做雷达信号处理的人几乎都绕不开一个看似简单的问题怎么把一条回波变成速度。外行觉得这是算一下的事真上手就会发现坑密布——FFT 出来的峰值换算成速度符号反了、量程折叠了、强目标旁边冒出一堆假峰、静止目标突然跑出个 8 m/s 的速度。多普勒频移是雷达测速的地基但地基之上每一层都有自己的脾气。这篇内容面向刚接触雷达测速的工程师、做毫米波感知的学生以及需要给产品补上测速功能的嵌入式开发者从最原始的相位推导一路讲到实测标定把多普勒频移—径向速度这条链路拆开揉碎包括那些手册里不会写的参数取值习惯和排错顺序。1. 一条回波的相位为什么会转起来多普勒频移的物理来源1.1 用数波长的方式理解 2v/λ很多人背下f_d 2v/λ就完事了但一旦遇到为什么是 2 不是 1就卡壳。最直觉的理解方式是把电磁波想成一把尺子目标每靠近半个波长λ/2电磁波往返走的路程就少了整整一个波长回波的相位正好转满一整圈 2π。也就是说目标每移动 λ/2回波相位就多转 2π这构成了一个完整的相位周期。那么一秒钟内目标移动了v米它能移动多少个λ/2答案是2v/λ个。每一个对应一次完整的 2π 相位翻转于是每秒的相位翻转圈数——也就是频率——就是2v/λ。推导过程用公式写更严密些设目标初始距离为R0径向速度v趋近方向为正则R(t) R0 - vt。回波相对发射信号的时延为τ 2R/c对应相位滞后φ -2πf0τ -4πR/λ。代入得φ(t) -4π(R0 - vt)/λ对时间求导再除以 2π瞬时频率偏移就是f_d 2v/λ。那条2的来历就是往返双程。拿几个真实数字建立量感载频 10 GHzλ 3 cm目标以 1 m/s 靠近多普勒频移约 66.7 Hz一辆 30 m/s 的车频移 2000 Hz换成 77 GHzλ ≈ 3.9 mm同样是 1 m/s频移变成 513 Hz。载频越高单位速度产生的频移越大测速灵敏度越高但相同 PRF 下的测速量程也越小——这个此消彼长的关系贯穿整个雷达参数设计后面还会反复提到。1.2 径向速度为什么雷达只认视线方向上的投影多普勒频移只对视线方向的距离变化率敏感这一点新手最容易忽略。目标垂直于视线横穿波束时距离几乎不变回波相位不转雷达看到的是一个静止目标。真实速度v与视线夹角θ时雷达测到的只是径向分量v_r v·cosθ。这个特性在实际系统里影响很大。交通测速雷达为什么要正对车流或者以小角度斜置因为夹角 60° 时cos60° 0.5一辆实际 20 m/s 的车会被测成 10 m/s误差直接翻倍。工业现场的皮带测速、轧钢测速安装角度通常要求控制在 ±5° 以内否则单靠算法补不回来。做无人机探测更麻烦目标姿态随时变化径向速度忽大忽小跟踪滤波时必须把角度信息一起估计否则航迹会抖得很厉害。还有一类容易踩的坑多目标场景下不同角度的目标径向速度可能相同。两个目标都在 5 m/s 的径向速度上但一个正对、一个斜飞 60°多普勒图上它们是同一个峰分不开。这时候只能靠角度维阵列测角或者距离维差异来区分。单靠多普勒做多目标分辨是有物理上限的。1.3 符号约定与工程上最容易搞反的地方f_d的符号约定堪称雷达界的时区问题。理论上趋近为正、远离为负是主流约定但实际代码里至少有四处会让符号翻个身混频时用的是上变频还是下变频公式、I/Q 两路谁是实部谁是虚部、慢时间 FFT 之后有没有做fftshift、以及距离维和慢时间维的下标方向。我见过最典型的一次事故是某项目测速模块车开过来显示 -60 km/h开走显示 60 km/h符号完全反了。查了两天最后定位到正交解调时 Q 路比 I 路晚采了一个时钟周期等效于对复信号做了共轭正负频率整个镜像。这类问题的排查顺序我总结成三步先确认输入是复数还是实数实数信号频谱共轭对称物理上分辨不了趋近和远离再用一个单频信号源做注入测试看 FFT 峰值落在正频还是负频最后用转动台或者已知方向的运动目标标定一次把符号写死在注释里。提示不要指望从公式推一遍符号就能一次搞对。工程上的可靠做法是保留一个符号常量SIGN_CONVENTION在标定环节确定取值后续所有换算统一引用它换硬件平台时重新标定这一处即可。