简介：线性调频（LFM）脉冲压缩雷达仿真是雷达信号处理中常见的基础实验，这套资料特别适合学习雷达原理和Matlab仿真的初学者及本科高年级学生。内容完整梳理了LFM脉冲生成、回波模拟、匹配滤波到结果分析的关键步骤，并配有可直接运行的Matlab代码与对应的Word原理说明。资源包共21个文件，以3个Matlab程序文件（.m）为核心，搭配1份Word文档和13张jpg/png结果图，整体仅331KB，轻量易获取。目前已有2300余人学习，仿真结果图清晰展示了LFM信号时域波形、匹配滤波输出及分辨率对比，可直观验证脉冲压缩技术对距离分辨力和信噪比的改善效果。通过运行程序与研读文档，读者能快速搭建起自己的LFM仿真模型，加深对匹配滤波和雷达系统设计的理解。
1. 先搞懂LFM脉冲压缩到底“压”的是什么
1.1 距离分辨率为什么卡在脉宽上
做雷达仿真的同学一开始最容易困惑一个问题：发射信号的脉宽明明可以做到微秒级甚至更窄，为什么还要费劲去搞脉冲压缩？
这里的关键在于一个物理约束：要发现更远的目标，就得提高发射能量；要提高发射能量，最简单粗暴的办法就是拉长脉冲宽度。但脉宽一旦拉长，两个距离相近的目标回波会重叠在一起，雷达在距离维上就分不清它们了。
传统单载频脉冲雷达的距离分辨率由脉宽决定，公式很短：
[ \Delta R = \frac{c \cdot T_p}{2} ]
其中 (T_p) 是脉宽，(c) 是光速。假设脉宽 1 微秒，算下来距离分辨率是 150 米。这个水平在现代战场上基本没法看。想把分辨率提到 1.5 米，脉宽就得压到 10 纳秒，这意味着峰值功率要做得极高，工程上代价巨大。
LFM 信号的思路则是：不发窄脉冲，而是发射一个脉宽较宽、频率随时间线性变化的信号。接收以后用匹配滤波处理，人为地让回波在时间上“收紧”成一个窄脉冲。这样一来，能量还是摊在长脉宽里发射的，但距离分辨能力却相当于窄脉冲，一举两得。
1.2 匹配滤波就是把回波“挤”成窄脉冲
“脉冲压缩”听起来神秘，本质就是一个匹配滤波过程。匹配滤波器的冲激响应是发射信号的共轭倒序，数学上写为：
[ h(t) = s^*(-t) ]
当回波信号 (s_r(t)) 通过这个滤波器时，输出是回波与发射信号的自相关函数：
[ y(t) = \int s_r(\tau) s^*(\tau - t) d\tau ]
对 LFM 信号来说，这个自相关输出恰好是一个近似 sinc 函数的窄脉冲，主瓣宽度约为 (1/B)（(B) 是信号带宽）。也就是说，原本时间上铺开的信号经过匹配滤波后，能量被集中到了一个很窄的区间内，这就是“压缩”这个名字的由来。
一个容易理解的生活类比是：把几百人从一列长长的队伍里迅速召集到一个广场中心集合，队伍是发射信号，集合完毕后的密集人群就是脉压输出的窄脉冲。人群总数没变，但空间上紧凑了太多太多。
1.3 时宽带宽积：一次说清压缩比的来源
LFM 信号最核心的参数除了脉宽 (T_p) 和带宽 (B)，还有一个派生参数：时宽带宽积 (D = T_p B)。
这个值直接决定了脉冲压缩能带来多少处理增益。脉压前的信噪比和脉压后的信噪比之差，约等于 (10 \log_{10}(D))。例如脉宽 10 微秒、带宽 20 MHz，时宽带宽积就是 200，对应约 23 dB 的处理增益。也就是说，就算回波淹没在噪声里，经过匹配滤波后也能把信号捞出来。
从分辨率角度看，压缩后的主瓣宽度是 (1/B)，对应的距离分辨率为：
[ \Delta R = \frac{c}{2B} ]
注意，分辨率只取决于带宽，和脉宽无关。带宽越宽，分辨率越高。这也是为什么现代雷达动不动就追求几百 MHz 甚至 GHz 级带宽的原因。
理解了这几个物理量，再去看 Matlab 仿真代码，就完全不觉得乱了。
2. Matlab仿真程序：从参数到运行一次讲透
2.1 参数定义与核心逻辑
写 LFM 脉压仿真之前，先把参数想清楚。我习惯把参数分为三类：雷达工作参数、目标参数、采样参数。
- 雷达参数：载频 (f_c)、带宽 (B)、脉宽 (T_p)、调频斜率 (K = B / T_p)
