本文面向雷达信号处理初学者从“雷达发射了什么、接收到了什么、计算机又做了什么”三个问题出发梳理一条完整的数字雷达信号处理链。文末给出一个可直接运行的 MATLAB 仿真生成 LFM 信号、构造多目标回波、加入噪声、完成匹配滤波并估计目标距离。摘要雷达并不是简单地“发射电磁波再判断有没有回波”。在真实系统中微弱的目标回波往往与接收机噪声、地物杂波、旁瓣干扰和其他辐射源混合在一起。雷达信号处理的核心任务是从这些复杂数据中提取目标的距离、速度、角度和运动状态。本文将依次介绍1. 雷达系统的基本组成2. 雷达测距、测速和测角的基本原理3. 从模拟回波到数字检测结果的完整处理流程4. 快时间、慢时间和阵列维三个重要概念5. LFM 脉冲压缩、FFT 多普勒处理和 CFAR 检测的作用6. 一个双目标测距的 MATLAB 端到端仿真。关键词** 雷达信号处理、LFM、脉冲压缩、匹配滤波、距离像、多普勒、CFAR、MATLAB1. 雷达到底在做什么Radar 是 **Radio Detection and Ranging** 的缩写即“无线电探测与测距”。一部典型雷达通过天线向空间发射电磁波。电磁波照射到飞机、车辆、舰船、建筑物或降水粒子后其中一部分能量会被散射回雷达。雷达接收回波并进行信号处理由此判断- **目标是否存在**- **目标距离多远**- **目标运动速度多大**- **目标位于哪个方向**- **目标未来可能运动到哪里。**因此雷达系统通常可以看作两个相互衔接的部分- **雷达前端** 负责产生、放大、发射、接收和下变频电磁信号- **数字信号处理端** 负责滤波、积累、检测、参数估计和目标跟踪。图1 典型雷达信号处理链图 1 给出了一条常见处理链。不同类型的雷达在具体实现上差异很大但基本思想通常是一致的。2. 雷达测距原理2.1 利用传播时延估计距离电磁波在自由空间中的传播速度近似为光速$$c \approx 3\times10^8\ \text{m/s}$$若雷达发射一个脉冲经过时间 $\tau$ 后接收到目标回波电磁波经历的是“雷达到目标再从目标返回雷达”的往返传播过程。因此目标距离为$$R\frac{c\tau}{2}$$公式中的 $1/2$ 非常重要因为传播时延对应的是往返距离 $2R$。图2 脉冲雷达测距原理例如若回波比发射信号晚到达 $20\ \mu s$则目标距离为$$R\frac{3\times10^8\times20\times10^{-6}}{2}3000\ \text{m}$$也就是 3 km。2.2 发射脉冲与接收回波在最理想的情况下目标回波可以看作发射信号的“延迟、衰减和相位旋转版本”$$r(t)\alpha s(t-\tau)e^{j2\pi f_dt}n(t)$$其中- $s(t)$发射信号- $\tau$目标产生的往返时延- $\alpha$传播损耗和目标散射共同形成的复幅度- $f_d$目标运动产生的多普勒频移- $n(t)$接收机噪声及其他干扰。图3 发射脉冲和延迟回波目标距离信息主要体现在回波的**时间延迟**上目标速度信息主要体现在回波的**多普勒频移**上。3. 雷达测速原理当目标相对雷达沿视线方向运动时回波频率会发生变化这就是多普勒效应。对于单基地雷达目标径向速度 $v_r$ 与多普勒频率 $f_d$ 的关系为$$f_d\frac{2v_r}{\lambda}$$因此$$v_r\frac{\lambda f_d}{2}$$其中 $\lambda$ 为雷达工作波长。需要注意的是雷达通常只能直接测得目标的**径向速度**也就是目标速度在“雷达—目标”连线方向上的投影。目标即使高速横向飞行只要径向分量很小多普勒频移也可能很小。工程中常将连续多个脉冲的同一距离单元排列起来在“慢时间”方向进行 FFT从而得到距离—多普勒二维谱。4. 雷达测角原理目标角度通常依赖阵列天线或机械扫描天线获得。以均匀线阵为例当电磁波从不同方向到达阵列时各阵元接收信号之间会产生不同的相位差。通过分析阵元间相位关系可以估计目标的到达方向。常见测角方法包括- 比幅测角- 和差波束单脉冲测角- 数字波束形成 DBF- Capon 波束形成- MUSIC、ESPRIT 等超分辨算法。因此雷达数据通常至少包含三类维度| 数据维度 | 主要物理含义 | 常用处理 ||---|---|---|| 快时间 | 脉冲内部采样主要对应距离 | 匹配滤波、距离 FFT || 慢时间 | 多个脉冲之间的变化主要对应速度 | 多普勒 FFT、MTD || 空间通道 | 不同阵元之间的相位差主要对应角度 | 波束形成、DOA 估计 |这三个维度共同构成了现代数字雷达信号处理的基础。