【雷达通信】基于matlab SVM识别雷达数据【含Matlab源码 305期】

一、获取代码方式

获取代码方式1：
完整代码已上传我的资源： 【雷达通信】基于matlab SVM识别雷达数据【含Matlab源码 305期】

获取代码方式2：
通过订阅紫极神光博客付费专栏，凭支付凭证，私信博主，可获得此代码。

备注：订阅紫极神光博客付费专栏，可免费获得1份代码（有效期为订阅日起，三天内有效）；

二、SVM简介

支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。
1 数学部分
1.1 二维空间









2 算法部分

三、部分源代码

% function [ err_flage,f_t_data_abs] = DataConvert(str_1 )
% 
% %%
% %%
% %--------------单位及常量------------%
% us=1e-6;
% KHz=1e3;
% MHz=1e6;
% GHz=1e9;
% km_h=1e3/3600;
% km_s=1e3;
% c=3e8;              % 光速299792.458*km_h
% mm=1e-3;
% 
% %%
% f0=24.125*GHz;                   % 发射信号的载频
% B=250*MHz;
% 
% c = 3e8;
% lambda = c/f0;
% 
% lambda1 = c/(24*GHz);
% lambda2 = c/(24.25*GHz);
% 
% fs_r =426.666*KHz;
% fs_v = 5.12*KHz;
% 
% N_R = 512;
% N_V = 512; 
% 
% N_SAMPLE = 5;
% 
% N_R_NULL = 0;
% N_R_NULL1 = 0;
% N_V_NULL = 0;
% N_V_NULL1 = 0;
% 
% tao_r = 100e-3;
% tao_v = 100e-3;
% miu_r=B/tao_r;
% miu_v=B/tao_v;
% 
% 
% %%
% a=textread(str_1,'%s')';
% 
% data=hex2dec(a)'; %16进制转化为10进制数，存入data矩阵
% clear a;
% one_prf_length = (N_R+0)*2 + (N_V+0)*2;%IQ两个通道传上的来的字节数
% 
% frame_flage_index = strfind(data,[0 17 34 51]);%cd cd ef ef   %帧间标志位检测
% err_flage = 0;
% 
% for i=1:length(frame_flage_index)-1       %检查数据是否传错
%     err_num(i) = frame_flage_index(i+1) - frame_flage_index(i);
%     if(err_num(i) ~= one_prf_length*4 )
%         err_flage = err_flage+1;
%     end
% end
% 
% data12 = data(1:(frame_flage_index(end)+3));
% 
% data1=reshape(data12,2,floor(length(data12)/2));
% clear data12;
% for i=1:size(data1,2)
%     data2(i)=data1(1,i)+256* data1(2,i);
% end
% clear data1;
% data2 =(data2/65536*5-2.5);%hilbert
% data3=(reshape( data2,N_R+2,floor( length(data2)/(N_R+2) ) )).';
% % clear data2;
% % for i=1:size(data1,2)
% %     data2(i)=data1(1,i)+256* data1(2,i);
% % end
% % clear data1;
% % data2 = data2/65536*5-2.5;
% % data3=(reshape( data2,1024,floor( length(data2)/1024 ))).';
% 
% ch1 = reshape(data3(:,1:256-1).', 1, length(data2)/2-size(data3,1)*2);
% ch2 = reshape(data3(:,256:511-1).', 1, length(data2)/2-size(data3,1)*2);
% clear data2;
% clear data3;
% 
% data6 = ch1 + j* ch2;
% data7 = data6(1:N_SAMPLE:end);
% 
% %%
% Nfft = (N_R-2)/N_SAMPLE;
% x_in = [zeros(1,Nfft) data6 zeros(1,Nfft)];
% w = hamming(Nfft);
% noverlap = Nfft/2;
% [f_t_data,f1,t1] = spectrogram(x_in,w,noverlap,Nfft,fs_r/N_SAMPLE);
% f_t_data_abs = abs(fftshift(f_t_data,1));%最终时频图数据矩阵
% clear f_t_data;
% % figure(1)
% % imagesc(t1,f1-max(f1)/2,f_t_data_abs);%fftshift;
% % view(2)%plot
% end
% 
% 
function [ err_flage,f_t_data_abs] = DataConvert(str_1 )