- 目标参数：目标距离 (R)，决定回波延迟 (\tau = 2R / c)
- 采样参数：采样率 (f_s)、快时间轴 (t)
采样率的选择是新手最容易翻车的点。很多教材上讲“采样率要大于等于信号最高频率的两倍”，但这里说的是复数基带信号，LFM 基带信号的瞬时频率范围是 ([-B/2, B/2])，理论上采样率取 (B) 就够。但工程上建议至少取 (2B) 到 (4B)，留足余量，否则脉压后的主瓣会出现畸变，旁瓣也会异常抬高。下面的程序里我取 (f_s = 4B)，足够安全。
2.2 单目标脉压完整代码（含噪声）
我提供一个可以直接跑通的版本，注释写得比较细，方便对照原理看。
clear; close all; clc; %% 参数设置 c = 3e8; % 光速，m/s fc = 10e9; % 载频，10 GHz（X波段） B = 20e6; % 带宽，20 MHz Tp = 10e-6; % 脉宽，10 us K = B / Tp; % 调频斜率 fs = 4 * B; % 采样率 Ts = 1 / fs; % 采样间隔 R = 3000; % 目标距离，m snr_dB = 10; % 输入信噪比，dB %% 生成发射LFM基带信号 N = round(Tp / Ts); % 脉宽内采样点数 t = (0 : N-1) * Ts; % 快时间轴 st = exp(1j * pi * K * t.^2); % 复数基带LFM信号 %% 构造回波（点目标模型） tau = 2 * R / c; % 回波时延 n_delay = round(tau / Ts); % 时延对应的采样点数 total_N = N + n_delay; % 接收信号总长度（须覆盖整个回波） sr = zeros(1, total_N); sr(n_delay + 1 : n_delay + N) = st; % 回波即为发射信号的延迟副本 %% 添加高斯白噪声 noise_pow = mean(abs(sr).^2) / (10^(snr_dB / 10)); % 根据SNR反推噪声功率 noise = sqrt(noise_pow / 2) * (randn(size(sr)) + 1j * randn(size(sr))); sr_noisy = sr + noise; %% 匹配滤波（频域实现） ref = conj(fft(st, total_N)); % 参考信号频谱的共轭 S_r = fft(sr_noisy, total_N); y = ifft(S_r .* ref); % 脉压输出 %% 距离轴换算 t_total = (0 : total_N - 1) * Ts; range_axis = c * t_total / 2; % 注意除以2，因为时间对应双程距离 %% 绘图：脉压结果 figure; plot(range_axis, 20*log10(abs(y) / max(abs(y)) + eps), 'LineWidth', 1.2); xlabel('距离 (m)'); ylabel('归一化幅度 (dB)'); title('LFM脉冲压缩输出'); grid on; ylim([-60, 5]);跑出来后，在 3000 米附近会看到一个明显的主峰，主瓣旁边还有一些较低旁瓣，这就是 LFM 自相关函数的固有旁瓣，电平大约在 -13.3 dB 左右。
2.3 加窗对比与多目标扩展代码
单目标跑通后，我建议你顺手做两个扩展：一是加窗压低旁瓣，二是改成多目标场景。加窗的道理很简单：对参考信号加幅度加权，等价于给频域加窗，能有效压低旁瓣电平，代价是主瓣略微变宽。Hamming 窗是最常用的选择。
%% 加Hamming窗匹配滤波（压低旁瓣） win = hamming(N).'; % 窗函数，转置为行向量 st_win = st .* win; % 对参考信号加窗 ref_win = conj(fft(st_win, total_N)); y_win = ifft(S_r .* ref_win); % 加窗脉压输出多目标场景更简单，把单个目标的回波构造改成循环累加即可：
