双功能雷达通信系统DFRC的波束成形设计与Matlab仿真实现

1. 双功能雷达与通信系统：为什么要把两件事绑在一起

1.1 从专用系统到“一鱼两吃”的演进逻辑

做射频系统的人大概都熟悉这个场景：雷达系统要发射大功率脉冲波，通信系统要在同频段传数据，以前两者见了面就得避让，车联网、无人机组网这类场景更是头疼——雷达要探测目标，通信要传输信息，频谱资源就那么多，总不能拆成两套设备各占各的频段。

双功能雷达与通信系统（Dual-Functional Radar and Communication, 简称DFRC）就是在这个矛盾里逼出来的思路：让同一个发射机、同一个天线阵列、同一段频谱，同时完成雷达探测和通信传输。听起来像是偷懒，实际上背后有严格的信号设计逻辑。雷达需要的是对回波波形的相关处理增益，通信需要的是对信息符号的解调准确性，两种需求在波形维度上是可以在同一帧内叠加的。用一套系统替代两套设备，体积、功耗、成本都降下来，这在车载雷达通信一体化、无人机协同、频谱共享战场通信等场景里非常有吸引力。

我在Matlab里做这套仿真，目标很明确：验证波束成形能否让同一阵列在空间上把雷达波束和通信波束分离开，再评估一下两个功能之间相互干扰的程度。这篇文章就把整个仿真过程拆开讲，从阵列信号模型到权重设计，从代码实现到问题排查，适合正在做雷达通信一体化课程设计、毕业设计，或者刚接手相关项目的工程师。

1.2 DFRC系统的基本架构

经典的DFRC架构里，发射端共享一个天线阵列，每个阵元注入的发射信号是雷达基带波形和通信基带波形的叠加，再通过波束成形权重在空间上形成两个不同的指向。

先画一个信号流图（文字版）：基带产生雷达波形（比如线性调频LFM）和通信数据（比如QPSK符号）→ 两者经过各自的调制映射 → 混合成一路发射基带信号 → 波束成形加权 → 多阵元上变频 → 空间发射。接收端分两条路：雷达接收机处理目标回波，通信接收机处理直达波。天线阵列既承担发射任务，也承担接收任务，所以雷达和通信在硬件上是分不开的，只能在信号处理层面做隔离。

用个生活化类比：一个广播电台既想播音乐，又想在同一个频率里告诉特定方向的听众附近的交通状况。普通广播是四面八方都播，信息全混在一起；DFRC则是用一排定向麦克风（天线阵列）对着不同方向喊不同内容。波束成形就是控制每个阵元的相位和幅度，让阵列在不同空间方向上形成不同的“嗓门大小”。

1.3 波束成形到底解决什么问题

如果只是把雷达波形和通信波形叠加发射出去，那么空间里所有方向收到的都是两者的混合，通信用户会被雷达波形干扰，雷达目标回波里也掺着通信信号，谁也干不好。波束成形在这里扮演的角色是空间维度的“分频器”：把雷达能量集中到目标方向，把通信能量集中到用户方向，两个波束方向错开比例越高，系统性能越接近独立雷达加独立通信。

要做到这点，发射权重的设计就需要优化。比如一个8元均匀线阵，雷达方向在0°，通信用户方向在30°，那么最优权重应该使0°方向增益最大，同时在30°方向满足通信解调的最低信噪比要求；反过来30°方向有通信主瓣，但也不要让雷达方向的信号把通信完全淹没。这个多目标优化就是仿真里最核心的部分。

除了方向分离，波束成形还有一个隐藏用途：降低两个功能之间的互干扰。雷达接收机对通信信号天然敏感，如果通信波束的旁瓣恰好在雷达方向形成强辐射，回波信号就会被淹没。通过合适的窗函数和约束条件压低旁瓣，可以让雷达通道里的通信信号功率降到可接受范围。

2. 阵列信号模型与波束成形设计原理

2.1 均匀线阵的导向矢量基础

做波束成形仿真，起点是阵列流形。这里用最简单的等间距均匀线阵（ULA），N个阵元沿x轴排列，间距d。假设一个远场窄带信号从方向θ入射，波前到达各阵元的行程差就是dsinθ的整数倍，对应的相位差是2π/λd*sinθ。导向矢量就是这个相位差构成的向量：

a_theta = exp(1j*2π*d*sin(theta)/λ * [0:N-1].')

