频率步进雷达MATLAB仿真：模糊图、距离像与测角全流程解析

简介：面向雷达信号处理与MATLAB仿真学习者，这份资源围绕频率步进波形展开完整流程仿真，覆盖模糊图生成、距离像合成与允余去除拼接，并扩展到单目标及多目标雷达测角场景，可帮助理解步进频信号处理链路。压缩包内共125个文件，以27个m脚本为核心，辅以20个asv备份文件，56个bmp和7个jpg用于呈现仿真图像，另有vsd、emf等格式的图表与说明txt，整体仅523KB，轻量易用。已有352人学习，适合正在做课程设计或课题验证的初学者快速参考。资源提供了从信号生成、模糊函数绘制到一维距离像拼接、测角统计的完整M程序框架，包含Monte Carlo仿真相关脚本，读者可结合自身参数修改复用，用于对比单双目标测角性能或输出仿真图。

1. 频率步进matlab仿真要解决什么问题

频率步进（Stepped Frequency）的思路并不新：用一串载频逐级跳变的窄带脉冲，把宽带频谱拆成若干等间隔频点，接收后只对频域样本做一次逆傅里叶变换，就能得到传统窄带雷达需要几十倍瞬时带宽才能获得的高分辨距离像。这个标题把模糊图、距离像生成、冗余去除拼接和测角串在一起，本质上是在搭一条“频域合成宽带 + 空域测角”的完整链路。适合两类人：一类是刚接触频率步进的雷达方向学生，需要把教材里的公式变成能跑通的代码；另一类是算法工程师，想确认模糊图、拼接和测角之间的参数耦合关系。下面按处理链条一步步把可运行代码和判定依据写清楚。

2. 频率步进信号模型与模糊图的matlab生成

频率步进仿真第一步是把回波模型写成可计算的复数序列。常见做法是先定一套典型参数，再在模糊图上验证这些参数选得是否合理。这套参数会贯穿后面的距离像、拼接和测角，所以第2章和第3章的代码共用同一个信号模型。

2.1 建立点目标回波向量

设雷达起始载频为 f0，步进频率间隔为 Δf，子脉冲数为 N，脉冲重复周期为 Tr。第 n 个子脉冲的载频为 f0 + nΔf，n = 0,1,…,N-1。理想点目标在距离 R0 处静止时，第 n 个频点的基带回波是复常数：

s(n) = exp(-j·2π·(f0 + n·Δf)·τ)，τ = 2R0/c。

目标运动时，脉冲间的径向运动会在相邻脉冲间引入附加相位，这个附加相位在多普勒维上就表现为模糊图中的频移。仿真里先加入多普勒项：

c = 3e8; % 光速 f0 = 10e9; % 起始载频 10GHz df = 10e6; % 频率步进间隔 10MHz N = 64; % 子脉冲数 Tr = 10e-6; % 脉冲重复周期 R0 = 1500; % 目标距离 v = 10; % 径向速度，先取 10m/s n = (0:N-1).'; fn = f0 + n * df; % 每个子脉冲的载频 tau0 = 2 * R0 / c; % 双程时延 fd = 2 * v * f0 / c; % 多普勒频率 s = exp(-1j * 2 * pi * fn * tau0) ... .* exp(1j * 2 * pi * fd * n * Tr); % N×1 复回波

这段代码里tau0只计算了初始距离对应的时延，多普勒项用fd * n * Tr逐脉冲累加。频率步进信号的多普勒敏感度与 Δf 和 N 的乘积有关，所以fd的值会直接影响后续距离像的峰值位置和幅度，这一点到第 6 章再详细展开。

2.2 在距离-多普勒网格上生成二维模糊图

模糊图描述的是“匹配滤波输出随距离失配和多普勒失配的变化”。对频率步进信号，离散形式可写成一个 N 维复向量与另一个 N 维参考向量的内积：对每个距离栅格 R 和每个多普勒栅格 fd_test，计算相关系数，把幅度填到二维矩阵里。

rangeVec = linspace(0, c / (2 * df), 128); % 距离窗内均匀采样 fdVec = linspace(-1 / (2 * Tr), 1 / (2 * Tr), 128); % 多普勒维采样 nIdx = (0:N-1).'; fnIdx = f0 + nIdx * df; A = zeros(length(fdVec), length(rangeVec)); for k = 1:length(fdVec) for m = 1:length(rangeVec) refVec = exp(-1j * 2 * pi * fnIdx * (2 * rangeVec(m) / c)) ... .* exp(1j * 2 * pi * fdVec(k) * nIdx * Tr); A(k, m) = abs(s.' * refVec); % 匹配相关 end end figure; surf(rangeVec, fdVec, A, 'EdgeColor', 'none'); view(2); colorbar; xlabel('距离 (m)'); ylabel('多普勒频率 (Hz)'); title('Stepped Frequency Ambiguity Function');

