脉冲压缩与线性调频信号：雷达测距分辨率与威力的工程权衡

1. 短脉冲还是长脉冲：雷达测距的第一个死结

1.1 距离分辨率的公式为什么注定短脉冲占优

雷达测距这件事，说起来是脉冲压缩最典型的应用场景：发射一个脉冲，等它从目标反射回来，量一下去回时间，就能算出距离。公式简单到让人掉以轻心：

R = c × Δt / 2

这个公式相信大家都熟，但真正决定一部雷达能不能把两个挨得很近的目标分开的，不是灵敏度，而是脉冲宽度。雷达发射一个宽度为τ的脉冲，目标回波在这个时间窗口内落到接收机，如果两个目标的回波到达时间差小于τ，它们在时间上就完全重叠了，接收机看到的只是一个被拉长的回波包络，无法判断背后是两个目标还是一个目标。由此得到距离分辨率：

ΔR = c × τ / 2

代入数字会非常直观：τ = 1 μs，分辨率是150米；τ = 10 ns，分辨率只有1.5米。所以从分辨率的诉求出发，脉冲必须越短越好。这是雷达测距的第一个天然死结——快要窄脉冲，但窄脉冲带来的问题马上就会暴露。

1.2 威力来自能量，而峰值功率被卡得死死的

雷达能看多远，并不取决于峰值功率有多高，而是取决于回波的信噪比。雷达方程写出来：

SNR = P_avg × G × G × λ² × σ / ((4π)³ × R⁴ × k × T₀ × B × L)

这里真正起作用的是平均功率P_avg。平均功率等于峰值功率乘以占空比，也就是脉冲宽度占脉冲重复周期的比例。脉冲变窄，占空比变小，平均功率就掉下去，探测距离跟着缩水。

有人会说，那我把峰值功率使劲往上提不就行了？现实不是这么回事。发射管也好，固态放大器也好，都有输出功率上限；天线馈线系统有击穿电压限制；脉冲功率太高还会带来电磁干扰的问题。更别提高压电源的体积、散热、成本，每一项都在告诉你：峰值功率是有天花板的。

于是雷达设计面临一个尴尬的取舍：要么用窄脉冲换距离分辨率，牺牲探测威力；要么用宽脉冲换探测威力，牺牲分辨率。早期雷达就是这么忍过来的，直到有人想到在脉冲内部做文章——这就有了脉冲压缩。

1.3 线性调频信号：把矛盾变成一道选择题

脉冲压缩的思路很直接：发射一个宽度很大的脉冲，能量照样高，但在这个宽脉冲内部，让频率随时间线性变化，接收端用一个特殊滤波器，把回波中不同时刻的频率分量重新“排好队”，让它们在输出端集中到一个很窄的时间窗口里。这样，宽脉冲拿到了能量，窄脉冲拿到了分辨率，矛盾变成了参数选择问题。

这个频率随时间线性变化的信号，就是线性调频信号，业界习惯叫它Chirp信号。它的瞬时频率是：

f(t) = f₀ + k × t

其中k是调频斜率，等于带宽B除以脉冲宽度T。如果把发射信号画在时间-频率平面上，就是一条从低到高的斜线。

打个比方：一群游客在宽阔的广场上随意走动，你没法分清每个人；但如果让他们按身高压成一条纵队，每个人站在自己的固定位置，一眼就能点名。线性调频就是这个“按频率排队”的过程，接收端的匹配滤波器负责把队列排起来。听起来很玄乎，但数学上非常漂亮，下面拆开看。

2. 匹配滤波：脉冲压缩背后的核心动作

2.1 匹配滤波器到底在干什么

脉冲压缩能不能生效，靠的是接收端的匹配滤波器。这个概念是二十世纪四十年代提出来的：在白噪声背景下，对于一个已知波形s(t)，存在一个线性滤波器，能让输出信号在某一瞬间的峰值信噪比达到最大，叫匹配滤波器。