在Matlab里，我习惯先写成函数：

function a = ula_steering(N, d_lambda, theta_deg) theta = deg2rad(theta_deg); a = exp(1j * 2 * pi * d_lambda * sin(theta) * (0:N-1).').'; a = a(:); end

d_lambda是阵元间距对波长的归一化，通常取0.5。注意Matlab里三角函数默认用弧度，写成角度版容易出错。另外，这个模型隐含了窄带假设：信号带宽远小于载频，所有阵元看到的信号波形只差一个相位，幅度差异可以忽略。做LFM雷达信号仿真时，如果带宽很大，严格来说需要宽带模型，但DFRC通常工作在窄带场景，或者将宽带拆成多个窄带子载波处理，所以这个公式足够。

2.2 波束权重设计的三种基础方案

波束成形权重设计，本质上是在给定方向条件下解一个线性约束问题。实际仿真里我用过三种方案，各有优劣。

第一种是匹配滤波权重（ phased array 的共轭导向矢量）：w = a_theta0。这个最简单，只在目标方向形成最大增益，但完全没有控制旁瓣和零陷，通信方向很可能处于雷达波束的高旁瓣区域，干扰严重。这个方案适合做基线对比。

第二种是MVDR（最小方差无失真响应）权重，也叫Capon波束成形。思路是：期望方向增益固定为1，同时最小化输出的总功率，这样会在干扰方向自动形成零陷。DFRC里可以这样用：让雷达方向无失真，把通信方向当作“干扰”抑制掉。代价是自由度消耗、信号处理计算量增加，而且在低快拍数下矩阵求逆容易病态。

第三种是基于最小二乘的波形加权，这是DFRC论文里最常用的方法。它的思路更直接：我们希望整个阵列实际发射信号在空间上的分布逼近一组“期望方向图”目标值，比如在雷达方向增益为1，在通信方向增益为某个给定值（比如能满足通信SNR的幅值），在其余方向尽量小。设期望方向图向量为d，阵列流形矩阵为A，那么求w使||A^H w - d||最小，这是典型的线性最小二乘问题，w = A^H (A A^H)^{-1} d。这个方案的好处是可以直接控制多个方向增益，缺点是矩阵维度和条件数会影响稳定性。

2.3 雷达与通信波束的性能指标

仿真不能只看方向图画得好不好看，得有量化指标。

雷达侧最关心主瓣增益、旁瓣电平和波束宽度。主瓣增益决定探测距离，旁瓣电平决定抗干扰能力。通信侧关心波束方向上的阵列增益是否满足信噪比门限，以及通信波束和雷达波束的方向隔离度。

隔离度用公式表达就是：Iso_dB = 20*log10(|a_radar^H w_radar| / |a_comm^H w_radar|)，含义是雷达发射波束在通信方向泄漏的功率相对其主瓣功率的比值。同理，通信波束在雷达方向也有一个泄漏指标。设计合理的DFRC系统，双方向的隔离度应当尽量大，最好超过20dB。

另一个常用指标是系统可达的速率/互信息。雷达和通信分别需要不同的容量指标，雷达可以算回波信噪比，通信可以算误码率或者香农容量。仿真里我一般综合输出两张图：一张是发射方向图，标注出雷达方向和通信方向的增益值；另一张是通信误码率随信噪比变化的曲线，以及雷达探测距离随信噪比门限变化的曲线。

3. 仿真框架设计与完整流程

3.1 场景参数配置

做仿真前，第一步是定义系统参数。我用过的典型参数如下表，这些参数取自一套车联网雷达通信一体化场景的参考设定。

注意，我故意把通信用户放在35°而不是特别小的角度，因为如果通信方向离雷达方向太近，两个波束几乎无法在空间上分离，DFRC的优势就体现不出来。仿真里用一个可调方位偏移量来做对比实验，能直观看到波束分离对系统性能的影响，这个细节后面会讲。

在Matlab里，参数设置统一放在结构体里，方便后续循环扫描：

param.N = 8; param.d_lambda = 0.5; param.fc = 24e9; param.c = 3e8; param.lambda = param.c / param.fc; param.theta_radar = 0; param.theta_comm = 35; param.B = 50e6; param.T_pulse = 10e-6; param.M = 4; % QPSK param.fs_comm = 5e6;

