做雷达信号处理的同学十有八九绕不开LFM线性调频信号和脉冲压缩这对组合。说实话我第一次跑通脉冲压缩仿真的时候看到那个又窄又高的尖峰从一大片展开的回波里冒出来确实挺震撼的。今天这篇就把LFM脉冲压缩从原理到Matlab实现完整过一遍为什么需要脉冲压缩、LFM是怎么做到“又长又宽”还能保持高分辨率、匹配滤波的代码怎么写、加窗怎么做、峰值位置怎么换算距离。适合刚接触雷达信号处理的学生、刚入职的雷达工程师以及所有想把理论公式落地成可运行代码的人。1. 为什么雷达非要“又长又宽”脉冲压缩解决的问题1.1 距离分辨率与探测距离的矛盾先抛一个问题雷达想看得远又想把两个靠得很近的目标分清难点到底在哪看得远意味着发射能量要足够大。在峰值功率受发射机硬件限制的情况下最常用的手段就是加大脉冲宽度让能量在时间上累积这就是我们常说的“长脉冲”。但脉冲一旦拉长了距离分辨率就开始变差。雷达的距离分辨率由式ΔR cτ/2决定τ就是脉冲宽度。举个例子一个10μs的发射脉冲ΔR 3×10^8 × 10×10^-6 / 2 1500米。两个相隔几百米的目标在这个脉宽下根本分不开显示器上就是一坨重叠的大回波。所以矛盾点很明显要探测距离远脉冲就得宽要距离分辨率高脉冲就得窄。“鱼和熊掌不可兼得”一直是早期雷达设计里最让人头疼的问题。脉冲压缩技术就是用来解开这个死结的。1.2 LFM是如何同时满足两者的LFMLinear Frequency Modulation线性调频的核心思路很巧妙把脉冲做宽保证足够的能量同时让脉冲内部的载波频率随时间线性变化。这样一来脉冲内部不同时间位置就对应不同的频率接收端完全可以靠频率信息来区分时间差进而恢复出距离细节。打个比方一支队伍很长一眼望不到头但如果每个队员身上的编号都按顺序递增你只要扫一眼任意一个人的编号就能大致算出他在队伍里的位置。LFM里的“编号”就是频率——频率随时间匀速爬升接收端看到哪个频率就知道回波对应脉冲的哪一段。具体来说假设脉冲宽度是T带宽是B调频斜率K B/T。雷达发射时频率从f0 - B/2线性爬升到f0 B/2这叫up-chirp上扫频反过来叫down-chirp下扫频。回波经过匹配滤波处理后输出脉宽被压缩到约1/B。于是探测距离由大脉宽T决定能量足够看得远距离分辨率由大带宽B决定压缩后脉宽足够窄看得清。这样LFM就同时满足了原本互相矛盾的两个需求。这也是现代雷达里LFM被广泛使用的最根本原因。1.3 时宽带宽积脉冲压缩增益的物理来源关键参数来了时宽带宽积D T×B也叫压缩比或脉冲压缩增益。它衡量的是脉冲被压缩了多少倍。举个例子T 100μsB 10MHz那么D 1000。经过匹配滤波之后信号脉宽从100μs压到0.1μs约等于1/B压缩了1000倍。在接收机噪声受限的前提下输出信噪比大约提升D倍功率意义上。这个增益的物理直觉其实不复杂。匹配滤波器的本质是做相干积累把脉冲内所有采样点的能量在某一时刻叠加到同一个峰上。如果脉冲内有N个独立采样点N ≈ T×fs峰值信噪比就约提升N倍而采样率一般取fs ≥ B所以N ≈ T×B。简单说就是你发了一长串信号匹配滤波把这些信号的能量在时间上“捏”到了一起峰值自然就冒出来了。原理先讲到这儿接下来把公式落到代码上。2. 从公式到波形LFM信号与匹配滤波原理2.1 LFM的数学表达与瞬时频率基带LFM信号的复包络表达式为s(t) rect(t/T) exp(jπKt²)其中K B/T是调频斜率rect是矩形窗函数表示信号仅在[-T/2, T/2]内存在。瞬时频率是相位的导数f_inst(t) (1/2π)·d(πKt²)/dt Kt从t -T/2跑到T/2瞬时频率恰好从-B/2线性上升到B/2。这就是“线性调频”名字的来历频率随时间线性变化波形在时频图上就是一条倾斜直线。注意这里用的是复数基带表达式。实际发射的是实信号Re[s(t)·exp(j2πf0t)]但基带仿真里直接处理复信号就足够了。