基于Simulink的雷达信号处理系统建模仿真与工程实践

1. 为什么要把雷达系统放进 Simulink 里跑一版仿真

1.1 建模仿真的核心目的：不只为画波形，而是为了验证信号处理链路

老读者可能知道，我这两年一直在折腾雷达信号处理相关的教学和预研项目。手头攒了不少雷达系统的MATLAB脚本和Simulink模型，也在多个项目里被拿来当作参考框架。很多人第一次接触雷达仿真时，第一反应是"这不就是写个信号发生器，加上一个目标回波，再做一个匹配滤波吗？"——对，也不对。如果只是为了在MATLAB里画出一张漂亮的LFM信号时域图和频谱图，那确实很简单。但雷达系统建模的真正难点，从来不在单个模块，而在于整个信号处理链路在时间和幅值上是否自洽：波形参数、目标距离、时延、多普勒频移、采样时刻、脉冲积累个数、CFAR参考窗长度，所有环节必须卡在同一个物理尺度上。

而 Simulink 恰恰给这个"链路自洽"提供了一个非常直观的验证环境。你搭的每一个方框，都对应一个实际器件或算法阶段；你连的每一根线，都代表信号在这个系统中的流动路径。这套思路特别适合两种情况：第一种，是刚接触雷达的新手，在图形化模型里能看出脉冲压缩前、后信号发生了什么变化，而不是面对几千行MATLAB脚本一头雾水；第二种，是需要在系统级验证算法、或者要把仿真模型交给硬件工程师做FPGA实现的老手，Simulink的模型分层和代码生成能力能省大量沟通成本。

1.2 相比手写代码和硬件测试，Simulink 的优势到底在哪

我的观点可能比较直接：雷达建模仿真要分三个层次，Simulink正好卡在"系统架构验证"这个中间层。第一层是纯理论计算，用纸笔或者简单脚本算雷达方程、算最大作用距离，这只能告诉你一个大概范围。第二层是信号级仿真，要考虑波形、噪声、杂波、天线方向图、接收机非线性，这就是Simulink的主场。第三层是硬件在环或外场实测，成本高、周期长，而且一旦出现问题，很难定位是天线的问题、射频前端的问题还是算法的问题。

纯MATLAB脚本也能做信号级仿真，但它默认是"顺序执行"的思路，模型的内在并行性和时间约束需要自己用代码维护。Simulink是基于时间流的执行框架，每个模块自带采样时间和工作模式，信号在哪个时刻更新、哪个时刻输出，系统会帮你管理。你写脚本时需要手动循环处理的快慢时间维，在Simulink里天然通过不同采样率表现出来。这一点在相参积累、多普勒处理这些场景下特别重要，后面我会专门展开。

另外还有一点常被人忽略：Simulink模型本身就是一种"可执行文档"。你写一段处理回波信号的脚本，别人要看半天才能明白你的处理意图；但你把匹配滤波器、加窗、抽取、FFT这几个模块连出来，再在图上标好尺寸，对方一眼就知道你在做脉冲压缩加多普勒分析。这对跨团队协作非常友好。

不过我也得泼一盆冷水。Simulink不是万能药，它最大的问题是模型复杂度起来之后，调试时间会成倍增加，特别是当你使用变步长求解器、多速率信号、状态事件混合在一起时，一个代数环就能让你卡一下午。所以，我建议所有想用Simulink做雷达仿真的人，先想清楚一个问题：我是要验证"某一帧数据的处理结果"，还是要验证"整个系统在连续时间上的行为"？如果是前者，用MATLAB脚本足够；如果是后者，Simulink的收益才会真正体现出来。

2. 建雷达到底在建什么：先拆清天线、发射、接收、处理四层信号关系

2.1 雷达系统级模型里的五个关键信号链节点

很多朋友一开始搭模型，喜欢从Simulink的模块库里挑一个"发射波形生成器"，再挑一个"目标生成器"，连起来发现什么都能跑，但问起"这条链路上的功率是多少、信号幅度应该多大"就答不上来了。原因在于，雷达系统其实是一条从发射到处理的完整物理链，中间每一步都在改变信号的幅值、相位和频率。

我习惯把这条链拆成五个节点：波形生成、辐射与传播、目标反射、接收与解调、检测与参数提取。前三个节点描述电磁波的实际物理过程，后两个节点描述信号处理过程。很多仿真做不好，就是因为把前三个节点的物理关系算错了，后面算法再好也没用。

