LFM与CW雷达多目标检测：脉冲压缩与MATLAB仿真实战

简介：面向雷达信号处理与MATLAB仿真学习者，这份多目标场景下的LFM调频连续波和CW波脉冲压缩程序，聚焦多目标识别中的关键算法验证，可应用于雷达测距、目标检测等典型场景。程序支持自行设置目标数量，默认两个目标，LFM脉冲压缩后会出现与目标数对应的波峰，每个目标对应一个峰值，直观呈现距离分辨与多目标识别原理。资源包共3个文件，含2个M源文件与1个PDF文档，体积仅104KB，轻量便于携带；M文件分别实现LFM与CW两种波形的时域、频域脉冲压缩仿真，PDF文档补充了原理推导与使用说明。目前已有1431人学习浏览，适合刚接触雷达信号处理的学生巩固概念，也适合工程师快速搭建仿真基线。运行程序后，读者能对比时域与频域两种压缩方法，两者回波幅度完全一致，进而印证匹配滤波在脉冲压缩中的等效作用，为后续多目标检测与抗干扰实验提供可扩展的代码起点。 做雷达信号处理的同学，不管你是刚接触MATLAB仿真的研究生，还是已经在项目里写雷达波形算法的工程师，LFM和CW这两个词应该都不陌生。我最近在做一个多目标检测场景的仿真，正好把LFM调频连续波和CW波在时域、频域下的脉冲压缩用MATLAB完整走了一遍。这个仿真解决的是很实际的一类问题：目标不止一个，有的远有的近，有的朝你飞过来，有的正在远离，怎么通过回波把它们的距离和速度都解析出来。脉冲压缩是其中最核心的一步，它决定了你能不能从回波里把弱小的目标从强目标的旁瓣下面捞出来。这篇文章把波形设计、匹配滤波原理、多目标回波建模、时域与频域脉压实现、CW多普勒处理一直到参数调优的坑全部串一遍，雷达方向的学生和正在做信号处理仿真的人可以直接拿去参考。

1. 方案与整体思路拆解：多目标探测为什么绕不开LFM和CW

1.1 LFM和CW的定位：一个管距离，一个管速度

先理解这两种波形为什么要放在一起做。

CW波就是单频连续波，发射信号是一个固定频率的正弦波。目标一运动，回波就会产生多普勒频移，频移大小正比于目标的径向速度，所以CW雷达天生适合测速。但它没有调制，信号里没有时间标记，回波里也没有办法反映出目标距离，测距基本无能为力。说白了就是我能知道目标在靠近还是远离、速度多大，但不知道它在多远。

LFM也就是线性调频连续波，频率随时间线性变化，发射时频率从起始频率一路扫到结束频率。这个频率变化规律是已知的，回波和发射信号之间就会存在一个与目标距离成正比的频率差。距离信息被“编码”进频率差里，LFM才能同时测距和测速。多目标情况下LFM会有距离-速度耦合的问题，但通过匹配滤波做脉冲压缩，可以先把目标的距离维信息提取出来，再结合CW通道的速度谱做联合解算，这种组合是经典做法。

所以整套仿真把LFM和CW放在一起做，逻辑就一句话：LFM负责给出目标的距离，CW负责给出目标的速度，两个维度的信息拼起来，就是一个完整的目标运动状态。

1.2 多目标场景对脉冲压缩的挑战

目标一旦多起来，回波不只是简单叠加几个波形那么简单。实际会遇到三个麻烦：

第一，强目标的旁瓣会盖住弱目标。脉冲压缩后主瓣旁边会出现旁瓣，如果两个目标回波幅度差很大，强目标旁瓣的尾巴高度可能比弱目标的主瓣还高，这时候弱目标就直接被淹没了。

第二，两个距离很近的目标会叠加在一起。如果目标的距离差小于距离分辨率，脉压后两个主瓣合并成一个宽包络，看起来就像一个目标，间距再小就分不开了。

第三，高速目标的多普勒频移会对LFM脉压结果产生影响。回波频率整体偏移会导致匹配滤波失配，主瓣幅度下降、位置出现微小偏移，在高精度测距场景下不能忽略。

脉冲压缩要解决的核心问题就在这里。发射一个宽脉冲来保证发射能量和探测距离，接收端用匹配滤波把回波压缩成窄脉冲。压缩后的主瓣越窄，距离分辨能力越强，而这个窄度取决于信号带宽。压缩比由时宽带宽积决定，这部分后面详细算。