5. 从回波到目标完整数字处理流程下面按照数据流向介绍各模块的作用。5.1 波形产生与发射雷达首先生成待发射波形。常见波形包括- 简单矩形脉冲- 线性调频 LFM 信号- 相位编码信号- FMCW 连续波- OFDM 雷达信号。理想情况下我们希望信号既能携带足够能量又具有较高距离分辨率。单纯缩短脉冲可以提高距离分辨率但会降低发射能量。LFM 信号通过“长脉冲发射 匹配滤波压缩”兼顾了发射能量与距离分辨率因此应用非常广泛。5.2 传播与目标散射信号在传播过程中会受到多种因素影响- 自由空间传播损耗- 大气衰减- 天线方向图- 目标雷达散射截面积 RCS- 多径传播- 地面、海面或气象杂波- 其他雷达和通信系统的干扰。单个理想点目标可简化为一个延迟和衰减后的信号但真实扩展目标往往由多个散射中心共同构成。5.3 接收、下变频与采样天线接收到的是高频射频信号不能直接交给普通数字处理器。接收机通常完成1. 低噪声放大2. 带通滤波3. 混频下变频4. I/Q 解调5. 模数转换 ADC。经过 I/Q 解调后实射频信号可表示为复基带信号$$x[n]I[n]jQ[n]$$复数表示方式能够同时保留信号的幅度和相位信息是后续多普勒处理、波束形成和相参积累的基础。5.4 数字预处理ADC 输出的数据通常还需要经过- 直流分量去除- 数字下变频 DDC- 低通或带通滤波- 抽取与采样率转换- 通道幅相校准- 脉冲对齐- 异常点抑制。预处理质量会直接影响后续检测性能。工程项目中很多“算法异常”其实来自通道不一致、时钟偏差或数据格式错误。5.5 匹配滤波与脉冲压缩对于已知发射信号 $s(t)$白噪声背景下能够使输出信噪比最大的线性滤波器是匹配滤波器$$h(t)s^*(T-t)$$离散形式可以理解为matlabh conj(fliplr(tx));y conv(rx, h);LFM 信号经过匹配滤波后原本较宽的回波脉冲会被压缩成较窄的主峰。峰的位置对应目标距离峰的宽度决定距离分辨能力。LFM 信号的理论距离分辨率近似为$$\Delta R\frac{c}{2B}$$其中 $B$ 是信号带宽。例如当 $B20\ \text{MHz}$ 时$$\Delta R\frac{3\times10^8}{2\times20\times10^6}7.5\ \text{m}$$这说明两个相邻目标的距离差若明显小于 7.5 m仅依赖该波形通常难以将其分开。5.6 相参积累与多普勒处理单个脉冲的回波可能很弱。若目标在多个脉冲之间保持相位相干可将多个脉冲进行相参积累提高信噪比。常见做法是1. 每个脉冲先做距离向匹配滤波2. 将多个脉冲组成“距离单元 × 脉冲序号”的二维矩阵3. 沿脉冲序号方向进行 FFT4. 得到距离—多普勒图 Range-Doppler Map。其中- 横轴常表示距离- 纵轴常表示速度或多普勒频率- 峰值位置表示目标距离和速度。5.7 杂波抑制雷达接收到的强回波并不一定来自目标。地面、建筑物、海浪和降雨均可能产生杂波。常见杂波抑制方法包括- 动目标显示 MTI- 动目标检测 MTD- 多普勒滤波器组- 空时自适应处理 STAP- 杂波图- 自适应滤波。静止地杂波通常集中在零多普勒附近因此可以利用速度维滤波削弱静止背景。但若目标径向速度很低也可能落入杂波区形成“慢速目标检测”难题。5.8 CFAR 恒虚警检测距离像或距离—多普勒图中存在峰值并不意味着一定存在目标。噪声也可能随机形成局部峰值。CFAR 的基本思想是根据被检测单元周围的参考单元估计局部噪声或杂波功率再自适应设置检测门限。若$$|x_\text{CUT}|^2T$$则判定当前待检测单元 CUT 中可能存在目标。常见 CFAR 算法有- CA-CFAR- GO-CFAR- SO-CFAR- OS-CFAR。CFAR 的意义在于当背景噪声水平变化时门限也随之变化从而尽量维持近似恒定的虚警概率。5.9 参数估计与目标跟踪检测模块给出的通常只是一个个离散点迹。后续还需进行- 距离、速度和角度精估计- 点迹聚类- 数据关联- 航迹起始- 卡尔曼滤波- 航迹维持与终止- 目标分类和识别。因此严格来说“检测到一个峰”只是雷达信息处理链的中间结果并不等于已经获得稳定可靠的目标航迹。