3.2 发射波束的设计流程

发射波束设计的核心是在雷达和通信之间做折中。

如果你用纯雷达系统，权重就是a_0°，方向图主瓣打在目标上，通信用户会遭殃。纯通信系统则相反。DFRC的做法通常分两步：先用线性最小二乘算一个初始权重向量，使雷达方向增益最高；然后加入通信方向的约束，重新优化。为了平衡两个功能，可以定义权重系数ρ∈[0,1]，表示系统偏向雷达还是通信，目标函数写成：

minimize ρ * || A^H w - d_radar ||^2 + (1-ρ) * || A^H w - d_comm ||^2

其中d_radar在雷达方向为1，其余方向为0（或低旁瓣期望）；d_comm在通信方向为目标幅度，其余方向为0。调整ρ可以画出雷达通信性能的帕累托前沿。

我在仿真里常用的做法是直接构造两个期望方向图，然后加权叠加重建维度：

theta_scan = -90:0.5:90; A = exp(1j * 2 * pi * param.d_lambda * sin(deg2rad(theta_scan)) * (0:N-1)).'; % 期望方向图 d_radar = zeros(size(theta_scan)); d_radar(theta_scan == 0) = 1; d_comm = zeros(size(theta_scan)); d_comm(theta_scan == 35) = 0.4; % 通信方向的幅度约束，可调 d = d_radar + 0.7 * d_comm; % 最小二乘 w = (A') * ((A * A' + eye(N)*1e-3) \ d);

注意A矩阵是扫描角度×阵元数，需要仔细尺寸。这里加了一个对角加载项1e-3，避免A*A'奇异时求逆不稳定。这个细节是很多初版仿真报错的元凶。

3.3 发射信号生成与空间合成

权重算出来之后，就要生成基带信号，模拟发射阵列的输出。

雷达基带信号用LFM：

x_radar(t) = exp(1j*pi*K*t^2), K = B / T_pulse

通信基带信号则是QPSK符号，经过根升余弦脉冲成形。两者直接叠加成混合基带信号x(t)。然后，每个阵元的发射信号就是x(t)乘上所有权重分量w_n：

s_n(t) = w_n * x(t)

在仿真里，我们可以只做窄带慢变化的模拟：把时间离散成采样点，发射阵列的瞬时输出向量就是x(t) * w。如果要画发射方向图，可以把s_n作为每个阵元的发射幅度，然后用阵列流形合成空间的远场辐射：

E(theta) = a_theta^H * w

这个方向图就是发射波束的“功率指纹”。

这里有个重要的仿真陷阱：发射波束成形虽然改变了空间增益分布，但总发射功率在不同权重的变化下会改变。所以需要对w做归一化，保证所有阵元发射功率之和等于设定总功率。归一化方法：

w = w / sqrt(sum(abs(w).^2)) * sqrt(param.N);

这样，每个阵元的平均发射功率就保持为设定值，仿真结果里的绝对信噪比才有意义。

3.4 雷达回波与通信接收链路仿真

雷达回波路径相对独立：发射信号经过目标反射，到达接收机。考虑单目标，回波延迟τ = 2R/c，多普勒频移fd = 2*v/λ。接收信号是发射信号s_n(t-τ)乘上目标复幅度，再沿所有阵元加权合成。如果接收也使用波束成形，就沿雷达方向做接收加权。

通信接收链路则不同：通信用户接收到的是阵列发射信号在其方向上的叠加。因为用户处于远场，它看到的空间符号是：

y_comm(t) = a_comm^H * w * x(t) + n(t)

这里a_comm^H * w 是一个复数标量，它决定了通信信道增益。如果这个系数太小，通信就解调不了。通信接收机直接对y_comm(t)做下变频、匹配滤波、抽样判决，就能得到误码率。

为了便于观察，我在仿真里把雷达回波和通信接收分开处理，并且把发射方向图、雷达匹配滤波输出、通信星座图三个图放一个figure里，这种综合输出方式能快速发现设计问题。例如，有一次我做权重设计时忘了对w归一化，雷达回波信噪比看起来很高，但通信方向增益不够，星座图一团糊，放了图才发现是总功率分配问题。

4. 关键Matlab代码模块详解

4.1 导向矢量与方向图计算

这一步是整个仿真的地基。建议写成独立函数，便于复用。下面是我常用的写法：

function a = steer_vec(N, d_lambda, theta_deg) % 返回N维导向矢量，theta_deg可以是标量或向量 theta = deg2rad(theta_deg); a = exp(1j * 2 * pi * d_lambda * sin(theta) * (0:N-1).'); % 若theta为标量，a为Nx1列向量；若为向量，a为NxM矩阵 end

