简介：MATLAB雷达LFM信号及其回波频谱仿真脚本，聚焦雷达信号处理中线性调频（LFM）脉冲波形的核心实现，面向雷达信号处理初学者、高校学生以及算法工程师，用于掌握从信号生成、回波模拟到频谱分析的完整仿真链路。LFM信号频率随时间线性变化，兼具大带宽与短时宽的特点，可通过调节带宽获得较高的距离分辨率，是雷达系统中广泛应用的脉冲压缩波形。脚本利用chirp函数构建发射信号，依据目标相对运动引入多普勒频移与传播时延，构造带速度信息的回波，并通过FFT变换绘制幅度谱，直观对比发射信号与回波信号的频谱偏移，帮助理解目标距离与速度特征对回波频谱的影响。压缩包内仅含1个m文件，大小4KB，代码紧凑、参数集中，便于逐行阅读和修改后重新运行，适合作为课程实验或毕业设计的入门参考。已有625人学习/下载，可直接用于快速入门雷达LFM波形仿真，也可作为脉冲压缩、动目标显示、距离-多普勒处理等进阶专题的衔接铺垫。
1. MATLAB雷达LFM信号与其回波频谱分析，为什么先搞懂这两个波形
雷达系统里，LFM（线性调频）信号几乎是脉冲压缩体制的默认选择。很多人第一眼看到LFM的时域波形，觉得它就是个频率随时间线性变化的余弦波，但真正动手用MATLAB把发射信号和回波信号放在一起做频谱分析时，才会发现里面的门道——发射信号的频谱幅度接近矩形，而回波信号经过目标延迟和多普勒调制之后，频谱形状、中心频率、带宽都变了，直接看FFT结果经常对不上号。这篇文章从LFM信号的数学表达出发，把回波建模的延迟、多普勒、幅度衰减都讲清楚，然后给出可以直接跑的MATLAB代码，最后讨论频谱分析中那些让人头疼的边界效应和参数选择。适合刚接触雷达信号处理的学生，也适合需要快速验证算法方案的工程师。
2. LFM信号核心参数与MATLAB生成基础
2.1 线性调频信号的数学表达与关键参数含义
LFM信号的复数基带形式表达为：
s(t) = exp(jπKt²)，其中K为调频斜率，单位为Hz/s。
雷达发射的实信号是载频f_c调制后的形式。脉冲宽度T_p决定了信号持续时间，带宽B决定了距离分辨力，而调频斜率K = B/T_p。这三个参数只要确定了两个，第三个就唯一确定。LFM信号之所以被广泛使用，是因为它能够在保持宽脉冲（保证作用距离）的同时，通过匹配滤波获得窄脉冲（保证距离分辨力），这一思想是脉冲压缩理论的核心。
设计LFM信号时，脉冲宽度和带宽的选择要结合雷达用途。搜索雷达一般用较宽的脉冲，比如10微秒到100微秒量级；成像雷达或高分辨雷达则追求更大的带宽，如几百MHz甚至GHz量级。MATLAB里生成LFM信号并不复杂，关键是把采样率、脉宽、带宽这几个参数匹配好，否则频率轴的标注就会出错。
2.2 MATLAB中发射信号生成的两种方式
2.2.1 基于复数基带生成
%% LFM基带信号生成 fs = 100e6; % 采样率 100 MHz T_p = 10e-6; % 脉宽 10 微秒 B = 10e6; % 带宽 10 MHz K = B / T_p; % 调频斜率 t = 0 : 1/fs : T_p - 1/fs; % 时间序列，注意不取末尾点避免重复 s_baseband = exp(1j * pi * K * t.^2); % 复数基带LFM figure; subplot(2,1,1); plot(t*1e6, real(s_baseband)); xlabel('时间 (\mus)'); ylabel('幅度'); title('LFM基带信号实部'); grid on;上面代码中，fs = 100e6指采样率100MHz，T_p = 10e-6是10微秒脉宽，B = 10e6是10MHz带宽。时间序列t = 0 : 1/fs : T_p - 1/fs 从0开始，以1/fs为步长，到T_p - 1/fs结束，这样一共生成1000个采样点，对应10微秒时长。K = B / T_p得到调频斜率为1e12 Hz/s，意思是每秒频率变化1万亿赫兹。s_baseband用复指数形式表示，exp(1j * pi * K * t.^2)中1j是虚数单位，pi * K * t.^2是瞬时相位，它的导数2piKt就是瞬时角频率，除以2pi得到瞬时频率K*t，正好从0线性增长到B。取实部后就是实际发射的基带波形。
2.2.2 基于实信号生成