内层两个循环的规模是 128×128×64 次复乘，MATLAB 里大约几十毫秒到几百毫秒，可以接受。s.' * refVec里用了非共轭转置，目的是让回波与参考向量在距离栅格上对齐时取得峰值，而不是输出共轭对称的结果。真正匹配时，峰值出现在(fd, R) = (实际多普勒, 实际R0折叠后位置)处。

2.3 从模糊图读出频率步进的关键参数

模糊图跑完后，第一眼看距离维主瓣宽度，二看栅瓣间隔，三看多普勒维主瓣宽度。这三个指标决定了整套参数能不能用：

主瓣宽度对应的是 IFFT 合成后的单点分辨能力，栅瓣间隔对应的是目标跨周期折叠风险。目标真实距离超过 15m 时，距离像峰值会折叠到窗内，这个折叠现象在第 3 章直接用代码验证。多普勒维主瓣宽度意味着 v=10m/s 的目标（fd≈667Hz）还在主瓣内，但峰值已经明显偏出中心，速度再大到 100m/s 时就会出现幅相损失和距离像偏移。

3. 高分辨距离像生成：IFFT合成与参数选择

模糊图确认参数可行后，下一步就是把回波向量做逆傅里叶变换，得到一维距离像。这一步代码只有几行，但归一化、定标、加窗三个细节很容易出错。

3.1 为什么 IFFT 能把频域采样变成距离像

回波向量 s(n) 本质上是目标频谱在 N 个等间隔频点上的采样。对 s(n) 做 IFFT，得到的是目标散射函数在时域（距离域）的周期延拓，周期正好是 1/Δf，对应不模糊距离窗 c/(2Δf)。每个 IFFT 输出点之间的时间间隔是 1/(NΔf)，对应距离间隔 c/(2NΔf)，这就是距离分辨率。所以频率步进的距离像不需要匹配滤波，一次 IFFT 就是完整的脉冲压缩。

3.2 最小可运行代码：IFFT、加窗、归一化

hr = ifft(s, N); % N点IFFT，得到距离像（复数） hr = hr / max(abs(hr)); % 峰值归一化，便于观察副瓣 rAxis = (0:N-1) * c / (2 * N * df); % 距离轴，单位m figure; plot(rAxis, 20*log10(abs(hr)), 'LineWidth', 1.2); grid on; xlabel('相对距离 (m)'); ylabel('幅度 (dB)'); title('High Resolution Range Profile');

ifft默认除以 N，所以幅度峰值接近 1，不需要手动再除。距离轴从 0 到 63 号点，总跨度 15m，正好是不模糊距离窗。使用时要注意rAxis是相对距离，不是绝对距离；绝对距离要靠粗测距解模糊后再加上。

下面这行代码把 1500m 目标的峰值位置算出来，用于验证折叠规律：

kPeak = mod(round(2 * R0 * df / c), N); fprintf('理论折叠索引 k = %d\n', kPeak); fprintf('实际峰值索引 k = %d\n', find(abs(hr) == max(abs(hr))));

打印结果里理论索引和实际峰值索引应一致。1500m 目标在 10MHz 步进、64 点子脉冲下，理论峰值索引为 mod(100,64)=36，对应折叠距离约 8.44m。仿真时经常出现“目标明明在远处，距离像却出现在窗内某处”的情况，这就是频率步进的距离折叠，不是代码 bug。

3.3 加窗对距离像的影响

副瓣过高会掩盖邻近弱目标，工程上一般会给回波加窗。Hann 窗能把副瓣压到约 -31dB，但主瓣会展宽约 1.5 倍。

w = hann(N, 'periodic'); % 周期Hann窗，适合频域处理 hrw = ifft(s .* w, N); hrw = hrw / max(abs(hrw)); hold on; plot(rAxis, 20*log10(abs(hrw)), 'r--', 'LineWidth', 1.2); legend('Rectangular', 'Hann');

对同一份回波数据，矩形窗主瓣窄但副瓣高，Hann 窗则相反。测角任务依赖距离像先分离开不同距离单元的目标，所以副瓣压制通常比主瓣宽度更重要；做幅度定标或精确测距时，再换回矩形窗或使用加窗后的主瓣插值。