计算方向图的函数：

function pat = array_pattern(w, theta_scan) % w: 列向量，Nx1 % theta_scan: 扫描角度，单位度 N = length(w); A = steer_vec(N, 0.5, theta_scan); % A为N x length(theta_scan) pat = abs(w' * A); % 线性幅度方向图，是1 x M pat = 20*log10(pat / max(pat)); % 归一化方向图（dB） end

注意w' * A里面的共轭操作要跟导向矢量定义保持一致。有人喜欢把导向矢量定义成列向量a的共轭转置形式，前后不一致会导致方向图左右镜像，这是初学最容易犯的错。我的建议是统一：导向矢量是列向量，阵列响应是w' * a_theta，即发射权重共轭转置乘导向矢量。

4.2 最小二乘波束权重计算的完整代码

下面这段代码演示了如何设定两个期望方向并求解权重，同时绘制方向图：

N = 8; d_lambda = 0.5; theta_radar = 0; theta_comm = 35; theta_scan = -90:0.2:90; % 构造阵列流形矩阵 A = steer_vec(N, d_lambda, theta_scan); % N x M % 期望方向图 d = zeros(1, length(theta_scan)); d(theta_scan == theta_radar) = 1; d(theta_scan == theta_comm) = 0.5; % 通信方向幅度0.5，代表功率1/4 d_comm_weight = 1; % 通信方向约束强度的可调参数 % 最小二乘求解 % 加入对角加载 mu = 1e-3; w = A * ((A'*A + mu*eye(N)) \ d.'); % 注意各维度 % 或者使用伪逆：w = A' * pinv(A*A') * d'; w = w / sqrt(sum(abs(w).^2)); % 功率归一化（可选项） % 画方向图 figure; pat = 20*log10(abs(w' * A) / max(abs(w' * A))); plot(theta_scan, pat, 'b-', 'LineWidth', 1.5); hold on; line([theta_radar theta_radar], [-60 0], 'Color','r', 'LineStyle','--'); line([theta_comm theta_comm], [-60 0], 'Color','g', 'LineStyle','--'); legend('波束方向图','雷达方向','通信方向'); xlabel('角度 (deg)'); ylabel('归一化功率 (dB)'); grid on; ylim([-60 0]);

注意，我写了两行求解代码。A是N×M，A'A是M×M，求逆后乘A再乘d，得到N×1；另一种方式A'A是M×N，pinv(AA')是N×N，乘d得到N×1。两者数学等价，实际选择要看M和N的相对大小。当扫描点数多于阵元数时，我习惯用第一种：先算M×M的小矩阵，运算量小。对角加载系数mu如果太小，A'*A会接近奇异，方向图会出现剧烈抖动；如果太大，波束会变宽，主瓣增益下降。实测mu取1e-3到1e-2比较合适，具体需要试。

4.3 雷达LFM信号与匹配滤波仿真

雷达信号处理流程：生成LFM、发射、目标反射、接收、匹配滤波。仿真代碼如下：

% 时间轴 fs = 200e6; % 采样率4倍带宽以上 t = 0:1/fs:param.T_pulse; B = 50e6; K = B / param.T_pulse; lfm = exp(1j*pi*K*t.^2); % 目标参数 R = 1000; % 目标距离 1000米 delay = 2*R / param.c; fd = 500; % 多普勒 500Hz（对应径向速度6.25m/s @24GHz） % 发射权重 w (已设计) x_tx = lfm; % 基带LFM s_tx = x_tx .* w.'; % 这里w每一列对应一个阵元，简化用单一阵元发射观察 % 接收信号（单基雷达单通道） y_rx = exp(1j*pi*K*(t-delay).^2) .* exp(1j*2*pi*fd*t); % 匹配滤波 h = conj(fliplr(lfm)); y_mf = conv(y_rx, h); % 峰值位置换算距离 [max_val, idx] = max(abs(y_mf)); estimated_delay = (idx - length(lfm)) / fs; estimated_R = estimated_delay * param.c / 2;

这里有个关键点：匹配滤波输出峰值位置要减去滤波器长度，因为卷积引入了延时。很多初学者直接取conv结果的峰值，算出来距离偏大，正是没有考虑这个群延时。此外，多普勒频率如果不补偿，匹配滤波输出峰值会因多普勒失配下降，特别是长脉冲时更明显。仿真中可以用两个通道做多普勒滤波器组，但作为基础demo，只做单通道也能看到峰值。

