2022 华为杯研赛A题完整MATLAB代码和数学模型 移动场景超分辨定位问题

问题：

1. 针对提供的无噪声仿真数据，建立定位模型，计算出物体相对位置，并以二维极坐标图（横坐标表示距离，纵坐标表示角度）展示。

2. 针对提供的高斯噪声仿真数据，利用一个chirp周期内的IF信号，设计超分辨算法精确定位多个物体。

3. 设计在线低复杂度算法，利用一帧中频信号来超分辨定位，并且通过数值实验验证算法性能。针对提供的一帧数据，计算出物体相对运动轨迹，并以二维图（横坐标表示距离，纵坐标表示角度）展示。

4. 考虑实际场景中由于老化等原因，天线阵列对于自身的定位也会有误差。针对提供的仿真数据，设计提升定位算法的鲁棒性的改进算法。

理论分析：

这题主要是在FMCW雷达场景下对目标的位置和方位进行估计，FMCW雷达可以将信号的传输引起的时延转化为频率差，收端对这个频率差进行检测就可以估计反射信号的时延是多少（反射信号的时延包含来回的时延）,然后不同信号的来向会导致多天线的信号相位存在偏差，利用这种偏差既可以对信号的到达方向进行估计。

上述距离和角度常规的处理方式是FFT（前提是线阵）、MUSIC、压缩感知重构，实际后续处理也是在这些算法的基础上进行开展。

后续可见： https://mianbaoduo.com/o/bread/mbd-Y5mXmJxp

问题一代码：

clear all;clc;close all;

%参数设定

Ts=1.25e-7;

T=3.2E-5;

N=T/Ts;

Nf=32;

L=0.0815;

gamma=78.986e12;

Na=86;

f0=78.8e9;

c=3e8;

lamda=c/f0;

%载入数据

load(‘data_q1.mat’);

%先对单个chirp信号内的中频信号进行FFT处理转换为距离估计

Z2=Z.*(ones(Na,1)*hamming(N)');

Zf1=fftshift((fft(Z2.‘)).’,2).';

DisA=(-N/2:N/2-1)/N/(gamma*Ts/c);

figure(1);

contourf(1:Na,DisA,log10(abs(Zf1))*20,100,‘linestyle’,‘none’);

axis([ 1 Na 0 DisA(end)]);

ylabel(‘距离/m’);xlabel(‘天线编号’);

title(‘每个天线单独进行测距结果’);

[~,DelayInd]=max(sum(abs(Zf1),2));

%对86个天线的chirp信号

Nfft=Na*16;

Zf2=fftshift((fft(Zf1.',Nfft)),1);

AntDis=L/(Na-1);

PhiSeq=(-Nfft/2:Nfft/2-1)/Nfft/(AntDis/lamda);

PhiInd=find(abs(PhiSeq)<1);

AngSeq=asin(PhiSeq(PhiInd));

问题一模型

问题：针对提供的无噪声仿真数据，建立定位模型，计算出物体相对位置，并以二维极坐标图（横坐标表示距离，纵坐标表示角度）展示。

解析：这里仅仅要求对信号的距离和角度进行估计，没有做超分辨率的要求，因此这里考虑使用最普遍的FFT算法进行估计。（第一问仅考虑单个Chirp周期下的信号处理。）

问题二至问题三也已经更新完毕后续见https://mianbaoduo.com/o/bread/mbd-Y5mXmJxp