雷达MTD动目标检测：快时间慢时间与距离-多普勒图实现

简介：这是一份面向雷达信号处理初学者与研究人员的 MATLAB 源码包，围绕脉冲串回波模拟、快时间与慢时间维度分析、匹配滤波以及 MTD 多普勒处理展开，可帮助快速理解目标距离与速度信息提取的完整链路。资源共 7 个文件，均为 .m 脚本，压缩包仅 9KB。主程序负责整体流程调度，信号生成与回波模拟模块构造周期为 1ms 的脉冲串数据，窗函数与匹配滤波完成快时间维的距离处理，MTD 模块则在慢时间维进行比较与多普勒分析，结构清晰紧凑。目前已有 848 人学习下载。通过阅读源码与仿真运行，可掌握快慢时间数据组织方式，理解匹配滤波器如何提升信噪比，并利用 MTD 从多脉冲回波中估计目标速度，是一份适合课程实验、算法复现和工程预研的实用工具包。

1. MTD 里的快时间慢时间，不是两段 FFT 叫法

先说一个反直觉的结论：快时间慢时间不是采样率快慢，也不是“先做一次 FFT 再做一次 FFT”的顺序问题。快时间是单个脉冲内部以 ADC 采样点计数的时间轴，慢时间是同一帧里第几个发射脉冲对应的回波序号。雷达 MTD 动目标检测真正做的事，是把这两维数据排成“慢时间 × 快时间”的矩阵，先对快时间做距离维 FFT，再沿慢时间做多普勒 FFT，最后形成距离-多普勒图（RDM）。标题里的 rader4、givingl4v 可以理解成仓库代号，真正决定处理结果的是 mtd 和快时间慢时间这两件事。这套思路适合正在接毫米波雷达数据的人：不管是 AWR2243 的 LVDS 原始采样，还是 24GHz 模块输出的 I/Q 帧，只要想从杂波中找出动目标并给出距离和速度，最终都会回到这个二维矩阵的排布。下面先从矩阵怎么排开始，把参数约束和实现细节串起来。

2. 雷达 MTD 前要摆平快时间慢时间矩阵：距离门、PRF 和模糊约束

雷达 MTD 的前提不是“会调 FFT”，而是回波能被排成规整的二维数组。数组的一维是距离门，另一维是慢时间脉冲索引。很多人上来就写np.fft.fft(raw, axis=0)，结果目标峰位总是乱跳，原因就是先错排了矩阵，后续加窗、补零都没有意义。

2.1 快时间慢时间到底在排布什么

对相干脉冲雷达或 FMCW 雷达，发射机会周期性发射波形，接收机对每个回波以固定采样率fs做 ADC。快时间轴上每个脉冲内有Ns个采样点，这一维承载的是目标延迟带来的频率或相位差；慢时间轴上一帧有Np个脉冲，这一维承载的是目标运动带来的脉间相位变化。

如果目标距离为R、径向速度为v，单个目标回波可以近似写成基带复数形式：

s(n_fast, n_slow) = A * exp(j * 2π * K * 2R / c * n_fast * Ts) * exp(j * 4π * v * n_slow * PRI / λ)

其中K是 FMCW 调频斜率，Ts是快时间采样间隔，PRI是脉冲重复间隔。第一个指数只随快时间采样点变化，做完快时间 FFT 后落在拍频对应的距离门上；第二个指数只在慢时间上变化，做完慢时间 FFT 后落在多普勒频率点。多普勒频率fd = 2v/λ，换算回速度就是常规的径向速度公式。

这里容易忽略的是：慢时间轴并不是“自然时间”，而是一个“以 PRF 采样”的离散序列。慢时间 FFT 后频谱横轴只能覆盖[-PRF/2, PRF/2)，与雷达的fs完全无关。也就是说，想要测更快的目标，就必须提高 PRF；但 PRF 提高后最大不模糊距离又被压短。这个矛盾贯穿 MTD 参数设计全程。

