简介面向雷达与信号处理初学者的线性调频信号处理实例围绕LFM信号展开重点演示其频谱分析、时频分析、点目标回波模拟与脉冲压缩技术。线性调频信号因频率随时间线性变化而具备大带宽特性是雷达脉冲压缩的基础。压缩包内的代码可生成LFM信号绘制梳状频谱并展示时频分布帮助理解瞬时频率与带宽关系随后模拟点目标回波并叠加噪声通过匹配滤波器实现脉冲压缩清晰呈现回波包络从宽脉冲变为窄脉冲的过程。压缩包为rar格式内含1个.m源文件整体仅1KB代码紧凑、无冗余适合课程设计与科研练习。目前已有269人学习浏览可直接运行脚本观察各阶段波形结果快速掌握从信号生成到目标信息提取的完整雷达信号处理链路。1. 雷达距离分辨率的一把钥匙LFM 与脉冲压缩的关系脉冲压缩不是新算法它是雷达领域“用时间换信噪比、用带宽换分辨率”的经典折中。想看清相隔几米的两个目标直接发射窄脉冲最直观但窄脉冲意味着低能量探测距离立刻缩水。LFM线性调频信号用宽脉冲携带大能量再用匹配滤波把能量压回窄脉冲这就是脉冲压缩。这个标题里的几个关键词正好对应一条完整链路先造出 LFM 信号看它的频谱长什么样再模拟点目标回波最后用脉冲压缩把目标“找”出来。适合刚接触雷达信号处理、或者在做 SAR 仿真和车载毫米波雷达算法验证的工程师帮你把底层的信号模型和参数边界一次性理清楚。配合热词里反复出现的“时频分析”和“实时频谱分析”可以这样理解LFM 的频域形态只是静态切片真正体现 LFM 特征的是它在时频平面上那条斜线——这条斜线的斜率就是调频斜率而脉冲压缩的本质就是把这条斜线对齐、积分、压成一个尖峰。下面从信号模型开始全程用 MATLAB 代码给出一套可以直接跑通的最小实现。2. LFM 信号模型、频谱分析与时频斜线2.1 复包络与瞬时频率为什么 LFM 的“线性”是关键LFM 信号在基带的复包络表达式是s(t) exp(1j * pi * K * t^2)其中 K 是调频斜率单位 Hz/s。脉冲宽度为 T 时信号的瞬时频率为f(t) (1/2π) * dφ/dt K * t也就是说频率从-B/2线性扫到B/2带宽 B K*T。所谓“线性调频”指的是频率随时间线性变化而不是相位随时间线性变化。相位是频率的积分随时间按二次方增长所以 LFM 也叫二次相位信号。这个线性关系直接决定了脉冲压缩的效果匹配滤波器的群延迟特性与 LFM 的频率变化方向相反信号的每个频率分量经过滤波器后被“拉齐”到同一时刻从而叠加成窄脉冲。如果改用非线性调频NLFM旁瓣更低但匹配滤波器设计更复杂工程上不如 LFM 加窗实用。2.2 用 FFT 直接观察 LFM 信号频谱的概率密度特征先写一段最小代码生成 LFM 信号并做 FFT观察它的频谱“矩形”特征。%% LFM 基带信号生成与频谱分析 clear; clc; close all; T 10e-6; % 脉冲宽度 10 us B 50e6; % 带宽 50 MHz K B / T; % 调频斜率 5e12 Hz/s Fs 100e6; % 采样率 100 MHz大于 Nyquist 的 50 MHz N round(T * Fs); % 采样点数 t (0:N-1) / Fs - T/2; % 对称时间轴中心在 0 s exp(1j * pi * K * t.^2); % 复包络功率 1 % FFT 频谱这里取 fftshift 看双边谱 S fftshift(fft(s, N)) / N; f_axis (0:N-1) / N * Fs - Fs/2; figure; subplot(2,1,1); plot(t*1e6, real(s), LineWidth, 0.8); xlabel(时间 (us)); ylabel(实部); title(LFM 基带信号实部); grid on; subplot(2,1,2); plot(f_axis/1e6, abs(S)); xlabel(频率 (MHz)); ylabel(幅度谱); title(LFM 频谱); grid on;代码说明对复基带信号做 FFT 时频谱不会出现正负对称的两个峰而是矩形单边带幅度在带宽范围内近似均匀。这正是 LFM 的特点——能量在频带内“平铺”峰值功率低但带宽大。采样率 Fs 至少取 2B 才能保证频谱不混叠这里取 100 MHz 是 B 的两倍刚好满足带通采样要求。fftshift的作用是把零频移到坐标轴中心方便观察双边谱。频谱的矩形外观掩盖了一个细节各频率分量在时间上是先后到达的而不是同时出现。