2. 连续波与脉冲多普勒两套测速体制的取舍2.1 连续波体制把速度直接变成拍频连续波CW雷达发射一个纯净的单频信号回波与本地参考混频后输出的差拍频率就等于多普勒频移本身。这条链路的简洁程度令人愉快没有调制、没有距离门、不需要复杂的定时一个本振、一个混频器、一路 ADC 加一次 FFT速度就出来了。生命体征监测、交通测速枪、某些工业测速仪都用这套架构因为它对硬件的要求低到令人发指。代价是完全丧失距离信息。所有距离上的回波在频域里叠在一起你只知道有东西在以某个速度运动不知道它在哪。目标稍微多一点频谱就成一锅粥。此外 CW 体制还有收发隔离的麻烦发射信号会直接泄漏到接收链路在零频附近形成一个大台阶把慢速目标淹没掉。工程上的做法是加环形器提高隔离度或者在数字域把零频附近几个 bin 直接挖掉——但这又带来新问题真正静止的目标也一起被挖没了低速目标的检测性能明显恶化。某些场景会改成 FMCW给连续波加上线性调频用差拍频率同时编码距离和速度。代价是引入了距离-速度耦合这个坑留到第 5 章细说。2.2 脉冲多普勒体制快时间与慢时间的两维回波脉冲多普勒是绝大多数现代雷达的骨架。发射一串等间隔的脉冲接收时按照两个维度组织数据一个脉冲内部的采样叫快时间采样间隔是 ADC 的采样周期它对应距离跨脉冲的采样叫慢时间采样间隔是脉冲重复间隔 PRI它对应多普勒。把接收数据摆成一个二维矩阵行索引是脉冲序号n 0, 1, ..., N-1列索引是距离单元m矩阵元素是复采样值。这个矩阵就是后续所有处理的原点。距离维做脉冲压缩得到距离信息慢时间维做 FFT 得到多普勒信息两个维度正交互不干扰——前提是目标在一个相干处理间隔内没有跑出原来的距离单元。慢时间维的采样率是多少就是 PRF。这一点极其关键慢时间采样把多普勒频率限制在了 ±PRF/2 的范围内超过了就会折叠。这跟音频采样里的奈奎斯特是一样的道理只不过这里的信号频率是目标的多普勒频移而采样率是脉冲重复频率。很多测速量程不够的问题根子都在这里。顺带说一个实操细节矩阵的行列顺序在代码里极易搞混。我习惯统一成data[n_pulse, n_range]即每收到一个脉冲就往矩阵里填一行。有些采集卡输出的是转置的一不留神就变成沿距离维做 FFT出来的速度其实是距离剖面现象是测出来的速度跟目标运动完全无关。这种低级错误出现频率之高值得在代码里加一句断言检查形状。2.3 最大不模糊速度PRF 一选定量程就锁死了根据慢时间采样的约束可测的多普勒频率范围是[-PRF/2, PRF/2]对应径向速度范围[-v_max, v_max]其中v_max (PRF/2) · λ / 2 λ · PRF / 4除以 4 的来历是PRF/2 得到最大不模糊多普勒频率再乘 λ/2 换算成速度。这个式子决定了整个系统的测速量程上限一旦 PRF 定死量程就没得改。与此同时脉冲体制的最大不模糊距离是R_max c/(2·PRF)。两个式子摆在一起看矛盾一目了然PRF 调高测速量程变大但距离模糊PRF 调低测距范围变大但测速量程被压缩。这是脉冲雷达的基本矛盾没有免费的午餐。载频波长PRF最大不模糊速度最大不模糊距离10 GHz3.0 cm10 kHz75 m/s15 km10 GHz3.0 cm20 kHz150 m/s7.5 km24 GHz1.25 cm20 kHz62.5 m/s7.5 km77 GHz3.9 mm20 kHz19.5 m/s7.5 km看最后一行就知道为什么车载毫米波雷达必须专门设计解模糊方案——77 GHz 下 PRF 20 kHz 只能测到 19.5 m/s对应 70 km/h高速公路上随便一辆车都超了。实际产品要么用多组参差 PRF要么靠波形设计比如快慢扫频组合来扩展量程纯靠调 PRF 是走不通的。3. 把回波变成速度谱一条完整的处理链路3.1 距离维脉冲压缩先把目标从时间轴搬到距离轴原始回波的脉宽通常在微秒到毫秒量级直接采样得到的距离分辨率是c·τ/2对于 1 μs 脉宽就是 150 m完全不够用。