第一个节点里，波形生成不是简单输出一串采样点，而是要确定载频、峰值功率、波形类型、脉冲宽度、脉冲重复间隔、相参脉冲串长度。第二个节点里，发射信号经过天线辐射，要考虑天线增益、方向图传播因子，然后在自由空间传播损耗，这些都要折算成回波功率。第三个节点里，目标的位置和速度产生了两个关键效应：时延和多普勒频移。时延决定了目标距离，多普勒频移决定了径向速度，两者必须同时作用在回波上。第四个节点把接收到的射频回波下变频、放大、滤波，变成基带复信号。第五个节点才是我们常说的脉冲压缩、相参积累、CFAR检测。

2.2 一个目标在仿真链路里是怎么"走"完一圈的

我以最常见的线性调频脉冲雷达为例，把整个链路串一遍。假设雷达发射峰值功率为1千瓦，载频10吉赫，波形是脉宽20微秒、带宽10兆赫的LFM信号，脉冲重复频率10千赫。目标在距离2公里处，以每秒50米的速度靠近雷达。

目标回波到达雷达时，相对发射信号有两个变化：首先是时延，等于两倍距离除以光速，约13.33微秒；其次是多普勒频移，按照两倍径向速度除以波长计算，约3333赫兹。这个频移相对载频10吉赫来说很小，但对LFM信号而言，回波频谱整体搬移，匹配滤波后不仅峰值位置会变化，还会产生微小的时间偏移。

在Simulink里模拟这个过程，我通常会在目标模块中直接构造一个延迟副本，再乘以多普勒相位旋转。关键是要让多普勒移和LFM信号的采样周期匹配好。如果信号是复基带形式，多普勒频移在基带里表现为一个复指数序列，每个脉冲的起始相位会因为相参脉冲串而发生变化。这些相位变化，正是后续多普勒处理能测出速度的物理根据。如果这些相位变化建模错误，距离-多普勒图上就会产生虚假速度峰。

2.3 一定要区分"物理模型"和"信号模型"两种建模粒度

这是我自己踩过的大坑。最开始做Simulink雷达模型时，我总想"真实"，试图把天线方向图的每个旁瓣、射频前端的每个非线性特性都塞进模型。结果仿真步长被拉得极小，一帧数据跑了好几分钟，项目进度完全动不了。后来我意识到，对系统级验证来说，很多物理细节是可以压缩成参数化的信号模型。

比如天线方向图，不需要真的画出电磁场分布，而是用一个方向图增益函数来修正目标回波幅度；接收机非线性，大多数时候用饱和限幅加噪声系数就够；目标RCS，可以直接用一个标量乘以随机起伏因子，也可以用Swerling模型生成随机序列。这种东西叫作"等效基带模型"，它不追求与真实电磁环境的逐点一致，而是保证信号处理算法关心的幅值、相位、信噪比关系保持一致。

什么时候必须用完整物理模型呢？只有当你要验证信号在特定天线扫描下的角度测量性能，或者要分析多径、地杂波、目标雷达散射特性很复杂时，才需要更精细的电磁仿真工具配合。Simulink的定位是系统级验证，不要拿它硬刚电磁细节。

3. Simulink 雷达建模的核心模块与参数设置实操

3.1 波形生成：LFM信号与相参脉冲串的搭建

在Simulink里造LFM波形，我一般不用自己写复杂的傅里叶变换公式，直接用通信工具箱里现成的"线性调频波形"模块（您可以查一下Radar Toolbox里的相应模块）。但有一个原则：所有参数必须在模型里用变量定义，不要写死数字。我通常会单独建一个仿真参数脚本或者模型工作区，把载频、脉宽、带宽、采样率、PRF、脉冲数等集中赋值，模型里的模块全部引用这些变量。

以一套典型的车载雷达参数为例：载频77吉赫（注意这时候采样率可能很高，自己做低通等效模型时只需要基带带宽），波形带宽可到200兆赫，脉宽典型值4微秒，PRF可到数十千赫。但在教学Demo里，我会先把参数降低一些，比如载频10吉赫，带宽10兆赫，脉宽20微秒，采样率25兆赫，这样既能体现原理，又不会让仿真数据量爆炸。