FFT 只能告诉我们有哪些频率成分无法告诉我们什么时间出现了什么频率。这就必须依赖时频分析。2.3 时频分析用 STFT 画出 LFM 的斜线短时傅里叶变换STFT把信号分段做 FFT得到“时间-频率”二维分布。对 LFM 而言STFT 的结果是一条从右下到左上的斜线斜率就是 K。这段代码画出 LFM 的时频图%% LFM 信号的 STFT 时频分析 win_len 256; % 窗长决定时间分辨率 overlap 200; % 相邻帧重叠 [f, tt, p] spectrogram(s, hamming(win_len), overlap, 1024, Fs); figure; imagesc(tt*1e6, f/1e6, 10*log10(abs(p) eps)); axis xy; xlabel(时间 (us)); ylabel(频率 (MHz)); title(LFM 时频图STFT); colorbar; colormap(jet);参数说明spectrogram的核心参数是窗长win_len和重叠点数overlap。窗长决定时频分辨率——窗越长频率分辨率越高但时间分辨率越低两者互斥。本例中 10 us 的脉冲、带宽 50 MHz用 256 点汉明窗对应 2.56 us 的时间窗能在一张图上清晰看到斜线但存在少量模糊。如果目标是要测瞬时频率而不是看趋势可以用更短的窗比如 128 点代价是频率方向会变糊。时频图上那条斜线是理解点目标回波、以及最终脉冲压缩的视觉基础不同频率分量在时间轴上错开接收端等于是看到了一个“被展宽”的回波。脉冲压缩要做的事就是把这条斜线沿着频率轴对折、积分让所有能量在同一个时间点对齐。提示如果只用 FFT 看幅度谱就以为理解了 LFM后面处理多目标时会吃亏——两个距离很接近的目标回波在频域几乎重合必须靠时频相位关系才能区分。这就是为什么标题里把“信号频谱”和“时频分析”并列。3. 点目标回波建模延时、多普勒与噪声叠加3.1 点目标模型一个散射中心等价一整块地物雷达回波建模里“点目标”是最基础的抽象把目标看成没有尺寸、没有姿态的理想散射点回波就是发射信号在时间上的延迟副本乘以幅度系数。实际应用中地面上的建筑物、前方的车辆在距离分辨单元远大于目标尺寸时都可以近似为点目标。SAR 成像里的每个像素本质上就是一个点目标回波在二维匹配滤波后的响应。点目标回波在基带的数学形式是s_r(t) A * s(t - τ) * exp(1j * 2π * f_d * t)其中 τ 是双程延时2R/cf_d 是多普勒频移2v/λA 是幅度因子受电磁波传播衰减和目标反射率影响。场景里还没到 SAR 成像那么复杂通常只需要一个点目标回波做脉冲压缩验证所以可以只考虑一个延时副本。3.2 用 MATLAB 生成点目标回波并与发射信号对比%% 点目标回波生成 R_target 800; % 目标距离 800 m v_target 20; % 目标径向速度 20 m/s c 3e8; % 光速 fc 10e9; % 载频 10 GHzX 波段 % 延时和多普勒 tau 2 * R_target / c; % 5.33 us lambda c / fc; % 0.03 m fd 2 * v_target / lambda; % 约 1333 Hz % 构造回波注意采样位置对齐延时换算成采样点数 n_delay round(tau * Fs); % 回波信号补齐延时 叠加多普勒 numSamples N; t_rx (0:numSamples-1) / Fs; s_rx zeros(1, numSamples); s_full exp(1j * pi * K * (t_rx - T/2).^2); % 全部时间轴的发射信号 if n_delay numSamples s_rx(n_delay1:end) s_full(1:numSamples-n_delay) .* exp(1j*2*pi*fd*t_rx(n_delay1:end)); end % 加上热噪声信噪比 10 dB) SNR_db 10; noise_power mean(abs(s_rx).