简介这是一份面向雷达信号处理学习者与相关工程技术人员的Matlab仿真小工具聚焦线性调频脉冲、脉冲雷达与脉冲压缩技术解决在距离分辨率优化中“如何通过匹配滤波将宽脉冲压缩为窄脉冲”的仿真验证需求。资源包内共2个文件均为.m脚本整体体积仅2KB小巧轻量适合作为课程实验或算法演示的快速运行代码。两个脚本覆盖信号生成、匹配滤波器设计、卷积压缩与可视化等主要环节可用于LFM信号参数调整、比较不同脉宽/带宽下的压缩效果以及观察距离谱与信噪比变化。目前已有414人学习下载可作为理解雷达脉冲压缩原理、开展Matlab仿真验证的入门参考资料。1. 为什么线性调频脉冲是雷达信号处理仿真里最容易踩坑的起点雷达信号处理仿真的第一个门槛不是采样率也不是FFT的写法而是对线性调频脉冲背后那一整套“发出去、弹回来、压出来”关系的理解。线性调频脉冲LFM同时拉大了时宽和带宽让雷达在脉冲宽度内获得高能量又能用脉冲压缩把距离分辨率做到1/B的量级。可一旦真的打开仿真你会发现峰值位置、旁瓣电平和窗函数都在互相牵制主瓣压得越窄旁瓣越容易抬起来旁瓣压下去了主瓣又变宽。下面从LFM的参数选择、回波建模、匹配滤波到多目标检测按一整套可复现的流程讲完并针对“处理完数据但不知道对不对”的常见困境给出自检方法。这篇内容适合正在写课程设计、预研脚本或第一次接触脉冲压缩的同学对已经写过雷达仿真代码的人也能补充一些容易忽略的边界条件。2. 用MATLAB搭雷达信号处理仿真的最小闭环LFM波形生成与回波叠加2.1 线性调频脉冲的参数表与量纲关系先摆参数比直接写代码更重要。很多脚本跑出来波形像那么回事换成场景就崩问题几乎都出在参数之间没有量纲关系。下面这个表是常用的一个参考场景后文所有代码都沿用这套取值。参数符号单位示例值影响载频fcGHz10决定波长和多普勒换算脉冲宽度Tus10与带宽一起决定调频斜率kB/T带宽BMHz100决定距离分辨率c/(2B)采样率fsMHz200快时间维采样必须覆盖信号带宽脉冲重复周期PRIus100决定最大不模糊距离和最大多普勒调频斜率kMHz/us10正负决定上/下扫频方向用上面参数可以马上算出几个关键量。距离分辨率等于c/(2B)代进B100MHz得到1.5米这意味着两个目标距离差小于1.5米时压缩后波形基本合在一起。时宽带宽积TB1000这是匹配滤波可以得到约30dB相干处理增益的来源。这里多说一句很多雷达信号处理仿真教程把载频省略掉只对复基带操作这没有错但一旦要验证多普勒频移还是在复基带上按fd2v*fc/c计算因为多普勒正比于载频fc省略之后速度换算就不对了。有了这些约束再谈波形的生成就不会跑偏。实际工程里发射波形通常是实信号但仿真中只要保留复包络的幅度和相位就可以在基带上完成延迟、多普勒和匹配滤波操作最后需要输出实信号时用cos(2pifc*tphi)还原即可。2.1.1 复基带LFM的数学形式复基带线性调频信号一般写成s(t) exp(j * pi * k * t^2)其中t的取值范围是0到T。这里有一个新手最容易忽略的细节相位项里的系数是pik不是2pik。写成2pikt^2虽然也能压缩出峰值但带宽和扫频速率会差整整一倍而且频谱范围对不上你预设的B。工程上还有一种写法是s(t)exp(j * pi * k * t^2)和上面等价但有些资料把瞬时角频率写作2pikt这时k的定义就变成了B/T两种写法不要混用。我们统一用上面这个定义kB/T瞬时角频率为2pikt瞬时频率为k*t扫频范围从0到B。2.2 复基带LFM信号的MATLAB最小生成代码MATLAB里生成LFM脉冲的最小代码只需要几行。下面这段是完整可运行的参数沿用前面的表。c 3e8; fc 10e9; T 10e-6; B 100e6; fs 200e6; k B / T; % 一个脉冲宽度内的采样点数和时间轴 N round(T * fs); t (0 : N - 1) / fs; % 复基带线性调频信号 lfm exp(1j * pi * k * t.^2); figure subplot(2,1,1) plot(t*1e6, real(lfm)) xlabel(时间/us); ylabel(实部) title(LFM复基带波形实部) subplot(2,1,2) plot(t*1e6, unwrap(angle(lfm))) xlabel(时间/us); ylabel(相位/rad) title(LFM相位变化)代码先说清楚三个参数。时间向量t的长度N等于T*fs也就是2000个点。fs取200MHz正好是B的两倍满足对复基带信号的奈奎斯特采样要求。如果你直接对实带通信号做仿真采样率不能按2B来因为还有载频项一般要按带通采样定理选更高频率。这里只做复包络所以fs2B是最小的稳妥值实际可以再留一点过采样余量。lfm的实数部分画出来是一条振荡频率逐渐变化的曲线相位画出来是一条抛物线。抛物线的二阶导数正是2pik它代表瞬时频率的斜率。这个相位是匹配滤波在共轭相乘之后把二次相位项抵消成常数的基础。所以生成LFM时不要为了省事而只保存幅度也不要直接用cos生成实信号后丢掉相位这两个做法都会让脉冲压缩完全失效。2.3 回波模型延迟、幅度与多普勒叠加在脉冲雷达里一次脉冲的接收窗往往比脉冲本身长得多。