最近在做一个雷达信号链路的验证项目，我照例用 MATLAB 和 Simulink 把整套雷达系统建模、仿真完整跑了一遍。整个过程走下来，有几个体会很想记录：仿真不是简单把公式写进脚本，而是要先把“要验证什么”、“验证到什么精度”这两件事想清楚。这篇内容就聊聊我用 MATLAB 和 Simulink 对雷达系统建模和仿真的完整路径，从雷达方程计算、波形设计、目标回波生成，到 Simulink 导轨式框图搭建的角度，再到结果判读和常见坑。想入门雷达仿真的学生，或者项目里需要快速验证算法的研发人员，应该都能直接复用这套思路和代码。
1. 为什么选择用 MATLAB 和 Simulink 做雷达仿真
1.1 仿真到底在解决什么问题
先说一个现象：很多初学者一开始就想把雷达发射机、天线、目标、接收机全部做出来，恨不得仿真里连 PCB 走线都画上去。这种思路在实践中往往吃力不讨好。我做雷达仿真时，真正要解决的是三类问题：探测能力能不能达标、检测算法对不对、系统级联之后参数是否匹配。
比如项目早期，我们需要在目标 RCS、距离、天线增益都还没最终确定的情况下，判断雷达能不能在某个距离上检测到目标。这种时候不需要先写仿真模型，只需要把雷达方程算一遍，看看链路预算是正还是负。又比如信号处理算法刚写完，想验证匹配滤波、恒虚警检测的处理效果，这时候需要一个能产生已知目标回波的仿真环境，把算法放进同一个数据流里跑。
MATLAB 和 Simulink 的组合正好覆盖这三类场景：MATLAB 脚本负责参数计算、算法原型验证和批量分析；Simulink 负责把系统框图和信号流可视化，方便团队协作和后续代码生成。这两者切换的成本很低，同一个工作区里的变量可以直接被模型引用，这是我愿意长期用它的核心原因。
1.2 环境准备：工具箱和版本注意事项
雷达建模这个方向，在 MATLAB 里主要依赖 Radar Toolbox（以前叫 Phased Array System Toolbox）和 Signal Processing Toolbox。如果只做基础信号处理，Signal Processing Toolbox 就够用；要做到发射机、目标、信道、接收机级的系统级建模，建议装上 Radar Toolbox。
版本方面，我建议直接用 R2023a 之后的版本，因为雷达工具箱在这几年做了不少模块扩充，Simulink 库里多了很多开箱即用的雷达模块，不用再用底层模块去拼。工具箱安装完后，可以在命令行输入radarScenario或者phased.RadarTarget看看能不能正常调用，如果没有报错，说明基本环境没问题。
还需要提醒一下：仿真精度和运行速度永远在打架。雷达信号的载频往往是吉赫兹级别，如果真的按载波频率采样，模型会大得跑不动。所以绝大多数雷达仿真都采用“复基带”或者“视频级”信号表示，即解调后再做信号处理。这种方式可以大幅降低采样率，也是在 MATLAB 和 Simulink 里做仿真的默认做法，后面例子里的信号都是复基带形式，这一点先记下来。
2. 雷达系统建模的基础：场景与波形
2.1 用雷达方程把场景参数定下来
雷达方程是所有雷达仿真的起点。它的作用就是回答一个最朴素的问题：在给定了发射功率、天线增益、目标距离和 RCS 之后，接收端还能不能看到目标回波。
常见单基地雷达方程可以写成：
[ P_r = \frac{P_t G_t G_r \lambda^2 \sigma}{(4\pi)^3 R^4 L} ]
如果把接收机噪声也考虑进来，匹配滤波处理后的信噪比可以写成：
[ SNR = \frac{P_t G_t G_r \lambda^2 \sigma \tau}{(4\pi)^3 R^4 kT_0 F_n L} ]
其中 (\tau) 是脉冲宽度，(k) 是玻尔兹曼常数，(T_0) 是参考温度，(F_n) 是噪声系数，(L) 是系统损耗。这里出现 (\tau) 而不是带宽 (B)，是因为脉冲压缩后噪声带宽由匹配滤波器决定，信噪比按脉冲宽度带来的处理增益提高。
我在实际建模时，会先把所有参数列在脚本开头，然后分别计算接收功率和噪声功率，最后得到信噪比。这样每一步都有数据可以检查，比直接套一个大公式要直观得多。
用一组实际参数举例：载频 10 GHz，峰值功率 10 kW，天线增益 30 dB，目标 RCS 1 平方米，距离 2 km，脉冲宽度 1 微秒，噪声系数 3 dB，系统损耗 1 dB，环境温度 290 K。此时 (\lambda = 0.03) 米，(G_t = G_r = 1000)，计算结果大约是：
- 接收功率 (P_r = 2.8 \times 10^{-16}) W
