度則為N1+N2-1。而我們這里兩個(gè)函數(shù)長(zhǎng)度一樣，則輸出長(zhǎng)度為2N-1。我們可以得到仿真圖，我們?cè)賹D像做歸一化處理，同時(shí)導(dǎo)入sinc函數(shù)紅點(diǎn)，可以發(fā)現(xiàn)在基帶附近具有較高的擬合度，而sinc函數(shù)的傅里葉變換正好是幅值為1的矩形脈沖信號(hào)。

%% 時(shí)域匹配濾波
H_LFM1 = conj(fliplr(LFM1)); %conj是取共軛，fliplr是進(jìn)行矩陣左右翻轉(zhuǎn)
s1 = conv(LFM1,H_LFM1);      %conv是將輸入信號(hào)與匹配濾波信號(hào)卷積輸出，
N1 = N+N-1 ;%線性卷積后信號(hào)長(zhǎng)度變?yōu)?N1+N2-1
t1 = linspace( -T , T , N1);  %信號(hào)長(zhǎng)度變化

%信號(hào)輸出
figure(1);
subplot(2,1,1);
plot( t1*1e6 , abs(s1) );
xlabel('t /us'),ylabel('幅度譜');
title('時(shí)間反褶取共軛，時(shí)域卷積');
grid on;%添加網(wǎng)格
axis tight;
%歸一化；辛克函數(shù)
Z=abs(s1);Z=Z/max(Z); Z=20*log10(Z+1e-6);
Z1=abs(sinc(B.*t1)); Z1=20*log10(Z1+1e-6);%辛克函數(shù)
subplot(2,1,2);
t1=t1*B;
plot(t1,Z,t1,Z1,'r.' );
xlabel('時(shí)間/s ');
ylabel('幅值/dB');
title('線性調(diào)頻信號(hào)經(jīng)過匹配濾波（歸一化）');
axis([-15,15,-50,inf]);
grid on;%添加網(wǎng)格

?

?頻域處理：

頻域的處理和時(shí)域類似，根據(jù)第二章推導(dǎo)的公式，可以大致分為三種處理順序：

1. 先構(gòu)造出反褶，共軛的濾波函數(shù)，和信號(hào)一起補(bǔ)零之后進(jìn)行FFT到頻域，然后頻域相乘。最后進(jìn)行IFFT（FFT逆運(yùn)算）進(jìn)行頻域到時(shí)域的逆運(yùn)算。
2. 信號(hào)補(bǔ)零進(jìn)行FFT到頻域之后，進(jìn)行共軛得到濾波頻域函數(shù)，相乘之后進(jìn)行IFFT逆運(yùn)算。
3. 信號(hào)補(bǔ)零進(jìn)行FFT到頻域之后，直接在頻域構(gòu)造出匹配濾波器，相乘之后進(jìn)行IFFT逆運(yùn)算。

這三種操作順序主要都是受自相關(guān)函數(shù)生成的影響，理想情況下第一種和第二種沒有太大區(qū)別，但是比較麻煩也需要注意的是，前兩種方法都中需要進(jìn)行補(bǔ)零至選定長(zhǎng)度的前置處理，由于不同濾波器棄置區(qū)不一樣，且等于響應(yīng)信號(hào)長(zhǎng)度減一，所以為了進(jìn)行有效的處理，F(xiàn)FT的點(diǎn)數(shù)最好是2的次方數(shù)且大于信號(hào)長(zhǎng)度。具體原因是因?yàn)镸atlab中FFT是做循環(huán)卷積運(yùn)算，而匹配濾波需要的是線性卷積，所以需要在函數(shù)前補(bǔ)N-1個(gè)0，同時(shí)補(bǔ)零也可以提高分辨率。

（md，這個(gè)地方CSND鬼畜了，寫的好好的突然沒了退回到這一段，從這到這章完，寫了三遍）

基于第一種順序，我們首先對(duì)線性調(diào)頻信號(hào)及其自相關(guān)函數(shù)做FFT離散快速傅里葉變換到頻域，然后頻域直接相乘得到脈沖壓縮函數(shù)后進(jìn)行IFFT逆變換回到時(shí)域后，同時(shí)也可以做歸一化處理后和Sinc函數(shù)進(jìn)行擬合。