为了模拟一个完整快时间维向量我们先构造接收窗再把发射信号按目标延迟放进去。假设三个目标距离分别为3km、3.15km和4km速度分别为0、50m/s和0幅度分别为1、0.5和0.8。对应代码PRI 100e-6; N_total round(PRI * fs); rx zeros(1, N_total); % 目标参数 R [3000, 3150, 4000]; v [0, 50, 0]; A [1, 0.5, 0.8]; tt (0 : N_total - 1) / fs; for m 1:length(R) tau 2 * R(m) / c; % 时延 fd 2 * fc * v(m) / c; % 多普勒频移 idx round(tau * fs) 1; % 对应采样点 seg idx : idx N - 1; if seg(end) N_total warning(目标距离超过不模糊距离已忽略目标%d, m); continue; end rx(seg) rx(seg) A(m) * exp(1j * pi * k * ((seg-1)/fs - tau).^2) ... .* exp(1j * 2 * pi * fd * (seg-1)/fs); end这段代码的本质是“发射信号复制、平移到延迟时间、乘以多普勒相位旋转”。注意idx round(tau*fs)1这一步MATLAB的数组下标从1开始而时间0对应下标1所以要先加1再取片段。多普勒项exp(1j2pifdt)直接乘在时间轴上表示目标回波在相参处理间隔内累积的相位。对于慢速目标可以认为在一个脉冲宽度内多普勒相位近似不变所以也可以把这个相位因数提到exp(1jpik*(t-tau).^2)外面。这里还有一个工程上常见的取舍如果你只做单脉冲快时间处理多普勒对脉冲压缩的影响体现为小量失配如果做大时间带宽积或高速目标多普勒会让回波与匹配滤波器之间产生额外的线性相位导致峰值位置偏移和幅度下降。这个现象会在后面章节的失配分析里继续讨论。3. 脉冲压缩的实现路径FFT频域匹配滤波、窗函数与失配损耗3.1 为什么选择频域匹配滤波而不是时域卷积脉冲压缩本质上是让接收回波和发射信号的共轭反转做卷积等价于求回波与发射信号的相关。时域卷积复杂度是O(N*M)当采样点从几千涨到几百万时用FFT做完乘法再IFFT回来是唯一实用的方案。频域匹配滤波器的传递函数为H(f)conj(S(f))这里S(f)是发射信号频谱。回波经过滤波器后输出频谱为X(f)*conj(S(f))时域就是原始LFM自相关函数的主瓣。这里必须注意循环卷积和线性卷积的区别。MATLAB的fft默认做循环卷积如果直接ifft(fft(rx).*conj(fft(lfm)))而rx和lfm长度不等循环卷积会把本该卷到后面的成分折叠到头上来造成虚假目标。正确做法是把两个序列补零到至少NM-1的长度再取2的幂加速计算。补零之后FFT算出来的是对应长度为Nfft的循环卷积因为已经留出足够空间等价于线性卷积。假设rx长度是20000lfm长度是2000线性卷积长度为21999Nfft取2的15次方等于32768比21999大足够。多出来的部分在IFFT之后直接丢弃只保留前N_total个采样点作为快时间输出因为目标回波被包含在这个范围内。3.2 用FFT实现匹配滤波并对比加窗效果的MATLAB代码下面这段代码把上面生成的rx作为输入构造无窗匹配滤波器和加汉明窗匹配滤波器输出两套脉冲压缩结果。N_echo length(rx); N_ref length(lfm); Nfft 2^nextpow2(N_echo N_ref - 1); % 无窗匹配滤波器 mf_raw conj(fliplr(lfm)); y_raw ifft(fft(rx, Nfft) .* fft(mf_raw, Nfft)); y_raw y_raw(1:N_echo); % 加窗匹配滤波器 w hamming(N_ref, periodic).; mf_win conj(fliplr(lfm .* w)); y_win ifft(fft(rx, Nfft) .* fft(mf_win, Nfft)); y_win y_win(1:N_echo); figure subplot(2,1,1) plot(tt*1e6, 20*log10(abs(y_raw)/max(abs(y_raw)))) ylim([-60 0]) xlabel(时间/us); ylabel(归一化幅度/dB) title(无窗脉冲压缩输出) grid on subplot(2,1,2) plot(tt*1e6, 20*log10(abs(y_win)/max(abs(y_win)))) ylim([-60 0]) xlabel(时间/us); ylabel(归一化幅度/dB) title(汉明窗脉冲压缩输出) grid on这里有两处关键逻辑。第一匹配滤波器的时域系数conj(fliplr(lfm))表示对发射信号做共轭并时间反转。对LFM来说共轭会翻转二次相位的符号时间反转则保证卷积后相位中的线性项能对齐。第二加窗操作加在生成匹配滤波系数之前也就是对发射信号副本加窗而不是对接收信号加窗。