它的冲击响应很简单，就是发射信号的时间反转再取共轭：

h(t) = s*(-t)

看着好像没啥特别，但这是整条脉冲压缩链路的灵魂。原因是这样：线性调频信号在不同时刻拥有不同频率，这些频率分量在接收时的相位是杂乱错开的。匹配滤波器的相位响应正好把这些频率分量的相位全部对齐，让每个频率成分在同一个输出时刻叠加起来。同相叠加意味着什么？幅度直接相加，峰值瞬间被拉高。

更关键的是，匹配滤波器在信噪比意义上的增益，正好等于时宽带宽积TB。这可不是巧合。发射信号像一个散装的长队伍，匹配滤波是让所有成员在同一时刻集合，整合出来的峰值能量相比原始功率有了TB倍的提升。

2.2 为什么线性调频成了默认选择

能做脉冲压缩的波形不止LFM一种。相位编码、巴克码、步进频、频率编码，各有各的玩法。但工程界实际用的最多的，几乎都是线性调频，原因很实在：

• 产生容易：用压控振荡器或者DDS直接扫频就能生成，模拟器件也能做；
• 包络恒定：瞬时功率不变，发射机功放可以用到额定功率，不会出现幅度起伏导致的失真；
• 多普勒容差好：目标运动导致的频移不会彻底破坏匹配关系，后面我会单独讲；
• 对接收机带宽要求相对宽松。

相位编码信号压缩做得好，抗截获能力也强，但多普勒一上来就崩，旁瓣也难压。所以在绝大多数常规脉冲雷达里，LFM是稳妥之选。

2.3 时宽带宽积：脉冲压缩的“压缩比”

脉冲压缩的效果用一个无量纲参数衡量，叫时宽带宽积，缩写TB：

TB = B × T

它同时决定了处理增益和距离分辨率。压缩后的等效脉冲宽度约为1/B，所以距离分辨率是：

ΔR = c / (2B)

比较一下就知道，分辨率取决于带宽B，跟脉冲宽度T无关了。只要把B做大，不管T多宽，分辨率都能做上去。而T越大，发射能量越大，压缩后SNR增益越高。这就是脉冲压缩最迷人的地方：分辨率由带宽管，威力由时宽管，两个维度彻底解耦。

举个例子：T = 20 μs，B = 10 MHz，TB = 200。压缩后的等效脉宽就是0.1 μs，对应15米分辨率；匹配滤波把信噪比抬高了200倍，换算成对数就是23 dB的处理增益。相当于你用一个大崽脉冲的功率，拿到一个窄脉冲的分辨率，还白赚了几十分贝信噪比。

3. 一次脉冲压缩测距链路的完整拆解

3.1 从发射到接收的数学过程

设发射的线性调频信号为：

s(t) = rect(t/T) × exp(j2π(f₀t + 0.5kt²))

目标距离R，对应回波延迟τ_d = 2R/c。设目标后向散射幅度为A，那么接收信号是：

r(t) = A × s(t - τ_d) + n(t)

接收端把射频信号下变频到中频或者基带，然后送入匹配滤波器。匹配滤波器输出是发射信号自相关函数的镜像：

y(t) = ∫ r(u) × s*(u - t) du

忽略噪声，这个输出近似为：

y(t) = A × T × sinc[πB(t - τ_d)]

这个sinc函数的峰值正好出现在t = τ_d处，也就是目标回波的真实延时刻。我们只要测出压缩脉冲峰值出现的时间，就能反推距离。这就是脉冲压缩和雷达测距衔接的地方。

3.2 峰值时刻怎么换算成距离

压缩峰值出现的时间τ_d，乘上光速，除以2，就是目标距离。注意这是往返时间，所以除以2不能漏。

实际雷达系统里的时间基准通常来自发射触发脉冲和本振时钟。发射时开一个时间计数器，检测到压缩峰值超过检测门限时记录此刻时间，减掉系统固定的收发延迟，再套用R = c × τ/2。系统固定延迟包括发射链路、接收链路、滤波器群延迟等，这个值必须在出厂或校准时测出来，不然所有距离都会带一个固定偏差。

