多普勒效应及多普勒频移的简单推导
多普勒效应及多普勒频移的简单推导
fd≡fR−fT(1)f_d\equiv f_R-f_T \tag{1} fd≡fR−fT(1)
式中,fdf_dfd表示多普勒频移,fRf_RfR表示目标回波的频率(Hz),fTf_TfT表示发射信号的频率(Hz)。
多普勒频移的表达式为:
fd=2vλ(2)f_d=\frac{2v}{\lambda} \tag{2} fd=λ2v(2)
式中,λ\lambdaλ为信号波长(m),v为雷达与目标间的相对径向速度(m/s)。这是一个近似的表达式,适用于目标相对于雷达的径向速度远小于电磁波传播速度的情况。实际情况往往如此,因此通常用(2)式来计算目标的径向速度。
多普勒效应是由奥地利数学家多普勒首先发现和提出的,它反映了信号频率与运动速度之间的关系。值得注意的是这里的速度指相对的径向速度,即运动速度沿二者直线方向的分量。
下面对多普勒频移的表达式(2)作一个简单的推导。
雷达发射一段正弦波,起始点为A,终止点为B,在空间延伸的长度为D,频率为f0f_0f0.目标以径向速度vrv_rvr向着雷达飞行(远离雷达飞行时速度为负数,原理相同),如图所示:
由于目标向雷达运动,B点接触目标后,到A点接触目标,所需的时间Δt\Delta tΔt为:
Δt=Dc+vr(s)(3)\Delta t=\frac{D}{c+v_r}(s)\tag{3} Δt=c+vrD(s)(3)
当A点接触目标时,B点相对于目标的距离就是反射后正弦波的长度D′D'D′,其计算式为:
D′=(c−vr)⋅Δt=c−vrc+vrD(4)D'=(c-v_r)\cdot\Delta t=\frac{c-v_r}{c+v_r}D\tag{4} D′=(c−vr)⋅Δt=c+vrc−vrD(4)
其中c−vrc-v_rc−vr表示BBB点反射后电磁波相对目标的速度。
反射后的正弦波长度小于反射前的长度,但波的个数是不变的,设反射后的频率为f0′f_0'f0′,则有:
f0′f0=DD′=c+vrc−vr=1+2vrc−vr≈1+2vrc(5)\frac{f_0'}{f_0}=\frac{D}{D'}=\frac{c+v_r}{c-v_r}=1+\frac{2v_r}{c-v_r}\approx1+\frac{2v_r}{c}\tag{5} f0f0′=D′D=c−vrc+vr=1+c−vr2vr≈1+c2vr(5)
上式成立的条件是电磁波传播速度远大于目标运动速度,实际情况中通常如此,则多普勒频移fdf_dfd为:
fd=f0′−f0=f0⋅2vrc=2vrλ(6)f_d=f_0'-f_0=f_0\cdot\frac{2v_r}{c}=\frac{2v_r}{\lambda}\tag{6} fd=f0′−f0=f0⋅c2vr=λ2vr(6)
多普勒效应及多普勒频移的简单推导相关推荐
- 多普勒效应(多普勒频移)
多普勒效应(多普勒频移) 人物介绍 现象 历史 公式 证明 参考文献 人物介绍 克里斯蒂安·安德烈亚斯·多普勒(Christian Andreas Doppler,1803年11月29日-1853年3 ...
- 深度学习中反向传播算法简单推导笔记
反向传播算法简单推导笔记 1.全连接神经网络 该结构的前向传播可以写成: z(1)=W(1)x+b(1)z^{(1)} = W^{(1)}x+b^{(1)}z(1)=W(1)x+b(1) a(1)=σ ...
- 【应试技巧】格林公式记忆方法及简单推导
视频讲解:格林公式记忆方法及简单推导 大家在学格林公式的时候会发现其实书本上给的形式并不容易记忆. 大家可能会产生下述的问题 忘记了逆时针和顺时针哪个是正方向? 忘记了P,Q该对谁求偏导? 忘记了求偏 ...
