做雷达信号处理的人，十有八九都绕不开脉冲压缩这个词。只要涉及雷达测距，脉冲压缩就是那个“既想看得远、又要看得清”的破局关键。说得直白一点，雷达测距的本质是测量电磁波往返的时间，但想要测得更准、分辨出更近的两个目标，就得让发射脉冲更窄；而脉冲一窄，能量就小，打得就不远。这个矛盾卡了雷达工程师很多年，直到脉冲压缩技术出现，才把两头都占了。这篇内容我按自己实际做项目的视角，从原理到工程实现，再到调试踩坑，尽量讲透，适合刚接触雷达信号处理的同学，也适合那些在仿真和实测之间反复比较的工程师。
1. 为什么雷达测距离不开脉冲压缩
1.1 测距里的“鱼与熊掌”
雷达测距的基本公式不复杂：目标距离 R = c·t/2，t 是电磁波从发射到接收回波的时延，c 是光速。时延测出来了，距离也就出来了。但“测出来”和“测得准”之间隔着一条大沟，这条沟就是距离分辨率。
距离分辨率衡量的是雷达能把两个距离很接近的目标区分开的能力。对普通单脉冲来说，分辨率取决于脉冲宽度 τ：δR = c·τ/2。两个目标如果距离差小于这个值，它们的回波在时间上会重叠，系统看到的就是一个目标。想要分辨出相距很近的目标，只能让 τ 变小。举个例子，想达到 3 米的分辨率，τ 就不能超过 20 纳秒。20 纳秒什么概念？一个脉冲里只装了六分之一个波长（以 X 波段为例），能量太小，目标稍远一点就淹没在噪声里。
这是雷达工程师绕不开的第一道坎：窄脉冲给分辨率，宽脉冲给能量，可雷达只有一个发射机能用。早期的解决办法很朴素——加峰值功率。把发射功率从千瓦级推到兆瓦级，甚至几十兆瓦，就为让窄脉冲也能打远。可是峰值功率不是无限可加的，行波管会打火，馈线会击穿，天线罩会被烧穿，电磁兼容问题更是让人挠头。后来大家发现，与其硬顶峰值功率，不如换一条路：发射一个宽脉冲，但在接收端通过信号处理把它“捏”成窄脉冲。这就是脉冲压缩的思想。
1.2 匹配滤波：让回波“拧成一股绳”
脉冲压缩不是凭空把脉冲压窄的，它靠的是匹配滤波。匹配滤波器的定义很好理解：在白噪声背景下，能让某个已知信号的输出信噪比达到最大化的线性滤波器。换句话说，当我已知自己发射的是什么波形，接收端就搞一个与之匹配的滤波器，让有用信号尽量集中输出，同时把噪声压下去。
这里我多用一句嘴：匹配滤波器的冲激响应，实际上是发射信号的共轭倒序。对应到数学上，就是让接收信号与发射信号做卷积，本质是计算接收信号里包含多少发射信号的“成分”。这个过程有一个很直观的类比——想象你撒出去一把不同频率的“音符”，每个音符打的远近不一样，回来的时间也参差不齐。匹配滤波做的事情，就是把这些乱序回来的音符按原谱重新对齐，让它们在同一时刻叠加成一声巨响。这声巨响，就是压缩之后的窄脉冲。
从信噪比角度讲，匹配滤波带来的处理增益直接等于时宽带宽积 T·B（T 是脉冲宽度，B 是信号带宽）。一个 100 微秒、5 兆赫兹带宽的信号，T·B = 500，换算成 dB 就是 27 dB 的处理增益。这个增益放在系统链路预算里，就是 500 倍的能量积累效果，相当于把发射功率抬高了 27 dB——这是任何放大器都做不到的。
1.3 时宽带宽积：脉冲压缩的灵魂指标
时宽带宽积是理解脉冲压缩的钥匙。普通窄脉冲的时宽带宽积约等于 1，因为脉宽和带宽互相绑定。而脉冲压缩信号不同，它允许时宽和带宽独立设计：时宽决定能量，带宽决定分辨率。只要把时宽带宽积做到远大于 1，就能同时获得长脉冲的能量积累和窄脉冲的距离分辨率。