3.3 一个可以照抄的算例

假设一部X波段雷达，参数如下：

• 载频：9.4 GHz；
• 发射脉宽T：20 μs；
• 调频带宽B：10 MHz；
• 目标距离：30 km。

回波延迟：

τ_d = 2 × 30000 / (3 × 10⁸) = 200 μs

匹配滤波后，压缩脉冲宽度约：

τ_comp = 1 / B = 0.1 μs

距离分辨率无窗时为：

ΔR = c / (2B) = 15 m

若采用汉明窗，主瓣展宽约1.5倍，分辨率变为22.5米左右。处理增益：

10 × log10(200) ≈ 23 dB

也就是说，即便目标回波本身的信噪比不高，经过匹配滤波也能有效提出来。要注意的是，这套逻辑只在目标回波完整进入接收窗口的前提下成立。雷达的采样闸门必须覆盖200 μs这个时延，如果发射后只留了150 μs的接收窗口，这个目标就丢了。

这个算例本身很简单，但真正做过雷达的人都清楚，从推导到设备上显示出一个正确的距离数字，中间隔着不少实际坑，后面会专门梳理。

4. 参数设计：带宽、时宽、窗函数之间的取舍

4.1 带宽和时宽各管一摊，不能混着看

做脉冲压缩雷达的参数设计，第一件事就是把两个维度分开看待：

给一个直观的选型感受：要1米级距离分辨率，带宽要做到150 MHz左右；要0.1米级，带宽得1.5 GHz。带宽上去了，前端射频、ADC、存储全都跟着加码，所以高分辨率永远是有代价的。

调频线性度是另一个容易被忽略的约束。理想LFM频率随时间严格线性变化，实际压控振荡器会有非线性，这会让匹配滤波输出波形“失真”：主瓣展宽、旁瓣抬高。在设计时通常对调频线性度提出明确指标，比如相位误差不超过几度，否则压缩后的距离分辨率会从15米恶化到20米以上。

4.2 压缩后最大的瑕疵：距离旁瓣

匹配滤波输出的sinc形脉冲并非只有孤零零一个主峰，旁边还有一串衰减的旁瓣，第一旁瓣只在主峰以下13.2 dB处。

这个-13.2 dB在雷达里是个严重问题。设想场景：一个大反射截面目标（比如大型舰船）和一个紧挨着它的小目标（比如小船或海面浮体），大目标的旁瓣可能会把小目标的回波直接盖掉。雷达操作员看到的是一大团连片的回波，根本无法分辨小目标。

解决旁瓣最常规的手段是加窗。在匹配滤波器系数上乘一个窗函数，比如汉明窗、汉宁窗、布莱克曼窗，压低旁瓣。但要记住，窗是“买”来的：

• 主瓣会被展宽，距离分辨率变差；
• 匹配滤波不再是严格匹配，带来失配损耗，SNR略降；
• 旁瓣压得越低，这两项代价越大。

4.3 实际工程中常用的窗和指标

我在项目中常用的几个窗对照如下：

汉明窗几乎是脉冲压缩雷达的默认窗，旁瓣压到-42 dB以下，失配损耗还能接受，分辨率损失也不夸张。如果系统对远距离小目标探测特别敏感，也可以用泰勒窗，它能让前若干个旁瓣降到设定电平，比布莱克曼更灵活。

不过加窗只是匹配滤波阶段的事。实际工程中，发射机功率放大器可能引入AM-AM、AM-PM失真，接收链路的相位噪声和频率源杂散也会抬高旁瓣。这些非理想效应不是靠窗函数能完全救回来的，只能在系统联调时逐级排查。