这样可以防止窗函数改变接收信号的噪声包络同时仍然能压低距离旁瓣。Nfft 2^nextpow2(N_echoN_ref-1)这行是必须的。若Nfft小于这个值补零不足循环卷积会把滤波器后部折叠回前部若Nfft取2的幂只是补到更大的长度后部多出的点仅是零填充不影响结果。MATLAB的fft会自动补零到指定长度所以代码里不需要手动扩零但长度参数必须按上面这样算。3.3 窗函数对比表主瓣宽度、旁瓣电平和失配损耗不同的窗函数对应不同的距离旁瓣折中。表里列出工程上常用的几类失配损耗以匹配滤波输出的峰值信噪比损失来估算。窗类型第一旁瓣/dB主瓣展宽失配损耗/dB典型场景矩形窗-13.31.000理论最窄旁瓣过高汉明窗-431.501.34通用均衡性最好汉宁窗-31.52.001.80旁瓣衰减更快主瓣较宽布莱克曼窗-582.602.60极低旁瓣近距离弱目标检测泰勒窗-35~-501.10~1.500.7~1.5可控制等副瓣数量雷达最常用把表里三列放在一起看能看出一个明确规律旁瓣压得越低主瓣越宽失配损耗越大。矩形窗的主瓣最窄但第一旁瓣只有-13.3dB如果场景里有强目标强目标旁边弱目标的峰值会被旁瓣淹没。汉明窗和泰勒窗是雷达仿真里最常选的两个折中方案。泰勒窗可以通过参数nbar控制前几个旁瓣的电平一致程度但它的设计依赖连续孔径理论工程实现时要查表或数值计算代码里不如汉明窗直观。失配损耗不是固定不变的它随脉冲压缩输出信噪比的定义方式略有差异。上表里的数值适用于把窗函数乘在匹配滤波系数上、接收信号不加窗的实现方式。如果你在两个信号上同时加窗失配损耗会更大而且会改变接收端噪声的统计特性所以实战中我一般不建议“两边都加窗”的写法。3.4 压缩增益与系统级信噪比粗算在理想高斯白噪声背景下匹配滤波器输出的峰值信噪比增益等于信号能量与噪声功率谱密度之比。对LFM脉冲信号能量正比于TB所以相干压缩增益约等于10log10(T*B)。回到之前的例子T10us、B100MHzT*B1000压缩增益约30dB。加汉明窗后扣掉1.34dB失配损耗净增益约28.7dB。如果接收机前端输入的单脉冲信噪比是-10dB那么压缩后峰值信噪比变为18.7dB这对单次检测已经足够明显。这个粗算没有把FFT本身的计算增益单独列出来因为它已经包含在匹配滤波的相干累积里。要验证这个数字可以在时域里给rx叠加高斯白噪声然后对比脉冲压缩前后目标所在距离单元的信噪比差值应该接近30dB而不会是其他值。4. 多目标场景的雷达信号仿真从回波叠加到峰值判读4.1 一个完整的快时间维仿真脚本骨架在第2章和第3章的基础上把多目标回波、匹配滤波和峰值提取合并成一个可复用的脚本。这样改参数就能看到不同目标场景的压缩结果。c 3e8; fc 10e9; fs 200e6; T 10e-6; B 100e6; k B / T; PRI 100e-6; N round(T * fs); N_total round(PRI * fs); tt (0 : N_total - 1) / fs; lfm exp(1j * pi * k * ((0:N-1)/fs).^2); % 目标列表距离、速度、幅度 R [3000, 3150, 4000, 6000]; v [0, 50, 0, -20]; A [1, 0.5, 0.8, 0.3]; rx zeros(1, N_total); for m 1:length(R) tau 2 * R(m) / c; fd 2 * fc * v(m) / c; idx round(tau * fs) 1; seg idx : idx N - 1; if seg(end) N_total continue end rx(seg) rx(seg) A(m) * exp(1j * pi * k * ((seg-1)/fs - tau).^2) ... .* exp(1j * 2 * pi * fd * (seg-1)/fs); end Nfft 2^nextpow2(N_total N - 1); mf conj(fliplr(lfm .* hamming(N, periodic).)); pc ifft(fft(rx, Nfft) .* fft(mf, Nfft)); pc pc(1:N_total);这个脚本把发射波形、回波叠加和频域脉冲压缩串成一条线。目标列表中第2个目标的距离是3150米与第1个目标相差150米远大于距离分辨率1.5米所以压缩之后应该出现两个清晰的峰值。第4个目标速度是-20m/s表示远离雷达它的多普勒为负值。如果这批目标需要放到慢时间维做相参积累脚本里必须把rx按脉冲序号扩展出一维形成快时间×慢时间的矩阵否则单脉冲处理只能看到幅度变化看不到速度维度。4.2 目标参数表与压缩结果的判读方法把上面脚本跑完相当于在第1章参数表的三目标场景里加了一个6km的目标。脉冲压缩后的峰值位置需要经过一次固定偏移校正匹配滤波器时域系数长度为N频域乘积等价于线性卷积后峰值在回波时延的基础上又滞后了N-1个采样点。这个滞后不是错误是匹配滤波的固有群延迟距离换算时把它减掉即可。