雷达原理-角度测量
本篇博文是看完西安电子科技大学的魏青老师的课程所做的学习笔记,特此记录。
文章目录
概述
- 角度测量的方法
- 振幅法测向
- 相位法测向
- 天线方向图
- 天线方向图的一般性质
- 典型函数
- 天线方向图的一般性质
测角方法及其比较
- 相位法测角
-
两天线相位法测角基本原理
相位法测角利用多个天线所接受回波信号之间的相位差进行测角 -
测角误差分析与多值性
相位差的值测量不准将产生测角误差 -
多基线测角
间距大的1、3天线用来得到高精度测量,间距小的1、2天线用来保证大的无模糊测角范围
-
- 振幅法测角
振幅法测角是用天线收到的回波信号幅度值来做角度测量的,该幅度值的变化规律取决于天线方向图以及天线扫描方式-
最大信号法
当天线波束做圆周扫描或在一定扇形范围内做匀角速扫描时,对收发公用天线的单基地脉冲雷达而言,接收机输出的脉冲串幅度值被天线双程方向图函数所调制。找出脉冲串的最大值,确定该时刻波束轴线直线即为目标所在方向。
波束扫描的图:
扫描得到的幅度值
测角误差与天线波束宽度和中心脉冲的信噪比- 优点:信噪比比较好,设备简单
- 缺点:测量时测量精度不高、不能用于自动测角
-
等信号法
- 两天线方向图函数相同,部分交叠
- 交叠位置大约在3dB处
- 等信号法工作原理
- 等信号法实现方法
- 顺序波瓣法:两个波束交替出现,或只要其中一个波束,使它绕OA轴转,波束便按时间顺序在1,2位置交替出现
- 同时波瓣法:两个波束可以同时存在,用两套相同的接收系统同时工作
- 等信号法的优缺点
- 优点:测角精度比最大信号法高、根据两个波束收到的信号强弱可判别目标偏离等信号轴的方向,便于自动测角
- 缺点:作用的最大距离比最大信号法小
-
自动测角的原理和方法
- 分类
- 顺序波瓣:圆锥扫描自动测角系统
- 同时波瓣:单脉冲自动测角系统
- 圆锥扫描自动测角系统
-
圆锥扫描原理图
-
圆锥扫描雷达的组成
一个向着雷达站飞行的目标的接收信号的高频波形
这样的误差信号将使系统的角度灵敏度变化,如果不消除,将使系统工作性能变坏,因此,必须在接收机里加上自动增益控制(AGC)电路,用以消除目标距离及目标截面积大小等对输出误差电压幅度的影响,使输出误差电压只取决于误差角而与距离等因素无关。
-
- 单脉冲自动测角系统
-
振幅和差式单脉冲工作过程
- 双T接头及和差比较器示意图
和差比较器是单脉冲雷达的重要部件,由它完成和、差处理,形成和差波束,它有4个端口:和端,差端,1端和2端。假定4个端口都是匹配的,则从和端输入信号时,1端和2端输出等幅同向信号,差端无输出,若从1端和2端输入同相信号,则差端输出两者的差信号,和端输出和信号。
振幅和差单脉冲雷达波束图 - 雷达发射过程
发射时,从发射机来的信号加到和差比较器的和端,故1端和2端输出等幅同相信号,两个馈源被同相激励并辐射相同的功率,结果两波束在空间各点产生的场强同相相加,形成发射和波束。 - 雷达接收过程
接收时,回波脉冲同时被两个波束的馈源所接收。差端输出查信号,和端输出和信号
- 双T接头及和差比较器示意图
-
理论分析
相位检波器和角误差信号的变换。和差比较器和端输出的高频角误差信号还不能用来控制天线跟踪目标,必须把它变换成直流电压,其大小应与高频角误差信号的振幅成比例,而其极性应由高频角误差信号的相位来决定。这一变换作用由相位检波器完成。 -
系统组成
单平面振幅和差单脉冲雷达简化方框图- 双T接头
- AGC
- 相位检波器
双平面振幅和差单脉冲雷达原理方框图
-
天线波束扫描方法
- 波束形状和扫描方式
- 波束形状
- 扇形波束:波束在水平面内很窄,故方位角有较高的测角精度和分辨力。垂直面内很宽,以保证同时监视较大的仰角空域。
- 针状波束:针状波束的水平面和垂直面波束宽度都很窄。采用针状波束可同时测量目标的距离、方位和仰角,且方位和仰角两者的分辨力和测角精度都很高。
- 扫描方式
- 波束形状
- 天线波束的扫描方法
- 机械性扫描
利用整个天线系统或其中某一部分的机械运动来实现波束扫描称为机械性扫描。优点:简单,缺点:机械运动惯性大,扫描速度不高 - 电扫描
电扫描时,天线反射体、馈源等不必做机械运动。电扫描又可分为相位扫描法、频率扫描法、时间延迟法等。
- 机械性扫描
- 相位扫描法
在阵列天线上采用控制移相器相移量的方法来改变各阵元的激励相位,从而实现波束的电扫描。这种方法称为相位扫描法,简称相扫法
移相器:-
基本原理
N元直线移相器天线阵
上图由N个阵元组成的一维直线移相器天线阵,阵元间距为d,假定每个阵元为无方向性的点辐射源,所有阵元的馈线输入端为等幅同相馈电,各移相器的相移量分别为0,φ,2φ,……(N-1)φ。 -
栅瓣问题
方向图出现栅瓣 -
波束宽度
-
当幸福来敲门
下面的是笔者的微信公众号,欢迎关注,会持续更新c++、python、tensorflow、机器学习、深度学习、计算机视觉、雷达原理等系列文章。