- 噪声功率 (P_n = 1.6 \times 10^{-14}) W
- 匹配滤波后信噪比约 15.4 dB
这个 15 dB 左右的值，对于后面的检测结果来说是一个相当合理的起点。所以做仿真之前先拿雷达方程估算一次，能避免模型跑完才发现信号被噪声完全淹没的尴尬。
2.2 波形选择：脉冲、LFM 与 FMCW
波形选择决定了你能测到什么、不能测到什么。雷达仿真里最常见的三种波形是单频脉冲、线性调频（LFM）和调频连续波（FMCW）。
单频脉冲实现最简单，脉冲宽度直接决定距离分辨率，而距离分辨率等于 (c\tau/2)。想提高分辨率就得压缩脉冲宽度，但脉冲变窄会降低平均发射功率，探测距离就受影响，这是个天然的矛盾。
线性调频就是来解决这个矛盾的：脉冲宽度保持较宽，但内部频率随时间线性变化，接收后通过匹配滤波压缩成窄脉冲。距离分辨率主要由带宽决定：(\Delta R = c/(2B))。带宽 2 MHz 时，距离分辨率大约是 75 米；想要 1 米级分辨率，带宽要到 150 MHz 以上。
FMCW 则常用于近距离连续测量场景，发射信号频率周期性调制，通过差拍频率反推距离，结构上更适合低成本雷达，比如汽车雷达。它的好处是接收机采样率不需要很高，缺点是信号处理流程和脉冲雷达差别很大。
所以在建模前先想清楚：被测目标大概多远、分辨率的硬指标是多少、要测距还是测速还是两者都要。这些答案直接决定了后面落在 MATLAB 脚本里的波形结构。我在下面示例里选 LFM 脉压体制，因为它在项目里最通用，也最容易在 Simulink 里拆解成模块演示。
3. MATLAB 脚本建模：先让整个信号链路跑起来
3.1 参数化与雷达方程计算
我习惯把模型参数放在脚本最前面，统一管理，后续做参数扫描时直接改一组数组就行。下面的代码把雷达方程计算做成了一个函数，输入参数之后会返回信噪比结果。
c = 3e8; fc = 10e9; lambda = c / fc; Pt = 10000; % 峰值功率 10 kW G = 10^(30/10); % 天线增益 30 dB R = 2000; % 目标距离 2 km sigma = 1; % RCS 1 m^2 T0 = 290; % 参考温度 k = 1.380649e-23; % 玻尔兹曼常数 B = 2e6; % 带宽 2 MHz tau = 1e-6; % 脉冲宽度 1 us Fn = 10^(3/10); % 噪声系数 3 dB L = 10^(1/10); % 系统损耗 1 dB Pr = Pt * G^2 * lambda^2 * sigma / ((4*pi)^3 * R^4 * L); Pn = k * T0 * B * Fn; SNR_pre = Pr / Pn; SNR_pc = Pr * tau / (k * T0 * Fn * L); G_pc = 10*log10(B*tau); % 脉冲压缩处理增益 fprintf('接收功率 Pr = %.3e W\n', Pr); fprintf('噪声功率 Pn = %.3e W\n', Pn); fprintf('脉冲压缩前 SNR = %.2f dB\n', 10*log10(SNR_pre)); fprintf('脉冲压缩处理增益 = %.2f dB\n', G_pc); fprintf('脉冲压缩后 SNR = %.2f dB\n', 10*log10(SNR_pc));这段代码运行后你会看到脉冲压缩后的 SNR 大约在 15 dB 左右，而压缩前是负值。这恰好说明了 LFM 脉冲压缩的意义：不处理好这个环节，短距离目标也有可能被噪声淹没。
3.2 生成 LFM 回波并做匹配滤波
接下来生成一个 LFM 脉冲的复基带信号，模拟一个点目标回波，再做匹配滤波来测距。为了让回波延迟准确，需要用整数采样点来控制时延。
fs = 2 * B; % 采样率，取带宽的2倍 N = round(fs * tau); % 单个脉冲采样点数 t = (0:N-1) / fs; lfm = exp(1j * pi * (B / tau) * t.^2); % LFM复基带信号 R_target = 2000; delay_s = 2 * R_target / c; % 双程时延 delay_smp = round(delay_s * fs); % 转为整数采样点数 rx = [zeros(1, delay_smp), lfm(1:end-delay_smp)]; % 目标回波 % 匹配滤波 mf = conj(fliplr(lfm)); y = conv(rx, mf); % 绘制结果 R_axis = (0:length(y)-1) * c / (2 * fs); figure; plot(R_axis, 20*log10(abs(y) + eps)); xlabel('距离 (m)'); ylabel('幅度 (dB)'); title('匹配滤波输出');输出结果会在距离约 2000 米处出现明显峰值。我用conv做卷积，本质上就是让回波和发射信号的共轭时序进行相关计算，这样每个采样点对应的相位偏差会被积累，噪声被平均掉，峰值位置就是目标的距离。