6. MATLAB 端到端仿真下面构造一个简单场景- 使用复基带 LFM 信号- 带宽 $B20\ \text{MHz}$- 脉冲宽度 $T_p20\ \mu s$- 采样率 $f_s40\ \text{MHz}$- 两个目标分别位于 3000 m 和 5200 m- 输入信噪比设置为 -8 dB- 通过匹配滤波恢复目标距离。6.1 完整代码matlab %% radar_signal_processing_demo.m % 雷达信号处理端到端入门仿真 % 1. 生成复基带LFM发射信号 % 2. 构造两个点目标的延迟回波 % 3. 加入复高斯白噪声 % 4. 使用匹配滤波完成脉冲压缩 % 5. 绘制距离像并进行简单峰值检测 clear; clc; close all; %% 1. 基本参数 c 3e8; B 20e6; Tp 20e-6; fs 40e6; K B / Tp; maxRange 8000; SNRdB -8; rangeResolution c / (2 * B); fprintf(理论距离分辨率%.2f m\n, rangeResolution); %% 2. 生成复基带LFM信号 tTx 0 : 1/fs : Tp - 1/fs; tx exp(1j * pi * K * (tTx - Tp/2).^2); % 匹配滤波器共轭时间反转 h conj(fliplr(tx)); %% 3. 构造接收窗口和目标回波 tFast 0 : 1/fs : (2 * maxRange / c Tp); rx complex(zeros(size(tFast))); targetRanges [3000, 5200]; targetAmplitudes [1.0, 0.65]; for k 1:length(targetRanges) tau 2 * targetRanges(k) / c; delaySamples round(tau * fs); startIndex delaySamples 1; endIndex min(startIndex length(tx) - 1, length(rx)); validLength endIndex - startIndex 1; if validLength 0 rx(startIndex:endIndex) rx(startIndex:endIndex) ... targetAmplitudes(k) * tx(1:validLength); end end %% 4. 加入复高斯白噪声 noiseSigma 10^(-SNRdB/20) / sqrt(2); noise noiseSigma * (randn(size(rx)) 1j * randn(size(rx))); rxNoisy rx noise; %% 5. 匹配滤波 mfOutput conv(rxNoisy, h); % 修正匹配滤波器引入的群时延 tauAxis ((0:length(mfOutput)-1) - (length(tx)-1)) / fs; rangeAxis c * tauAxis / 2; valid rangeAxis 0 rangeAxis maxRange; rangeValid rangeAxis(valid); mfValid abs(mfOutput(valid)); mfNorm mfValid / max(mfValid); %% 6. 绘制距离像 figure; plot(rangeValid, mfNorm, LineWidth, 1.2); grid on; xlabel(距离 / m); ylabel(归一化匹配滤波幅度); title(LFM回波匹配滤波后的距离像); xlim([0, maxRange]); hold on; for k 1:length(targetRanges) xline(targetRanges(k), --, ... sprintf(真实目标 %.0f m, targetRanges(k))); end hold off; %% 7. 