^2) / (10^(SNR_db/10)); noise sqrt(noise_power/2) * (randn(size(s_rx)) 1j*randn(size(s_rx))); s_rx_noisy s_rx noise; figure; subplot(2,1,1); plot(t_rx*1e6, abs(s_rx_noisy)); xlabel(时间 (us)); ylabel(幅度); title(含噪点目标回波幅度); grid on; subplot(2,1,2); [s_rx_f, trf, prf] spectrogram(s_rx_noisy, hamming(256), 200, 1024, Fs); imagesc(trf*1e6, s_rx_f/1e6, 10*log10(abs(s_rx_f)eps)); axis xy; xlabel(时间 (us)); ylabel(频率 (MHz)); title(回波时频图); colorbar;参数说明n_delay是把延时换算成采样点数的关键步骤如果延时不是采样周期的整数倍会引入量化误差工程上需要用插值或更高采样率来补偿这里先忽略这个细节。多普勒频移直接乘在回波复包络上幅度是 1实际中多普勒调制的是载波频率在基带建模中表现为相位旋转项exp(1j*2π*fd*t)。回波的时频图依然是斜线但比发射信号晚了 τ 秒整条斜线在时间轴上向右平移。若目标有径向速度回波斜线还会在频率方向上下偏移。这个平移量就是脉冲压缩要提取的距离信息。3.3 回波与参考信号的“失配”匹配滤波的切入点发射信号是exp(1jπKt²)回波是它的延时副本。直接对回波做相关运算峰值出现在 τ 处但相关峰的宽度接近脉冲宽度 T 的两倍距离分辨率很差。匹配滤波做的事情是构造一个卷积核使得信号经过它之后的输出在 τ 处出现一个窄得多的主峰。注意匹配滤波器输出的距离分辨率由带宽 B 决定而不是脉冲宽度 T。这一点经常被忽略——脉冲压缩的意义就在于用宽脉冲的能量换取窄脉冲的分辨率。4. 脉冲压缩实现匹配滤波、加窗与参数整定4.1 从卷积到频域共轭相乘匹配滤波原理匹配滤波器的传输函数是发射信号频谱的共轭H(f) S*(f)回波经过匹配滤波器后的输出为s_out(t) IFFT( S_rx(f) * S*(f) )在时域上等价于回波与发射信号的共轭翻转副本做卷积。由于 LFM 频谱近似矩形、相位为二次型匹配滤波后的输出是一个 sinc 函数主瓣宽度约 1/B第一旁瓣高度约 -13.3 dB——这个旁瓣水平对大多数应用来说偏高需要用窗函数压制。4.2 频域脉压实现最小可运行代码%% 频域脉冲压缩 % 参考信号匹配滤波器的冲激响应 发射信号时间翻转取共轭 s_ref conj(fliplr(s_full)); % 频域相乘长度对齐用 NFFT 做快速卷积避免循环卷绕 NFFT 2^nextpow2(numSamples length(s_ref) - 1); S_rx_f fft(s_rx_noisy, NFFT); H_f fft(s_ref, NFFT); s_out ifft(S_rx_f .* H_f, NFFT); % 只取有效部分并换算到距离轴 valid_len numSamples length(s_ref) - 1; s_out s_out(1:valid_len); t_out (0:valid_len-1) / Fs; r_out t_out * c / 2; % 时间转距离 % 归一化到 0 dB 并显示 s_out_db 20*log10(abs(s_out) / max(abs(s_out)) eps); figure; plot(r_out, s_out_db); xlabel(距离 (m)); ylabel(归一化幅度 (dB)); ylim([-60 5]); grid on; title(脉冲压缩输出);代码逻辑fliplr(s_full)得到发射信号的时间翻转版本conj取共轭组合后就是匹配滤波器的时域冲击响应。用NFFT 2^nextpow2(...)是为了让 FFT 长度覆盖卷积后非零部分长度避免循环卷积造成时域混叠。输出中的主峰位置对应的r_out应该接近 800 m这个可以用find(s_out_db max(s_out_db))精确验证。脉冲压缩输出峰值的理论 SNR 增益等于时间带宽积T*B本例中T*B 10e-6 * 50e6 500即约 27 dB。如果时频图看起来正常但脉压峰值不明显优先检查 FFT 长度是否够、参考信号与发射信号是否完全一致、多普勒频移是否过大导致失配。4.3 加窗抑制旁瓣三种常用窗的选型表先看匹配滤波输出旁瓣量级。未加窗时 sinc 函数第一旁瓣 -13.3 dB对强目标会掩盖邻近弱目标。工程通用做法是在匹配滤波前给参考信号或回波加窗但这会以展宽主瓣为代价。