简介：面向雷达信号处理学习者与科研人员，这份LFM线性调频脉冲压缩雷达多目标回波仿真MATLAB源码包，覆盖了线性调频信号生成、脉冲压缩、多目标回波叠加等核心环节，可直接用于理解雷达目标回波产生与匹配滤波处理的典型流程。压缩包共2个文件，包含一个MATLAB脚本文件与一张仿真结果图，整体仅有39KB，轻量易用。目前已有3750人学习下载，适合刚入门雷达仿真的读者结合代码与输出图像对照学习。通过运行该脚本，可观察多目标LFM回波仿真的图形结果，理解LFM信号频率线性变化带来的宽带与高距离分辨率特性，掌握目标参数设置、回波延时模拟及脉冲压缩后的高分辨率输出；同时，代码结构清晰，便于按需修改目标数量、距离等参数，进一步开展雷达系统算法验证与扩展实验。
1. LFM雷达回波仿真为什么从信号定义开始
雷达回波仿真里最容易被忽略的事实是：LFM脉冲雷达的回波并不是一个单频正弦，而是发射脉冲在时间上延迟、频率上搬移之后的复制品。很多人直接用正弦波混一个延时，结果距离像上永远出现奇怪的栅瓣。实际上，线性调频信号（LFM）通过脉内扫频把能量铺开，雷达目标回波的仿真核心就是把这个延时、多普勒频移和幅度衰减正确叠加回基带波形上。这篇文章假定你熟悉Matlab基本矩阵操作，并且想做一套不用工具箱、从零能看懂每一步的回波仿真链路。它适合刚接触脉冲雷达信号处理的人，也适合需要快速搭建系统层仿真给算法验证用的工程师。搞清楚信号定义，后面所有距离轴、多普勒轴的计算才不会出偏。
2. LFM信号与脉冲压缩：从时频对照到匹配滤波
线性调频信号的价值在于，它允许雷达同时获得长脉冲的能量和短脉冲的距离分辨率。时宽带宽积D = B × T 直接决定了脉冲压缩比，也决定了你可以把多大的能量塞进一个脉宽内而不牺牲距离轴精度。
2.1 线性调频信号的时频表达式与基带生成
复数基带LFM信号的相位是时间的二次函数，所以瞬时频率是线性的。设调频斜率为K = B / T，那么信号可以写成：
s(t) = exp(jπKt²)，其中 -T/2 ≤ t ≤ T/2。
在Matlab里生成一段复基带LFM信号，常见做法是先生成时间轴，再逐点计算相位：
fs = 20e6; % 采样率 20 MHz T = 50e-6; % 脉冲宽度 50 us B = 5e6; % 信号带宽 5 MHz K = B / T; % 调频斜率 B/T t = (0:round(T*fs)-1) / fs; lfm = exp(1j * pi * K * t.^2);这里使用复数基带而不是实信号，是因为后续多普勒频移需要用复数指数表示，而且I/Q两路数据在匹配滤波时能直接得到峰值相位信息。采样率必须大于两倍带宽，否则在脉冲压缩时会看到明显的“频率折叠”效应。
这段代码的“可调参数”就是fs、T、B三个量。一个经验值是让fs至少为B的4倍以上，这样在加窗后主瓣形状不会因为数字近似失真。调频斜率K决定了距离向的多普勒敏感性，K越大，距离-多普勒耦合越严重。
2.2 匹配滤波器构造与脉冲压缩增益
匹配滤波器的脉冲响应是发射信号的时间翻转复共轭，即 h(t) = s*(-t)。对基带回波做卷积后，输出在目标延时处形成主峰，噪声被随机相位打散，信噪比提升了D = B·T倍。这个增益不是凭空来的，它来自脉内能量积累。
在Matlab中，直接构造参考信号并做卷积：
mf = conj(fliplr(lfm)); % 匹配滤波器 y = conv(echo, mf); % echo 是后面的目标回波conv输出长度是N(length(lfm)) + N - 1，峰值位置大约在目标延时加上T的位置，而不是直接从索引0开始。这个偏置经常导致新手把距离轴算出一个恒定的误差。
匹配滤波的增益可以做个数量级估算：假设B=5 MHz、T=50 us，D=250，也就是约24 dB。实际仿真里你会看到目标峰值的幅度变为原来脉冲幅度的D倍，但要注意如果你在频域做FFT卷积，必须补零到合适长度，否则会出现循环卷积导致的虚假目标。
2.3 距离分辨率为什么不再受脉宽限制
未调制脉冲的距离分辨率是cτ/2，其中τ是脉冲宽度；而LFM脉冲压缩后的距离分辨率是c/(2B)。这意味着你可以用50微秒的长脉冲，得到对应5 MHz带宽的1.5公里分辨率？等等，这里要小心：c/(2B) = 3e8/(2*5e6) = 30米。也就是说，距离分辨率被带宽决定，和脉宽无关。这正是LFM的核心价值——你可以拉长脉冲提高能量，同时保距离分辨率。
下面这张表总结了仿真里最常用的几组参数配合：
| 典型参数 | 数值 | 对回波仿真的影响 |