脉冲压缩的思路是发射一个长脉冲保证能量接收端做匹配滤波把它压成一个窄峰这样既有长脉冲的能量又有短脉冲的分辨率。线性调频LFM是最常用的波形。匹配滤波在频域实现就是乘以参考信号的共轭频谱再反变换运算量可以用 FFT 降到O(N log N)。压缩后的距离分辨率变成ΔR c/(2B)其中 B 是信号带宽。20 MHz 带宽对应 7.5 m1 GHz 带宽对应 0.15 m。这就是为什么高分辨率雷达的带宽都往 GHz 上堆。这一步的实操要点在于参考信号的产生方式。理想情况下参考信号就是发射波形的精确复制但实际系统里功放非线性、滤波器群时延、天线驻波都会让发射波形偏离理想 LFM。高要求的场合需要在发射链路耦合一路信号下来作为参考也就是去调频或者内定标通路。不做这一步脉压后的主瓣会展宽、旁瓣会抬高距离分辨率名义上是 7.5 m实测可能只有 10 m 出头。脉压完成后得到的是一个脉冲 × 距离单元的复数矩阵慢时间维还完全没处理多普勒信息此时以相位的形式隐藏在跨脉冲的复数值里。3.2 慢时间维 FFT多普勒滤波器组对矩阵的每一列——也就是同一个距离单元、跨 N 个脉冲的序列——做一次 N 点 FFT得到的频谱就是该距离单元内目标的多普勒分布。N 个脉冲对应 N 个多普勒通道这些通道天然构成一组窄带滤波器中心频率间隔是PRF/N。这套结构在教科书里叫多普勒滤波器组实现上就是一次 FFT。所有距离单元都做完 FFT 之后得到一个N × M的复数矩阵通常取模平方后显示成一张图横轴距离、纵轴多普勒这就是距离-多普勒图Range-Doppler Map雷达信号处理里最重要的中间结果之一。# data: [N_pulse, M_range] 的复数矩阵已完成距离维脉压 # 1) 慢时间加窗抑制多普勒旁瓣 for n in range(N_pulse): for m in range(M_range): data[n][m] data[n][m] * win_slow[n] # 2) 沿慢时间第 0 维做 FFT rd fft_axis0(data) # 输出仍是 [N_pulse, M_range] # 3) 把零多普勒搬到中心方便解读 rd fftshift_axis0(rd) # 4) 构造多普勒轴与速度轴 for k in range(N_pulse): fd[k] (k - N_pulse / 2) * PRF / N_pulse v[k] fd[k] * lam / 2.0 * sign_convention # 5) 取模平方得到功率图 rd_power[k][m] abs(rd[k][m]) ** 2这段伪代码里有三个地方值得单独强调加窗放在 FFT 之前、fftshift放在 FFT 之后、速度轴要乘符号约定常量。顺序错了结果不会报错只会静悄悄地错。3.3 加窗、相参积累与 CPI 长度不做加窗直接 FFT相当于加了矩形窗多普勒旁瓣只有 -13.2 dB。这意味着一个强目标的旁瓣会在相邻十几个 bin 上都留下可观的能量把附近的小目标彻底淹没。换成汉明窗能把旁瓣压到 -42 dB代价是主瓣展宽约 1.5 倍等效多普勒分辨率下降。这里有个取舍要讲清楚加窗降低的是分辨率不是测速精度。主瓣展宽意味着两个速度接近的目标更难分开但只要信噪比足够单个目标的峰值位置通过插值仍然可以估得很准。所以对分辨率要求高的场景比如编队飞行目标分辨宁可不加窗或者用泰勒窗对动态范围要求高的场景比如强杂波背景下找小目标必须加窗。相参积累的增益是10·log10(N)。256 个脉冲积累带来 24 dB 的增益这是实打实的信噪比提升没有比这更划算的操作了。但积累长度不能无限拉长因为它同时决定了 CPI 时长而 CPI 时长又决定了多普勒分辨率Δf_d 1/T_CPI进而决定速度分辨率Δv λ/(2·T_CPI)。更麻烦的是目标在长 CPI 内可能发生变化机动目标的多普勒频率会漂移导致谱峰展宽甚至分裂高速目标会跨距离单元造成积累损失。这两个限制在下文会详细展开它们是把 CPI 从越长越好拉回现实的主要力量。3.4 距离-多普勒图该怎么读第一次看到距离-多普勒图的人往往一脸茫然。