参数之间有个硬约束：采样率至少要满足基带信号的奈奎斯特带宽，一般取带宽的2到4倍。如果你要观察LFM信号的频谱，建议采样率取带宽的4倍以上，否则脉冲压缩后的旁瓣会出现混叠伪影。脉宽和带宽的乘积叫时间带宽积，决定了脉冲压缩比，也决定了LFM信号处理增益的上限。例如脉宽20微秒、带宽10兆赫，时间带宽积就是200，匹配滤波后信噪比理论上能提升10*log10(200)约23分贝。这个数值是验证模型是否正确的一个抓手。

相参脉冲串的搭建稍微复杂些。每个脉冲之间要相隔一个脉冲重复间隔（PRI），且在脉冲持续时间内产生LFM波形，在空闲时间内置零。Simulink里可以用"脉冲串模块"配合使能信号实现，也可以用触发子系统。我个人更推荐用"可配置波形发生器"加"采样率转换"组合，这样后续扩展不同波形时不用大改。要注意脉冲串的起始相位必须连贯，如果每个脉冲都从零相位重新开始，会破坏相参性，导致多普勒处理出现同频干扰。

3.2 目标与信道建模：雷达方程折算、自由空间传播、RCS

目标模块不是简单加个延时。我见过很多人把目标回波功率随便设成固定值，结果后面CFAR门限调到怀疑人生。正确的做法是按雷达方程告诉你的关系去折算回波功率。

雷达方程的核心关系是：接收回波功率与发射功率、天线增益的平方、目标RCS成正比，与距离的四次方成反比。用一个简化式子表示：

接收功率 = (发射功率 * 天线增益^2 * 波长^2 * RCS) / ((4*pi)^3 * 距离^4)

仿真时，如果你已经考虑了传播损耗和天线增益，接收功率会小得惊人。比如1千瓦、增益30分贝、RCS=1平方米、距离2公里、波长0.03米，接收功率大约在1e-10瓦量级。直接拿这个幅值去做信号处理，很容易被浮点精度吃掉。所以工程上通常会做一个归一化：把回波信号乘以一个放大系数，使处理链路中的信噪比保持正确，但信号幅值落到适合数值处理的量级。这个放大系数等于在一个参考距离上的功率归一化因子。关键是要在模型里把功率比例关系保住，而不是保留实际功率绝对值。

Simulink中我用一个自定义的"目标回波生成"子系统：输入是发射基带信号，输出是带延时和频移的回波基带信号。时延用可变整数延时模块加分数延时模块组合实现，多普勒频移用复数乘一个指数函数实现。RCS起伏可以加一个随机数序列来控制回波幅度增益。如果要模拟Swerling 1型目标，就让每个扫描周期内目标幅度恒定，但扫描间随机变化；Swerling 2型则每个脉冲都变化。这个区别在相参积累时影响很大，需要特别小心。

3.3 接收机链路：匹配滤波器与多普勒处理

匹配滤波器的本质是一个与发射波形相关（共轭镜像）的滤波器。在数字域实现时，最常见的就是用FFT做快速卷积，或者直接用卷积模块。对LFM信号，匹配滤波输出是sinc函数形状的峰值，第一旁瓣大约比主瓣低13.2分贝。要降低旁瓣，就得在脉冲压缩前加窗函数，比如海明窗，能把第一旁瓣压到-40分贝左右，代价是主瓣变宽，距离分辨率下降。

多普勒处理则是对一串相参脉冲的回波采样点做FFT。具体操作是：先对每个脉冲完成距离压缩，然后取某一距离单元在不同脉冲上的复数值，按脉冲序号排列，做FFT。Simulink里可以用"矩阵分帧"或"缓冲"模块把快时间慢时间数据重排，再用二维FFT模块一次完成。注意FFT点数要大于或等于慢时间维的脉冲数，通常做两倍以上零填充可以改善多普勒频谱的显示效果。

这一段最容易踩坑的是"距离单元走动"问题。如果目标速度很高，在一个相参处理间隔内目标跨过了多个距离单元，直接对距离压缩后的数据做FFT，多普勒谱会被拉宽甚至出现错位。解决方法是先做运动补偿（比如Keystone变换），或者把相参处理间隔缩短。Simulink里做运动补偿比较麻烦，我一般会先用脚本验证算法，再把验证好的算法封装成MATLAB Function模块嵌入模型。