%% 頻域匹配濾波1 (復(fù)制發(fā)射脈沖進(jìn)行時(shí)間反褶并取共軛，計(jì)算補(bǔ)零DFT)
N2 = 2*N-1; %循環(huán)卷積長(zhǎng)度 
t2 = linspace( -T , T , N2);
Hf2 = fft(H_LFM1,N2); %頻域匹配濾波器
Sf2 = fft(LFM1,N2);%頻域信號(hào)
S2 = Sf2 .* Hf2;%頻域乘積
s2 = ifft(S2);

figure(2);
subplot(2,1,1);
plot( t2*1e6 , abs(s2) )
xlabel('t /us');
ylabel('幅度譜');
title('時(shí)間反褶取共軛，補(bǔ)零FFT，頻域乘積，IFFT');
grid on;%添加網(wǎng)格
subplot(2,1,2);
Z2=abs(s2);Z2=Z2/max(Z2); Z2=20*log10(Z2+1e-6);%歸一化
t3 = t2*B;
plot(t3,Z2,t1,Z1,'r.');
axis([-15,15,-50,inf]);
xlabel('時(shí)間/s ');
ylabel('幅值/dB');
title('線性調(diào)頻信號(hào)經(jīng)過匹配濾波（歸一化）');

輸出圖像：基本上和時(shí)域處理沒什么區(qū)別

?4.加窗處理

由于脈沖壓縮會(huì)不可避免的產(chǎn)生旁瓣，旁瓣按照1/X的幅值遞減，但較大的旁瓣仍會(huì)淹沒其他微弱的信號(hào)，導(dǎo)致目標(biāo)無(wú)法分辨，所以為了提高性能指標(biāo)，我們還會(huì)對(duì)脈壓信號(hào)增加窗函數(shù)以改變波形。加窗主要是在時(shí)域上，對(duì)匹配濾波器進(jìn)行點(diǎn)成乘運(yùn)算，其目的是抑制旁瓣，常用的有：Hanning窗、Blackman窗、kaiser窗等，不同的窗效果不一樣，如圖是常用窗函數(shù)的性能表

我們?cè)诜抡娴倪^程中，選擇漢明（Hamming）窗來抑制旁瓣；首先直接調(diào)用Matlab自帶的漢明窗函數(shù)，再與信號(hào)的自相關(guān)函數(shù)相乘得到加權(quán)后的匹配濾波器系數(shù)。之后按照頻域處理的方法得到加窗后的圖像：

%% 加窗
w = hamming(N)';
H_w = H_LFM1.*w ;       % 加窗
Hf3 = fft(H_w,N2); %頻域匹配濾波器
S3 = Sf2 .* Hf3;%頻域乘積
s3 = ifft(S3);

figure(1)
subplot(2,1,2)
plot( t2*1e6 , abs(s3) )
xlabel('t /us');
ylabel('幅度譜');
title('時(shí)間反褶取共軛，補(bǔ)零FFT，頻域乘積，IFFT（加窗）');
grid on;%添加網(wǎng)格
figure(2)
subplot(2,1,2)
Z3=abs(s3);Z3=Z3/max(Z3); Z3=20*log10(Z3+1e-6);%歸一化
t3 = t2*B;
plot(t3,Z3);
axis([-100,100,-50,inf]);
xlabel('時(shí)間/s ');
ylabel('幅值/dB');
title('線性調(diào)頻信號(hào)經(jīng)過匹配濾波（歸一化）（加窗）');

?放到一個(gè)圖可以明顯對(duì)比出加窗的效果：

但需要注意的是，窗函數(shù)的引入實(shí)際上是對(duì)回波做了加權(quán)系數(shù)處理，雖然抑制了旁瓣，但同時(shí)也會(huì)導(dǎo)致主瓣展寬，降低了脈壓后的幅值，造成了信噪比損失。簡(jiǎn)單來說就是以損失一定信號(hào)特性為代價(jià)，來提高主副比。

?5.雜波抑制和多目標(biāo)測(cè)距

通過現(xiàn)有的脈沖壓縮模型，我們可以驗(yàn)證其作為最佳線性濾波器的雜波抑制效果

在現(xiàn)實(shí)情況中，雷達(dá)系統(tǒng)發(fā)射機(jī)發(fā)射出線性調(diào)頻信號(hào)后，返還回來的目標(biāo)信號(hào)除目標(biāo)回波外還會(huì)夾帶雜波噪聲和干擾信號(hào)兩部分。本節(jié)不考慮干擾信號(hào)帶來的影響，通過添加高斯白噪聲來模擬雜波信號(hào)的對(duì)回波的干擾，再通過匹配濾波器輸出后，可以觀察對(duì)雜波的抑制效果。