用复信号的好处在于保存了完整的相位信息而匹配滤波需要用到相位共轭少了相位信息压缩效果会完全不对。2.2 匹配滤波为什么压缩后是sinc函数匹配滤波器的冲激响应是发射信号的共轭时间反转h(t) s*(-t)这个式子的含义是用一段和发射信号“镜像对称”的波形去和回波做卷积。回波x(t) s(t-τ)即发射信号延迟τ后的版本匹配滤波输出为y(t) x(t) * h(t) ∫ x(u)·s*(u-t)du代入x(t) s(t-τ)经过变量代换后可以得到y(t) ∫ s(p)·s*(p τ - t)dp R_s(τ - t)也就是说匹配滤波输出本质上是发射信号的自相关函数峰值出现在t τ处也就是目标回波的真实延迟位置。当s(t)是LFM信号时自相关函数近似为一个sinc函数y(t) ≈ T·sinc(B(t-τ))sinc函数的第一个零点在|t - τ| 1/B处所以压缩后的主瓣宽度约为2/B-3dB宽度约0.886/B。这就是LFM脉冲压缩的基本波形形态。2.3 压缩后的脉宽、旁瓣与分辨率关系压缩后的信号有几个重要性质直接关系到雷达系统的性能指标主瓣宽度与带宽B成反比B越大压缩后主瓣越窄距离分辨率越高旁瓣电平约为-13.2dB这是sinc函数本身的第一旁瓣高度。对于雷达来说这个旁瓣水平太高了可能掩盖附近的小目标或在强目标附近形成“假目标”实际系统中几乎都会对信号加窗处理把旁瓣压下去但代价是主瓣会被展宽约1.3到1.5倍。这些现象在下面Matlab代码里都能直观看到。先看代码怎么写。3. Matlab代码实战从单目标到多目标脉冲压缩3.1 环境准备与仿真参数设计Matlab版本不需要太新R2018之后都能跑。核心命令就是fft、ifft、conv、plot这些基础函数不需要额外装工具箱。如果电脑上还没有Matlab装一个R2020以上版本即可。连基础版都没有的话用GNU Octave跑也完全没问题代码几乎不用改。仿真参数我给一套经充分验证的推荐值大家可以根据自己的场景调整参数符号数值说明脉冲宽度T40 μs决定探测能量与距离信号带宽B5 MHz决定距离分辨率采样频率fs20 MHz4倍过采样留足余量目标1距离R1900 m回波延迟6μs目标2距离R21500 m回波延迟10μs目标3距离R32000 m回波延迟13.33μs光速c3×10^8 m/s电磁波传播速度先用理论算一下分辨率ΔR c/(2B) 3×10^8 / (2×5×10^6) 30m。三个目标间距分别是600m、500m远大于30m理论上能分得很开。如果想测区分能力可以把间距缩到接近30m试试。3.2 生成LFM发射信号先把参数摆出来生成时间轴和发射信号%% 参数设置 c 3e8; % 光速 m/s T 40e-6; % 脉宽 40us B 5e6; % 带宽 5MHz fs 20e6; % 采样频率 20MHz K B / T; % 调频斜率 % 生成时间轴从 -T/2 到 T/2 t -T/2 : 1/fs : T/2 - 1/fs; N length(t); % 采样点数 % LFM基带信号 s_tx exp(1j * pi * K * t.^2);为什么要让时间轴从-T/2到T/2而不是从0到T因为LFM信号的相位πKt²是关于t0对称的只有时间轴关于零点对称产生的信号相位才是关于零点对称的。虽然从0到T也能生成一个可用的LFM但后续推导匹配滤波、理解群延迟关系时容易乱了套。我这里建议一开始就养成对称时间轴的习惯。生成之后最好验证一下频谱确认带宽真的是5MHz% 查看时域波形与幅度谱 f_axis (-N/2 : N/2-1) * fs / N; figure; subplot(2,1,1); plot(t*1e6, real(s_tx)); xlabel(时间 / us); ylabel(幅度); title(LFM信号实部); grid on; subplot(2,1,2); plot(f_axis/1e6, fftshift(abs(fft(s_tx)))); xlabel(频率 / MHz); ylabel(幅度); title(LFM信号的幅度谱); grid on;跑完你会看到频谱大致是矩形带宽从-2.5MHz到2.5MHz宽约5MHz。