目标距离/km速度/m/s幅度回波时延/us期望峰值采样点压缩后峰值采样点130120约4001600123.15500.521约420162013400.826.7约5334733446-200.340约800110001下面代码定位峰值并换算距离[pks, locs] findpeaks(abs(pc), MinPeakHeight, 0.3 * max(abs(pc))); % 减掉匹配滤波器长度带来的固定迟延 R_est (locs - N) * c / (2 * fs); fprintf(检测到 %d 个目标\n, length(pks)); disp(R_est);findpeaks的MinPeakHeight参数用来排除旁瓣和噪声引起的伪峰。这里取0.3倍最大峰值因为旁瓣经过汉明窗压制后不会超过-43dB噪声也远低于这个电平。但要注意如果目标幅度差异很大弱目标峰值可能低于强目标旁瓣电平此时单一阈值判读会漏检。更稳妥的做法是先根据发射功率和系统噪声底估算最小可检测信噪比把阈值设在噪声底之上若干dB。R_est计算里减掉N是脉冲压缩仿真最容易漏的一步。如果不减3km目标会被误判成4.5km。这个固定迟延和窗函数无关矩形窗和汉明窗都存在只是因为矩形窗输出看起来更尖锐反而更容易让人忽略位置偏移。4.3 四个常见误用与规避方式第一个误用是循环卷积不补零前面已经提过。补零长度不是随便选必须大于N_totalN-1否则输出会出现卷绕目标距离看起来比实际近或远。第二个误用是忽略多普勒对匹配滤波的影响。很多仿真的回波构造只写Aexp(1jpik(t-tau).^2)多普勒项只出现在慢时间维。这在脉冲宽度很小、目标速度不高时近似可用但遇到T100us、fc35GHz、v200m/s的场景回波在脉冲内部积累的相位差已经超过pi/4匹配滤波输出主瓣会明显变宽。判断是否可忽略的经验法则是2pifdT pi/4即fdT 0.125。如果超过就要把多普勒项放到快时间指数里去仿真或者用多组多普勒匹配滤波器做失配损失补偿。第三个误用是fs取得太紧。复基带仿真可以选fs2B但窗函数设计一般假设过采样率足够。fs2B时压缩主瓣会比较接近理论形状但要精确测量主瓣宽度和旁瓣电平最好让fs保持4倍带宽以上。另外当你在噪声环境中测试检测性能时过采样率不同FFT的分辨带宽也不同比较输入输出信噪比时要用相同噪声带宽对齐。第四个误用是目标距离超过最大不模糊距离。PRI100us时最大不模糊距离为c*PRI/215km。如果距离是20km回波延迟133us会折叠到33us位置也就是100us的剩余时间目标被错误地判为4.95km。多数仿真脚本里没有范围检测一旦目标超出PRI就会得到一个完全错误的“近距目标”。解决方法是做中频采样后再加时延取模或者在目标构造阶段直接抛弃超过不模糊距离的目标并打印警告。第4章脚本已经包含了最后一条。5. 仿真结果的可信度检查距离反查、分辨率极限与多普勒验证5.1 用预设距离反查峰值索引匹配滤波输出峰值所在索引应该和预设距离换算出的采样点加上滤波器长度一致。代码里加一段自动核对expected_bin round(2 * R(1) / c * fs) N; [~, actual_bin] max(abs(pc)); fprintf(期望距离单元: %d, 实际峰值单元: %d, 偏差: %d\n, ... expected_bin, actual_bin, actual_bin - expected_bin);如果代码的加窗、延迟和补零都正确偏差应该是0或1。偏差大于1通常出现在三个地方时间轴从0开始但下标从1开始目标回波被分配到了错误的段Nfft取太小导致折叠。把这段核对放进仿真函数每次改参数后都跑一遍可以有效避免肉眼观察带来的误判。5.2 用带宽变化验证距离分辨率的物理极限把B从100MHz提高到200MHz保持其他参数不变观察两个相距0.8米的合成目标是否可分。理论上100MHz距离分辨率1.5米0.8米必然叠成一个峰200MHz分辨率0.75米0.8米刚刚分开。这个对照实验能验证你脚本里的距离单元间隔到底是否等于c/(2fs)。距离单元间隔和分辨率是两个概念采样率决定距离单元的粒度带宽决定可分辨的物理极限。如果fs200MHz距离单元间隔为0.75米比分辨率1.5米更细所以可以观察到脉冲压缩主瓣拐点。如果fs取得很低比如fs50MHz距离单元间隔3米即使带宽100MHz也无法在输出上分辨1.5米的目标因为采样本身已经粗糙。5.3 利用多普勒频移反向推估速度构造一个速度已知的目标把多普勒项加进回波再对比慢时间维FFT的峰值位置与fd2vfc/c的换算关系。对慢时间维做一次FFT后峰值索引对应多普勒频率再除以2fc/c就能得到估计速度。这个验证能同时检查回波模型里多普勒项的正负号和幅度是否正确。如果你在慢时间维看到速度峰值偏移但快时间压缩后的距离门没动说明目标速度较低多普勒对脉冲压缩的失配影响可以忽略如果距离门也偏了那就说明fd*T已经超过pi/4需要按第4章提到的方式补偿。最后一个进阶方向是把这一整套脚本打包成函数输入目标参数表、波形参数和噪声底输出压缩数据和峰值列表。这样后续做CFAR检测、多目标跟踪或SAR成像时可以直接复用回波生成和脉冲压缩两段逻辑不用每次重新调试。把上面的检查脚本写进函数内部每次改参数后自动跑一遍比盯着峰值图猜结果可靠得多。本文还有配套的精品资源点击获取 线性调频脉冲压缩雷达仿真：从波形生成到多目标检测