做这个步骤时会遇到一个细节：如果延迟不是整数采样点，直接将数组平移会产生量化误差。这个误差在演示中问题不大，但在高精度测距场景里，会导致测距偏差。解决办法是使用频域移相实现任意时延，例如用exp(-1j*2*pi*f*t_delay)对频谱做相位加权，这样时延可以精确到亚采样级别。我在工程项目里会用这个方法，但在教学示例里通常先用整数延迟保持逻辑清晰。
3.3 用脉冲串求解多普勒
我接着把单脉冲扩展成一组脉冲串，每个脉冲之间间隔一个脉冲重复周期，这样既能测距也能测速。处理方式是对每个距离单元的慢时间维做 FFT，得到多普勒谱。
pri = 1e-3; % 脉冲重复间隔 num_pulses = 32; % 脉冲数 fs = 2 * B; N = round(fs * tau); t = (0:N-1) / fs; lfm = exp(1j * pi * (B / tau) * t.^2); velocity = 100; % 目标速度 m/s fd = 2 * velocity / lambda; % 多普勒频移 delay_s = 2 * R_target / c; delay_smp = round(delay_s * fs); data_cube = zeros(num_pulses, N); for m = 1:num_pulses phase = exp(1j * 2 * pi * fd * (m-1) * pri); pulse_sig = phase * [zeros(1, delay_smp), lfm(1:end-delay_smp)]; data_cube(m, :) = pulse_sig; end % 慢时间 FFT doppler_axis = (-num_pulses/2 : num_pulses/2 - 1) / (num_pulses * pri); range_profile = fft(data_cube, [], 2); doppler_profile = fftshift(fft(data_cube, [], 1), 1);这段代码把 32 个脉冲排列成一个矩阵，行是慢时间，列是快时间。对行做 FFT 就是在每个距离单元上分析多普勒频率，目标速度 100 m/s 的情况下，多普勒频率大约 6.67 kHz。把图谱画出来，峰值位置会和这个理论值对应上。
实际过程中更推荐不用自己手动拼矩阵，雷达工具箱有现成的phased.RadarTarget和phased.Doppler系统对象，可以直接输出目标回波并附加多普勒相位。但手动实现一遍有助于理解信号结构，尤其在排查问题时，你会更容易判断是回波模型出错还是 FFT 处理出错。
4. Simulink 建模：从脚本到模块化
4.1 顶层模块怎么搭
脚本验证通过之后，我通常会把模型搬进 Simulink，因为后续要做更复杂的系统级联、外部硬件协同、代码生成，Simulink 的模块化优势就体现出来了。
Simulink 里搭建雷达模型，我常用的思路是“四段式”：信号源、目标回波、接收机、信号处理。对应到模块层面就是：
- Signal From Workspace：从 MATLAB 工作区读入 LFM 波形
- Integer Delay / Variable Integer Delay：模拟双程时延
- Gain / Product：叠加幅度衰减和目标 RCS
- 高斯噪声模块：模拟接收机热噪声
- 匹配滤波：用 Discrete FIR Filter 配置成匹配滤波器系数
- Scope / Array Plot：观察结果
模型顶层就是把这几类模块用信号线连起来。每个模块负责一个明确功能，后续替换算法时只需要替换其中一段，不需要动其他部分，这就是我优先用 Simulink 而不是一个大脚本做项目的根本原因。
4.2 关键模块的参数配置思路
Simulink 里最容易出错的是模块参数与 MATLAB 工作区参数不同步。我会把所有参数都定义在脚本里，Simulink 模块参数直接填变量名，而不是硬编码数值。