- 贝叶斯公式的理解及简单推导
1. 贝叶斯概念理解 如下为贝叶斯公式,其中P(A)为事件A的先验概率,P(A|B)为事件A的后验概率,且后验概率的计算融合了先验概率的值. P ( A ∣ B ) = P ( B ∣ A ) ∗ P ...
- 傅里叶级数的理解与简单推导
本文重点在于理解傅里叶级数的思想,对于公式的推导仅作泛泛而谈,在正式推导公式之前我想先简单的谈一谈对函数进行傅里叶级数展开有何意义,也即为什么我们要将一个函数进行傅氏变换? 分解与合成是一种朴素的思想 ...
- 多普勒效应与多普勒频移
所谓多普勒效应就是,当声音,光和无线电波等振动源与观测者以相对速度V相对运动时,观测者所收到的振动频率与振动源所发出的频率有所不同.因为这一现象是奥地利科学家多普勒最早发现的,所以称之为多普勒效应.( ...
- RNN-bptt简单推导
摘要: 在前面的文章里面,RNN训练与BP算法,我们提到了RNN的训练算法.但是回头看的时候在时间的维度上没有做处理,所以整个推导可能存在一点问题. 那么,在这篇文章里面,我们将介绍bptt(Back ...
- 雷达方程中Pr与cosα/R2成正比的简单推导过程
我们知道简单散射实体一次散射的雷达方程原始公式为: Pr=PtD24πR4βt2σηatmηsysP_{r}=\frac{P_{t}D^{2}}{4\pi R^{4}\beta_{t}^{2}}\si ...
- 二项分布均值和方差的简单推导
前一篇文章<二项分布>中说过,伯努利分布(也称为两点分布或0-1分布)是二项分布在n=1时的特例.我们先看伯努利分布的均值和方差的推导. 根据离散型随机变量均值和方差的定义,若离散型随机变 ...
最新文章
- 数据中心空调故障案例集(第二季)
- centos7 nat模式配置静态ip_Manjaro 配置静态网络IP
- 挖洞技巧:任意账号密码重置
- java中的字符,字符串,数字之间的转换(亲测)
- 温故而知新,UI学习中的大部分控件及常用的基础都整理了一下,很长~~~~~~~~~很长!!!!!!!...
- Django-C001-快速入门
- it计算机知识竞赛主持稿,西安交大城市学院计算机系举办第四届“走进IT,触碰未来”计算机知识竞赛...
- 什么是Spring什么是SpringMVC?
- Linux下多线程编译
- 7-1 defer调用
- python爬取内容为空怎么剔除_用scrapy爬取网站内容时,如何忽略某些内容为空的值;...
- C语言程序设计基础笔记
- Django中related_name作用
- 更改html默认浏览器,如何设置或默认浏览器更改为浏览器,火狐,IE
- 数据库语法整理及WAF绕过方式
- Windows server 2019 网卡互联网检测服务
- 华为鸿蒙P60(art)系列,Mate X3安装谷歌服务框架,安装Google谷歌Play商店,harmonyos3.1
- 随机森林实战(分类任务+特征重要性+回归任务)(含Python代码详解)
- c语言char+s+qwr的意思,qwr(qwr是什么意思)
- [ISUX转译]iOS 8人机界面指南(一):UI设计基础
热门文章
- Dynamic Data Web Application编译是报GetActionPath调用模糊解决办法
- Vue 从入门到进阶之路(十四)
- openssl 学习之从证书中提取RSA公钥N 和 E
- 项目实例改编:利用structs2的action 实时显示图片、pdf和其他内容的框架抽取。(转)...
- vue从入门到精通之进阶篇(一)vue-router:导航守卫
- 数据库设计注意事项和原则
- javascript --- 函数的柯里化 Vue 2.x中柯里化的使用
- javascript --- spa初体验
- javascript --- 事件对象和事件类型
- OPENCV-2 学习笔记