R_targets = [3000, 3500]; % 两个目标，距离差500m sr = zeros(1, total_N); for k = 1 : length(R_targets) n_delay_k = round(2 * R_targets(k) / c / Ts); if n_delay_k + N <= total_N sr(n_delay_k + 1 : n_delay_k + N) = sr(n_delay_k + 1 : n_delay_k + N) + st; end end两个目标距离差 500 米，而距离分辨率只有 7.5 米，所以脉压后能非常清晰地看出两个独立峰值。
3. 运行结果怎么读：四张关键图和三个指标
3.1 发射信号波形与瞬时频率
仿真第一步一定要画发射信号的实部和瞬时频率曲线。LFM 信号的瞬时频率是一条从 (-B/2) 到 (+B/2) 的斜线，斜率就是 (K)。这条线直观展示了“线性调频”的含义。
画瞬时频率可以用diff(unwrap(angle(st))) / (2*pi) / Ts来计算，也可以直接用理论曲线。我建议两者都画，看到数值结果与理论曲线吻合，说明信号生成正确，后续处理才有意义。
有同学跳过了这一步直接看脉压结果，结果主峰位置不对也不知道是信号生成错了还是匹配滤波写错了，排查起来非常痛苦。先把发射信号验证对了再往后走，这是仿真调试的好习惯。
3.2 匹配滤波输出的距离像分析
脉压输出的距离像是最核心的结果。以我给的参数为例：
- 目标真实距离 3000 m，输出峰值位置应该在 3000 m 附近
- 主瓣 -3 dB 宽度对应距离分辨率，理论值是 (c/(2B) = 7.5) m
- 未加窗时第一旁瓣电平约 -13.3 dB
你可以在图上用[pks, locs] = findpeaks(...)把峰值位置和幅度抓出来，再用-3 dB宽度估算主瓣宽度，和自己理论计算对比。如果误差在 5% 以内，说明整个链路参数设置是自洽的。
3.3 处理增益与主瓣宽度的定量验证
脉压到底带来了多少增益？可以从数据上直接验证。输入 SNR 是 10 dB，脉压后输出 SNR 理论上约为 (10 + 23 = 33) dB，23 dB 就来自时宽带宽积 200。
实际计算时，用snr(y)函数或者手工测量信号峰值功率与噪声功率之比。注意噪声经过匹配滤波后不再是白噪声，而是有色噪声，所以实测增益会比理论值略有偏差，这很正常。
主瓣宽度也可以定量验证。用findpeaks找到峰值后，向下找两侧下降 3 dB 的位置，计算距离差，应该在 7.5 m 左右。加窗后这个值会变成大约 10 m，但旁瓣从 -13 dB 压到了 -40 dB 以下，这就是分辨率和旁瓣之间的工程权衡。
4. 实际调试中我踩过的五个坑
4.1 采样率取太低，脉压输出直接失真
第一次做仿真时，我图省事把 (f_s) 取成 (0.5B)，心想反正基带信号带宽就那么多。结果脉压输出又矮又胖，主瓣完全展宽，旁瓣结构也乱了。
原因在于：虽然奈奎斯特采样率对复基带信号的理论下限是 (B)，但离散化后的匹配滤波对采样点的位置非常敏感。采样率不足时，自相关函数的主瓣附近采样点太少，峰值点可能正好落在采样间隙，导致幅度急剧下降。解决方案就是前面说的，采样率取 (2B \sim 4B)，千万别抠理论下限。
4.2 FFT补零不够，循环卷积“撞车”
频域匹配滤波的本质是循环卷积，如果fft点数设置不当，回波尾部会和下一周期数据首部叠加。我早期把匹配滤波点数直接设成了接收信号长度，结果目标回波恰好落在序列尾部时，脉压输出出现虚假“鬼峰”。
解决办法是补零到足够长度。建议 FFT 点数取 (N_{fft} \geq N + total_N - 1)，或者干脆取下一个大于该值的 2 的幂次。虽然多占一点内存，但输出是线性卷积的结果，和理论完全一致。
4.3 取整误差让目标位置漂移
回波延迟换算成采样点数时，round操作会带来最多半个采样间隔的误差。采样间隔在我的设置下是 12.5 ns，对应距离误差约 1.875 m，虽然不大，但如果你要做亚米级精度对比，这个误差就很碍眼。