读图的基本套路是这样的图上每一个亮点对应一个散射中心横坐标给出距离纵坐标给出径向速度。零多普勒那一行v 0上的强亮条通常是地物杂波、建筑反射或者天线罩泄漏处理时用 MTI 对消器或者直接在多普勒维挖掉几个 bin 就能压下去。读图时要留意三种非目标成分零频附近的直流泄漏来自收发隔离不足和 ADC 偏置表现为一整条横贯所有距离单元的亮线距离维的固定图案噪声来自功放非线性或者 ADC 量化表现为竖条纹多普勒旁瓣强目标两侧对称出现的低电平拖尾加窗能缓解但不消除。还有一个细节目标速度接近v_max时会紧贴图的上下边缘看起来像是被切断了一半这其实是折叠造成的。看到边缘上的半截峰第一反应应该是怀疑速度模糊而不是怀疑目标真的那么快。4. 测速精度FFT 峰值只值一个粗读4.1 频率分辨率不等于测速精度这是最容易混淆的一对概念。FFT 的频率分辨率是PRF/N对应速度分辨率Δv λ·PRF/(2N) λ/(2·T_CPI)。以 λ 3 cm、T_CPI 12.8 ms 为例Δv 0.03/(2×0.0128) ≈ 1.17 m/s。很多人看到这个数字就认为测速精度是 1.17 m/s这是错的。分辨率描述的是两个目标至少要差多少才能分开精度描述的是单个目标的速度能估到多准。后者取决于信噪比、积累点数和估计算法跟 bin 宽度没有直接绑定。实测中只要信噪比够通过插值可以把单目标的速度估到 bin 宽度的十分之一甚至更小。用上面的例子分辨率 1.17 m/s实际精度能到 0.1 m/s 量级相差一个数量级。理解这个区别的价值在于当客户说你测速精度不够时先问清楚是分辨不开两个目标还是单个目标的读数在跳。前者要拉长 CPI 或者加带宽后者要提信噪比或者换估计算法方向完全不同。4.2 三种提高精度的做法插值、相位差分、最大似然最直接的做法是峰值插值。找到 FFT 幅度最大的一根谱线k取左右邻居k-1、k1用三点抛物线拟合估计真实峰位delta 0.5 * (P[k-1] - P[k1]) / (P[k-1] - 2*P[k] P[k1]) f_est (k delta) * PRF / N注意这里用的是功率谱模平方还是幅度谱两者的插值公式系数不同混用会引入系统性偏差。抛物线插值在信噪比高、目标谱接近理想窗函数形状时效果很好能把误差压到 bin 宽度的 5% 左右信噪比低于 10 dB 时性能退化明显因为噪声会把峰位带偏。相位差分法走的是另一条路完全绕开 FFT 的分辨率限制。取同一个目标在相邻两个脉冲上的复数值z_n和z_{n1}它们之间的相位差直接对应这段时间内的距离变化Δφ angle( z_{n1} * conj(z_n) ) v λ * Δφ / (4 * π * T_PRI)这个方法的好处是精度极高理论上只受相位噪声限制在信噪比 20 dB 时能到毫米每秒的量级。坏处是它只能处理单个脉冲对测速范围被压缩到λ/(4·T_PRI)比 FFT 法的量程小 N 倍。而且一旦相位差超过 π 就发生缠绕必须配合解缠算法。所以工程上常见的组合是FFT 先给出粗速度和粗距离门相位差分在门内做精测两级的量程和精度互补。最大似然估计则是把观测数据建模成复正弦加噪声在频率维度上搜索使似然函数最大的值。计算量大通常用 FFT 峰值做初值再局部细化本质上等价于一次精细的频域搜索。它的优势是在低信噪比下逼近理论下界适合离线处理或者对精度有极致要求的场景。方法典型精度测速量程计算量适用场景FFT 峰值0.5~1 个 bin大极低快速筛查、实时显示抛物线插值0.05~0.1 个 bin大极低常规产品默认方案相位差分极高小1/N低精测、配合粗测使用最大似然接近 CRLB大高离线分析、标定4.3 把信噪比、积累点数代进公式算一遍理论下界克拉美罗界能给出一个明确的参照。对于 N 点复正弦、每点信噪比为 ρ线性值频率估计的标准差近似为σ_f ≈ sqrt( 3 / (2π² · ρ · N) ) / T_obs换算到速度σ_v λ/2 · σ_f。