3.4 检测端：CFAR 门限与角度估计的模块化实现

检测模块的核心是恒虚警检测器，即根据背景噪声和杂波自适应地设定门限。Simulink里有CFAR模块可以直接用，但我还是建议动手搭一个简化的单元平均CA-CFAR，这样才能真正理解保护单元和参考单元的设置逻辑。

假设你要对距离维做CFAR：某个待检测距离单元两侧各留若干个保护单元（用于防止目标主瓣泄漏污染均值），再取每侧数十个参考单元求平均功率，乘以一个门限因子作为判决门限。保护单元的数量一般要大于脉冲压缩后主瓣的宽度，比如海明窗后主瓣能达到5到7个采样单元，那保护单元至少每边留3到4个。门限因子对应期望的虚警概率，虚警概率越低，门限因子越大。

角度估计方面，如果用到单脉冲测角，需要在Simulink里搭建和波束、差波束的比幅处理。先用两个半阵或四个象限的通道分别做匹配滤波，得到和信号与差信号，再通过查表或多项式拟合得到角度误差。这个部分比较进阶，我会在下一节用一个具体案例来演示。

4. 跑通一个单脉冲测角模型的完整过程：从系统框图到结果解读

4.1 系统配置案例：线性阵列、双通道和差波束

我前段时间搭了一个用于教学演示的单脉冲测角仿真模型。场景是相对简单的线性阵列，阵元数16个，阵元间距半波长，载频10吉赫。目标位于阵面法线方向偏右3度的位置，距离1.5公里，径向速度25米每秒。发射波形采用LFM，脉宽20微秒，带宽5兆赫，采样率20兆赫，PRF 5千赫，一个相参处理间隔内发64个脉冲。

单脉冲测角需要构造和差波束。在基带模型里，我可以把阵元信号直接建模为：目标回波到达每个阵元时，由于到达角不同，产生一个与阵元位置相关的相位差。对这个相位差做波束形成，就可以生成和波束输出与差波束输出。实际雷达中是通过微波网络实现的，但在仿真模型中，我用阵列流型矩阵乘以回波信号来完成。

和波束的方向图在天线法线方向增益最大，差波束的方向图在法线方向为零，在两侧随角度变化。测角时，取和波束输出幅度与差波束输出幅度的比值，再除以一个斜率归一化因子，就能得到目标偏离法线的角度。这个比值的线性区大约在主波束宽度内，超过这个范围就会出现测角模糊。

4.2 参数表与仿真时长设计

整个模型我分成四层：发射波形层、目标与信道层、接收波束形成层、检测与测角层。每一层都做成子系统，接口统一。下面这张表是我当时记录的关键参数：

仿真总时长要覆盖整个相参处理间隔，也就是64个脉冲乘以PRF的倒数——200微秒再乘以64，约12.8毫秒。考虑到每个脉冲内有20微秒、采样率20兆赫，一个脉冲有400个采样点，64个脉冲就是25600个采样点。这个数据量在Simulink里可以实时跑完，不会卡顿。如果设置仿真结束时间小于12.8毫秒，相参积累就会不完整。

这里有个容易忽略的点：仿真步长的选择。我希望回波路径上的多普勒相位在每个脉冲之间是连续演进的，所以仿真步长不能太大。一般设成跟基带波形采样周期一致，即50纳秒。如果步长太大，多普勒相位在快时间上的变化会产生失真。但也不能全面用变步长求解器，会有代数环问题。我建议把整个模型设为离散固定步长，步长等于采样周期，求解器选离散（无连续状态），这样最快最稳。

4.3 结果解读：距离-多普勒图与角度误差曲线

跑完64个脉冲的相参积累后，得到的是距离-多普勒二维谱。我习惯在MATLAB脚本里读取Simulink的输出数据，再用surf或者imagesc画图。从图上应该能看到在距离约1.5公里、多普勒频率约1667赫兹的位置出现一个峰。对应速度计算是频率乘以波长除以2，波长0.03米，1667赫兹对应25米每秒，与设定完全吻合。

距离维的峰值位置要仔细核对。因为LFM匹配滤波输出的峰值位置对应目标时延，在数字域中由于采样率的关系，峰值可能出现在第200个采样点左右。再结合脉冲压缩后的距离分辨率约30米，所以峰值附近会有几个明显的旁瓣。加窗之后，旁瓣压低，但主瓣变宽到约2到3个采样单元。这些现象都是正常且可以预期的。