这就是LFM的典型频谱特征。时域波形则是一个频率从低到高的震荡信号越靠近两端频率越高这是基带情况载频为0。3.3 构造目标回波与系统噪声现在设置三个目标幅度设定为不同值来模拟不同RCS雷达散射截面的目标回波。回波本质就是把发射信号延时、缩放后叠加再加噪声。%% 目标参数 R_targets [900, 1500, 2000]; % 目标距离单位m amp [1, 0.8, 1.2]; % 回波幅度模拟不同RCS delays 2 * R_targets / c; % 双程延迟 delay_samples round(delays * fs); % 延迟对应的采样点数 % 初始化回波信号预留足够长度 N_total N max(delay_samples) 100; s_rx zeros(1, N_total); % 叠加各目标回波 for k 1:length(R_targets) s_rx(delay_samples(k)1 : delay_samples(k)N) ... s_rx(delay_samples(k)1 : delay_samples(k)N) amp(k) * s_tx; end % 加高斯白噪声模拟接收机噪声 SNR_dB 10; % 信噪比10dB signal_power mean(abs(s_tx).^2); noise_power signal_power / (10^(SNR_dB/10)); noise sqrt(noise_power/2) * (randn(1, N_total) 1j*randn(1, N_total)); s_rx s_rx noise;这里有几个细节值得说明。延迟量用双程延迟2R/c因为雷达信号是从发射到反射回来走的是双倍距离这个2倍关系特别容易在初学者代码里漏掉。噪声功率这里用了复信号的处理方式实部虚部各分配一半功率所以噪声幅度的均方差是sqrt(noise_power/2)这个细节如果不注意实际信噪比会差3dB。3.4 匹配滤波的三种实现方式匹配滤波的实现方式有很多种我在不同项目里分别用过下面三种效果一样但适用场景不同。方式一时域卷积最直观%% 方式1时域卷积 h_ref conj(fliplr(s_tx)); % 匹配滤波器冲激响应 y_conv conv(s_rx, h_ref); y_conv y_conv / max(abs(y_conv));这里h_ref的构造逻辑就是匹配滤波器原理中的“共轭时间反转”。fliplr把时间轴翻转conj取共轭两者组合在一起就是s*(-t)的离散形式。这是所有实现方式里最本质、最容易和理论对应的一种缺点是计算量大。当发射信号和回波都很长时conv的计算复杂度是O(NM)会慢得让人着急。方式二频域相乘工程上最常用%% 方式2频域相乘 N_fft length(s_rx) length(h_ref) - 1; % 线性卷积结果长度 nfft 2^nextpow2(N_fft); % 取2的幂加速FFT S_rx fft(s_rx, nfft); H_ref fft(h_ref, nfft); y_freq ifft(S_rx .* H_ref, nfft); y_freq y_freq(1:N_fft); y_freq y_freq / max(abs(y_freq));这段代码的核心依据是“时域卷积等价于频域乘积”。FFT的好处是复杂度O(N log N)处理长序列时的优势是数量级的差距。注意这里nfft必须取到length(s_rx) length(h_ref) - 1否则会发生循环卷积导致的时域混叠我见过不少人在这里栽跟头后面常见问题里细说。