比如 Integer Delay 模块的延迟采样点数，如果直接填2000，后面改目标距离时就很麻烦。正确做法是在 MATLAB 脚本里定义：
delay_smp = round(2 * R_target / c * fs);然后在 Simulink 的 Delay 模块参数里填delay_smp，Simulink 会在运行前从工作区读取这个变量。
匹配滤波模块我用 Discrete FIR Filter，其“Numerator”填conj(fliplr(lfm))，也就是发射信号的时域反转共轭。滤波器的输出长度会自动周期性给出，但要注意在 Simulink 中它一次处理整个输入帧，边界数据会有一个初始过渡过程。如果想看到和 MATLAB 一致的峰值，建议在运行前先加一段零填充，或者在数据分析时去掉前 N-1 个点。
和 MATLAB 工作区的联动是 Simulink 非常方便的地方：源模块从工作区读取波形数组，显示模块可以随时切换成 Dashboard Scope 查看。在模型仿真过程中，MATLAB 脚本里定义的参数也能通过set_param动态修改，这样批量运行不同参数场景就不需要手点界面。
4.3 与 MATLAB 工作区的协同和在线调试
说到协同，Simulink 里有很多人和我一样特别喜欢用Simulink.Signal给信号线命名。给信号命名之后，模型里面可以生成一个虚拟总线，配合 Data Inspector 查看每一级波形，比只拉一个 Scope 到最末级要清晰得多。
我自己在建模型时，会把关键信号命名成tx_waveform、rx_echo、matched_output、detection_result这种一眼就知道是什么的名字。这样做有两个直接好处：第一是排查时能找到中间信号，不用从头猜；第二是给团队其他成员看模型时，不用反复解释信号含义。
在线调试这一点也值得说。Simulink 的 Simulation Pacing 功能可以把仿真运行放慢到接近实时，这样在示波器上观察信号确实是在“流动”的，而不是瞬间刷完。对刚接触雷达仿真的同学，这个功能对理解脉冲发射、回波延迟、噪声叠加的先后关系帮助很大。
调试时我常用的一个技巧：把回波时延设成 0，也就是目标距离为 0，先确认匹配滤波输出的峰值一定在零位置，再逐步增大延迟。如果第一个非零距离的实验就能准确定位，说明信号通路基本没问题；如果峰值位置不对，那就是时延模块或采样率设置出错了。
5. 结果分析：验证模型是否可信
5.1 距离-多普勒图的判读
建模之后最关键的一步是让结果说出物理含义，如果只是画出一个峰就交差了，后面会埋很多雷。距离-多普勒图是我首选的判读手段。
距离-多普勒图的横轴通常距离，纵轴是多普勒速度，颜色表示回波能量。从图中可以看到三类信息：目标是否存在、目标在哪个距离单元、目标有没有相对速度。如果图谱中只在某一处出现尖锐峰值，说明当前场景里是单个点目标；如果出现宽而不高的片状能量，可能是目标回波没有完全聚焦，也可能是速度模糊或距离模糊。
我第一次做多目标场景时，两个目标间距不足一个距离单元，此时距离维区分不开，但多普勒维如果不同，还是能通过慢时间 FFT 分辨出来。反过来，两个目标速度相同但距离不同，则用距离维区分。所以距离和多普勒是两个轴上的不同信息，判读时不能只看一个维度。
5.2 蒙特卡洛仿真评估检测概率
很多人在脚本里跑一次模型，看到一个峰就认为算法有效了。这种做法不够严谨。雷达接收机里有噪声，检测性能必须用统计方式评估。我会用蒙特卡洛仿真：相同参数下跑几百上千次，每次注入不同的随机噪声，统计检测概率和虚警率。
在 MATLAB 里做这个操作，最好把检测逻辑封装成一个函数，然后用parfor并行跑。思路如下：
num_trials = 500; detect_count = 0; threshold = 3.5; % 由目标的噪声水平确定，具体需要结合恒虚警率设置 parfor trial = 1:num_trials rx_sig = add_noise(rx_target, noise_power); y = matched_filter(rx_sig, lfm); peak_val = max(abs(y)); if peak_val > threshold detect_count = detect_count + 1; end end prob_detection = detect_count / num_trials;这里的阈值不能拍脑袋定。恒虚警（CFAR）检测需要根据噪声功率计算一个超过虚警概率对应的门限。在教学示例里，采用固定门限是没问题的，但在工程仿真里，我会把这部分换成 Cell Averaging CFAR 算法，利用工具自带的常数虚警检测系统对象，让门限跟随噪声功率自适应。