%% LFM实信号生成（含载频） f_c = 1e9; % 载频 1 GHz t_real = 0 : 1/fs : T_p - 1/fs; s_rf = cos(2*pi*f_c*t_real + pi*K*t_real.^2); % 实LFM信号 figure; subplot(2,1,2); plot(t_real*1e6, s_rf); xlabel('时间 (\mus)'); ylabel('幅度'); title('LFM实信号（含载频1GHz）'); grid on;实信号的形式是cos(2pif_ct + piK*t²)，第一个相位项是载频贡献的，第二个相位项是LFM调频贡献的。直接生成实信号的好处是接近物理真实，但采样率需要满足奈奎斯特条件——载频1GHz时，采样率至少要2GHz以上，这对MATLAB仿真来说内存开销很大。所以实际工程仿真中，几乎都用复数基带形式，载频的影响在后续处理中以相位旋转的形式出现，不会丢失任何信息。
2.3 参数选择与采样率的匹配原则
采样率fs必须大于LFM带宽B的2倍，这是奈奎斯特采样定理的基本要求。但实际仿真中，为了让频谱看起来更连续、降低栅栏效应，fs通常取B的2.5倍到4倍。带宽10MHz、采样率100MHz意味着过采样率是5倍，频谱在频域上只占用了中心频率附近很小一段。
脉冲宽度与带宽的乘积T_p * B称为时间带宽积。这个值越大，LFM信号的脉压比越好，但仿真数据量也越大。上面例子中T_p * B = 100，这是一个较常见的选择。如果脉宽10微秒、带宽变成100MHz，则时间带宽积变成1000，信号生成和FFT处理的数据规模会显著增大，但频谱形状会更接近矩形。
3. MATLAB回波信号建模与频谱特征
3.1 点目标回波模型的数学描述
雷达发射LFM信号后，遇到目标产生回波。理想点目标的回波是发射信号的延迟副本，同时乘以幅度衰减因子和多普勒频移因子。设目标距离R，径向速度v，则回波延迟时间为τ = 2R/c，多普勒频率为f_d = 2vf_c/c。回波信号表达为：
s_echo(t) = A * exp(jπK(t-τ)²) * exp(-j2πf_cτ) * exp(j2πf_d t)
其中A综合了路径衰减、天线增益、目标RCS等因素。这里需要注意，f_cτ产生的固定相位项一般被忽略，因为它在匹配滤波后会转化为常数相位，对幅度没有影响。而多普勒频移则会在匹配滤波后导致峰值位置偏移和幅度下降，这是雷达成像和测速的基础。
回波建模的精度直接影响后续频谱分析。如果目标不是点目标而是扩展目标，回波就是多个点目标回波的叠加；如果目标是运动的，每个脉冲之间还会产生相位差，这又是MTI和多普勒处理的研究范畴。本文先把点目标回波模型做透，扩展目标的处理可以在其基础上累加即可。
3.2 MATLAB点目标回波仿真代码与参数设置
%% 回波信号仿真 c = 3e8; % 光速 R0 = 3000; % 目标距离 3000 米 v = 30; % 径向速度 30 m/s A = 1; % 幅度因子 tau = 2 * R0 / c; % 延迟时间 f_d = 2 * v * 1e9 / c; % 多普勒频移，f_c取1e9 t_echo = t + tau; % 回波时间轴（相对于发射时间） s_echo = A * exp(1j * pi * K * (t_echo - tau).^2) ... .* exp(1j * 2 * pi * f_d * t_echo); figure; subplot(2,1,1); plot(t*1e6, real(s_echo)); xlabel('时间 (\mus)'); ylabel('幅度'); title('回波信号实部（延迟后）'); grid on;回波信号的生成原理是：先计算目标距离对应的延迟tau = 2*3000/3e8 = 20微秒，然后在时间轴上把LFM信号整体平移tau。由于MATLAB数组索引必须从正整数开始，所以上面的写法本质上是在原始时间轴上重新采样回波值，而不是真正地在时间轴上平移。更精确的做法是先构造一个足够长的接收时间轴，让回波完整落在这个轴内，再进行截取。
多普勒频移的计算使用公式f_d = 2vf_c/c = 2301e9/3e8 = 200Hz。这个频率相对于LFM带宽10MHz来说很小，所以在频谱上几乎看不出偏移，但在匹配滤波后会让峰值时间产生偏移。如果目标是静止的，v=0，多普勒项为1，回波就退化为单纯的延迟副本。
3.3 回波信号频谱与发射信号频谱差异分析