方式三直接共轭参考信号最简洁很多论文和资料给的“脉冲压缩”代码其实是这样的%% 方式3直接对发射信号共轭做频域匹配滤波 nfft2 2^nextpow2(length(s_rx) length(s_tx) - 1); Y ifft(fft(s_rx, nfft2) .* conj(fft(s_tx, nfft2)), nfft2);这个写法省去了fliplr这一步利用DFT的性质对信号共轭的FFT等价于对原信号频谱共轭取反转本质上和前面的方式是一致的但峰值位置会有N-1个采样点的偏移。原因是fliplr相当于在时域上补了一个线性相位具体对齐关系我有专门一小节讲。三种方式画出来的压缩波形形态完全一致但初学者很容易被“峰值位置不同”这个问题绕晕我在第4节专门解释。3.5 峰值检测与距离解算压缩完之后关键的一步是找到峰值位置并把它换算成目标距离。沿用方式一的y_conv结果%% 找峰值并换算距离 [~, idx] findpeaks(abs(y_conv), ... MinPeakHeight, 0.3, ... MinPeakDistance, round(0.886*fs/B)); % 关键换算距离N是发射信号长度 t_est (idx - N) / fs; R_est c * t_est / 2; % 打印结果 for k 1:length(R_est) fprintf(检测到目标索引 %d估计距离 %.2f m\n, idx(k), R_est(k)); end为什么这里换算距离时要用idx - N因为卷积输出中匹配滤波器自身的固有延迟恰好等于发射信号采样点数N。也就是说即使目标回波延迟为0目标就在雷达旁边卷积后的峰值也会出现在第N个点而不是第1个点。所以真实的回波延迟应该是峰值索引减去N再除以采样率才是目标回波的时间延迟。这是我踩过最久的一个坑。最初我直接把idx除以fs再乘c/2结果算出来的目标距离整体偏大了许多而且三个目标之间的间距是对的就是整体偏了一个固定值。就是这个固定偏移量让我排查了很久。如果你用方式三的直接共轭写法峰值位置和方式一大约差N-1个采样点换算公式也要相应调整务必先跑一个单目标零延迟的case把offset标定出来再谈数据处理。4. 常见问题与调试技巧4.1 频域实现和时域conv结果对不齐这是初学者最容易纠结的问题。理论上只要nfft长度不小于两个序列长度之和减1频域相乘再ifft的结果就应该与时域conv完全一致。但很多人直接写ifft(fft(s_rx).*conj(fft(s_tx)))这里的fft默认取的是length(s_rx)点结果做循环卷积尾部混叠直接把波形搞乱了。建议的判断方法画图对比y_conv和y_freq的前N_fft个点。如果频域结果的幅度在末尾又冒出来一段“尾巴”说明nfft取小了发生了循环卷积。把nfft补到2^nextpow2(length(s_rx)length(h_ref)-1)再对比两条线就应该完全重合。4.2 脉冲压缩增益的数值验证与误区很多人在仿真里验证增益时喜欢直接看峰值幅度。但这里有个陷阱匹配滤波输出峰值等于信号能量的累积发射信号每个采样点幅度为1时峰值约等于NT×fs。如果fs 20MHzT 40μs那么N 800峰值幅度约800不归一化时。但脉冲压缩的理论增益是T×B 200不是800。差的这4倍来自过采样因子fs/B。正确的验证方法是看信噪比改善分别测量匹配滤波前后信号峰值与噪声标准差的比值两者相除应该接近D T×B。如果你用功率比这个值就是200折合23dB。用幅度比则是sqrt(D) ≈ 14.14。别把峰值幅度直接当作压缩增益否则你会觉得理论对不上。4.3 旁瓣太高怎么办加窗处理sinc函数的旁瓣电平是-13.2dB这个值在雷达里是不可接受的。两个高旁瓣可能会盖住附近的小目标或者造成虚假目标告警。解决办法是加窗常用的有汉明窗、汉宁窗、凯塞窗等。%% 加窗匹配滤波 win hann(N).; h_win conj(fliplr(s_tx .