蒙特卡洛跑出来的检测概率和雷达方程估算的 15 dB SNR 要能对应上。如果 SNR 明明有 15 dB 但检测概率只有 0.5，说明算法实现有误；如果 SNR 很低但检测概率接近 1，也要警惕是不是噪声生成模块出了问题，比如噪声功率设置过小。
6. 实操中的常见问题与排查经验
6.1 采样率、时延、帧长的匹配
雷达仿真里最常见的问题，说白了就是三个数字没对齐：采样率、时延采样数、帧长度。采样率偏低会让信号畸变，带宽边缘被削掉；时延采样数不匹配会让峰的位置偏移；帧长不够会让回波被截断。
我在脚本里会做一次最简单的校验：打印mod(delay_smp, 1)，如果不是 0，说明用了实数时延被取整，结果会有偏差。另外我也会检查delay_smp + length(lfm)是否小于帧长，如果回波尾部被截断，匹配滤波输出峰值能量会降低，看起来像目标变小了。
Sampling rate 和带宽之间存在一个约束：采样率至少要大于信号带宽的 2 倍，最好取 4 倍以上。Simulink 模型里如果把采样率设置得太低，Scope 里看到的信号会明显变形，不一定是算法问题，先查采样率就对了。
6.2 离散化带来的边界效应
MATLAB 脚本和 Simulink 的结果不一致，这个问题很常见。其中一个原因是卷积和匹配滤波的边界效应不同。用conv做的是线性卷积，输出长度为 N + M - 1；而在 Simulink 的 Discrete FIR Filter 里，默认是截断到输入帧长，相当于在做循环卷积或截断卷积。
如果我遇到脚本和模型峰值幅度差很多，通常检查这几点：
- Simulink 里 FIR 滤波器输入信号是否填入了足够的零填充
- 模型的仿真时间是否足够长，能覆盖整个回波和滤波输出
- 频谱显示模块是否需要设置零填充因子才能看清峰值
另一个边界效应是 FFT 测距时，如果距离正好对应到频谱网格的边界，峰值会分裂到两个格点，幅度下降约 3 dB。这个问题本质上不是算法错了，而是分辨率不够。解决办法是提高采样点数或对信号做零填充，让峰值落在单一格点上。
6.3 我的调试顺序和习惯
调试雷达模型时，我遵循一个固定顺序：先仿真链路，后算法处理；先单脉冲，后脉冲串；先单个目标，后多个目标和噪声。
第一步，只用无噪声环境，看回波波形是否正常。波形幅度、时延、频率都能对应，才进入第二步。第二步，只加接收机热噪声，先观察噪声基电平是否正确，再观察目标峰是否仍可见。第三步，先做匹配滤波和检测，再考虑多目标分辨和 CFAR。
这套顺序最核心的价值是“一步只解一个变量”。比如匹配滤波输出不对，如果信号源、回波、噪声全部混在一起，你很难知道是哪个环节的问题。一步一步推进，每次只增加一种复杂度，排查的时间会短很多。
6.4 性能和模型规模的平衡
最后想提一下模型规模控制。雷达仿真里最容易搞出的问题是帧太长、脉冲数太多，最后模型跑一个场景要等十分钟。如果是做蒙特卡洛分析，这种效率是不可接受的。
我的习惯是：先在最小规模上验证流程，也就是用少量采样点、少量脉冲，保证逻辑和算法正确。确认无误后，再逐步增加距离分辨率、脉冲数、目标数量。如果需要跑大量蒙特卡洛实验，就把最关键的信号处理封装成函数，避免每轮都做完整 Simulink 仿真，这样可以快一个数量级。
另外，Simulink 模型的仿真采样步长如果太密，速度会急剧下降。模型里尽量用样本数确定帧长，而不是仿真时间直接设成非常大。用 Dashboard Scope 查看波形时，可以只保留关键通道，减少绘图开销。
7. 一点个人体会
做了几轮雷达建模与仿真之后，我最大的感受是：工具只是帮助你思考的，真正的难点其实集中在“参数语义”和“信号链路理解”上。如果你能清楚地说明某个模块为什么存在，某段代码里的每个延迟和增益是怎么来的，那仿真结果才可信；反之，就算界面跑得再漂亮，也不敢拿去指导真实系统设计。
我自己的习惯是每写完一个仿真模型，就回到雷达方程重新算一遍预期结果，哪怕只是一个粗略的估计。因为仿真可以做到非常精细，但如果心里的方向和物理直觉对不上，越精细越容易迷失。每次模型输出和理论估算不一致，我都会花时间搞清楚原因，而不是直接调参数把结果掰回来，这也是我这些年踩坑之后才养成的习惯。
如果你刚开始学 MATLAB 和 Simulink 对雷达系统建模，不要急着追求代码模块有多复杂。先拿一个简单 LFM 脉冲测距模型跑通，再一点一点加入多普勒、噪声、CFAR、多目标。这个过程走下来，你对雷达系统的理解会比只看书牢固得多。希望这篇内容能帮你在建模和仿真的路上少走几个弯路，也期待看到你用自己的模型验证出更有意思的场景。