简介这是一份面向雷达信号处理学习者与相关工程技术人员的Matlab仿真小工具聚焦线性调频脉冲、脉冲雷达与脉冲压缩技术解决在距离分辨率优化中“如何通过匹配滤波将宽脉冲压缩为窄脉冲”的仿真验证需求。资源包内共2个文件均为.m脚本整体体积仅2KB小巧轻量适合作为课程实验或算法演示的快速运行代码。两个脚本覆盖信号生成、匹配滤波器设计、卷积压缩与可视化等主要环节可用于LFM信号参数调整、比较不同脉宽/带宽下的压缩效果以及观察距离谱与信噪比变化。目前已有414人学习下载可作为理解雷达脉冲压缩原理、开展Matlab仿真验证的入门参考资料。1. 为什么线性调频脉冲是雷达信号处理仿真里最容易踩坑的起点雷达信号处理仿真的第一个门槛不是采样率也不是FFT的写法而是对线性调频脉冲背后那一整套“发出去、弹回来、压出来”关系的理解。线性调频脉冲LFM同时拉大了时宽和带宽让雷达在脉冲宽度内获得高能量又能用脉冲压缩把距离分辨率做到1/B的量级。可一旦真的打开仿真你会发现峰值位置、旁瓣电平和窗函数都在互相牵制主瓣压得越窄旁瓣越容易抬起来旁瓣压下去了主瓣又变宽。下面从LFM的参数选择、回波建模、匹配滤波到多目标检测按一整套可复现的流程讲完并针对“处理完数据但不知道对不对”的常见困境给出自检方法。这篇内容适合正在写课程设计、预研脚本或第一次接触脉冲压缩的同学对已经写过雷达仿真代码的人也能补充一些容易忽略的边界条件。2. 用MATLAB搭雷达信号处理仿真的最小闭环LFM波形生成与回波叠加2.1 线性调频脉冲的参数表与量纲关系先摆参数比直接写代码更重要。很多脚本跑出来波形像那么回事换成场景就崩问题几乎都出在参数之间没有量纲关系。下面这个表是常用的一个参考场景后文所有代码都沿用这套取值。参数符号单位示例值影响载频fcGHz10决定波长和多普勒换算脉冲宽度Tus10与带宽一起决定调频斜率kB/T带宽BMHz100决定距离分辨率c/(2B)采样率fsMHz200快时间维采样必须覆盖信号带宽脉冲重复周期PRIus100决定最大不模糊距离和最大多普勒调频斜率kMHz/us10正负决定上/下扫频方向用上面参数可以马上算出几个关键量。距离分辨率等于c/(2B)代进B100MHz得到1.5米这意味着两个目标距离差小于1.5米时压缩后波形基本合在一起。时宽带宽积TB1000这是匹配滤波可以得到约30dB相干处理增益的来源。这里多说一句很多雷达信号处理仿真教程把载频省略掉只对复基带操作这没有错但一旦要验证多普勒频移还是在复基带上按fd2v*fc/c计算因为多普勒正比于载频fc省略之后速度换算就不对了。有了这些约束再谈波形的生成就不会跑偏。实际工程里发射波形通常是实信号但仿真中只要保留复包络的幅度和相位就可以在基带上完成延迟、多普勒和匹配滤波操作最后需要输出实信号时用cos(2pifc*tphi)还原即可。2.1.1 复基带LFM的数学形式复基带线性调频信号一般写成s(t) exp(j * pi * k * t^2)其中t的取值范围是0到T。这里有一个新手最容易忽略的细节相位项里的系数是pik不是2pik。写成2pikt^2虽然也能压缩出峰值但带宽和扫频速率会差整整一倍而且频谱范围对不上你预设的B。工程上还有一种写法是s(t)exp(j * pi * k * t^2)和上面等价但有些资料把瞬时角频率写作2pikt这时k的定义就变成了B/T两种写法不要混用。我们统一用上面这个定义kB/T瞬时角频率为2pikt瞬时频率为k*t扫频范围从0到B。2.2 复基带LFM信号的MATLAB最小生成代码MATLAB里生成LFM脉冲的最小代码只需要几行。下面这段是完整可运行的参数沿用前面的表。c 3e8; fc 10e9; T 10e-6; B 100e6; fs 200e6; k B / T; % 一个脉冲宽度内的采样点数和时间轴 N round(T * fs); t (0 : N - 1) / fs; % 复基带线性调频信号 lfm exp(1j * pi * k * t.^2); figure subplot(2,1,1) plot(t*1e6, real(lfm)) xlabel(时间/us); ylabel(实部) title(LFM复基带波形实部) subplot(2,1,2) plot(t*1e6, unwrap(angle(lfm))) xlabel(时间/us); ylabel(相位/rad) title(LFM相位变化)代码先说清楚三个参数。时间向量t的长度N等于T*fs也就是2000个点。fs取200MHz正好是B的两倍满足对复基带信号的奈奎斯特采样要求。如果你直接对实带通信号做仿真采样率不能按2B来因为还有载频项一般要按带通采样定理选更高频率。这里只做复包络所以fs2B是最小的稳妥值实际可以再留一点过采样余量。lfm的实数部分画出来是一条振荡频率逐渐变化的曲线相位画出来是一条抛物线。抛物线的二阶导数正是2pik它代表瞬时频率的斜率。这个相位是匹配滤波在共轭相乘之后把二次相位项抵消成常数的基础。所以生成LFM时不要为了省事而只保存幅度也不要直接用cos生成实信号后丢掉相位这两个做法都会让脉冲压缩完全失效。2.3 回波模型延迟、幅度与多普勒叠加在脉冲雷达里一次脉冲的接收窗往往比脉冲本身长得多。