|---|---|---|
| 采样率 fs | 10 ~ 50 MHz | 距离轴间隔 ΔR = c/(2fs) |
| 脉冲宽度 T | 10 ~ 200 us | 匹配滤波积累长度 |
| 带宽 B | 1 ~ 20 MHz | 距分辨率 c/(2B) |
| 时宽带宽积 D | B×T | 脉冲压缩增益和旁瓣比 |
| 载频 f0 | 3 ~ 10 GHz | 只影响多普勒换算速度 |
注意第二列只是参考范围，不是绝对标准。关键是采样率必须满足 fs ≥ 2B，否则距离分辨率会被采样率限制。仿真中如果把fs选得和B相同，脉冲压缩输出会出现明显的峰值偏移，因为离散信号丢失了高频成分。
3. 雷达目标回波建模：延时、多普勒与幅度
雷达目标回波仿真不是简单把发射信号平移一下，而是要同时处理三件事：目标延时、目标多普勒频移、传播损耗。这三者对应了距离、速度和幅度信息，理解它们的组合方式，才能生成可信的回波数据。
3.1 点目标回波的复数基带模型
假设雷达发射的是上面那段复数基带LFM信号。一个静止点目标距离R处的回波模型为：
echo(t) = A · s(t - τ) · exp(j2πfd(t - τ))
其中τ = 2R/c，fd = 2v/λ，A包含天线方向图、RCS和传播损耗。如果目标运动速度不大，可以认为在单个脉冲宽度内fd不变，因此exp项可以被看作一个恒定的复数相位乘在每个采样点上。
这里必须重视“基带处理”的约定：雷达系统一般会通过解调把射频搬移到基带，所以基带信号本身就包含目标的复幅度。如果直接用实数正弦仿真，你会丢掉多普勒的正负符号，也就无法区分接近和远离的目标。
3.2 多目标叠加与整数延时的索引误差
在仿真软件里，目标回波是多个点目标回波的线性叠加。最容易出错的是延时索引计算。时延τ = 2R/c换算为采样点数nτ = fs × τ。如果这个数不是整数，直接把信号搬移到最近的整数索引会带来距离偏置。
常见做法是写一个循环，把每个目标的复幅度加到对应位置：
N = round(T * fs); % 单脉冲采样点数 echo = zeros(1, N); targets = [10e-6, 23e-6; % 时延，单位秒 1.0, 0.5; % 相对幅度 0, 1000]; % 多普勒频移，单位 Hz for m = 1:size(targets, 2) tau = targets(1, m); amp = targets(2, m); fd = targets(3, m); n0 = round(tau * fs) + 1; % 起始采样点 if n0 >= N continue; end nValid = N - n0 + 1; t_i = (0:nValid-1) / fs; echo(n0:N) = echo(n0:N) + amp * lfm(1:nValid) .* exp(1j * 2 * pi * fd * t_i); end这段代码有几个关键点：n0加1是因为Matlab索引从1开始；t_i是从零开始的相对时间，确保多普勒相位在回波起点处为0；幅度amp直接乘在信号上，表示目标不同RCS。
但这种整数延时做法在回波起点附近会损失分数采样点信息。如果你需要高精度距离像，我一般会把目标时延分成整数部分和小数部分，小数部分用频域相位旋转或者插值滤波器实现。比如直接在频域乘以exp(-j2πfτ)，可以做到任意小数延时。
3.3 多脉冲回波与慢时间采样
单脉冲回波只能看到目标距离，看不到速度。速度信息存在于多个连续脉冲的相位变化中。雷达系统以脉冲重复周期Tp重复发射，每个脉冲的回波被存为快时间维的一行，构成一个N×K的矩阵，其中K是脉冲数。
目标在慢时间维上的相位变化为exp(j2πfd k Tp)，这个指数随k变化，因此对每一行回波乘上对应的慢时间相位，就能模拟运动目标。
npulse = 64; % 脉冲个数 prf = 1000; % 重频 1 kHz pri = 1 / prf; echo_matrix = zeros(npulse, N); for k = 1:npulse tau = 10e-6 + 2 * (k-1) * pri * 0; % 固定距离，暂不模拟走动 fd = 500; % 目标多普勒 500 Hz slow_phase = exp(1j * 2 * pi * fd * (k-1) * pri); n0 = round(tau * fs) + 1; if n0 >= N continue; end nValid = N - n0 + 1; t_i = (0:nValid-1) / fs; echo_matrix(k, n0:N) = echo_matrix(k, n0:N) + slow_phase * lfm(1:nValid) .* exp(1j * 2 * pi * fd * t_i); end注意这里的关键点：slow_phase是常数乘在整个脉冲上，而exp(1j2πfd*t_i)是脉内每个快时间采样点的相位项。前者用于跨脉冲积累，后者用于描述脉内目标运动导致的波形一阶变化。如果目标速度极高，还要考虑距离走动，那时需要对每个脉冲重新计算时延τ(k)。