下面给出一组常用的函数和参数对比窗函数第一旁瓣(dB)主瓣展宽倍数常用场景矩形不加窗-13.31.0理论分析、旁瓣要求低汉明(Hamming)-42.81.47通用雷达脉压均衡选型汉宁(Hann)-31.51.62频谱泄漏要求高的场合泰勒(Taylor)-30 到 -40 可调1.2-1.4SAR 成像、低旁瓣成像需求布莱克曼(Blackman)-582.0超低旁瓣、主瓣可牺牲加窗的实现只需修改一行win hamming(length(s_ref)).; s_ref_win s_ref .* win;注意加窗要加在参考信号或回波上且两者不可同时加不同窗。工程上常见错误是对回波和参考都加窗导致等效窗变成平方旁瓣进一步降低但主瓣展宽更明显。整定原则是先看目标动态范围如果只需要区分 10 dB 强弱目标Hamming 足够如果在 SAR 成像中要求距离向旁瓣低于 -30 dB、同时尽量保持分辨率优先 Taylor 窗。4.4 距离分辨率与脉压后的主瓣验证距离分辨率公式为ΔR c / (2B)脉冲压缩后主瓣宽度-3 dB 宽度应等于这个值。代码验证方法如下% 计算主瓣 -3dB 宽度 [peak_val, peak_idx] max(abs(s_out)); threshold peak_val / sqrt(2); above_idx find(abs(s_out) threshold); mainlobe_width (above_idx(end) - above_idx(1)) * c / (2 * Fs); fprintf(主瓣宽度约 %.2f m, 理论分辨率 %.2f m\n, mainlobe_width, c/(2*B));这里threshold peak_val / sqrt(2)对应 -3 dB。above_idx找到所有幅度超过该阈值的样本首尾相减就是主瓣宽度。如果实测值与理论值偏差超过 10%优先检查是否存在多普勒失配或采样率是否刚好卡在 2B 边界。5. 多目标分辨、多普勒失配与去斜处理的进阶甄别5.1 两个点目标的最小可分辨距离实验用两个距离相差 5 m 的点目标做脉冲压缩就可以直接验证距离分辨率。假设一个目标在 800 m另一个在 805 m双程延时相差约 33 ns对应的采样点数在 100 MHz 下方才 3~4 个点。构造回波并做脉压后如果主瓣能分离出两个峰说明实际系统分辨率足够反之需要增加带宽。这个实验同时暴露了一个常见陷阱关在调整采样率时只要采样间隔大于双程延时差两个目标就不可能被分辨这和窗函数无关。5.2 多普勒失配的量化峰值损失与脉压退化当目标速度较大时回波的多普勒频移不再可以忽略。匹配滤波器是基于发射信号设计的如果回波频率整体偏移了 f_d滤波器输出峰值下降旁瓣不对称升高。可以用下面的公式估算fd_norm fd / (B / T); % 归一化多普勒 loss 20*log10(abs(sinc( T * fd )));例如 X 波段10 GHz目标速度 100 m/s 时f_d 6667 HzT 10 us归一化多普勒约 0.13峰值损失约 0.5 dB——这个量级基本可以忽略。但如果 T*B 增大百米级时的 f_d 近似失配会明显。解决办法是分段块多普勒处理或运动补偿。这个损耗公式对实际系统设计非常有用可以用来判断是否需要对回波先做多普勒补偿再做脉压。5.3 去斜处理Stretch在大时宽带宽积下的采样率优势当 B 非常大如 1 GHz 以上或者需要实时处理时直接用 2B 的采样率采集回波代价极高。工程上是另一种脉压实现路线——去斜处理Dechirp。去斜的原理是让回波与参考信号共轭相乘s_dechirp s_rx .* conj(s_ref); freq_peak fft(s_dechirp); % 峰值频率与延时成正比f -K * tau频差与延时一一对应因此用远低于 2B 的采样率就能完成脉压。这就是标题外延的部分LFM 脉压不只是频域匹配滤波一条路去斜在 SAR 和宽带雷达里更主流。这段代码的核心是“重复采样率由带宽 B 决定的频域处理思路在去斜后被换成由目标场景范围决定的差频带宽通常是几百 kHz 的量级”。验证各方法一致性的一种方案是对同一回波分别做频域匹配滤波和去斜处理对比两者峰值位置在多目标场景下是否一致。理论上它们应当等价但在多目标时去斜的非线性混合同样会产生虚假峰需要用抗混叠滤波或多级去斜来规避。这个验证可以当作题主在本地复现整个 .rar 代码包后的收尾测试。本文还有配套的精品资源点击获取 LFM脉冲压缩的时频分析与MATLAB雷达信号仿真