* win)); % 对参考信号加窗 % 频域实现 nfft 2^nextpow2(N_total N - 1); y_win ifft(fft(s_rx, nfft) .* fft(h_win, nfft), nfft); y_win y_win(1:N_totalN-1); y_win y_win / max(abs(y_win));加窗后的效果是第一旁瓣降到-40dB以下但主瓣宽度从理论上1/B展宽到大约1.3/B到1.5/B也就是距离分辨率略变差。这就是经典的“主瓣宽度和旁瓣电平”折中。实际工程里选择哪种窗函数要看你更看重低旁瓣还是高分辨率。我做过对比汉明窗的旁瓣压制和主瓣展宽的平衡性比较适合多数场景凯塞窗可以通过β参数更灵活地调节这个折中。4.4 参数选择时的几个坑根据我跑过的仿真和实测数据这几个参数相关的坑特别常见采样率fs不能小于2B。LFM信号带宽是B如果采样率低于奈奎斯特率频谱会混叠压缩之后波形上会出现“假峰”而且这个假峰的位置还会随参数变化特别迷惑人。建议至少取fs ≥ 4B。噪声的SNR定义要统一。我见过一个项目里有同事把单边功率谱密度当成了总噪声功率又忽略了复信号的3dB结果加出来的噪声比预期高了将近6dB后面很多分析全部偏离。目标距离太远时回波长度会超过N_total。我上面代码里预留了N max(delay_samples) 100但如果目标距离改成几十公里这个长度就不够了回波会被截断压缩结果直接乱掉。外加噪声时每一轮仿真得到的结果都有随机波动这是正常的。我在做多轮蒙特卡洛仿真时发现SNR10dB时峰值位置基本稳定但SNR降到0dB以下时出现峰值偏移的概率会明显增加。4.5 距离解算的标定技巧每次写新的仿真代码时建议先用单目标零延迟做一次标定。具体做法设置R0即delay_samples0回波从第1个采样点开始。跑完匹配滤波后记录峰值索引idx0。这时你会发现idx0恰好等于发射信号长度N使用方式一时。有了这个基准值任意目标的峰值索引idx对应的延迟就是(idx - idx0)/fs。用这个方式去写距离换算比硬记公式更不容易出错。这个方法在我做半实物仿真时也救过场。硬件采集回来的数据存在各种固定延迟线缆延迟、滤波器群延迟、FPGA处理延迟直接用公式算距离总是偏大。后来就是用“放一个已知距离的角反射器反推零位偏移”的办法把系统延迟一次性标定掉后续距离解算才真正准了。代码里的原理和这里完全一样就是标定idx0。5. 扩展从单帧脉冲到多脉冲相参积累脉冲压缩只是雷达信号处理链条里的第一步。做完匹配滤波之后一个完整的雷达处理流程通常还会接着做多普勒处理MTDMoving Target Detection和相参积累。这里简单提一句因为很多读者跑通脉冲压缩后下一步自然就会遇到多脉冲处理的问题。LFM脉冲压缩的输出是一维距离像快时间维而多个脉冲沿慢时间维排列后可以对每个距离单元做FFT提取目标的多普勒频率进而测速。这就是经典的“距离-多普勒”二维处理。仿真的基本思路是外层循环发射多个脉冲每个脉冲经过目标延迟和相位变化多普勒效应体现在慢时间维的相位旋转然后先做脉冲压缩再沿慢时间维做FFT。你会发现脉冲压缩做完后目标的能量被压到某个距离单元里再做多普勒FFT能量又会聚焦到某个多普勒单元里。这种二维聚焦的思路和脉冲压缩的本质是相通的都是对信号进行匹配积累。我给自己的仿真框架里会保留两个接口一个是匹配滤波参考信号h_ref一个是慢时间维的多普勒滤波器组一般是FFT。这样从单脉冲脉冲压缩到多普勒处理代码可以无缝扩展不需要重写核心逻辑。最后再分享一个小技巧。做脉冲压缩仿真时我习惯把“发射信号”“回波”“压缩后结果”三条线画在同一张图上加了噪声之后尤其有用。发射信号是频率爬升的条纹状回波是发射信号的延迟版本压缩后则是几个窄尖峰。每次跑通新参数先别急着看数据眼睛扫一眼这三条曲线的形态对不对很多时候一眼就能发现问题比看数值快得多。时间轴永远是雷达信号处理里最容易搞错的地方画出来是最直接的验证手段。