所以你会看到雷达设计里经常出现“大时宽带宽积信号”这个说法。D = T·B 越大，压缩比越高，处理增益也越大。但代价也随之而来：生成这种信号的复杂度变高，对发射链路和本振相噪的要求更严格，接收端处理的数据量也会变大。工程上到底选多大的 D，取决于雷达的用途和硬件平台的承受能力。对地面侦察雷达来说，D 做到几百到几千是很常见的；对机载火控雷达，受重频和占空比限制，D 通常会小一些。理解了这一层，后面再谈具体实现就有底气了。
2. 线性调频信号的压缩成型与旁瓣控制
2.1 LFM 信号的“频率扫描”特性
脉冲压缩最经典、用得最多的信号是线性调频信号，英文叫 LFM（Linear Frequency Modulation），国内有些老工程师习惯叫“chirp 信号”。它的核心特征是发射期间瞬时频率线性变化：从 f₀-B/2 扫到 f₀+B/2，恒定调频斜率 K = B/T。基带复信号的数学形式是：
s(t) = rect(t/T) · exp(j·π·K·t²)
这里的 rect 是矩形包络，K 有正有负，正的叫上扫频，负的叫下扫频。频率“跑”起来之后，带宽 B 就不再受脉宽 T 约束了。同样是 100 微秒的脉冲，基带信号的带宽可以做到 5 兆赫兹、10 兆赫兹甚至上百兆赫兹，完全取决于你给的调频斜率。这一点就是上一节说的“时宽和带宽解耦”的根源。
我在给初学者讲 LFM 时经常用一个简单比喻：普通脉冲像一列等速前进的火车，所有车厢同时到站，没有区分度；而 LFM 像一列变速前进的火车，每节车厢到站时间错开，接收端像个调度员，知道每节车厢的出发顺序和速度，就能把它们重新排序，集中到同一时刻到达。这个“重新排序”的过程，就是匹配滤波。
2.2 匹配滤波后的输出长什么样
对 LFM 信号做匹配滤波，数学结果很漂亮。设接收信号为 s(t-τ)，匹配滤波器冲激响应 h(t) = s*(-t)，输出是信号的自相关函数。对于大时宽带宽积的 LFM，自相关输出近似为：
y(t) ≈ T · sinc(B·t) · exp(j·π·K·t²)
这个结果信息量很大。sinc 函数的主瓣宽度约等于 1/B，这才是真正的距离分辨率来源。也就是说，即使发射脉冲宽度是 100 微秒，经过脉压之后，主瓣也只有 0.2 微秒宽（5 兆赫兹带宽对应的时间）。距离分辨率从 15 公里直接掉到 30 米，这个对比非常震撼。
但还有一个避不开的问题：sinc 函数的第一旁瓣只比主瓣低约 13.2 dB。这是什么概念？如果一个大目标旁边有一个弱目标，弱目标信号比大目标低 15 dB，它就会被大目标的旁瓣整个盖住，雷达屏幕上根本看不出来。强目标的旁瓣还会在距离维上拖出长长的“裙边”，严重干扰邻近目标的检测。所以脉压输出的旁瓣必须压下去，这是工程上绕不开的处理步骤。
2.3 窗函数加权：旁瓣与分辨率之间的权衡
压低旁瓣的通用做法是加窗加权。原理是在匹配滤波的基础上，对频域幅度加一个形状函数，让频谱边缘慢慢衰减，从而压低时域旁瓣。常用窗函数有好几种，我把典型参数整理成一张表：
| 窗函数 | 主瓣展宽系数（相对 1/B） | 第一旁瓣电平 | 信噪比损失 |
|---|---|---|---|
| 不加窗（矩形窗） | 1.0 | -13.2 dB | 0 dB |
| 汉明窗 | 约 1.46 | -42.7 dB | 约 1.3~1.4 dB |
| 汉宁窗 | 约 1.62 | -31.5 dB | 约 1.2 dB |