简介面向雷达与信号处理初学者的线性调频信号处理实例围绕LFM信号展开重点演示其频谱分析、时频分析、点目标回波模拟与脉冲压缩技术。线性调频信号因频率随时间线性变化而具备大带宽特性是雷达脉冲压缩的基础。压缩包内的代码可生成LFM信号绘制梳状频谱并展示时频分布帮助理解瞬时频率与带宽关系随后模拟点目标回波并叠加噪声通过匹配滤波器实现脉冲压缩清晰呈现回波包络从宽脉冲变为窄脉冲的过程。压缩包为rar格式内含1个.m源文件整体仅1KB代码紧凑、无冗余适合课程设计与科研练习。目前已有269人学习浏览可直接运行脚本观察各阶段波形结果快速掌握从信号生成到目标信息提取的完整雷达信号处理链路。1. 雷达距离分辨率的一把钥匙LFM 与脉冲压缩的关系脉冲压缩不是新算法它是雷达领域“用时间换信噪比、用带宽换分辨率”的经典折中。想看清相隔几米的两个目标直接发射窄脉冲最直观但窄脉冲意味着低能量探测距离立刻缩水。LFM线性调频信号用宽脉冲携带大能量再用匹配滤波把能量压回窄脉冲这就是脉冲压缩。这个标题里的几个关键词正好对应一条完整链路先造出 LFM 信号看它的频谱长什么样再模拟点目标回波最后用脉冲压缩把目标“找”出来。适合刚接触雷达信号处理、或者在做 SAR 仿真和车载毫米波雷达算法验证的工程师帮你把底层的信号模型和参数边界一次性理清楚。配合热词里反复出现的“时频分析”和“实时频谱分析”可以这样理解LFM 的频域形态只是静态切片真正体现 LFM 特征的是它在时频平面上那条斜线——这条斜线的斜率就是调频斜率而脉冲压缩的本质就是把这条斜线对齐、积分、压成一个尖峰。下面从信号模型开始全程用 MATLAB 代码给出一套可以直接跑通的最小实现。2. LFM 信号模型、频谱分析与时频斜线2.1 复包络与瞬时频率为什么 LFM 的“线性”是关键LFM 信号在基带的复包络表达式是s(t) exp(1j * pi * K * t^2)其中 K 是调频斜率单位 Hz/s。脉冲宽度为 T 时信号的瞬时频率为f(t) (1/2π) * dφ/dt K * t也就是说频率从-B/2线性扫到B/2带宽 B K*T。所谓“线性调频”指的是频率随时间线性变化而不是相位随时间线性变化。相位是频率的积分随时间按二次方增长所以 LFM 也叫二次相位信号。这个线性关系直接决定了脉冲压缩的效果匹配滤波器的群延迟特性与 LFM 的频率变化方向相反信号的每个频率分量经过滤波器后被“拉齐”到同一时刻从而叠加成窄脉冲。如果改用非线性调频NLFM旁瓣更低但匹配滤波器设计更复杂工程上不如 LFM 加窗实用。2.2 用 FFT 直接观察 LFM 信号频谱的概率密度特征先写一段最小代码生成 LFM 信号并做 FFT观察它的频谱“矩形”特征。%% LFM 基带信号生成与频谱分析 clear; clc; close all; T 10e-6; % 脉冲宽度 10 us B 50e6; % 带宽 50 MHz K B / T; % 调频斜率 5e12 Hz/s Fs 100e6; % 采样率 100 MHz大于 Nyquist 的 50 MHz N round(T * Fs); % 采样点数 t (0:N-1) / Fs - T/2; % 对称时间轴中心在 0 s exp(1j * pi * K * t.^2); % 复包络功率 1 % FFT 频谱这里取 fftshift 看双边谱 S fftshift(fft(s, N)) / N; f_axis (0:N-1) / N * Fs - Fs/2; figure; subplot(2,1,1); plot(t*1e6, real(s), LineWidth, 0.8); xlabel(时间 (us)); ylabel(实部); title(LFM 基带信号实部); grid on; subplot(2,1,2); plot(f_axis/1e6, abs(S)); xlabel(频率 (MHz)); ylabel(幅度谱); title(LFM 频谱); grid on;代码说明对复基带信号做 FFT 时频谱不会出现正负对称的两个峰而是矩形单边带幅度在带宽范围内近似均匀。这正是 LFM 的特点——能量在频带内“平铺”峰值功率低但带宽大。采样率 Fs 至少取 2B 才能保证频谱不混叠这里取 100 MHz 是 B 的两倍刚好满足带通采样要求。fftshift的作用是把零频移到坐标轴中心方便观察双边谱。频谱的矩形外观掩盖了一个细节各频率分量在时间上是先后到达的而不是同时出现。