2.2 距离分辨率、PRF 和最大不模糊速度之间的约束

MTD 不是一块独立算法，它受雷达参数硬约束。工作频率、发射带宽、脉冲重复频率三者同时影响距离和多普勒结果。常见关系如下表。

实际选参时，我先根据目标最大速度和最远探测距离反推 PRF，再留 1.2 到 1.5 倍余量，然后才定Np。Np既决定速度分辨率，也决定单帧数据量。AWR2243 这类毫米波雷达数据读取时，一帧Np常见取 64 到 256；如果太小，慢时间 FFT 旁瓣会把小目标压住，速度基本看不出来。雷达作用距离与脉宽的关系在这里同样体现：脉宽过窄会拉低发射能量，距离方程里的信噪比直接下降，所以现代雷达普遍用 LFM 把“宽脉冲能量”和“窄脉冲距离分辨率”解耦。

2.3 用最小骨架把一帧回波排成快时间慢时间二维矩阵

不要先写 MTD，先验证 reshape 是否正确。最小骨架如下。

import numpy as np # 假设一帧数据：npulse 个脉冲，每个脉冲 nsample 个采样点 # 采样文件是交错排列的 I/Q：i0 q0 i1 q1 ... npulse = 64 nsample = 256 raw = np.fromfile("adc_frame.bin", dtype=np.uint16).astype(np.float32) # 拆成复数基带，减掉直流偏置，避免距离 FFT 在 0 频处出现大尖峰 iq = (raw[0::2] - 2048) + 1j * (raw[1::2] - 2048) iq = iq[:npulse * nsample] # 慢时间脉冲放第一维，快时间采样放第二维 frame = iq.reshape(npulse, nsample) # 验证：连续 4 个脉冲在同一个距离门的相位是否连续 phase = np.angle(frame[0:4, 128]) print(np.diff(phase))

这段代码有两个关键点。第一，raw[0::2]和raw[1::2]的交错拆解必须和采集板端序一致；如果源数据已经是复数结构体，不要做这一层拆解。第二，reshape(npulse, nsample)的顺序不能乱，第一维必须是慢时间脉冲，后面做多普勒 FFT 时才不会把快慢时间轴弄反。phase输出如果只在目标存在处跳变，说明帧排布正确；如果每个脉冲都跳，通常是 IQ 错位或端序反了。

提示：换一块采集板后，第一件事是用连续正弦波或直接看回波相位验证 reshape，而不是立刻调 CFAR 门限。

3. 从距离 FFT 到 MTD：加窗、补零和 CA-CFAR 参数

3.1 为什么慢时间维度上做 FFT 就叫 MTD

MTI 只做相减，把静止杂波去掉；MTD 是在慢时间维度上形成一组多普勒滤波器组。每个滤波器对应一个速度通道，目标落进哪个通道，就得到其多普勒频率。慢时间序列点间距是PRI，因此Np点 FFT 天然构成Np个滤波器，覆盖[-PRF/2, PRF/2)。这个滤波器组在抑制杂波的同时保留目标速度信息，所以叫动目标检测。

实际实现里，MTD 并不神秘，就是距离维 FFT 之后在慢时间轴再 FFT。但直接np.abs看谱会吃亏：距离维旁瓣和多普勒维旁瓣需要分别设计。距离维窗影响的是多径和强目标泄漏，慢时间维窗影响的是同一距离门上杂波频谱泄漏进邻近速度通道。城市雷达场景里，静止建筑回波常比动目标高数十 dB，不加窗时，杂波的多普勒旁瓣会盖住附近 2 到 3 个速度通道。

3.2 一个可直接改参数的 MTD 函数

下面这个函数是 rader4 这类雷达脚本里常见的最小实现，重点在axis和窗的位置。

import numpy as np def mtd_2d(frame, nfft_range=512, nfft_doppler=128): # frame 输入形状是 (慢时间, 快时间) npulse, nsample = frame.shape # 快时间维度加窗，降低距离维旁瓣 range_win = np.hanning(nsample) range_fft = np.fft.fft(frame * range_win, n=nfft_range, axis=1) # 慢时间维度加窗，降低多普勒维旁瓣 dop_win = np.hanning(npulse) doppler_fft = np.fft.fft(range_fft * dop_win[:, None], n=nfft_doppler, axis=0) # 把零频移到中心，方便按 -PRF/2 到 +PRF/2 作横轴 return np.fft.fftshift(doppler_fft, axes=0) rdm = mtd_2d(frame) rdm_db = 20 * np.log10(np.abs(rdm) + 1e-12)