3.4 距离像定标的两个常见错误

第一个错误是把采样率 fs 当作 Δf 来算距离轴。频率步进距离像的分辨率只和频域采样间隔 Δf 与子脉冲数 N 有关，与子脉冲内的采样率无关。fs 决定的是单个子脉冲内部的时域波形细节，IFFT 输入是每个脉冲的一个复采样点，N 个复采样点构成距离维数据，两者不能混用。

第二个错误是忽略折叠直接认为峰值距离等于真实距离。如果粗测距已经给出目标在 1500m 附近，则真实距离可以恢复为 R_fold + q·Ru，其中 q 是模糊重数，由粗测距信息确定。这段解模糊逻辑要和测角数据配合使用，第 6 章的联合验证里会体现。

4. 冗余去除与拼接：重叠子带合成宽带距离像

标题里的“允余去除拼接”对应的就是工程上常说的冗余去除与距离像拼接。单个频率步进波形的不模糊距离窗只有 c/(2Δf)，当目标尺寸或观测场景超过这个窗时，需要把频带分成多个子带分别发射和接收，再把子带数据拼成一个更长的频域向量。相邻子带在频域上重叠一部分，重叠段就是冗余信息，用来估计相位差，拼接时要去掉这部分冗余。

4.1 重叠子带拼接的流程

先把一个较宽的总频带拆成 M 个子带，每个子带内部仍采用频率步进。相邻子带的频点一部分重合，重合点数记为 overlap。例如总步进间隔为 df_s，每个子带 Nsub 个频点，相邻子带重叠 overlap 个频点，则第 m 个子带的频点为：

f_m = f0 + (m-1)·(Nsub-overlap)·df_s + (0:Nsub-1)·df_s。

拼接分三步：第一步用重叠频段估计相邻子带之间的相位差；第二步把后一个子带的相位对齐到前一个子带；第三步把重叠区按权重合并，非重叠区直接保留，得到完整频域序列。

4.2 matlab实现：相位估计与重叠区加权合并

Nsub = 64; % 每个子带的频点数 overlap = 8; % 相邻子带重叠频点数 M = 4; % 子带数 df_s = 2e6; % 子带内步进频率间隔 tau0 = 2 * 1500 / c; % 目标双程时延，R0=1500m % 生成 M 个子带回波 s_all = zeros(M, Nsub); for m = 1:M fm = f0 + (m-1)*(Nsub-overlap)*df_s + (0:Nsub-1).'*df_s; s_all(m, :) = exp(-1j * 2 * pi * fm * tau0); end % 重叠段相位校正 for m = 2:M idx_ov = 1:overlap; % 当前子带前 overlap 个点 与 上一子带后 overlap 个点 比较 phase_diff = angle(mean(s_all(m, idx_ov) ... .* conj(s_all(m-1, Nsub-overlap+1:Nsub)))); s_all(m, :) = s_all(m, :) * exp(-1j * phase_diff); end % 拼接：重叠区用线性权重合并，非重叠区直接保留 s_cat = s_all(1, 1:Nsub-overlap); for m = 1:M-1 ov1 = s_all(m, Nsub-overlap+1:Nsub); % 前子带重叠段 ov2 = s_all(m+1, 1:overlap); % 后子带重叠段 w = linspace(1, 0, overlap); % 从1衰减到0 ov = ov1 .* w + ov2 .* (1 - w); % 重叠区加权合成 s_cat = [s_cat, ov, s_all(m+1, overlap+1:Nsub)]; end % 拼接后的距离像 B_new = df_s * length(s_cat); % 合成带宽 hr_new = ifft(s_cat, 1024); % 补零到1024点观察更细 dr_new = c / (2 * B_new); fprintf('拼接后距离分辨率 = %.3f m\n', dr_new);

相位校正的核心是phase_diff：同一目标在两个子带重叠频点上的响应应当一致，不一致的部分来自硬件幅相误差或目标运动，取复数共轭相乘后求平均角度，就得到子带间的相对相位误差。这段代码只用了 8 个重叠频点估一个标量相位，在无噪声情况下足够；有噪声时建议把 overlap 加到 16 或 32，并用加权平均替代简单平均。

权重合成采用从 1 到 0 线性递减的w，保证重叠区两端平滑过渡。如果想进一步抑制拼接不连续引起的副瓣抬升，可以把三角窗替换为余弦平方窗（Hann 窗形式的权重），但要注意 Hann 权重会让重叠区能量略有损失，幅度定标时要乘回补偿系数。

4.3 拼接效果怎么验证

拼接后总频点数为 (M-1)·(Nsub-overlap) + Nsub，本组参数下为 3×56+64 = 232 点，合成带宽 464MHz，距离分辨率约 0.323m。和未拼接的单子带（2MHz 步进、64 点，带宽 128MHz，分辨率约 1.17m）对比，分辨率提升接近 4 倍。验证方法是画拼接前后的距离像，观察同一目标的峰值宽度变化，以及副瓣是否出现异常凸起。