FFT 只能告诉我们有哪些频率成分无法告诉我们什么时间出现了什么频率。这就必须依赖时频分析。2.3 时频分析用 STFT 画出 LFM 的斜线短时傅里叶变换STFT把信号分段做 FFT得到“时间-频率”二维分布。对 LFM 而言STFT 的结果是一条从右下到左上的斜线斜率就是 K。这段代码画出 LFM 的时频图%% LFM 信号的 STFT 时频分析 win_len 256; % 窗长决定时间分辨率 overlap 200; % 相邻帧重叠 [f, tt, p] spectrogram(s, hamming(win_len), overlap, 1024, Fs); figure; imagesc(tt*1e6, f/1e6, 10*log10(abs(p) eps)); axis xy; xlabel(时间 (us)); ylabel(频率 (MHz)); title(LFM 时频图STFT); colorbar; colormap(jet);参数说明spectrogram的核心参数是窗长win_len和重叠点数overlap。窗长决定时频分辨率——窗越长频率分辨率越高但时间分辨率越低两者互斥。本例中 10 us 的脉冲、带宽 50 MHz用 256 点汉明窗对应 2.56 us 的时间窗能在一张图上清晰看到斜线但存在少量模糊。如果目标是要测瞬时频率而不是看趋势可以用更短的窗比如 128 点代价是频率方向会变糊。时频图上那条斜线是理解点目标回波、以及最终脉冲压缩的视觉基础不同频率分量在时间轴上错开接收端等于是看到了一个“被展宽”的回波。脉冲压缩要做的事就是把这条斜线沿着频率轴对折、积分让所有能量在同一个时间点对齐。提示如果只用 FFT 看幅度谱就以为理解了 LFM后面处理多目标时会吃亏——两个距离很接近的目标回波在频域几乎重合必须靠时频相位关系才能区分。这就是为什么标题里把“信号频谱”和“时频分析”并列。3. 点目标回波建模延时、多普勒与噪声叠加3.1 点目标模型一个散射中心等价一整块地物雷达回波建模里“点目标”是最基础的抽象把目标看成没有尺寸、没有姿态的理想散射点回波就是发射信号在时间上的延迟副本乘以幅度系数。实际应用中地面上的建筑物、前方的车辆在距离分辨单元远大于目标尺寸时都可以近似为点目标。SAR 成像里的每个像素本质上就是一个点目标回波在二维匹配滤波后的响应。点目标回波在基带的数学形式是s_r(t) A * s(t - τ) * exp(1j * 2π * f_d * t)其中 τ 是双程延时2R/cf_d 是多普勒频移2v/λA 是幅度因子受电磁波传播衰减和目标反射率影响。场景里还没到 SAR 成像那么复杂通常只需要一个点目标回波做脉冲压缩验证所以可以只考虑一个延时副本。3.2 用 MATLAB 生成点目标回波并与发射信号对比%% 点目标回波生成 R_target 800; % 目标距离 800 m v_target 20; % 目标径向速度 20 m/s c 3e8; % 光速 fc 10e9; % 载频 10 GHzX 波段 % 延时和多普勒 tau 2 * R_target / c; % 5.33 us lambda c / fc; % 0.03 m fd 2 * v_target / lambda; % 约 1333 Hz % 构造回波注意采样位置对齐延时换算成采样点数 n_delay round(tau * Fs); % 回波信号补齐延时 叠加多普勒 numSamples N; t_rx (0:numSamples-1) / Fs; s_rx zeros(1, numSamples); s_full exp(1j * pi * K * (t_rx - T/2).^2); % 全部时间轴的发射信号 if n_delay numSamples s_rx(n_delay1:end) s_full(1:numSamples-n_delay) .* exp(1j*2*pi*fd*t_rx(n_delay1:end)); end % 加上热噪声信噪比 10 dB) SNR_db 10; noise_power mean(abs(s_rx).