为了模拟一个完整快时间维向量我们先构造接收窗再把发射信号按目标延迟放进去。假设三个目标距离分别为3km、3.15km和4km速度分别为0、50m/s和0幅度分别为1、0.5和0.8。对应代码PRI 100e-6; N_total round(PRI * fs); rx zeros(1, N_total); % 目标参数 R [3000, 3150, 4000]; v [0, 50, 0]; A [1, 0.5, 0.8]; tt (0 : N_total - 1) / fs; for m 1:length(R) tau 2 * R(m) / c; % 时延 fd 2 * fc * v(m) / c; % 多普勒频移 idx round(tau * fs) 1; % 对应采样点 seg idx : idx N - 1; if seg(end) N_total warning(目标距离超过不模糊距离已忽略目标%d, m); continue; end rx(seg) rx(seg) A(m) * exp(1j * pi * k * ((seg-1)/fs - tau).^2) ... .* exp(1j * 2 * pi * fd * (seg-1)/fs); end这段代码的本质是“发射信号复制、平移到延迟时间、乘以多普勒相位旋转”。注意idx round(tau*fs)1这一步MATLAB的数组下标从1开始而时间0对应下标1所以要先加1再取片段。多普勒项exp(1j2pifdt)直接乘在时间轴上表示目标回波在相参处理间隔内累积的相位。对于慢速目标可以认为在一个脉冲宽度内多普勒相位近似不变所以也可以把这个相位因数提到exp(1jpik*(t-tau).^2)外面。这里还有一个工程上常见的取舍如果你只做单脉冲快时间处理多普勒对脉冲压缩的影响体现为小量失配如果做大时间带宽积或高速目标多普勒会让回波与匹配滤波器之间产生额外的线性相位导致峰值位置偏移和幅度下降。这个现象会在后面章节的失配分析里继续讨论。3. 脉冲压缩的实现路径FFT频域匹配滤波、窗函数与失配损耗3.1 为什么选择频域匹配滤波而不是时域卷积脉冲压缩本质上是让接收回波和发射信号的共轭反转做卷积等价于求回波与发射信号的相关。时域卷积复杂度是O(N*M)当采样点从几千涨到几百万时用FFT做完乘法再IFFT回来是唯一实用的方案。频域匹配滤波器的传递函数为H(f)conj(S(f))这里S(f)是发射信号频谱。回波经过滤波器后输出频谱为X(f)*conj(S(f))时域就是原始LFM自相关函数的主瓣。这里必须注意循环卷积和线性卷积的区别。MATLAB的fft默认做循环卷积如果直接ifft(fft(rx).*conj(fft(lfm)))而rx和lfm长度不等循环卷积会把本该卷到后面的成分折叠到头上来造成虚假目标。正确做法是把两个序列补零到至少NM-1的长度再取2的幂加速计算。补零之后FFT算出来的是对应长度为Nfft的循环卷积因为已经留出足够空间等价于线性卷积。假设rx长度是20000lfm长度是2000线性卷积长度为21999Nfft取2的15次方等于32768比21999大足够。多出来的部分在IFFT之后直接丢弃只保留前N_total个采样点作为快时间输出因为目标回波被包含在这个范围内。3.2 用FFT实现匹配滤波并对比加窗效果的MATLAB代码下面这段代码把上面生成的rx作为输入构造无窗匹配滤波器和加汉明窗匹配滤波器输出两套脉冲压缩结果。N_echo length(rx); N_ref length(lfm); Nfft 2^nextpow2(N_echo N_ref - 1); % 无窗匹配滤波器 mf_raw conj(fliplr(lfm)); y_raw ifft(fft(rx, Nfft) .* fft(mf_raw, Nfft)); y_raw y_raw(1:N_echo); % 加窗匹配滤波器 w hamming(N_ref, periodic).; mf_win conj(fliplr(lfm .* w)); y_win ifft(fft(rx, Nfft) .* fft(mf_win, Nfft)); y_win y_win(1:N_echo); figure subplot(2,1,1) plot(tt*1e6, 20*log10(abs(y_raw)/max(abs(y_raw)))) ylim([-60 0]) xlabel(时间/us); ylabel(归一化幅度/dB) title(无窗脉冲压缩输出) grid on subplot(2,1,2) plot(tt*1e6, 20*log10(abs(y_win)/max(abs(y_win)))) ylim([-60 0]) xlabel(时间/us); ylabel(归一化幅度/dB) title(汉明窗脉冲压缩输出) grid on这里有两处关键逻辑。第一匹配滤波器的时域系数conj(fliplr(lfm))表示对发射信号做共轭并时间反转。对LFM来说共轭会翻转二次相位的符号时间反转则保证卷积后相位中的线性项能对齐。第二加窗操作加在生成匹配滤波系数之前也就是对发射信号副本加窗而不是对接收信号加窗。