%% 频谱对比 N_fft = 2^nextpow2(length(s_baseband) + length(s_echo_ext)); [S_f, f_axis] = freqz_spectrum(s_baseband, fs, N_fft); % 直接使用内置FFT S_base = fftshift(fft(s_baseband, N_fft)); S_echo = fftshift(fft(s_echo, N_fft)); f_axis = (-N_fft/2 : N_fft/2 - 1) * fs / N_fft; figure; subplot(2,1,1); plot(f_axis/1e6, abs(S_base)/max(abs(S_base))); xlabel('频率 (MHz)'); ylabel('归一化幅度'); title('发射LFM信号频谱'); xlim([-50 50]); grid on; subplot(2,1,2); plot(f_axis/1e6, abs(S_echo)/max(abs(S_echo))); xlabel('频率 (MHz)'); ylabel('归一化幅度'); title('回波信号频谱'); xlim([-50 50]); grid on;发射LFM信号的频谱近似为矩形，宽度为B=10MHz，中心在0Hz（基带情况下）。回波信号由于是发射信号的延迟副本，其频谱幅度形状与发射信号几乎一致，但存在一个相位因子exp(-j2πfτ)，对应频域的线性相位。如果对频谱做逆变换，就能还原出时间延迟。多普勒频移f_d在频谱上的直接效果是整体搬移f_d=200Hz，但这个偏移量相对于10MHz带宽实在太小，肉眼无法分辨。
回波中没有体现距离衰减和多径衰落。实际雷达接收机收到的信号非常微弱，所以接收链路中要先做低噪声放大和下变频。MATLAB仿真中可以先用幅度因子A来简化，真正处理实测数据时才需要联合噪声模型。
3.4 加噪声对回波频谱的影响及处理策略
雷达回波中噪声是不可避免的。常见做法是添加高斯白噪声：
%% 添加噪声 SNR = 10; % 信噪比 10 dB signal_power = mean(abs(s_echo).^2); noise_power = signal_power / (10^(SNR/10)); noise = sqrt(noise_power/2) * (randn(size(s_echo)) + 1j*randn(size(s_echo))); s_echo_noisy = s_echo + noise;SNR是信噪比，单位dB，这里设为10dB。signal_power是回波信号平均功率，noise_power根据信噪比公式 SNR_dB = 10*log10(signal_power/noise_power) 反推得到。randn生成均值为0、方差为1的高斯随机数，乘以sqrt(noise_power/2)后，实部和虚部各占一半噪声功率，合成复噪声的总功率正好等于noise_power。加噪后的回波频谱整体抬升了底部噪声电平，原本光滑的矩形频谱边缘开始出现毛刺。信噪比降到0dB以下时，频谱几乎看不出矩形形状，这时必须先做脉冲压缩或相干积累，才能把信号从噪声中提取出来。
4. 回波频谱的脉压处理与距离谱提取
4.1 匹配滤波原理与LFM脉压实现
匹配滤波是LFM信号处理的核心。匹配滤波器的时域冲激响应是发射信号的时间反褶共轭，即h(t) = s*(-t)。在频域中，匹配滤波就是乘以发射信号频谱的共轭。LFM信号的匹配滤波输出是一个sinc形状的脉冲，峰值出现在t = τ的时刻，脉冲宽度约为1/B，峰值幅度为√(T_p*B)倍，这个倍数就是脉压增益。
MATLAB实现匹配滤波有两种方式，一种是频域法，一种是时域法。频域法更常见：
%% 匹配滤波（频域实现） S_ref = conj(fft(s_baseband, N_fft)); % 参考信号频谱的共轭 S_pc = fft(s_echo_noisy, N_fft) .* S_ref; % 频域相乘 s_pc = ifft(S_pc); % 时域脉压结果 t_pc = (0 : N_fft - 1) / fs; % 脉压输出时间轴 [peak_val, peak_idx] = max(abs(s_pc)); estimated_delay = t_pc(peak_idx); estimated_range = estimated_delay * c / 2; fprintf('峰值时间: %.2f us\n', estimated_delay*1e6); fprintf('估计距离: %.2f m\n', estimated_range);匹配滤波的频域实现就是把接收回波的FFT乘以参考信号FFT的共轭，再做IFFT。参考信号s_baseband就是发射信号本身，所以S_ref包含了LFM信号的完整频谱信息。由于FFT的循环卷积特性，目标回波的延迟时间如果大于FFT长度，会出现距离模糊，实际应用中要确保N_fft对应的时间长度大于最大探测距离对应的延迟加上脉宽。