在matlab中僅需要使用awgn函數(shù)即可，通過Y = awgn(采樣信號(hào)，信噪比)；一行代碼即可：

我們這里添加信噪比為1dB的雜波：

我們可以對(duì)比添加雜波前后的信號(hào)輸出，可以明顯看見線性調(diào)頻信號(hào)已經(jīng)掩埋在了雜波里。

將合成的回波Y直接導(dǎo)入到我們的模型里：通過建立好的模型，我們可以清晰的看見原本雜亂無(wú)章的波形如圖，所示經(jīng)過脈沖壓縮后可以明顯的看見信號(hào)回波所產(chǎn)被壓縮成的尖峰，這就是自相關(guān)函數(shù)對(duì)于雜波來說是無(wú)序的，而對(duì)于發(fā)射的回波確是最匹配的。

?為了更好的看到效果，我們?cè)僖胄盘?hào)參數(shù)一致但未添加噪聲的脈沖壓縮信號(hào)輸出，效果如圖所示：可以看到大量雜波的引入使得回波信號(hào)雜亂無(wú)章，雖然輸出的圖像效果不如沒有噪聲的明顯，但是尖峰仍然清晰可見，到達(dá)了在高噪聲環(huán)境中輸出的效果。

多目標(biāo)測(cè)距：

多目標(biāo)測(cè)距這部分重點(diǎn)參考代碼，我就不放出來了，大家有興趣可以找到很多，我僅做一個(gè)效果展示：首先根據(jù)參數(shù)確定距離分辨力，然后做一個(gè)對(duì)照組

該測(cè)距任務(wù)中，我們分別圍繞5 m的分辨率設(shè)置了10 m和3 m兩個(gè)距離看線性調(diào)頻信號(hào)的分辨效果。此外我們假定雷達(dá)截面積都為1，目標(biāo)靜止，取光速為30×108 m/s，根據(jù)最小10 km,最大15 km后光速的兩段時(shí)間差來設(shè)置返回信號(hào)窗，建立好參數(shù)模型后帶入我們的雷達(dá)仿真系統(tǒng)。

輸出的結(jié)果如圖所示，沒有經(jīng)過脈沖壓縮的回波，目標(biāo)之間波形相互干擾，無(wú)法得到目標(biāo)的準(zhǔn)確位置，而經(jīng)過脈沖壓縮后的信號(hào)在輸出的圖像上大概分為了四個(gè)尖峰，主要是由于第三與第四個(gè)目標(biāo)，第五與第六個(gè)目標(biāo)相距太近造成。

?經(jīng)過脈沖壓縮處理后，我們放大目標(biāo)三四，五六：

?通過輸出圖像，可以發(fā)現(xiàn)目標(biāo)回波的誤差非常小。從理論上完成脈沖壓縮在雷達(dá)測(cè)距任務(wù)上的功能，同時(shí)也驗(yàn)證了線性調(diào)頻信號(hào)的分辨率的雷達(dá)方程。

三.Vivado實(shí)現(xiàn)

目前CSDN上主要都是姜文博學(xué)長(zhǎng)的時(shí)域法，大家可以自行搜索學(xué)長(zhǎng)的文章。很少看到用頻域做的，頻域我有師兄做了，我大概看明白了思路，不過還沒自己做出來。我把思路流程發(fā)給大家以供參考：

時(shí)域：

?頻域：

寫的有點(diǎn)累了，就不想過多敘述了，最后就放一下多目標(biāo)測(cè)距的結(jié)果吧：

?

?目標(biāo)壓縮后的峰值時(shí)間分別為：7.613109us、14.284313us、23.615411us、24.265453us。減去補(bǔ)償后除去一半再乘以光速，再加上最初的距離分別得到：12499.97m、13500.64m、14900.31m、14997.82m。最大誤差2.18m,最小誤差0.03m。

后面有機(jī)會(huì)再補(bǔ)充...

?

到了這里，關(guān)于基于FPGA的脈沖壓縮設(shè)計(jì)（Matlab+vivado）的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！