^2) / (10^(SNR_db/10)); noise sqrt(noise_power/2) * (randn(size(s_rx)) 1j*randn(size(s_rx))); s_rx_noisy s_rx noise; figure; subplot(2,1,1); plot(t_rx*1e6, abs(s_rx_noisy)); xlabel(时间 (us)); ylabel(幅度); title(含噪点目标回波幅度); grid on; subplot(2,1,2); [s_rx_f, trf, prf] spectrogram(s_rx_noisy, hamming(256), 200, 1024, Fs); imagesc(trf*1e6, s_rx_f/1e6, 10*log10(abs(s_rx_f)eps)); axis xy; xlabel(时间 (us)); ylabel(频率 (MHz)); title(回波时频图); colorbar;参数说明n_delay是把延时换算成采样点数的关键步骤如果延时不是采样周期的整数倍会引入量化误差工程上需要用插值或更高采样率来补偿这里先忽略这个细节。多普勒频移直接乘在回波复包络上幅度是 1实际中多普勒调制的是载波频率在基带建模中表现为相位旋转项exp(1j*2π*fd*t)。回波的时频图依然是斜线但比发射信号晚了 τ 秒整条斜线在时间轴上向右平移。若目标有径向速度回波斜线还会在频率方向上下偏移。这个平移量就是脉冲压缩要提取的距离信息。3.3 回波与参考信号的“失配”匹配滤波的切入点发射信号是exp(1jπKt²)回波是它的延时副本。直接对回波做相关运算峰值出现在 τ 处但相关峰的宽度接近脉冲宽度 T 的两倍距离分辨率很差。匹配滤波做的事情是构造一个卷积核使得信号经过它之后的输出在 τ 处出现一个窄得多的主峰。注意匹配滤波器输出的距离分辨率由带宽 B 决定而不是脉冲宽度 T。这一点经常被忽略——脉冲压缩的意义就在于用宽脉冲的能量换取窄脉冲的分辨率。4. 脉冲压缩实现匹配滤波、加窗与参数整定4.1 从卷积到频域共轭相乘匹配滤波原理匹配滤波器的传输函数是发射信号频谱的共轭H(f) S*(f)回波经过匹配滤波器后的输出为s_out(t) IFFT( S_rx(f) * S*(f) )在时域上等价于回波与发射信号的共轭翻转副本做卷积。由于 LFM 频谱近似矩形、相位为二次型匹配滤波后的输出是一个 sinc 函数主瓣宽度约 1/B第一旁瓣高度约 -13.3 dB——这个旁瓣水平对大多数应用来说偏高需要用窗函数压制。4.2 频域脉压实现最小可运行代码%% 频域脉冲压缩 % 参考信号匹配滤波器的冲激响应 发射信号时间翻转取共轭 s_ref conj(fliplr(s_full)); % 频域相乘长度对齐用 NFFT 做快速卷积避免循环卷绕 NFFT 2^nextpow2(numSamples length(s_ref) - 1); S_rx_f fft(s_rx_noisy, NFFT); H_f fft(s_ref, NFFT); s_out ifft(S_rx_f .* H_f, NFFT); % 只取有效部分并换算到距离轴 valid_len numSamples length(s_ref) - 1; s_out s_out(1:valid_len); t_out (0:valid_len-1) / Fs; r_out t_out * c / 2; % 时间转距离 % 归一化到 0 dB 并显示 s_out_db 20*log10(abs(s_out) / max(abs(s_out)) eps); figure; plot(r_out, s_out_db); xlabel(距离 (m)); ylabel(归一化幅度 (dB)); ylim([-60 5]); grid on; title(脉冲压缩输出);代码逻辑fliplr(s_full)得到发射信号的时间翻转版本conj取共轭组合后就是匹配滤波器的时域冲击响应。用NFFT 2^nextpow2(...)是为了让 FFT 长度覆盖卷积后非零部分长度避免循环卷积造成时域混叠。输出中的主峰位置对应的r_out应该接近 800 m这个可以用find(s_out_db max(s_out_db))精确验证。脉冲压缩输出峰值的理论 SNR 增益等于时间带宽积T*B本例中T*B 10e-6 * 50e6 500即约 27 dB。如果时频图看起来正常但脉压峰值不明显优先检查 FFT 长度是否够、参考信号与发射信号是否完全一致、多普勒频移是否过大导致失配。4.3 加窗抑制旁瓣三种常用窗的选型表先看匹配滤波输出旁瓣量级。未加窗时 sinc 函数第一旁瓣 -13.3 dB对强目标会掩盖邻近弱目标。工程通用做法是在匹配滤波前给参考信号或回波加窗但这会以展宽主瓣为代价。