简单峰值检测 minPeakDistanceSamples max(1, round((2 * rangeResolution) ... / (c / (2 * fs)))); threshold 0.35; [peakValues, peakLocations] findpeaks( ... mfNorm, ... MinPeakHeight, threshold, ... MinPeakDistance, minPeakDistanceSamples); detectedRanges rangeValid(peakLocations); fprintf(\n检测到的目标距离\n); for k 1:length(detectedRanges) fprintf(目标%d%.2f m归一化峰值 %.3f\n, ... k, detectedRanges(k), peakValues(k)); end findpeaks 属于 MATLAB Signal Processing Toolbox。没有该工具箱时可以先注释峰值检测部分距离像绘制不受影响。7. 仿真结果分析运行代码后可以得到如下距离像。图4 LFM匹配滤波距离像尽管输入回波的信噪比较低但匹配滤波后仍能在约 3000 m 和 5200 m 处观察到两个明显峰值。这是因为匹配滤波将一个脉冲持续时间内分散的信号能量集中到主峰附近获得了脉冲压缩处理增益。本例中理论距离分辨率为$$\Delta R7.5\ \text{m}$$而采样对应的距离间隔为$$\Delta R_s\frac{c}{2f_s}\frac{3\times10^8}{2\times40\times10^6}3.75\ \text{m}$$需要区分两个概念- **距离采样间隔**决定距离轴上相邻采样点的间距- **距离分辨率**决定系统区分两个相邻目标的能力。采样点更密并不意味着物理分辨率一定更高。真正决定 LFM 距离分辨率的关键参数是信号带宽 $B$。8. 为什么匹配滤波后还需要 CFAR本例直接使用固定归一化阈值 0.35 检测目标只适合演示。真实雷达背景通常并不均匀。例如- 某些距离单元位于强地杂波区- 某些区域存在海浪尖峰- 接收机噪声功率可能缓慢变化- 强目标旁瓣会影响弱目标检测。固定阈值容易出现两种问题1. 阈值过低虚警数量明显增加2. 阈值过高弱目标被漏检。因此工程中通常在距离像或距离—多普勒图上使用 CFAR根据局部背景自适应计算门限。9. 初学者最容易混淆的几个概念9.1 带宽和采样率不是同一个参数- 带宽 $B$ 主要影响距离分辨率- 采样率 $f_s$ 影响离散化精度和可采集带宽- 通常要求采样率满足奈奎斯特条件但提高采样率不会无限提高物理距离分辨率。9.2 脉冲宽度和压缩后脉宽不同LFM 雷达可以发射一个较长脉冲以获得较高发射能量经过匹配滤波后其等效主峰宽度主要由带宽决定。9.3 距离 FFT 不适用于所有波形FMCW 雷达通常通过拍频信号的 FFT 获得距离脉冲 LFM 雷达可以直接使用时域匹配滤波也可以在频域实现卷积。二者不能只看见“FFT”就认为处理方式完全相同。9.4 多普勒 FFT 的输入不是单个脉冲速度估计通常需要观察多个脉冲之间的相位变化因此多普勒 FFT 一般沿慢时间维进行而不是对单个脉冲内部样点随意做 FFT。9.5 检测、测量和跟踪是不同阶段- 检测判断某处是否可能存在目标- 测量估计目标的距离、速度和角度- 跟踪将多帧测量结果关联成连续航迹。10. 总结一条典型雷达信号处理链可以概括为text波形产生→ 电磁波发射→ 目标散射与传播→ 接收和下变频→ ADC采样→ 数字预处理→ 匹配滤波/距离处理→ 多普勒处理→ 杂波抑制→ CFAR检测→ 距离、速度和角度估计→ 数据关联与目标跟踪本文的 MATLAB 示例只实现了“LFM 波形—目标回波—噪声—匹配滤波—距离检测”这一条基础链路但它已经包含了雷达数字信号处理最核心的几个思想- 目标距离由回波时延决定- 复基带数据保留幅度和相位- 匹配滤波能够提高输出信噪比- LFM 带宽决定距离分辨率- 检测门限决定虚警和漏检之间的权衡。后续可以在该仿真基础上继续加入- 多脉冲回波- 多普勒频移- 距离—多普勒二维处理- CA-CFAR- 地杂波模型- 阵列通道和目标测角。---参考公式速查| 名称 | 公式 ||---|---|| 脉冲测距 | $Rc\tau/2$ || 单基地多普勒 | $f_d2v_r/\lambda$ || 径向速度 | $v_r\lambda f_d/2$ || LFM 调频斜率 | $KB/T_p$ || 距离分辨率 | $\Delta Rc/(2B)$ || 距离采样间隔 | $\Delta R_sc/(2f_s)$ || 匹配滤波器 | $h(t)s^*(T-t)$ |--- **版权与说明** 本文中的公式、流程图和仿真代码均用于雷达信号处理学习与技术交流。实际雷达系统还需考虑硬件非理想特性、时频同步、阵列校准、复杂杂波和实时处理约束。