角度测量误差方面，我做了20次蒙特卡洛仿真，每次加不同的噪声种子。单脉冲比算出来的角度误差在0.1度以内，如果信噪比下降到接近门限，误差会明显增大，甚至出现有几个测角结果跳到另一个波束指向上的情况。这说明在低信噪比下，单脉冲比幅的线性近似已经失效。实际工程中应对这种问题，要么提高积累增益，要么采用多个波位做比幅，或者用最大似然估计。这个现象非常值得在Demo中展示给读者，因为很多人只看理想情况下的一次结果，容易高估测角性能。

5. 仿真跑得慢、结果"看起来对其实是错的"：调参与验证的避坑清单

5.1 采样率与仿真步长的矛盾：为什么频谱混叠了还能出漂亮图？

我在帮朋友调试一个雷达模型时，发现跑出来的脉冲压缩波形特别光滑，压缩比也比理论值高，仔细一看，问题出在采样率设置上。他把发射波形模块的采样率设成了带宽的两倍，刚好满足奈奎斯特条件；但在显示时，MATLAB画图自动做了线性插值，所以波形看起来依然连续，没有任何混叠痕迹。而实际上，LFM信号的瞬时频率是线性变化的，在带宽边缘的地方频谱已经折叠，匹配滤波输出中的旁瓣结构被破坏了，只是画图时看不出来。

解决办法非常简单：仿真完成后，把关键信号的数据导到MATLAB工作区，用spectrogram函数看一下时频图，检查频率是不是从起始频率线性扫到终止频率。如果时频图出现边缘混叠或周期性重复，就说明采样率不够。我一般设成带宽的4倍以上，宁可多算一点，别让信号失真。另外，Simulink模型里各个模块的采样时间必须明确标注，否则系统会自动推断，不同速率之间的数据交互容易产生意想不到的延迟。

5.2 随机种子与蒙特卡洛：单次仿真结果不可信

雷达仿真天然带着随机性：接收机噪声、目标RCS起伏、杂波纹理，这些都是随机过程。很多人跑了一遍模型，看到检测结果很好，就以为系统没问题。实际上，一次仿真只是从一个概率分布里采了一个样本，置信区间完全未知。我在做某雷达检测算法验证时，一开始只跑100次蒙特卡洛，发现检测概率曲线波动很大，后来加到1000次，曲线才稳定下来。这个教训让我养成了习惯：任何涉及性能评估的仿真，必须至少跑500次以上，并记录每次的随机种子。

Simulink里控制随机种子需要在随机数模块里设置一个可由外部脚本控制的变量。每跑一次仿真，就改变一次种子，然后把检测结果、测角误差等记录下来。如果仿真是从MATLAB脚本用sim命令启动的，可以利用parfor并行跑多个不同种子的任务，效率高很多。注意，如果模型里有多个随机源，比如噪声和RCS起伏，要给不同的随机流，避免序列相关。

5.3 相位中心与坐标系的坑：时延和多普勒标定错位

另一个我经常看到的错误是目标时延和相位中心算错。Simulink里的基带信号模型通常假设所有信号以复包络形式传输，但距离对应的时延是射频载波上的时延，而不是基带包络的时延。换句话说，回波信号不仅在包络上延迟了，在载波相位上也旋转了一个角度。如果只延时基带信号而不乘载波相位因子，那么目标距离虽然对了，但相参积累后的目标相位会错误，甚至导致多普勒估计偏差。

正确做法是，在目标回波生成时，除了做整数或分数时延之外，还要根据载频计算并乘上由距离带来的相位偏移。距离2公里、波长0.03米对应的双向相位大约是22π距离/波长，这个值会很大，需要用模2π运算处理。很多时候这个相位偏移对非相参检测无关紧要，但对相参积累和测角至关重要。我在单脉冲模型里就因为少乘这个相位因子，导致和差波束测角结果始终偏了一个固定角度，排查了整整两天。

5.4 从Simulink到硬件验证时的精度差异

用Simulink开发的雷达信号处理模型，最终往往要通过自动代码生成或者在FPGA上实现。这个时候，你会在定点化过程中遇到很多"仿真很好但硬件不对"的问题。Simulink默认用双精度浮点，匹配滤波器系数、FFT的中间值都非常精确，而FPGA实现时通常用16位或32位定点数，量化噪声和溢出会显著影响检测性能。