这样可以防止窗函数改变接收信号的噪声包络同时仍然能压低距离旁瓣。Nfft 2^nextpow2(N_echoN_ref-1)这行是必须的。若Nfft小于这个值补零不足循环卷积会把滤波器后部折叠回前部若Nfft取2的幂只是补到更大的长度后部多出的点仅是零填充不影响结果。MATLAB的fft会自动补零到指定长度所以代码里不需要手动扩零但长度参数必须按上面这样算。3.3 窗函数对比表主瓣宽度、旁瓣电平和失配损耗不同的窗函数对应不同的距离旁瓣折中。表里列出工程上常用的几类失配损耗以匹配滤波输出的峰值信噪比损失来估算。窗类型第一旁瓣/dB主瓣展宽失配损耗/dB典型场景矩形窗-13.31.000理论最窄旁瓣过高汉明窗-431.501.34通用均衡性最好汉宁窗-31.52.001.80旁瓣衰减更快主瓣较宽布莱克曼窗-582.602.60极低旁瓣近距离弱目标检测泰勒窗-35~-501.10~1.500.7~1.5可控制等副瓣数量雷达最常用把表里三列放在一起看能看出一个明确规律旁瓣压得越低主瓣越宽失配损耗越大。矩形窗的主瓣最窄但第一旁瓣只有-13.3dB如果场景里有强目标强目标旁边弱目标的峰值会被旁瓣淹没。汉明窗和泰勒窗是雷达仿真里最常选的两个折中方案。泰勒窗可以通过参数nbar控制前几个旁瓣的电平一致程度但它的设计依赖连续孔径理论工程实现时要查表或数值计算代码里不如汉明窗直观。失配损耗不是固定不变的它随脉冲压缩输出信噪比的定义方式略有差异。上表里的数值适用于把窗函数乘在匹配滤波系数上、接收信号不加窗的实现方式。如果你在两个信号上同时加窗失配损耗会更大而且会改变接收端噪声的统计特性所以实战中我一般不建议“两边都加窗”的写法。3.4 压缩增益与系统级信噪比粗算在理想高斯白噪声背景下匹配滤波器输出的峰值信噪比增益等于信号能量与噪声功率谱密度之比。对LFM脉冲信号能量正比于TB所以相干压缩增益约等于10log10(T*B)。回到之前的例子T10us、B100MHzT*B1000压缩增益约30dB。加汉明窗后扣掉1.34dB失配损耗净增益约28.7dB。如果接收机前端输入的单脉冲信噪比是-10dB那么压缩后峰值信噪比变为18.7dB这对单次检测已经足够明显。这个粗算没有把FFT本身的计算增益单独列出来因为它已经包含在匹配滤波的相干累积里。要验证这个数字可以在时域里给rx叠加高斯白噪声然后对比脉冲压缩前后目标所在距离单元的信噪比差值应该接近30dB而不会是其他值。4. 多目标场景的雷达信号仿真从回波叠加到峰值判读4.1 一个完整的快时间维仿真脚本骨架在第2章和第3章的基础上把多目标回波、匹配滤波和峰值提取合并成一个可复用的脚本。这样改参数就能看到不同目标场景的压缩结果。c 3e8; fc 10e9; fs 200e6; T 10e-6; B 100e6; k B / T; PRI 100e-6; N round(T * fs); N_total round(PRI * fs); tt (0 : N_total - 1) / fs; lfm exp(1j * pi * k * ((0:N-1)/fs).^2); % 目标列表距离、速度、幅度 R [3000, 3150, 4000, 6000]; v [0, 50, 0, -20]; A [1, 0.5, 0.8, 0.3]; rx zeros(1, N_total); for m 1:length(R) tau 2 * R(m) / c; fd 2 * fc * v(m) / c; idx round(tau * fs) 1; seg idx : idx N - 1; if seg(end) N_total continue end rx(seg) rx(seg) A(m) * exp(1j * pi * k * ((seg-1)/fs - tau).^2) ... .* exp(1j * 2 * pi * fd * (seg-1)/fs); end Nfft 2^nextpow2(N_total N - 1); mf conj(fliplr(lfm .* hamming(N, periodic).)); pc ifft(fft(rx, Nfft) .* fft(mf, Nfft)); pc pc(1:N_total);这个脚本把发射波形、回波叠加和频域脉冲压缩串成一条线。目标列表中第2个目标的距离是3150米与第1个目标相差150米远大于距离分辨率1.5米所以压缩之后应该出现两个清晰的峰值。第4个目标速度是-20m/s表示远离雷达它的多普勒为负值。如果这批目标需要放到慢时间维做相参积累脚本里必须把rx按脉冲序号扩展出一维形成快时间×慢时间的矩阵否则单脉冲处理只能看到幅度变化看不到速度维度。4.2 目标参数表与压缩结果的判读方法把上面脚本跑完相当于在第1章参数表的三目标场景里加了一个6km的目标。脉冲压缩后的峰值位置需要经过一次固定偏移校正匹配滤波器时域系数长度为N频域乘积等价于线性卷积后峰值在回波时延的基础上又滞后了N-1个采样点。这个滞后不是错误是匹配滤波的固有群延迟距离换算时把它减掉即可。