代入一组实际参数λ 3 cm、N 256、T_obs 12.8 ms、ρ 10即 10 dBσ_f sqrt( 3 / (2π² × 10 × 256) ) / 0.0128 sqrt( 3 / 50532 ) / 0.0128 ≈ 0.0077 / 0.0128 ≈ 0.60 Hz σ_v 0.015 × 0.60 ≈ 0.009 m/s理论下界是 9 mm/s而 FFT 的 bin 宽度是 1.17 m/s差了整整两个数量级。这说明粗读和精估之间的鸿沟非常大实际系统能挖的潜力比想象中多。当然9 mm/s 是理想条件实际受限于相位噪声、目标机动、幅度量化等因素能做到 0.1 m/s 就已经很不错了。这组数字还能推出一条实用结论σ_v 与sqrt(N)成反比与sqrt(ρ)成反比。想让精度提升一倍要么把脉冲数翻四倍CPI 拉长四倍实时性和机动适应性都受影响要么把信噪比提高 6 dB发射功率翻四倍或者天线增益加 6 dB。两条路都不便宜所以在精度指标上一定要跟需求方把数字敲死别为了看起来更准白白消耗资源。5. 实测里最容易翻车的几个点5.1 速度模糊与解模糊的几种实用手段第 2 章算过77 GHz、PRF 20 kHz 的最大不模糊速度只有 19.5 m/s高速目标必然折叠。折叠的数学形式是v_measured v_true - 2·k·v_max (k 为整数)麻烦在于v_true和v_true ± 2v_max在观测上完全等价单靠一组 PRF 的数据无法区分。解决方案有两类。第一类是多重 PRF交替发射两组或多组不同 PRF 的脉冲串各自测出一个折叠后的速度再用中国剩余定理式的搜索找出一致的真值。举个具体例子PRF1 20 kHz 给出v_max1 150 m/s测得 0PRF2 25 kHz 给出v_max2 187.5 m/s测得 -75 m/s。枚举 PRF1 下所有可能的真值0、±300、±600……逐一折叠到 PRF2 的量程里看哪个匹配。300 折叠进[-187.5, 187.5]得300 - 375 -75正好对上。于是真值确定为 300 m/s。第二类是参差 PRF 或者变频通过改变发射载频让同一速度产生不同的多普勒频移用频移比例反推真值。这种方法对硬件要求更高但抗干扰性更好。工程上还有一类土办法如果应用场景本身限定了速度上限比如停车场出入口的车辆不会超过 10 m/s那就可以把v_max设计得刚好覆盖这个范围彻底绕开解模糊。这种基于场景约束的简化往往比通用算法更可靠。5.2 距离-速度耦合LFM 的固有毛病线性调频信号有个绕不开的缺陷多普勒频移会被匹配滤波器误认为是一个时延。因为 LFM 的频率随时间线性变化一个频率偏移f_d等效于时间偏移f_d/KK 为调频斜率对应距离偏移ΔR c · f_d / (2K) c · f_d · T / (2B)代入典型值B 20 MHz、T 20 μs、f_d 10 kHz则ΔR 3e8 × 1e4 × 2e-5 / (2 × 2e7) 1.5 m。相对 7.5 m 的距离分辨率来说还在一个单元内问题不大。但如果带宽压到 200 MHz、脉宽拉长到 100 μs同样 10 kHz 的多普勒会带来 75 m 的距离偏差直接把目标推到错误的距离门上。缓解手段有几种上下扫频对消是最经典的发一组上升调频和一组下降调频差拍频率分别含f_d和-f_d两者相加得到纯距离项、相减得到纯多普勒项。代价是时间资源翻倍数据率减半。多普勒预补偿是另一种思路先用粗估的速度给匹配滤波器加上频移修正迭代一两次就能收敛。还有一种是干脆用相位编码波形代替 LFM牺牲多普勒容忍度换取无耦合适合目标速度已知且变化不大的场景。5.3 加速度、平台运动与频谱展宽前面所有推导都隐含一个假设目标在 CPI 内做匀速运动。目标有加速度a时多普勒频率在慢时间维上不再是常数而是线性变化的等效于一个 chirp。这个 chirp 在 FFT 后的表现是谱峰展宽展宽量约为2a·T_CPI/λ。当展宽超过一个 bin 宽度1/T_CPI时就开始明显劣化临界条件是2a·T_CPI/λ 1/T_CPI → a λ / (2·T_CPI²)代入 λ 3 cm、T_CPI 12.8 ms得a 91 m/s²。