参数说明：nfft_range和nfft_doppler控制补零后的 FFT 点数。补零不提高真实分辨率，但能加密频谱采样，方便目标峰显示和峰值提取。range_fft * dop_win[:, None]里的[:, None]是为了让长度为npulse的窗沿第一个维度对齐；如果写成range_fft * dop_win，会出现广播错误或按错轴乘窗。np.fft.fftshift(axes=0)放在最后，使多普勒零频位于数组中部，画图和取峰不再做额外换算。

一个常踩的坑是：把两维 FFT 合成一个二维 FFT 一次做完。二维 FFT 数学上等价，但物理上不是同一个问题——距离维窗长取决于采样点数，慢时间维窗长取决于积累脉冲数，两者通常不同。合并写会让代码失去独立调参能力。比较稳妥的做法是保留range_fft和doppler_fft两个中间量，排错时分别观察。

3.3 CA-CFAR 门限参数和距离-多普勒图上的目标提取

MTD 输出后不能只找幅度最大值。零多普勒附近的静止杂波残留、近距离强反射体的旁瓣，都会把真实目标淹没。CFAR 以每个待检测单元周围的参考窗口估计噪声电平，再做自适应门限。下面是一组可用的起点参数。

实现核心不是门限函数本身，而是确认 RDM 的坐标轴换算。距离轴先拿到快时间 FFT 的 bin 序号，再用R = c * fb / (2 * K)换算，这里的fb是拍频频率。速度轴需要先把 bin 序号映射到归一化频点fd_norm = (k / nfft_doppler) - 0.5，再乘PRF得到真实多普勒频率，最后乘λ/2才是径向速度。容易犯错的是把fftshift后的数组直接按 0 到 N 的序号换算，结果目标速度整体偏移半个 PRF 区间。

对于峰值提取，用scipy.ndimage.maximum_filter找局部极大值，再配合 CFAR 粗门限滤掉低能量点，最后只保留超过门限的峰。不要一次取所有极大值，否则同一目标的旁瓣会被重复计数。

4. 真实雷达回放接入 MTD：去斜、DC 偏置和相位不连续

看到 FFT 峰并不能说明 MTD 已经工作。真实毫米波雷达原始数据还要经过去斜、端序整理和 IQ 校正。AWR2243 和 24GHz 模块的 LVDS 导出格式不完全一致，但文件里一般都可以按“脉冲/chirp × 接收通道 × 采样点”的维度切开。

4.1 原始数据的文件布局和 reshape 顺序

常见情况是，ADC 数据按 12 位或 14 位无符号整数保存，I/Q 样本交错，并用填充位对齐到 16 位。如果按“chirp × RX × sample × I/Q”的顺序存储，代码骨架如下：

import numpy as np npulse = 64 nrx = 4 nsample = 256 raw = np.fromfile("adc_data.bin", dtype=np.uint16).astype(np.float32) frame_iq = (raw[0::2] - 2048) + 1j * (raw[1::2] - 2048) frame_iq = frame_iq[:npulse * nrx * nsample].reshape(npulse, nrx, nsample) # 先选一个接收通道，再进入 MTD frame = frame_iq[:, 0, :]

如果文件里nrx和nsample的顺序不同，或者 I/Q 分开两个文件存储，reshape都会错。快速判断方法：对同一距离门画慢时间相位，如果每个脉冲都有固定的同向跳变，多半是 RX 维度被排到了慢时间前面。解析数据时不要用一个固定dtype套所有板子，先看前 64 字节的符号位和量化位数。

另一个容易忽略的点是去斜。对 LFM 波形，接收回波要先与本地参考混频成中频，距离维 FFT 输出的频率才是拍频。因此frame不直接是“基带距离时间样本”，而是“拍频样本”。这步不做，后续 MTD 得到的是拍频域距离，不是真实距离。

4.2 距离 FFT 前的三个高频检查点

先检查 DC 偏置。真实采集的 I/Q 里普遍存在直流分量，表现为距离维 0 频处的一条亮线。粗看像近距离目标，实际做慢时间 FFT 后会变成零多普勒通道的高能量条带，刚好压住低速目标。处理方式是减掉整帧均值，或按每个脉冲的均值去偏：

mean_i = frame.real.mean(axis=1, keepdims=True) mean_q = frame.imag.mean(axis=1, keepdims=True) frame_clean = (frame.real - mean_i) + 1j * (frame.imag - mean_q)