脉压输出后的s_pc是复数序列，取绝对值后最大值所在的位置对应目标延迟。上面代码中estimated_delay是个估计值，由于FFT是离散的，所以延迟估计的精度受限于采样周期1/fs。要获得更高精度，可以在峰值附近做插值或补零FFT。
4.2 回波频谱中距离信息的提取与校准方法
距离提取可以从频域角度理解。匹配滤波中，回波频谱乘以参考共轭后，相位中的线性项被抵消，只剩下常数相位和与目标延迟相关的线性相位。IFFT后，峰值位置反映了这个线性相位的变化率。换句话说，目标延迟τ在频域上被编码为相位斜率，在时域上被解码为时间偏移。
校准时需要先做系统延迟校准。用已知距离的金属球（如角反射器）做标定，测出其峰值位置，再用实际目标峰值位置减去标定偏移量，而不是直接用测量值除以2乘以光速。这是因为雷达系统内部滤波器、馈线等环节会产生额外延迟。MATLAB外场数据的校准思路与此一致，先用距离已知的强反射体校正，再用同一套参数处理目标数据。
常见偏差还有采样时钟偏移和载频漂移。采样时钟偏移会让时间轴整体缩放，载频漂移会让多普勒项出现固定的频率偏差。这些误差在仿真中可以不管，但实测数据必须做前端校准。
4.3 脉压后距离谱的分辨率与旁瓣抑制方法
LFM脉冲压缩后的距离谱是sinc函数，主瓣宽度决定了距离分辨力ΔR = c/(2B)。第一旁瓣高度约-13.2dB，对于强目标附近的弱目标检测有较大影响。抑制旁瓣的常用方法是在脉压前对频率域加窗，比如海明窗、汉宁窗等。
%% 加窗脉压 win = hamming(N_fft, 'periodic'); S_ref_win = conj(fft(s_baseband, N_fft)) .* fftshift(win); % 注意窗口与时域对齐方式 S_pc_win = fft(s_echo_noisy, N_fft) .* S_ref_win; s_pc_win = ifft(S_pc_win); figure; plot(t_pc*1e6, 20*log10(abs(s_pc)/max(abs(s_pc))), 'b'); hold on; plot(t_pc*1e6, 20*log10(abs(s_pc_win)/max(abs(s_pc_win))), 'r'); xlabel('时间 (\mus)'); ylabel('归一化幅度 (dB)'); legend('未加窗','加海明窗'); grid on; ylim([-60 0]);加窗的本质是在频域对匹配滤波器的响应做加权，牺牲距离分辨力换取旁瓣降低。加海明窗后，第一旁瓣会降到-40dB以下，但主瓣宽度展宽了大约1.47倍，距离分辨力略有下降。如果系统对分辨力要求高，可以用凯塞窗，通过β参数在主瓣宽度和旁瓣电平之间权衡。另一个思路是使用旁瓣抑制滤波器，这类滤波器能在保持主瓣宽度的条件下压低旁瓣，但实现复杂度较高，且对信噪比损失有放大作用。
注意代码中的fftshift(win)不是随便写的。LFM信号经过FFT后，频谱分布在从-fs/2到fs/2的范围内，而FFT输出的顺序是0到fs/2再到-fs/2到0，所以窗函数需要做fftshift才能与频谱顺序对齐。如果省略这个步骤，窗会加错位置，脉压结果也会完全不对。这是很多人调试半天发现脉压波形异常的原因之一。
4.4 频谱泄漏与补零FFT的边界效应处理
LFM信号频谱是矩形被截断后与sinc卷积的结果。FFT长度N_fft对应的频率分辨率是fs/N_fft，如果LFM信号长度不正好是N_fft的整数分频，频域就会出现泄漏。补零FFT是一种常用的平滑手段：