5. 目标运动带来的麻烦：多普勒与距离耦合

5.1 多普勒频移对LFM匹配的影响

脉冲压缩默认假设发射波形和回波波形完全一致，只是延迟了一个时间。问题是：真实目标会动。目标以径向速度v运动时，回波会有多普勒频移f_d：

f_d = 2v / λ

例如9.4 GHz下，目标径向速度300 m/s，多普勒频移接近19 kHz。对匹配滤波器来说，回波波形不再是和发射副本一样的LFM，而是带了一个几百赫兹级别的频率偏置的LFM。

LFM的匹配滤波器对多普勒有一定的容差。频移不大时，输出主峰幅度损失很小，但峰值会发生偏移——这就有意思了，一个纯距离量测的系统，居然会因为目标速度产生虚假距离移动。这个现象叫做距离-多普勒耦合。

耦合量的公式非常干净：

ΔR ≈ c × f_d / (2k) = c × f_d × T / (2B)

其中k是调频斜率B/T。换算下来，如果B=10 MHz、T=20 μs、f_d=19 kHz，ΔR约为285米。目标真正在30公里处，雷达却会在30.285公里处看到压缩峰。对高分辨率雷达来说，这是不可忽略的系统误差。

5.2 为什么LFM仍然比相位编码扛得住

如果换用相位编码信号，多普勒频移会让码元之间的相位关系彻底打乱，匹配滤波器输出可能直接烂掉，主峰摊平，旁瓣抬高。LFM的优势在于频率连续扫描，多普勒频移只是让整个扫频线整体平移，相关峰依然存在，只是时间和相位变了。所以对常规目标速度范围，LFM天然具有多普勒容差。

工程上处理耦合的方法有几种。一种是在测量目标速度后对距离做修正，比如先粗测距再测速，然后用补偿公式把ΔR减掉；另一种是采用升、降调频两个LFM脉冲交替发射，分别测出耦合偏移量，联立方程求出真实距离和速度。后一种在工程里很实用，代价是脉冲重复频率要翻倍。

5.3 把测距和测速放一起：脉冲多普勒体制

单看一个脉冲压缩峰值，你只能知道距离，没法直接分离多普勒。于是现代雷达普遍采用脉冲多普勒（PD）体制：沿慢时间维把一系列脉冲压缩后的回波排成矩阵，每一列是距离单元，每一行是脉冲重复周期，对每个距离单元沿慢时间做FFT，就能得到目标的多普勒频率，也就是径向速度。

这套架构里，距离维FFT和速度维FFT串联起来，配套的还有MTI、目标检测、恒虚警处理。脉冲压缩在这个过程中扮演的角色是“距离维预处理”，先把宽脉冲变成窄脉冲，把一个距离单元分得足够细，后面做慢时间FFT才有意义。

我见过不少新手把脉冲压缩当成一个孤立模块来调试，调完压出来波形挺好看就以为完事了，结果到了整机上看目标显示的位置一直在漂。大概率就是没处理距离-多普勒耦合，要不就是忘了发射脉冲本身带来的时间和相位稳定性问题。

6. 数字脉冲压缩的几个实战坑位

6.1 时域卷积和频域FFT，选哪个

数字脉冲压缩有两种实现方式：直接在时域做卷积，或者用FFT在频域做相乘再IFFT。

时域卷积的好处是实现简单、延时可控、适合脉冲宽度不长的信号。但LFM脉宽动辄几十甚至上百微秒，采样率几十到几百兆赫兹，滤波器点数动不动上万。时域卷积每输出一个点要上万次乘加计算，实时性很难保证。

频域FFT是主流方案。流程是：把回波分成多段，每段和匹配滤波器系数的FFT相乘，再做IFFT。这里有个关键问题——FFT本质是循环卷积，不是线性卷积，直接整段相乘，段与段之间会产生混叠错误。正确做法是重叠保留法或重叠相加法。