4.4 通信信号QPSK调制解调与方向增益计算

通信链路独立仿真，重点是体现波束方向增益对解调的影响。生成QPSK基带信号，经过发射波束成形空间增益，加上高斯白噪声，再解调。

% 生成QPSK符号 num_symbols = 10000; data = randi([0 3], 1, num_symbols); qpsk_symbols = exp(1j*pi/4 + 1j*pi/2*data); % QPSK星座 % 发射波束在通信方向的空间增益 a_comm = steer_vec(N, 0.5, theta_comm); g_comm = w' * a_comm; % 复增益 % 接收信号 EbNo_dB = 0:2:16; ber = zeros(size(EbNo_dB)); for i = 1:length(EbNo_dB) snr_lin = 10^(EbNo_dB(i)/10); noise_var = 1 / snr_lin; rx = g_comm * qpsk_symbols + sqrt(noise_var/2)*(randn(size(qpsk_symbols)) + 1j*randn(size(qpsk_symbols))); % 解调（已知信道增益） rx_eq = rx / g_comm; data_est = zeros(1, num_symbols); data_est(real(rx_eq) > 0 & imag(rx_eq) > 0) = 0; data_est(real(rx_eq) < 0 & imag(rx_eq) > 0) = 1; data_est(real(rx_eq) < 0 & imag(rx_eq) < 0) = 2; data_est(real(rx_eq) > 0 & imag(rx_eq) < 0) = 3; ber(i) = sum(data_est ~= data) / num_symbols; end

需要注意：这里的信噪比定义是符号级SNR，不是比特级，EbNo和符号SNR差一个因子log2(M)。在QPSK里M=4，符号SNR比比特SNR高3dB。很多教材用EbNo画BER曲线，实际仿真里要换算对，否则曲线会偏移3dB。对比理论值时不仔细就容易觉得结果不对。

如果波束权重没有给通信方向足够的增益，g_comm的模小于1，相当于信号衰减，等效信噪比下降，BER曲线会比理论值差。这张曲线图可以很直观地反映波束成形对通信质量的影响。

5. 常见问题与调试心得

5.1 栅瓣问题：小心你的阵元间距

栅瓣是阵列天线里的经典陷阱。当阵元间距d大于半波长时，导向矢量在空间上出现周期性重复，方向图会出现多个等增益的“主瓣”，这就是栅瓣。在DFRC系统里后果更严重：你打算在通信方向形成波束，结果在另一个角度也形成了一个大波束，雷达回波可能从那边莫名其妙进来，或者通信信号泄漏到不希望的方向。

调试方法很简单：参数表里d_lambda=0.5是安全值，小于0.5也没问题，但会使波束变宽；大于0.5则方向图内部开始出现栅瓣。建议在方向图里加一条栅瓣检测代码，扫描主瓣附近360°范围，如果出现第二高的瓣与主瓣差小于3dB，就要小心了。

5.2 波束间干扰与旁瓣抑制

DFRC最常见的失败模式是，通信方向约束不到位，导致通信用户在雷达波束的旁瓣里，接收信号频谱被雷达波形大幅度污染。这种情况光看发射方向图不一定发现，因为你只关注了两个方向的增益值，但旁瓣在整个空间都存在。

我自己的做法是加一个旁瓣约束项，在最小二乘问题的对角加载以外，再设置一个低旁瓣区域。比如将-45°到-20°和20°到60°这些非通信非雷达区域，在期望方向图里设为0.05以下，然后重新做约束。代价是主瓣稍微变宽，但换来的是两个方向之间的隔离度大幅改善。这类问题可以从优化权重系数ρ入手，多跑几组就能找到既能保证雷达旁瓣低于-20dB，又能保证通信SNR的折中值。

5.3 数值稳定性与矩阵求逆

仿真里碰到的报错，一半以上来自矩阵求逆。当扫描网格很密、M远大于N时，A'*A常常是病态矩阵，直接inv会得到很大的值，方向图出现毛发一样的尖峰。两种处理手段：一是始终使用对角加载，加载系数mu随意设会引入偏差，可以做一个logspace扫描，找到方向图稳定而波束宽度变化小的一档；二是改用pinv伪逆，本质上也是一种对极小奇异值的截断，效果相似。

另一个数值坑是相位缠绕。在计算阵列流形时，如果载频很高、阵元很多，指数项里2πdsinθ*N会变得很大，浮点数精度损失，表现为方向图在高角度区域出现波浪抖动。解决办法不是提高精度，而是重写导向矢量生成代码，利用周期性和对称性将角度对称映射，或者直接用双精度复数运算，在处理N到几十的情况下都不太会出问题。我这边曾经在N=64时遇到过高角度区域增益异常，后来把计算从cos/sin改为通过复数旋转实现相位累加解决了。