2. 信号模型与脉冲压缩核心原理精讲

2.1 LFM信号模型与关键参数计算

LFM基带信号的标准形式是：

s(t) = exp(j*pi*K*t^2), 0 <= t <= T

其中T是脉冲时宽，B是信号带宽，K = B/T是调频斜率。

这三个参数的含义可以这样理解：时宽T决定了发射脉冲持续多久，持续时间越长，发射能量越大，探测距离就越远；带宽B决定了距离分辨率，带宽越大，压缩后的主瓣越窄；调频斜率K就是把带宽在时宽内展开的速度，K越大，频率变化越快。

距离分辨率的公式是：

ΔR = c / (2*B)

拿一个典型参数来算。设B = 10MHz，那么ΔR = 3e8 / (2*10e6) = 15米。也就是说，两个目标距离差小于15米时，脉压后的主瓣就会重叠无法分辨。

脉冲压缩比D = B * T，它同时代表脉压带来的信噪比增益。同样用上面的参数，如果T = 100μs，那么D = 10e6 * 100e-6 = 1000，折算下来是30dB的输出信噪比改善，这就是为什么大时宽带宽积信号在现代雷达里这么普遍。

2.2 匹配滤波与脉冲压缩的本质

脉冲压缩在接收端的核心就是匹配滤波。匹配滤波器的理论推导结果是：当滤波器冲击响应是发射信号的时域翻转共轭时，输出信噪比达到最大。

回波可以看作发射信号经过目标反射后的延时、衰减版，匹配滤波输出在数学上近似为信号的自相关函数。自相关函数的主瓣宽度约等于1/B，这就是为什么脉冲压缩能把宽脉冲变窄。主瓣宽度决定距离分辨率，旁瓣则由信号形式决定，LFM的自相关旁瓣约-13.2dB，这个数字在雷达里是绕不开的坎，意味着不加窗时旁瓣只比主瓣低13.2dB，强目标很容易盖住弱目标。

实际操作中，匹配滤波器可以这样构造：

h = conj(st(end:-1:1));

把发射信号翻转取共轭，就是匹配滤波器。在MATLAB里直接卷积即可，但工程上为了效率通常用频域实现。

2.3 时域卷积与频域FFT-IFFT实现差异

时域脉冲压缩就是直接做线性卷积：

y = conv(sr, h)

复杂度是O(N*L)，N是回波长度，L是滤波器长度。当回波数据量到几百万点的时候，MATLAB会跑得非常吃力，实时性完全没法看。

频域脉冲压缩的公式是：

Y = ifft( fft(sr, Nfft) .* fft(h, Nfft) )

整体复杂度降为O(NlogN)，这是FFT算法的优势。数据越长优势越明显。

但频域方法有个大坑：直接采用FFT做的是循环卷积，而我们需要的是线性卷积。解决办法是补零，让Nfft不小于N+L-1，否则卷积结果的尾部会折回到头部，造成结果污染。这个细节在后面的实现部分会专门演示。

3. 多目标仿真MATLAB完整实现

3.1 仿真场景设计与多目标回波构建

仿真场景设计为三个目标：

• 目标1：距离750米，速度50米/秒，回波幅度1.0
• 目标2：距离1500米，速度-30米/秒，回波幅度0.7
• 目标3：距离2400米，速度15米/秒，回波幅度0.5

LFM通道参数采用B = 10MHz，T = 100μs，载频fc = 10GHz，采样率fs = 40MHz。注意这里采样率为什么选40MHz而不是理论最小值2B = 20MHz，因为脉压后要看精细的距离位置，并且回波中可能混入干扰，留出余量更稳妥。

发射信号的构建代码：

clear; close all; clc; c = 3e8; fc = 10e9; lambda = c / fc; % LFM参数 B = 10e6; % 带宽 10MHz T = 100e-6; % 时宽 100us K = B / T; % 调频斜率 fs = 40e6; % 采样率 40MHz N = round(T * fs); % 单脉冲采样点数 t = (0:N-1) / fs; % 发射LFM基带信号 st = exp(1j * pi * K * t.^2); % 多目标参数 R = [750, 1500, 2400]; % 距离 v = [50, -30, 15]; % 速度 A = [1.0, 0.7, 0.5]; % 回波幅度 num_targets = length(R); % 构建多目标回波 sr = zeros(size(t)); for k = 1:num_targets tau = 2 * R(k) / c; % 回波延时 start_idx = round(tau * fs) + 1; if start_idx > N error('目标距离过远，回波超出脉冲窗口'); end end_idx = min(start_idx + N - 1, N); len = end_idx - start_idx + 1; sr(start_idx:end_idx) = sr(start_idx:end_idx) + ... A(k) * st(1:len); end % 可加噪声 % sr = sr + 0.01 * (randn(size(sr)) + 1j*randn(size(sr)));