下面给出一组常用的函数和参数对比窗函数第一旁瓣(dB)主瓣展宽倍数常用场景矩形不加窗-13.31.0理论分析、旁瓣要求低汉明(Hamming)-42.81.47通用雷达脉压均衡选型汉宁(Hann)-31.51.62频谱泄漏要求高的场合泰勒(Taylor)-30 到 -40 可调1.2-1.4SAR 成像、低旁瓣成像需求布莱克曼(Blackman)-582.0超低旁瓣、主瓣可牺牲加窗的实现只需修改一行win hamming(length(s_ref)).; s_ref_win s_ref .* win;注意加窗要加在参考信号或回波上且两者不可同时加不同窗。工程上常见错误是对回波和参考都加窗导致等效窗变成平方旁瓣进一步降低但主瓣展宽更明显。整定原则是先看目标动态范围如果只需要区分 10 dB 强弱目标Hamming 足够如果在 SAR 成像中要求距离向旁瓣低于 -30 dB、同时尽量保持分辨率优先 Taylor 窗。4.4 距离分辨率与脉压后的主瓣验证距离分辨率公式为ΔR c / (2B)脉冲压缩后主瓣宽度-3 dB 宽度应等于这个值。代码验证方法如下% 计算主瓣 -3dB 宽度 [peak_val, peak_idx] max(abs(s_out)); threshold peak_val / sqrt(2); above_idx find(abs(s_out) threshold); mainlobe_width (above_idx(end) - above_idx(1)) * c / (2 * Fs); fprintf(主瓣宽度约 %.2f m, 理论分辨率 %.2f m\n, mainlobe_width, c/(2*B));这里threshold peak_val / sqrt(2)对应 -3 dB。above_idx找到所有幅度超过该阈值的样本首尾相减就是主瓣宽度。如果实测值与理论值偏差超过 10%优先检查是否存在多普勒失配或采样率是否刚好卡在 2B 边界。5. 多目标分辨、多普勒失配与去斜处理的进阶甄别5.1 两个点目标的最小可分辨距离实验用两个距离相差 5 m 的点目标做脉冲压缩就可以直接验证距离分辨率。假设一个目标在 800 m另一个在 805 m双程延时相差约 33 ns对应的采样点数在 100 MHz 下方才 3~4 个点。构造回波并做脉压后如果主瓣能分离出两个峰说明实际系统分辨率足够反之需要增加带宽。这个实验同时暴露了一个常见陷阱关在调整采样率时只要采样间隔大于双程延时差两个目标就不可能被分辨这和窗函数无关。5.2 多普勒失配的量化峰值损失与脉压退化当目标速度较大时回波的多普勒频移不再可以忽略。匹配滤波器是基于发射信号设计的如果回波频率整体偏移了 f_d滤波器输出峰值下降旁瓣不对称升高。可以用下面的公式估算fd_norm fd / (B / T); % 归一化多普勒 loss 20*log10(abs(sinc( T * fd )));例如 X 波段10 GHz目标速度 100 m/s 时f_d 6667 HzT 10 us归一化多普勒约 0.13峰值损失约 0.5 dB——这个量级基本可以忽略。但如果 T*B 增大百米级时的 f_d 近似失配会明显。解决办法是分段块多普勒处理或运动补偿。这个损耗公式对实际系统设计非常有用可以用来判断是否需要对回波先做多普勒补偿再做脉压。5.3 去斜处理Stretch在大时宽带宽积下的采样率优势当 B 非常大如 1 GHz 以上或者需要实时处理时直接用 2B 的采样率采集回波代价极高。工程上是另一种脉压实现路线——去斜处理Dechirp。去斜的原理是让回波与参考信号共轭相乘s_dechirp s_rx .* conj(s_ref); freq_peak fft(s_dechirp); % 峰值频率与延时成正比f -K * tau频差与延时一一对应因此用远低于 2B 的采样率就能完成脉压。这就是标题外延的部分LFM 脉压不只是频域匹配滤波一条路去斜在 SAR 和宽带雷达里更主流。这段代码的核心是“重复采样率由带宽 B 决定的频域处理思路在去斜后被换成由目标场景范围决定的差频带宽通常是几百 kHz 的量级”。验证各方法一致性的一种方案是对同一回波分别做频域匹配滤波和去斜处理对比两者峰值位置在多目标场景下是否一致。理论上它们应当等价但在多目标时去斜的非线性混合同样会产生虚假峰需要用抗混叠滤波或多级去斜来规避。这个验证可以当作题主在本地复现整个 .rar 代码包后的收尾测试。本文还有配套的精品资源点击获取