%%
%%
%--------------单位及常量------------%
fs_v = 1024;
N_R = 256;
N_V = 256; 
%%
a=textread(str_1,'%s')';
data=hex2dec(a)'; %16进制转化为10进制数，存入data矩阵
clear a;
one_prf_length = (N_R*2)*2 + 4;
frame_flage_index = strfind(data,[0 17 34 51]);%cd cd ef ef   %帧间标志位检测
err_flage = 0;
for i=1:length(frame_flage_index)-1       %检查数据是否传错
    err_num(i) = frame_flage_index(i+1) - frame_flage_index(i);
    if(err_num(i) ~= one_prf_length*1 )
        err_flage = err_flage+1;
    end
end

data12 = data(1:(frame_flage_index(end)+3));
data1=reshape(data12,2,floor(length(data12)/2));
clear data12;
for i=1:size(data1,2)
    data2(i)=data1(1,i)+256* data1(2,i);
end
clear data1;
data2 = data2/65536*5-2.5;
data3=(reshape( data2,N_R*2+2,floor( length(data2)/(N_R*2+2) ) )).';
clear data2;
%%
 ch4_I = data3(:,1:2:512);     %Q4
 ch4_Q = data3(:,2:2:512);   %Q4 
 ch4 = ch4_I + j*ch4_Q;
 clear data3;
%% 
data6 = reshape((ch4).',1,size(ch4,1)*size(ch4,2));
len=length(data6);
total=0;
for nn=1:len
    total=total+data6(nn);
end
total_avg=total/len;
for nn=1:len
   data6(nn)=data6(nn)-total_avg;
end

  

 

  
 
 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
  
13
  
14
  
15
  
16
  
17
  
18
  
19
  
20
  
21
  
22
  
23
  
24
  
25
  
26
  
27
  
28
  
29
  
30
  
31
  
32
  
33
  
34
  
35
  
36
  
37
  
38
  
39
  
40
  
41
  
42
  
43
  
44
  
45
  
46
  
47
  
48
  
49
  
50
  
51
  
52
  
53
  
54
  
55
  
56
  
57
  
58
  
59
  
60
  
61
  
62
  
63
  
64
  
65
  
66
  
67
  
68
  
69
  
70
  
71
  
72
  
73
  
74
  
75
  
76
  
77
  
78
  
79
  
80
  
81
  
82
  
83
  
84
  
85
  
86
  
87
  
88
  
89
  
90
  
91
  
92
  
93
  
94
  
95
  
96
  
97
  
98
  
99
  
100
  
101
  
102
  
103
  
104
  
105
  
106
  
107
  
108
  
109
  
110
  
111
  
112
  
113
  
114
  
115
  
116
  
117
  
118
  
119
  
120
  
121
  
122
  
123
  
124
  
125
  
126
  
127
  
128
  
129
  
130
  
131
  
132
  
133
  
134
  
135
  
136
  
137
  
138
  
139
  
140
  
141
  
142
  
143
  
144
  
145
  
146
  
147
  
148
 

四、运行结果

五、matlab版本及参考文献

1 matlab版本
2014a

2 参考文献
[1] 沈再阳.精通MATLAB信号处理[M].清华大学出版社，2015.
[2]高宝建,彭进业,王琳,潘建寿.信号与系统——使用MATLAB分析与实现[M].清华大学出版社，2020.
[3]王文光,魏少明,任欣.信号处理与系统分析的MATLAB实现[M].电子工业出版社，2018.
[4]李树锋.基于完全互补序列的MIMO雷达与5G MIMO通信[M].清华大学出版社.2021
[5]何友,关键.雷达目标检测与恒虚警处理（第二版）[M].清华大学出版社.2011

文章来源: qq912100926.blog.csdn.net，作者：海神之光，版权归原作者所有，如需转载，请联系作者。

原文链接：qq912100926.blog.csdn.net/article/details/113812325