我的经验是，在模型验证阶段就要考虑定点化。Simulink里可以把匹配滤波、FFT、CFAR这几个核心模块的数据类型改成定点数，用定点工具箱检查溢出和量化误差。如果你提前不做这件事，等模型做完再转到硬件平台，大概率要重新调一个月。另外，硬件的时钟与仿真时间不完全对应，Simulink模型里的每个模块延迟要映射到硬件流水线延迟，这一步需要逐模块比对，也是最耗时的环节。

6. 从Demo式仿真到工程级模型，还需要补上哪些能力

6.1 模型分层与参数化：从一页大图变成可维护的模块库

很多Demo最终死在模型混乱上。所有模块堆在一个画布里，线拉得乱七八糟，参数写死在对话框里，一周之后自己都看不懂。我建议从一开始就做三层结构：最顶层是整个雷达系统，中间层是发射、信道、接收、处理四个子系统，最底层是每个子系统的具体算法模块。子系统之间用总线信号传递，不要一根根线连，否则信号多了之后逻辑会非常乱。

参数化方面，我习惯把所有的配置项集中到一个结构体变量radarParams里，在模型初始化回调中用脚本赋值。这样做的好处是，换一组参数就是换一个结构体，不用动模型图。比如验证不同波形，只需要修改波形的类型枚举和对应参数，模型里的波形生成模块会自动切换。做多目标场景也可以把目标列表放到工作区，目标子系统用数组索引去读。

6.2 多目标与杂波场景库：只测单目标太理想化

单目标加高斯白噪声的模型可以验证算法链路，但和真实情况差距很大。工程级的雷达仿真至少要加入三类复杂因素：多目标回波相互干扰、地杂波或海杂波、干扰信号。多目标建模相对简单，在目标子系统内部把多个目标的回波叠加起来就行，但要小心目标之间的距离单元重合，以及强目标旁瓣掩盖弱目标的问题。CFAR检测器面对多个目标时，需要改进为有序统计CFAR或者删除均值CFAR，这点在Simulink里可以通过调整模块参数实现。

杂波建模就比较麻烦了。地杂波通常是强相关、呈幂律分布的，在低掠射角下还会产生尖峰。Simulink里可以用相关高斯序列生成杂波包络，再用零记忆非线性变换调节幅度分布。这类模型的参数不少，但作为系统级验证，我一般先用较简单的瑞利杂波加一个固定直流分量来近似，重点看CFAR应对杂波边缘的效果。如果要做海杂波下的目标检测，就需要引入K分布或Weibull分布模型，此时建议先从论文里找到合适的统计模型，再封装成MATLAB Function模块。

6.3 自动代码生成与半实物仿真的衔接：仿真模型变成嵌入式代码

最后一个建议是，尽量让Simulink模型从一开始就具备"可直接生成C/C++代码"的条件。这不是要求每个工程都做代码生成，而是要求你在建模时避免使用那些无法代码生成的模块，比如只用于可视化的示波器、频谱仪，还有一些变步长连续求解器。把这些模块放在模型的显示层，不要放在信号处理主链路上。

等到需要做半实物仿真时，把处理链路的子系统单独抽出来配置成代码生成目标，用硬件在环的方式跑真实采样数据。这时候输入数据源就不是Simulink的内部波形模块，而是外部数据读取接口；输出数据也可以通过网络发回上位机分析。这个衔接过程能提前暴露很多问题，比如数据位宽不足、时序约束、乒乓缓存操作等。

我做这类验证时，会先用Simulink自带的自动代码生成功能生成一个快速原型，然后在硬件平台的开发板里注入同样的仿真输入数据，逐帧比对处理结果。比对通过之后再接真实前端数据。这一步虽然麻烦，但它是从"能跑通仿真"走向"能交付算法"的必经之路。

总而言之，用MATLAB和Simulink做雷达系统建模仿真，最大的价值不在于某一个波形生成模块如何好用，而在于它逼着你把整个雷达系统的信号流、物理量和时间关系串起来。模型图永远只是表象，图里每个参数的物理意义、每条连接线上的信号格式，才是真正值得反复推敲的部分。如果你也在搭类似的雷达仿真链路，建议先从单目标LFM雷达入手，跑通距离-多普勒-角度的全流程，再一步步加复杂场景。那种看着自己亲手搭出来的模型，在距离-多普勒图上出现一个干净利落的峰值时的满足感，值得每个人体验一次。