如果拼接后距离像出现周期性小峰，说明子带间幅度不一致或相位校正残留误差。常见做法是在phase_diff基础上再估计一个幅度比例因子，乘到后一子带上，代码里在相位校正后补一行s_all(m,:) = s_all(m,:) * mean(abs(s_all(m-1, idx_ov))) / mean(abs(s_all(m, idx_ov)));即可。

5. 雷达测角matlab仿真：单目标比相到多目标空间谱

测角与距离像处理共用同一个前端数据。距离像把不同距离的目标分到不同距离单元，测角则关注同一距离单元内来自某个方向的回波。单目标测角用两阵元相位差就够，多目标要用阵列处理或空间谱估计。

5.1 均匀线阵接收模型与波数图

设接收阵为 K 元均匀线阵（ULA），阵元间距 d 通常取半波长。目标在角度 θ 时，第 k 个阵元相对第 0 个阵元的相位差为 2πkd·sinθ/λ，因此导向矢量为：

a(θ) = [1, exp(j·2πd·sinθ/λ), …, exp(j·2π(K-1)d·sinθ/λ)]^T。

空域采样与频域采样类似，阵元间距 d 决定了空间无模糊范围。d = λ/2 时，sinθ ∈ [-1,1]，对应 θ ∈ [-90°, 90°]，无栅瓣；d 大于 λ/2 时会出现与距离像栅瓣类似的空域栅瓣。用 matlab 画波数图的方式与第 2 章模糊图类似，只是横轴换为 sinθ，阵列响应在 sinθ 轴上以 λ/d 为周期重复。

5.2 单目标测角：两阵元比相法

比相法取相邻两阵元的相位差 φ = angle(x1·conj(x2))，角度估计为 θ = asin(φ·λ/(2πd))。

K = 8; % 阵元数 lambda = c / f0; d = lambda / 2; % 半波长阵元间距 theta_true = 20; % 真实角度，单位度 % 构造单目标导向矢量并加噪 av = exp(1j * 2 * pi * d * sin(deg2rad(theta_true)) * (0:K-1).' / lambda); x = av + 0.1 * (randn(K,1) + 1j * randn(K,1)); % 加性复高斯噪声 % 比相测角 phi = angle(x(1) * conj(x(2))); % 阵元0与阵元1的相位差 theta_est = asin(phi * lambda / (2 * pi * d)) * 180 / pi; fprintf('真实角度 = %.1f°, 估计角度 = %.1f°\n', theta_true, theta_est);

x(1) * conj(x(2))的幅角就是 1 号阵元相对 0 号阵元的相位。噪声较大时，相位差会叠加上高斯噪声的扰动，角度误差近似正比于 1/sqrt(SNR)。如果 d = λ/2，asin 的输入范围正好在 [-1,1]，不需要解模糊；工程中阵元间距略小于半波长时，相位差范围略小于 π，测角范围会稍窄，但更安全。

比相法只适用于单目标。若同一距离单元有多个目标，合成信号的相位是两个目标导向矢量的叠加结果，单从阵元相位差解出的角度既不是目标 A 的也不是目标 B 的。这时必须换用空间谱估计。

5.3 多目标测角：MUSIC 空间谱

MUSIC 利用接收数据协方差矩阵的特征分解，把信号子空间和噪声子空间分开，再扫描整个角度域找谱峰。目标数 P 需要预先知道，且阵元数 K 必须大于 P。

P = 2; % 目标数 theta_true = [-10, 25]; % 两个目标真实角度 L = 200; % 快拍数 % 构造双目标阵列数据 A = exp(1j * 2 * pi * d * sin(deg2rad(theta_true)) * (0:K-1).' / lambda); S = randn(P, L) + 1j * randn(P, L); X = A * S + 0.1 * (randn(K, L) + 1j * randn(K, L)); Rxx = X * X' / L; % 样本协方差矩阵 [V, D] = eig(Rxx); % 特征分解 [~, idx] = sort(diag(D), 'descend'); V = V(:, idx); En = V(:, P+1:end); % 噪声子空间 thetaScan = -90:0.1:90; Pmusic = zeros(size(thetaScan)); for k = 1:numel(thetaScan) av = exp(1j * 2 * pi * d * sin(deg2rad(thetaScan(k))) * (0:K-1).' / lambda); Pmusic(k) = 1 / abs(av' * (En * En') * av); end figure; plot(thetaScan, 10*log10(Pmusic / max(Pmusic)), 'LineWidth', 1.2); grid on; xlabel('角度 (deg)'); ylabel('归一化空间谱 (dB)'); title('MUSIC Spectrum for Two Targets');