回波构建这段代码的核心逻辑就是：每个目标产生一个延时后的发射信号副本，按目标幅度叠加到接收信号里。目标距离越远，回波到达越晚，在信号序列里对应越靠后的起始位置。

这里要说明，一次脉冲观测内目标运动造成的多普勒相位变化很小，做单脉冲距离维脉压时可以忽略速度的影响。速度要留到CW通道的长时间积累里去提取，这是整个方案的层次划分。

3.2 时域脉冲压缩实现与距离换算

时域脉压就是简单的卷积。匹配滤波器取发射信号的时域翻转共轭，然后conv：

h = conj(st(end:-1:1)); % 时域脉压 y_t = conv(sr, h); t_conv = (0:length(y_t)-1) / fs; R_axis = (t_conv - T) * c / 2; % 归一化画图 y_t_norm = abs(y_t) / max(abs(y_t)); figure; plot(R_axis/1e3, 20*log10(y_t_norm + eps)); xlabel('距离 (km)'); ylabel('归一化幅度 (dB)'); title('时域脉冲压缩结果（多目标）'); xlim([0, 3]); grid on;

这段代码里最容易搞错的就是距离轴的换算。卷积输出长度是N + N - 1，时间轴从0开始，而匹配滤波后的峰值位置对应的是回波延时tau加上发射信号时宽T。所以要得到正确的距离，需要用t_conv减去T，再乘以c/2。我第一次做这个仿真的时候直接拿t_conv去换算距离，三个目标的峰全部偏了，多出来的那部分正好是一个脉冲时宽。

运行后你会看到三个主峰，分别位于0.75km、1.5km、2.4km位置。峰值幅度对应1、0.7、0.5，和目标回波强度一致。目标3的幅度低，但因为旁边没有强目标干扰，还能清晰看到。主峰两侧有约-13dB的旁瓣，这就是不加窗时的水平。

3.3 频域脉冲压缩实现与循环卷积问题

频域脉压实现方式：

Nfft = 2^nextpow2(length(sr) + length(h) - 1); Sf = fft(sr, Nfft); Hf = fft(h, Nfft); y_f = real(ifft(Sf .* Hf)); % 截取线性卷积的有效长度 y_f = y_f(1:length(sr) + length(h) - 1); % 归一化对比时域结果 y_f_norm = abs(y_f) / max(abs(y_f)); figure; plot(R_axis/1e3, 20*log10(y_f_norm + eps)); xlabel('距离 (km)'); ylabel('归一化幅度 (dB)'); title('频域脉冲压缩结果（多目标）'); xlim([0, 3]); grid on;

Nfft取2的幂是为了FFT运算效率。关键在于Nfft必须大于等于length(sr) + length(h) - 1，否则会发生循环卷积，卷积结果的尾部会翻转叠加到头部。实际表现就是目标的旁瓣结构被破坏，甚至在目标前后出现对称的虚假峰。

频域结果和时域结果理论上完全等价，但频域计算速度快，工程上基本都走频域实现。两种方式在MATLAB里跑出来的归一化曲线是重合的，调试时可以同时计算两条曲线互相验证。

3.4 CW多普勒测速通道实现

CW通道独立处理。CW波是单频连续波，目标运动导致回波频率偏移，多普勒频移公式：

fd = -2 * v / lambda

负号对应目标靠近时多普勒频移为正的约定。载频是10GHz时，波长lambda = c / fc = 0.03米。目标速度50m/s对应的多普勒频移大约是3.33kHz，-30m/s对应约2kHz的负频移，15m/s对应1kHz，这些频率差异完全能在速度谱上分辨开。

CW通道的仿真参数和代码：

% CW多普勒测速 fs_cw = 100e3; % CW通道采样率 100kHz T_cpi = 10e-3; % 相干积累时间 10ms N_cw = round(fs_cw * T_cpi); t_cw = (0:N_cw-1) / fs_cw; x_cw = zeros(1, N_cw); for k = 1:num_targets fd = -2 * v(k) / lambda; x_cw = x_cw + A(k) * exp(1j * 2 * pi * fd * t_cw); end Nfft_cw = 2^nextpow2(N_cw); X_cw = fftshift(fft(x_cw, Nfft_cw)); f_axis = (-Nfft_cw/2 : Nfft_cw/2 - 1) * fs_cw / Nfft_cw; v_axis = f_axis * lambda / 2; figure; plot(v_axis, 20*log10(abs(X_cw)/max(abs(X_cw)) + eps)); xlabel('速度 (m/s)'); ylabel('归一化幅度 (dB)'); title('CW多普勒测速结果（多目标）'); grid on;

CW速度分辨率和相干积累时间直接相关，频率分辨率为Δf = 1/T_cpi = 100Hz，换算成速度分辨率Δv = λ/2 * Δf = 1.5米/秒。三个目标的速度间隔分别是80m/s、45m/s，远超分辨率，分离很彻底。如果目标速度差小于1.5m/s，谱峰就分不开，需要增加积累时间。