再检查 I/Q 不平衡。幅度不一致或正交度不够会产生镜频分量，在负频率处出现对称虚峰。这个问题不能靠调 CFAR 门限解决，需要先做增益和相位校正。

然后检查相位不连续。慢时间 FFT 假设每个脉冲的本振相位是可积的。如果时钟分频在每次 chirp 之间重置相位，慢时间相位会出现固定步进跳跃，多普勒 FFT 后目标会分裂成两个对称峰。常见处理是丢弃一帧前 2 到 4 个脉冲，因为那里通常是 PLL 锁定过程。

4.3 当距离-多普勒图上所有峰值都集中在零多普勒通道

这个现象在室外几乎必然出现：静止建筑和地面杂波的能量远大于动目标，慢时间 FFT 的零号通道自然最高。MTD 之前先做零频抑制是最直接的杂波抑制手段，尤其适合径向速度大于 1 m/s 的目标。

# 零频抑制：在慢时间维上去除均值，等效于去掉零多普勒分量 frame_hp = frame_clean - frame_clean.mean(axis=0, keepdims=True) # 或者做两脉冲对消，效果更强，但对低速目标伤害大 frame_mti = np.diff(frame_clean, n=1, axis=0)

两种做法边界要分清。去均值只挖掉慢时间序列的常量分量，保留其他多普勒通道；两脉冲对消相当于一个高通滤波器，所有落在 PRF/2 倍频附近的目标都会被抑制。低速目标若恰好落在盲速附近，对消后会消失。工程上我通常先用去均值，再在剩余谱图上做 MTD，最后看目标峰值是否跌到噪声底之下。若仍被低估，再考虑多脉冲 FIR 高通设计和多 PRF 解模糊。

真实场景里投入产出比最高的操作不是调 CFAR，而是确认慢时间轴是否相干。目标信号没有从杂波噪声底里浮出来之前，不要怀疑 CFAR 窗尺寸；先怀疑 DC 偏置和相位不连续。

5. 用注入合成目标验证 MTD 快慢时间处理链路

不依赖录制数据也能验证链路完整性。最稳的做法是向空白帧里注入一个已知距离、已知速度的合成目标，运行同一套 MTD，用峰位反推参数。如果反推值和注入值对得上，说明快慢时间排布、窗位置和坐标换算都正确。

5.1 最小注入目标生成器

R0 = 15.0 # 目标距离 v0 = 3.2 # 径向速度 fc = 24.125e9 # 雷达载频 k = 60e12 # 调频斜率 pri = 100e-6 # 脉冲重复间隔 fs = 20e6 # 快时间采样率 npulse, nsample = 64, 256 fast = np.arange(nsample) / fs slow = np.arange(npulse) * pri beat = k * 2 * R0 / 3e8 fd = 2 * v0 * fc / 3e8 frame = np.zeros((npulse, nsample), dtype=np.complex64) frame += np.exp(1j * 2 * np.pi * beat * fast) frame *= np.exp(1j * 2 * np.pi * fd * slow)[:, None]

生成后交给mtd_2d处理，再把峰值 bin 映射回距离和速度。距离用R = c * beat_bin * fs / (2 * k * nfft_range)计算；速度用v = (c / (2 * fc)) * (fd_bin - nfft_doppler / 2) / nfft_doppler * PRF计算。大多数时候峰位不会偏，若偏了，要么是补零后坐标轴没归一，要么是把fftshift后的轴按错误方向换算。用这个脚本调好的参数迁移到真实数据上，MTD 的很多定位问题都会被排除掉。

5.2 两个值得保留的验证习惯

第一，在真实数据帧的同一距离门上手动叠加一个弱目标，幅度比杂波低 6 dB，看 RDM 中能否出现可比峰值。若能，说明 MTD 动态范围足够；若不能，先提升慢时间窗主瓣，而不是压低 CFAR 门限。第二，把 PRF 改成两倍，再次运行同一注入目标，输出速度应保持一致。如果出现速度跳变，说明多普勒盲区或频率混叠，需要多 PRF 联合解模糊，而不是换窗函数能解决的。验证脚本里固定打印注入值和回归值，偏差超过一个距离门就停在 DC 偏置和相位不连续两个检查点继续查。

本文还有配套的精品资源，点击获取