radar toolbox 产品信息 -凯发k8网页登录

 

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。

雷达人工智能

仿真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。手动或自动标注雷达信号。

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。

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。

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。

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。

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。

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。

仿真扫描雷达。

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。

陆地和海洋的雷达场景。

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。

雷达系统的多目标场景。

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。

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。

使用 dbscan 算法得到的扩展目标检测聚类。

多目标跟踪

使用一个假设的点目标跟踪器跟踪多个雷达目标。

多功能相控阵雷达的搜索和跟踪调度

网站地图