%% 补零对频谱的影响 s_pad = [s_baseband, zeros(1, length(s_baseband)*3)]; % 补3倍零 S_pad = fftshift(fft(s_pad, 4*length(s_baseband))); f_pad = (-2*length(s_baseband) : 2*length(s_baseband)-1) * fs / (4*length(s_baseband)); figure; plot(f_axis/1e6, abs(S_base)/max(abs(S_base)), 'b'); hold on; plot(f_pad/1e6, abs(S_pad)/max(abs(S_pad)), 'r'); xlabel('频率 (MHz)'); ylabel('归一化幅度'); legend('未补零','补零'); grid on;补零没有增加有效数据的信息量，只是对频谱做了插值，让谱线更密集、看起来更平滑，但谱峰的分辨率没有改善。如果要真正区分两个频率间隔小于1/T_p的谱峰，只有增加信号时宽，补零无能为力。做频谱分析时，先看原始数据点数N，再选N_fft为大于N的2的幂即可，过大的补零倍数只会增加计算量而收益有限。
5. 频谱分析的工程细节与调试技巧
5.1 MATLAB LFM信号频谱分析中的坐标轴校准
频谱分析的第一步不是画图，而是确认频率轴对不对。频率轴的生成依赖fs和N_fft两个参数，任何一处出错都会让整个图的横坐标失去意义。正确的频率轴是f_axis = (-N_fft/2 : N_fft/2 - 1) * fs / N_fft，单位为Hz。用fftshift把零频移到序列中间，Matlab的FFT输出顺序是0频在第一个元素，fftshift后零频在N/2处，这样画出的图才是以0Hz为中心的对称频谱。
检查坐标轴是否正确的最快方法是已知信号验证。生成一个单频信号，频率为1MHz，采样率10MHz，FFT后看看峰值是不是落在1MHz处。如果偏了，优先检查fs/N_fft的分辨率是否够，频率分辨率低于1Hz时，峰可能被栅栏效应掩盖。如果峰值横坐标是对称的，但幅度不同，检查是不是忘记取绝对值了，频谱是复数，不取绝对值画出来是振荡的。
5.2 回波频谱与发射频谱比较时的归一化策略
比较发射频谱和回波频谱时，二者幅度差异可能很大（回波幅度远小于发射），所以要先做归一化再比较。归一化的方法有很多种：除以最大值、除以能量、除以直流分量等。最常用的是除以最大值，比较形状时用；如果要看相对功率关系，应该除以各自的信号能量：
%% 能量归一化 S_base_norm = S_base / sqrt(sum(abs(S_base).^2)); S_echo_norm = S_echo / sqrt(sum(abs(S_echo).^2));能量归一化适用于对比两个不同幅度信号的频谱形状，例如对比不同距离下的回波。它可以消除路径衰减对幅度的影响，凸显频谱形状和多普勒偏移的差异。而最大幅度归一化适合在同一图里观察主瓣和旁瓣的相对关系，两种归一化不可混用。
5.3 核验频谱分析结果的三个正交验证方法
做完频谱分析后，不要急着截图，先做三个检查。
第一个检查是频率轴零频是否准确。观察LFM基带信号的频谱，中心应该在0Hz，且幅度峰值不会出现在正负两个端点附近。如果在端点附近有异常大的幅度，说明信号有直流偏置，需要在生成信号时减掉均值，或者在FFT前加窗抑制频谱泄漏。
第二个检查是幅度包络与理论值对比。LFM频谱的理论形状是矩形，由于有限时宽，矩形边缘有上升沿和下降沿，过渡带宽度约为1/T_p。对比仿真结果，如果边缘太陡峭，说明T_p太小或过采样率不足；如果频谱起伏剧烈，可能是采样点数太少，补零可以缓解。
第三个检查是用逆FFT验证能量守恒。Parseval定理要求时域总能量等于频域总能量。在MATLAB里执行sum(abs(s_baseband).^2)和sum(abs(S_base).^2)/N_fft，结果应该非常接近。偏差较大说明FFT归一化方式与能量计算不一致，FFT变换时没有除以sqrt(N_fft)需要手动补偿。
这三个方法合在一起，能快速定位绝大多数频谱分析的坐标错误、归一化错误和采样率设置错误。
5.4 关于仿真参数与性能取舍的最终建议
参数设计中，脉冲宽度T_p越大，发射能量越强作用距离越远，但距离盲区越大；带宽B越大，距离分辨力越高，但采样率要求更高、数据量更大。具体到LFM频谱分析，T_p和B的比例在50到200之间是较好操作的区间。比值太小，频谱矩形特性不明显，不利于观察频谱形状；比值太大，匹配滤波输出主瓣太窄，栅栏效应引起峰值定位误差增大。
脚本调试建议用较小的时间带宽积，比如T_p=2微秒、B=2MHz，先验证流程正确，再逐渐加大参数。这样能及时发现FFT长度、频率轴和匹配滤波实现的错误。实信号分析时优先采用复数基带模型，这样能降低采样率需求并简化多普勒处理。整套流程跑通之后，再切换回实信号模型或者导入实测数据，大部分代码思路可以复用。
本文还有配套的精品资源，点击获取