更精确的做法是直接用小数延迟滤波器，或者对脉压输出做 sinc 插值。课堂仿真里对结果影响不大，但写报告时如果能指出这个误差来源并提出插值修正，会让整个实验显得严谨不少。
4.4 距离轴忘记除以2
这个坑看起来低级，但真的很容易犯。回波时延是雷达信号从发射到目标再返回的双程时间，所以距离换算公式里必须除以 2：
[ R = \frac{c \cdot t}{2} ]
有段时间我总是直接用 (c \cdot t)，结果峰值出现在 6000 米而不是 3000 米处。排查了很久才发现是除 2 漏掉了。建议把距离轴计算单独写一行，加注释“双程”，每次运行前检查一遍公式。
4.5 时域卷积和频域实现的结果对不上
用conv做时域匹配滤波和用fft做频域匹配滤波，理论上应该完全一致，但很多人在对齐峰值位置时犯了难。
时域卷积的参考信号是conj(fliplr(st))，输出序列的下标 1 对应的是零延迟。而频域实现输出序列的下标 1 对应的是时间零点，因为 FFT 默认零点在序列开头。两种实现差了一截，看起来就像“结果对不上”。
其实只要弄清楚各自的下标定义，画出结果后对比零延迟位置附近的波形，两者应该是严格重合的。我这里直接把频域实现作为主结果展示，因为它计算效率高，且能自然支持加窗操作。
5. 配套Word实验报告的组织思路
标题里明确提了“Word说明”，说明这个项目通常要交实验报告。我一般按下面这个结构组织，老师看了基本都会觉得逻辑完整。
- 摘要：一段话说清“做了什么、得到什么结果”，比如利用 LFM 信号实现脉冲压缩，在 10 dB 输入信噪比下达到约 33 dB 输出信噪比，距离分辨率 7.5 m
- 原理部分：LFM 信号定义、匹配滤波推导、脉冲压缩公式，配上自相关函数表达式
- 参数表：把仿真参数整理成表格，包括载频、带宽、脉宽、采样率、目标距离、SNR
- 程序流程图：用简洁的文字步骤描述，不需要画太复杂
- 结果与讨论：放四张图，逐一说明现象、与理论值的对比、误差来源分析
- 扩展实验：加窗对比、双目标分辨，展示你做了额外思考
- 心得与结论：写你踩过的坑、参数选取经验、后续改进方向
Word 里最容易被忽略的是图表编号和标题。图题放图下方，表题放表上方，文中要引用编号（“如图 1 所示”）。这虽然是排版细节，但占的印象分很高。
6. 往下还能怎么扩展
6.1 多普勒处理与动目标检测
静止目标场景做熟了以后，可以给目标加一个径向速度 (v)，此时回波在延迟基础上还会叠加一个多普勒频移 (f_d = 2v/\lambda)。这个频移会让匹配滤波输出峰值幅度下降，严重时可导致目标丢失。迈出这一步，就进入了动目标检测（MTD）的领域。
实现思路也不复杂：每次脉冲重复周期（PRI）内做一次脉压，多个脉冲之间做 FFT 得到多普勒谱，于是距离-多普勒二维图上就能看到目标的位置和速度。
6.2 模糊函数与波形分析
LFM 信号的模糊函数是雷达波形设计的基础工具。用 Matlab 画出的模糊函数图可以直观看到：LFM 信号在时延轴上有较窄的主峰，在多普勒轴上存在耦合偏移，这是 LFM 多普勒敏感性的体现。想深入理解为什么 LFM 会有距离-速度耦合，画一次模糊函数就全明白了。
6.3 用Phased Array Toolbox做系统级验证
自己手写脉压能加深理解，但写到后面你会发现很多细节需要处理。Matlab 的 Phased Array System Toolbox 里提供了phased.LinearFMWaveform和phased.MatchedFilter等现成对象，可以直接搭一套更完整的雷达收发链路。我习惯先手写核心算法验证原理，再切到工具箱做系统级仿真，两者互相对照，结果一致就很踏实。
说到底，LFM 脉冲压缩仿真是个越琢磨越有意思的题目。程序跑通只是第一步，真正有价值的是搞清楚每个参数变化会导致什么现象、每个坑为什么会出现。把这个过程完整走一遍，雷达信号处理的地基就算打牢了。
本文还有配套的精品资源，点击获取