协方差矩阵Rxx是用 200 个快拍估计的，快拍数过少时噪声子空间估计不准，谱峰会偏移或出现假峰。eig返回的特征向量按特征值升序排列，所以先sort成降序再取后 K-P 列作为噪声子空间。扫描谱的峰值位置就是目标角度，角度间隔大于波束宽度时两个峰能清晰分离。

多目标测角的边界条件：K=8 阵元最多分辨 7 个目标，实际上两目标角度差小于约 λ/(K·d) 弧度（即一个波束宽度）时谱峰合并，无法分辨。要和距离像一样理解频率步进的“分辨率由带宽决定”，这里就是“角分辨率由阵列孔径决定”。

5.4 单目标与多目标测角怎么衔接

实际处理链路中，先对每个脉冲做距离像合成，再取同一个距离单元的阵列快照做测角。单目标场景直接用比相法，运算量最小；多目标场景先检查该距离单元的强散射点数量，再决定是否切到 MUSIC。判断依据可以用距离像中的局部峰个数，也可以用协方差矩阵特征值中大特征值的个数。

6. 距离-角度联合验证与拼接测角的调参技巧

距离像和测角分开仿真都能跑通，合在一起时最容易出的问题在数据对齐。下面给一套联合验证的思路和几个直接影响结果的参数调试技巧。

6.1 联合验证：把距离峰值和角度峰值对应起来

设置两个目标，目标 1 距离 1500m、角度 -10°，目标 2 距离 1501m、角度 25°。先对合成回波做距离像，在距离维上找到两个峰，再分别取两个峰对应的阵列快照做 MUSIC 扫描。

% 假设 hr 是64点距离像，X_all 是 K×64 的阵列快照矩阵 [pks, locs] = findpeaks(abs(hr), 'MinPeakHeight', 0.5); for i = 1:length(locs) snap = X_all(:, locs(i)); % 取该距离单元的阵列快照 phi = angle(snap(1) * conj(snap(2))); theta_i = asin(phi * lambda / (2 * pi * d)) * 180 / pi; fprintf('距离峰索引 %d, 折叠距离 %.2f m, 角度 %.1f°\n', ... locs(i), rAxis(locs(i)), theta_i); end

两个目标距离差只有 1m，而距离分辨率为 0.234m，所以两个距离峰能分开。若距离差小于一个距离单元，距离维无法分离，测角又回到单距离单元多目标问题，只能靠 MUSIC 的角度分辨率硬分。

6.2 拼接对测角的连带影响

拼接后的距离分辨率变高，原本在一个距离单元内的两个目标可能被分到两个距离单元，多目标测角就退化成两个单目标测角，MUSIC 的负担减轻。但拼接也引入了子带间相位误差，若相位校正不干净，距离像峰值幅度会起伏，测角快照的幅度也随之变化。相位误差容忍度经验值是：重叠段相位差估计标准差小于 π/8 时，拼接后测角误差可忽略。

运动目标要特别注意。多普勒频移会让距离像峰值偏移，偏移量约 ΔR = v·f0·Tr/Δf。把第 2 章的 v 从 10 改到 100m/s，重跑距离像，峰值位置会移动约 1m，在 0.234m 分辨率下相当于 4 个距离单元，测角快照必须相应更换距离索引，否则会取到噪声位置的快照。

6.3 调参顺序和效率技巧

调参时先固定 N 和 Δf 决定了距离分辨率与不模糊距离窗，再由场景尺寸决定是否拼接，最后根据距离像分出的目标个数决定测角算法。模糊图只需要在参数初选时跑一次，不必每次调参都重跑。

生成回波数据时尽量用向量化代替循环。对每一帧仿真，fn、tau0、fd都用列向量一步生成，避免在目标数较多时叠加多层 for。多目标回波把多个目标的回波向量按列排成矩阵再求和，比逐目标累加快一个量级。MUSIC 扫描同样可以向量化，但 1801 个角度点用 for 循环并不慢，特征分解的开销反而更值得关注。

把第 3 章的df从 10MHz 改到 8MHz，重跑 IFFT 和模糊图，不模糊距离窗会从 15m 变到 18.75m，距离分辨率从 0.234m 变到 0.293m。这个两行改动的小实验比任何推导都直观，能同时看出分辨率与不模糊范围的折中关系。

本文还有配套的精品资源，点击获取