另外要注意采样率和速度测量范围的关系。CW通道采样率100kHz对应可测的最大多普勒频率50kHz，换算成最大可测速度是750m/s，对上这个场景完全够用。

3.5 距离-速度联合信息如何组织

LFM通道给出三个目标的距离，CW通道给出三个目标的速度，联合起来就能得到完整的目标状态：

实际工程系统里，距离和速度信息可以通过构造距离-多普勒二维图像，然后把峰值检测和目标关联算法跑在二维平面上。更常见的是多脉冲积累得到慢时间维，做MTD后直接输出距离-速度二维热图。那是另一个话题，后面扩展里会提。

4. 常见问题与排坑技巧实录

4.1 参数调整速查表

4.2 高频问题与解决思路

问题一：脉压后峰值对应的距离不对。

这个基本就是距离轴换算没算对。匹配滤波输出的峰值时间点是回波延时加上脉冲时宽，换算距离前必须减去T。如果你的代码里用t_conv直接乘c/2，峰的位置会整体偏一个脉冲时宽对应的距离，也就是15km。做这个仿真时一定要先想清楚时间轴原点和匹配滤波的时延关系。

问题二：频域脉压结果两端出现鼓包，波形畸变。

这是循环卷积没处理干净。检查Nfft是否小于length(sr) + length(h) - 1，如果是，把Nfft至少补到这个值以上。而且补零后取的截断位置也要对，有效卷积长度就是N + L - 1，后面的全舍掉。

问题三：弱目标被强目标的旁瓣淹没。

在LFM不自加窗的情况下，旁瓣只有-13.2dB，如果两个目标回波幅度差大于13dB，弱目标就基本看不到。解决办法有两个：一是脉压前对匹配滤波器加窗，Hamming窗可以把旁瓣压到-43dB左右，但主瓣会宽约1.5倍；二是调整发射波形设计，采用非线性调频等低旁瓣波形，这个属于进阶玩法。

问题四：CW速度谱上出现多余峰值。

多出来的峰通常是强目标频谱泄漏的旁瓣，而不是真实目标。处理方法是加窗后做FFT，代价是主瓣变宽。另外要检查目标回波幅度是否相差过大，幅度差异20dB以上时频谱泄漏会很严重。

4.3 个人调试心得

调试这套仿真的过程中有几点体会，写出来供参考：

先单目标后多目标。我一开始直接把三个目标全放进去，脉压结果出来三个峰，但根本没法判断旁瓣是哪个目标产生的。改成单个目标逐个叠加验证，确认每个目标的峰值位置、旁瓣结构都正确了，再叠加起来看多目标效果，排查效率会高很多。

加窗操作的位置很关键。窗函数是乘在匹配滤波器上的，不是乘在回波上，也不是乘在FFT结果上：

win = hamming(N).'; h_win = conj(st(end:-1:1)) .* win;

加窗后旁瓣降下去了，但主瓣从1/B展宽到约1.3/B，距离分辨率变差，两个相距很近的目标可能分不开。所以加不加窗本质是在“旁瓣抑制”和“距离分辨率”之间做权衡。

画图建议用dB纵坐标。线性坐标下主瓣太尖，旁瓣根本看不出来，换成20*log10归一化幅度，旁瓣结构一目了然。这是判断脉压结果好坏的最直观手段。

5. 后续扩展与我的体会

这套仿真再往前走可以扩展的方向很多：加高斯白噪声后统计脉压后的检波概率，做CFAR恒虚警检测；把一次脉冲扩展到多脉冲，做慢时间维FFT，得到距离-速度二维MTD谱；发射波形换成三角波LFM，消除距离-速度耦合的模糊；匹配滤波器加窗类型换成Kaiser窗，通过调节β参数在旁瓣和主瓣宽度之间做更精细的折中。

我个人在这个仿真上投入时间最多的部分其实是参数映射关系。很多初学者会在算法原理上卡住，但实际做完一遍就知道，最麻烦的是把物理量之间的换算关系搞清楚。回波延时怎么转成距离，多普勒频移怎么转成速度，FFT点数变化后频率轴怎么更新，这些细节如果不在代码注释里写清楚，过两天再回头看自己都会懵。

最后再分享一个实用小技巧：在画图代码里把关键参数直接打印到标题上，比如B、T、fs、加窗类型、目标数量和位置。跑完仿真看一眼图，所有条件都写在上面，后面回看结果或者给别人解释的时候省掉大量口舌。调试数据对比起来也方便，参数变了图标题跟着变，不会出现拿错结果对错参数的情况。

本文还有配套的精品资源，点击获取