第3章经常出现的一个错误是把快时间和慢时间混在一起，把慢时间当成快时间的延续。实际上快时间轴是一帧内的时间，慢时间轴是脉冲编号，两者在Matlab里是两个完全不同的维度。
4. Matlab脉冲雷达回波仿真的完整实现
第2章和第3章把理论模型拆开，本章把两者合起来，给出一套从回波生成到距离-多普勒图的完整流程。这套流程可以用在算法验证、目标检测以及参数评估里。
4.1 时域卷积匹配滤波与FFT快速实现的取舍
直接使用conv做匹配滤波，代码直觉、不容易出错。但实际系统中，一个脉冲的采样点数可能在十万量级，时域卷积计算量过大。常见做法是改用FFT卷积：
Nfft = N * 2; % 补零长度 y = ifft(fft(echo, Nfft) .* fft(mf, Nfft)); y = y(1:N);这里Nfft取2N，避免循环卷积造成频谱泄漏。补零后的频域乘积相当于线性卷积，但输出长度只有N，因此距离扇区外靠近末端的信号会混叠。更严格的做法是取Nfft = N + length(mf) - 1，然后截取有效部分。
FFT方式的优点是快，但有一个隐性坑：fft(mf)不会自动给你时间翻转，所以mf本身就应该是翻转共轭后的向量。如果你用chirp作为参考，方向反了，峰值会变成压缩后的主瓣出现负距离，而且旁瓣形状也不是对称的。
4.2 加窗抑制旁瓣的工程代价
不加窗的LFM脉冲压缩输出是sinc形状，第一旁瓣大约-13.2 dB。在多目标场景中，强目标旁瓣会把弱目标盖住。为了压低旁瓣，需要在发射信号或参考信号上加权窗。这里说“或”很重要：你可以给lfm加窗，也可以在mf上乘窗，两种做法的效果基本等效。
看一下三种常用窗的代价：
| 窗函数 | 第一旁瓣电平 | 主瓣展宽（相对矩形窗） | 信噪比损失 |
|---|---|---|---|
| 矩形窗 | -13.2 dB | 1.0 | 0 dB |
| 汉明窗 | -42.7 dB | 1.47 | 约1.34 dB |
| 布莱克曼窗 | -58 dB | 1.73 | 约2.37 dB |
窗函数的代价是主瓣变宽，距离分辨率下降。矩形窗分辨率最好，但强目标旁边的弱目标可能完全看不见。实际空口仿真我一般选汉明窗，在旁瓣抑制和主瓣展宽之间取平衡。
加窗实现很简单：
w = hamming(N).'; lfm_w = lfm .* w; mf_w = conj(fliplr(lfm_w)); % 重新构造匹配滤波器注意这里修改的是发射波形，所以匹配滤波器也必须同步换，否则旁瓣电平不会改善。加窗后峰值幅度会下降，如果你需要绝对幅度信息，要在后续处理里补偿窗口增益。
4.3 从多脉冲回波到距离-多普勒图
完整仿真流程大致如下：先定义雷达参数，生成发射信号；再根据目标参数逐脉冲生成回波矩阵；接着对每个脉冲做匹配滤波，得到距离像；最后沿慢时间做FFT，得到距离-多普勒矩阵。
下面这段代码把前三步串起来，并输出一个可直接观察目标的二维图：
% 参数设置 c = 3e8; fs = 20e6; T = 50e-6; B = 5e6; prf = 1000; npulse = 64; N = round(T * fs); % 发射信号 t = (0:N-1) / fs; lfm = exp(1j * pi * (B/T) * t.