目标距离/km速度/m/s幅度回波时延/us期望峰值采样点压缩后峰值采样点130120约4001600123.15500.521约420162013400.826.7约5334733446-200.340约800110001下面代码定位峰值并换算距离[pks, locs] findpeaks(abs(pc), MinPeakHeight, 0.3 * max(abs(pc))); % 减掉匹配滤波器长度带来的固定迟延 R_est (locs - N) * c / (2 * fs); fprintf(检测到 %d 个目标\n, length(pks)); disp(R_est);findpeaks的MinPeakHeight参数用来排除旁瓣和噪声引起的伪峰。这里取0.3倍最大峰值因为旁瓣经过汉明窗压制后不会超过-43dB噪声也远低于这个电平。但要注意如果目标幅度差异很大弱目标峰值可能低于强目标旁瓣电平此时单一阈值判读会漏检。更稳妥的做法是先根据发射功率和系统噪声底估算最小可检测信噪比把阈值设在噪声底之上若干dB。R_est计算里减掉N是脉冲压缩仿真最容易漏的一步。如果不减3km目标会被误判成4.5km。这个固定迟延和窗函数无关矩形窗和汉明窗都存在只是因为矩形窗输出看起来更尖锐反而更容易让人忽略位置偏移。4.3 四个常见误用与规避方式第一个误用是循环卷积不补零前面已经提过。补零长度不是随便选必须大于N_totalN-1否则输出会出现卷绕目标距离看起来比实际近或远。第二个误用是忽略多普勒对匹配滤波的影响。很多仿真的回波构造只写Aexp(1jpik(t-tau).^2)多普勒项只出现在慢时间维。这在脉冲宽度很小、目标速度不高时近似可用但遇到T100us、fc35GHz、v200m/s的场景回波在脉冲内部积累的相位差已经超过pi/4匹配滤波输出主瓣会明显变宽。判断是否可忽略的经验法则是2pifdT pi/4即fdT 0.125。如果超过就要把多普勒项放到快时间指数里去仿真或者用多组多普勒匹配滤波器做失配损失补偿。第三个误用是fs取得太紧。复基带仿真可以选fs2B但窗函数设计一般假设过采样率足够。fs2B时压缩主瓣会比较接近理论形状但要精确测量主瓣宽度和旁瓣电平最好让fs保持4倍带宽以上。另外当你在噪声环境中测试检测性能时过采样率不同FFT的分辨带宽也不同比较输入输出信噪比时要用相同噪声带宽对齐。第四个误用是目标距离超过最大不模糊距离。PRI100us时最大不模糊距离为c*PRI/215km。如果距离是20km回波延迟133us会折叠到33us位置也就是100us的剩余时间目标被错误地判为4.95km。多数仿真脚本里没有范围检测一旦目标超出PRI就会得到一个完全错误的“近距目标”。解决方法是做中频采样后再加时延取模或者在目标构造阶段直接抛弃超过不模糊距离的目标并打印警告。第4章脚本已经包含了最后一条。5. 仿真结果的可信度检查距离反查、分辨率极限与多普勒验证5.1 用预设距离反查峰值索引匹配滤波输出峰值所在索引应该和预设距离换算出的采样点加上滤波器长度一致。代码里加一段自动核对expected_bin round(2 * R(1) / c * fs) N; [~, actual_bin] max(abs(pc)); fprintf(期望距离单元: %d, 实际峰值单元: %d, 偏差: %d\n, ... expected_bin, actual_bin, actual_bin - expected_bin);如果代码的加窗、延迟和补零都正确偏差应该是0或1。偏差大于1通常出现在三个地方时间轴从0开始但下标从1开始目标回波被分配到了错误的段Nfft取太小导致折叠。把这段核对放进仿真函数每次改参数后都跑一遍可以有效避免肉眼观察带来的误判。5.2 用带宽变化验证距离分辨率的物理极限把B从100MHz提高到200MHz保持其他参数不变观察两个相距0.8米的合成目标是否可分。理论上100MHz距离分辨率1.5米0.8米必然叠成一个峰200MHz分辨率0.75米0.8米刚刚分开。这个对照实验能验证你脚本里的距离单元间隔到底是否等于c/(2fs)。距离单元间隔和分辨率是两个概念采样率决定距离单元的粒度带宽决定可分辨的物理极限。如果fs200MHz距离单元间隔为0.75米比分辨率1.5米更细所以可以观察到脉冲压缩主瓣拐点。如果fs取得很低比如fs50MHz距离单元间隔3米即使带宽100MHz也无法在输出上分辨1.5米的目标因为采样本身已经粗糙。5.3 利用多普勒频移反向推估速度构造一个速度已知的目标把多普勒项加进回波再对比慢时间维FFT的峰值位置与fd2vfc/c的换算关系。对慢时间维做一次FFT后峰值索引对应多普勒频率再除以2fc/c就能得到估计速度。这个验证能同时检查回波模型里多普勒项的正负号和幅度是否正确。如果你在慢时间维看到速度峰值偏移但快时间压缩后的距离门没动说明目标速度较低多普勒对脉冲压缩的失配影响可以忽略如果距离门也偏了那就说明fd*T已经超过pi/4需要按第4章提到的方式补偿。最后一个进阶方向是把这一整套脚本打包成函数输入目标参数表、波形参数和噪声底输出压缩数据和峰值列表。这样后续做CFAR检测、多目标跟踪或SAR成像时可以直接复用回波生成和脉冲压缩两段逻辑不用每次重新调试。把上面的检查脚本写进函数内部每次改参数后自动跑一遍比盯着峰值图猜结果可靠得多。本文还有配套的精品资源点击获取