重叠保留法的操作我提一下：把输入分段，每段长度取FFT长度N，前一段末尾的数据留一部分重叠到下一段，卷积完成后把混叠部分丢掉。具体的约束是FFT长度必须满足：

N_fft ≥ N_h + N_seg - 1

其中N_h是匹配滤波器长度。我用过一个128点窗长的匹配滤波，分段长度8192，FFT长度选16384，余量给足，效果很干净。FFT长度取得太小，循环卷积混叠会直接污染压缩波形，你在示波器上看到的就是旁瓣莫名其妙抬高，还找不到原因。

6.2 ADC采样和滤波器长度怎么定

带宽10 MHz的LFM，理论上采样率最高10 MHz的基带I/Q信号就能不混叠。但工程上很少卡着奈奎斯特线走，一般会留1.2到1.5倍余量。这里有个更实际的考虑：采样率决定了数据量，而匹配滤波长度是脉宽乘以采样率。T=20 μs、Fs=25 MHz时，滤波器点数就是500点，不算多；但如果T=500 μs、Fs=250 MHz，点数12.5万，FFT每段都要做这么长的乘法，运算量和存储量立刻指数级上涨。

一个经验是：先确定距离分辨率要求，反推带宽B；再确定处理增益和威力要求，反推脉宽T；最后用采样率把T离散化，算滤波器长度。不是反过来先定滤波器再改雷达参数。

6.3 我在真实回波里踩过的几个坑

第一个坑是互相关峰的“伪峰”。我在一次外场试验里，压缩输出在目标峰旁边约300米处冒出一个假峰，幅度只低了6 dB。排查了很久，最后定位到发射信号的调频斜率在校准数据里写反了，匹配滤波器系数和发射波形变成了升频和降频的组合，相关峰分裂成两个。这个坑在仿真里不容易暴露，因为仿真数据是同源生成的，但设备实测就可能出现通道时序上的不一致。

第二个坑是接收机相位噪声抬高距离旁瓣。LFM带宽大时，接收机本振的相位噪声底如果不够低，会把旁瓣整体抬高到-20 dB左右，再怎么加窗也压不下去。最后是把本振源从锁相环换成了参考源更干净的方案，旁瓣才回到-35 dB以下。

第三个坑是发射泄漏。单天线雷达发射脉冲的那段时间，接收机前端很容易被饱和，紧接着的回波会被掩盖，形成近距离盲区。用脉冲压缩后盲区通常比传统窄脉冲雷达更大，因为脉宽变宽了。解决办法是收发开关设计好、接收机加保护限幅器，以及在信号处理端预留空白处理区。

还有一个容易被忽略的点：匹配滤波器系数必须是复基带信号，不能在实信号上直接做。很多人拿实中频采样数据就直接卷积，其实需要先数字下变频到I/Q，再做匹配滤波，否则正负频谱分量会互相干扰，压缩波形变得诡异。

7. 最后补一点个人体会

这几章看下来，脉冲压缩的数学推导其实很干净，但把它做成一部能稳定测距的雷达，细节多到足以让一个团队打磨一两年。我自己最大的体会是：匹配滤波器解决的是“已知波形下的最优接收”，但“已知波形”四个字在实际系统里几乎是靠设备指标和校准流程堆出来的。

给刚入行的朋友一个建议：不要一上来就挑战超大带宽和超长脉冲，先拿TB=100左右的LFM信号在桌面级平台跑通整条链路——信号产生、下变频、匹配滤波、加窗、旁瓣观察——把每个环节的信号质量都看到心里有数。等你能解释清楚为什么实测旁瓣比理论值高了几个dB，再往高分辨率方向走。

做雷达测距，最容易出问题的往往不是数学，而是工程链路里某一段相位或者时序没有对齐。匹配滤波对相位太敏感了，敏感到发射链路一根线缆的长度差异都会改变压缩峰位置。所以调系统时，我习惯在每次试验前先拍一个测距校准靶的回波，确认压缩峰出现在预期距离单元，再开始正式数据录取。

这套方法不复杂，但能在外场试验里省下大把返工时间。