^2); mf = conj(fliplr(lfm)); % 目标列表 targets = [3000, 5020, 100; % 距离 m 0.8, 0.3, 0.1; % 回波幅度 0, 100, -200]; % 速度 m/s echo_matrix = zeros(npulse, N); for k = 1:npulse this_pulse = zeros(1, N); for m = 1:size(targets, 2) R = targets(1, m); amp = targets(2, m); v = targets(3, m); tau = 2 * R / c; fd = 2 * v / (c / 3e9); % 假设载频 3 GHz n0 = round(tau * fs) + 1; if n0 >= N continue; end nValid = N - n0 + 1; t_i = (0:nValid-1) / fs; slow = exp(1j * 2 * pi * fd * (k-1) / prf); fast = exp(1j * 2 * pi * fd * t_i); this_pulse(n0:N) = this_pulse(n0:N) + amp * slow * lfm(1:nValid) .* fast; end compressed = ifft(fft(this_pulse, 2*N) .* fft(mf, 2*N)); echo_matrix(k, :) = compressed(1:N); end % 慢时间FFT得到距离-多普勒图 rd_map = fftshift(fft(echo_matrix, npulse, 1), 1);这段代码有几点要注意：载频必须参与多普勒换算，否则速度变量无法正确映射到频谱；n0超出N的目标会被直接跳过，这是为了模拟回波落在接收窗外的情况；慢时间相位只依赖脉冲编号，快时间相位在脉内连续变化。
距离-多普勒图上的峰值位置给出了目标的距离和速度估计。距离轴间隔是c/(2fs)，速度轴间隔是λ·prf/(2·npulse)。如果你用上述参数，距离维分辨率约30米，速度维分辨率由相干积累时间决定，大约为λ·prf/(2npulse)，假设λ=0.1 m，则约0.78 m/s。
5. 仿真结果验证：从峰值位置反推参数
最后给一个非常实用的验证技巧：当你写完仿真，不要靠肉眼判断距离像是否“看着像”，直接把峰值位置换算成距离，和目标设定值对比。
第一步，找匹配滤波输出的峰值索引。注意conv结果有延时偏置，所以我推荐用频域实现并取前N个有效输出，峰值索引对应的是目标回波起始时刻的采样点。换算距离：
[peak_val, peak_idx] = max(abs(y(1:N))); R_est = (peak_idx - 1) / fs * c / 2;这里的peak_idx减1是因为Matlab索引从1开始，时延为(peak_idx-1)/fs。如果你的目标设成3000米，采样率20 MHz，那么时延20微秒，索引401，算出来正好3000米。如果不对，优先检查整数取整误差。
第二步，验证多普勒速度。多脉冲FFT后，把距离维峰值所在的列沿慢时间维做谱分析：
[~, range_idx] = max(abs(compressed(1, :))); doppler_line = fftshift(fft(echo_matrix(:, range_idx), npulse, 1)); [~, doppler_idx] = max(abs(doppler_line)); fd_est = (doppler_idx - npulse/2 - 1) / npulse * prf; v_est = fd_est / (2 / 3e8 * 3e9);这里用载频反推速度，如果你的目标速度是100 m/s，结果通常落在95~105之间，误差来自FFT栅栏效应。要提高精度可以在多普勒维补零到4倍，或者用插值法。
第三步，验证复幅度的一致性。匹配滤波输出峰值点的复数相位，等于目标回波的初始相位。如果你在生成回波时用了slow_phase，那么在慢时间维观察该点的相位变化，应该是随时间线性推进的。我们可以直接检查：
phase_series = angle(echo_matrix(:, range_idx));这个序列应当近似一条直线，斜率对应2π·fd/prf。如果相位序列出现跳变或乱序，说明你在快速时间维和慢时间维上把多普勒项乘混了。最常见的原因是fast项里重复包含了慢相位，导致相位变化变成二次项。
还有一个容易被忽略的坑：如果目标距离超过了最大无模糊距离（c/(2prf)），慢时间维会出现距离折叠。验证时把最大无模糊距离算出来，再用目标距离除以它，看余数对应的距离是否与峰值一致。这能帮你分清是目标本身移动了大距离，还是因为重频选低了导致距离混叠。
把这三步写进你的仿真测试脚本里，每次改参数后先跑自检，再进入算法开发流程。这样回波仿真就不会变成“看波形猜参数”的黑箱。
本文还有配套的精品资源，点击获取