对常规车辆和目标来说这个门限很宽松但把 CPI 拉长到 100 ms门限就降到 1.5 m/s²一辆正常刹车的车就能让谱峰明显展宽。这就是为什么长积累雷达必须做加速度补偿或者用分数阶傅里叶变换这类工具。平台自身运动带来的是另一类问题。载机或者车载平台在运动时所有静止杂波都会产生多普勒频移杂波谱中心偏离零频而且由于波束有一定宽度不同方位角的杂波频移不同整个杂波谱被展宽成一条带。用固定零频的 MTI 对消器完全失效必须先用惯导信息做杂波谱中心估计再自适应地调整对消器凹口位置。这套处理叫杂波锁定或者自适应 MTI是机载雷达的必备环节。还有一个隐蔽的坑平台振动。车载或者无人机平台上天线相位中心的高频微振动会引入额外的相位调制表现为多普勒谱底噪抬升和一个围绕真实峰值的宽裙边。振动幅度 0.1 mm、频率 50 Hz 量级时就能让测速精度从 0.1 m/s 退化到 1 m/s。解决办法一是机械上做减振二是信号处理上把振动频谱估计出来做反卷积前者更划算。5.4 一组参数设计的完整算例把上面的所有约束串起来走一遍完整的设计流程。需求是探测距离 5 km 以上目标速度范围 ±300 m/s距离分辨率优于 10 m速度精度优于 0.5 m/s。先定带宽ΔR c/(2B) ≤ 10 m得B ≥ 15 MHz取 20 MHz实际分辨率 7.5 m。载频按场景选 10 GHzλ 3 cm。速度量程要求 ±300 m/s单组 PRF 需要v_max λ·PRF/4 ≥ 300得PRF ≥ 40 kHz。但 40 kHz 对应的最大不模糊距离只有c/(2×40000) 3.75 km不满足 5 km 的要求。矛盾出现了必须用双 PRF 解模糊。取 PRF1 20 kHzR_max 7.5 kmv_max1 150 m/sPRF2 27 kHzR_max 5.56 kmv_max2 202.5 m/s。两组 PRF 的联合测速量程通过解模糊可以覆盖到lcm意义上足够大的范围实测一般能覆盖 ±600 m/s 以上。距离模糊方面PRF2 的 5.56 km 稍紧但配合 PRF1 的 7.5 km 也能解。CPI 内脉冲数取 256T_CPI 256/20000 12.8 ms。速度分辨率Δv λ/(2·T_CPI) 1.17 m/s单靠 FFT 峰值达不到 0.5 m/s 的精度要求需要加抛物线插值。相参积累增益10·log10(256) 24 dB这个增益对 5 km 外的目标至关重要。最后检查距离徙动一个 CPI 内目标最多移动300 × 0.0128 3.84 m小于 7.5 m 的距离单元不需要做 keystone 变换或距离徙动补偿。如果目标速度上限提到 1000 m/s移动量变成 12.8 m跨了两个距离单元积累损失约 1~2 dB就得上补偿算法了。参数取值依据载频10 GHz兼顾灵敏度与器件成熟度带宽20 MHz满足 10 m 距离分辨率PRF20 / 27 kHz 参差解距离与速度的双重模糊脉冲数25624 dB 积累增益CPI 12.8 ms脉宽20 μs占空比 40%兼顾能量与收发切换加窗汉明压制多普勒旁瓣容忍 1.5 倍主瓣展宽这套参数不是唯一解但它把每一处取舍的理由都摆在了明面上。真正做产品时还要把发射功率、噪声系数、天线增益代进雷达方程核算一遍信噪比确认在 5 km 处的单脉冲信噪比加上 24 dB 积累增益之后还留有余量。我个人在实际操作中的体会是每次换硬件平台或者改波形参数第一件事永远是拿一个速度已知的参考目标做闭环标定别信推导只信实测。转动台、传送带、装在小车上的角反射器什么方便用什么关键是要有独立的速度真值来源。标定的时候刻意跑一遍正反两个方向把符号约定、量程边界、折叠点全部验证到把结果写进配置文件的注释里。这套流程走下来后面无论怎么调算法至少方向不会错。另外一个小技巧把距离-多普勒图实时显示出来很多问题在图上是一眼可见的比盯着数字调试快十倍——尤其是那些折叠、旁瓣、杂波泄漏的问题图上的形状会直接告诉你答案。