5.4 雷达和通信的取舍怎么定

雷达和通信是一对天生的矛盾：你要么把功率都打在雷达目标上，要么都打在通信用户上，如何分配取决于场景优先级。在仿真里我习惯定义两个权重系数：雷达目标方位处的归一化增益g_r，和通信用户处的归一化增益g_c，然后画出帕累托图。做法是让ρ从0到1变化，每取一个ρ就重新算一遍加权最小二乘，记录两个方向的增益。

结果通常呈一条下降曲线：g_r高了g_c就低。如果你的应用场景要求雷达先保底，比如在无人机避障场景里，你就选曲线上雷达增益>0.9对应的ρ；如果是车载V2X娱乐通信，就选保证通信SNR>=10dB对应的ρ。这套仿真脚本调整参数非常快，比盲目试权重高效得多。

6. 扩展方向与个人实操体会

6.1 从发射波束成形走向联合收发设计

目前这套仿真里，雷达和通信的接收处理是分开的。实际做系统时，收发联合设计会带来额外增益。比如接收端可以用同一个阵列同时做雷达回波接收和通信信号接收，这意味着接收方向图也需要设计成双波束。这样接收波束成形矩阵与发射波束成形矩阵要联合优化，自由度越多，约束条件也越多。在Matlab里扩展并不难，只需将接收权重同样用最小二乘设计，然后把回波处理中的单通道改成多通道。

我建议想深入的同学把目标从单目标扩展到多目标，通信也从单用户扩展到多用户。多目标意味着雷达波束可能需要更窄的主瓣和更高的角分辨率，多用户意味着通信波束必须同时指向多个方向，这就是广义的发射多波束设计。核心数学仍然是那套加权最小二乘框架，只是约束矩阵从一行变成多行，病态概率更高，因此对角加载和多目标加权折中会更复杂。

6.2 波形设计层面的联合优化

波束成形只是空间维度的手段，DFRC系统还可以在波形维度做文章。最常用的波形复用方案有：时分复用（雷达和通信分时发射）、子载波复用（OFDM符号里不同子载波分别给雷达和通信）、叠加复用（同一波形里既含雷达序列又含通信数据）。在Matlab里，OFDM型DFRC很容易实现，把一个完整的OFDM帧分为两段，前段导频用于雷达参数估计，后段数据用于通信，发射波束成形仍然按双方向优化。

这类仿真扩展可以让项目从课程设计水平提升到论文级思想验证。我做过的OFDM-DFRC仿真里，把通信符号作为雷达回波的掩码，在接收端先做符号级相消，再提取回波峰值，效果非常好。仿真复杂度主要在多普勒估计和子载波干扰上，Matlab可以先用理论公式验证，再逐步加干扰带。

6.3 踩坑记录与最终建议

仿真过程中有几个细节最值得记住：

一是所有阵列处理的复数运算都要保持维度一致。我写导向矢量和波束方向图时，至少检查了三遍dimension，才彻底避免转置符号错误。

二是信号功率归一化务必摆在权重设计之后、发射信号生成之前。否则方向图看起来正确，但回波和通信的绝对功率都会错，解调的门限全部失去意义。

三是不要用默认的randn种子。DFRC仿真的噪声和随机数据影响星座图，固定随机种子才能在调参时准确对比曲线变化，否则你以为改参数带来的性能变化其实是噪声抖动。

四是匹配滤波峰值定位的延时补偿。我见过太多人在这一步少减了一个脉冲长度，导致目标距离计算错误，而自己完全没察觉。

我现在的习惯是：每改一次权重或参数，就重新跑一套包含方向图、BER、距离估计三个子图的总脚本，扫一眼就能判断有没有“神经错乱”。这套仿真跑下来，基本把DFRC的空间复用核心原理吃得比较透，后续无论是做28GHz车内感知通信一体化项目，还是做低轨道卫星星座的波束赋形，核心代码和框架都能复用，只是换了频段和阵列拓扑。对于刚入门的读者，建议从8阵元ULA开始，先把这篇文章里的搭建流程跑通，再逐渐加复杂度，千万别一上来就用128阵元算法仿真，那样只会淹没在数值问题和调试细节里，反而丢失了对物理本质的感知。