| 泰勒窗（-40 dB, nbar=4） | 约 1.33 | -40 dB（设计值） | 约 1.1 dB |
| 布莱克曼窗 | 约 1.70 | -58 dB | 约 1.7 dB |
从表里能看出来，旁瓣压得越低，主瓣就越宽，距离分辨率就越差，信噪比损失也越大。这三个指标互相牵制，没有免费午餐。工程上怎么选？我的经验是：搜索雷达和目标数较少的场景，用泰勒窗比较划算，旁瓣能压到 -40 dB 以下，主瓣展宽只有 1.33 倍，损失也小；如果对方对距离分辨率要求很高，宁可旁瓣高一点，选 -30 dB 的泰勒窗或者汉宁窗，也别把主瓣展得太开。只有做气象雷达或者杂波很强的环境，才会去碰布莱克曼这类极端窗。
另外要注意，加窗可以在时域做，也可以在频域做。时域加窗是对接收信号直接乘窗函数，频域加窗是对匹配滤波器的频响加窗。两者效果近似，但频域加窗更灵活——可以针对不同的距离段用不同窗口，也不用额外增加时域乘法点数。具体实现里我习惯在生成参考信号时就把窗函数乘进去，这样只做一次 FFT 就能完成匹配和加权。
3. 数字脉冲压缩的工程实现与参数计算
3.1 三种实现路径的取舍
脉冲压缩的工程实现，历史上走过三条路。最早是模拟器件，用声表面波滤波器直接做匹配，优点是实时性好、功耗低，缺点是波形一旦固化就改不了，灵活性极差。后来随着 ADC 和 DSP 性能提升，数字脉压成为主流。数字实现又分时域相关和频域快速卷积两种。
时域相关实现起来最直观：把参考信号和接收信号逐点做复数乘加，本质上就是数字匹配滤波器。对点数少的场景，比如脉冲宽度只有几微秒、采样率 10 兆赫兹，乘加点数几百个，时域相关完全够用，延迟也小。但如果脉宽到了几十上百微秒，采样点数上千甚至上万，时域相关的计算量就爆炸了——一次脉压要几百万次复数乘法，处理器扛不住。
频域快速卷积就不一样了。它利用 FFT 把卷积变成乘法，复杂度从 O(N²) 降到 O(N·logN)，跨度越大优势越明显。以 2048 点为例，频域法的乘法次数大约只是时域法的一两百分之一。所以现代雷达的数字脉压几乎都是频域实现，这就是我下面要重点讲的方案。
3.2 频域脉冲压缩的完整步骤
频域脉压的流程并不复杂，核心是四步：构造参考频谱、接收信号 FFT、频域相乘、IFFT 还原。
第一步，生成参考信号的匹配副本。前面说过，匹配滤波器冲激响应是发射信号的共轭倒序，在频域里就对应发射信号的共轭频谱。所以我可以直接把发射信号翻转、取共轭，再补零到 FFT 长度，做 FFT 得到参考频谱 H(f)。这里有个容易搞错的地方：如果直接用发射信号做 FFT 再取共轭，得到的是 s(-f) 的共轭，和 s*(-t) 的 FFT 在数学上是等价的，但要注意 FFT 的周期性对齐问题。稳妥起见，先对发射信号做时间翻转和共轭，再补零、FFT。
第二步，对接收回波信号补零到相同长度，做 FFT 得到 X(f)。
第三步，频域相乘：Y(f) = X(f) · H(f)。这里要注意，如果加了窗函数，窗函数要乘在参考信号时域上，再统一做 FFT。
第四步，对 Y(f) 做 IFFT，取模之后就是脉压后的距离像。输出长度如果不需要全部保留，可以只取有效部分，减少后续处理压力。
我给出一段简单的 Python 示例，方便你在仿真里直接验证流程：
import numpy as np def lfm_baseband(T, B, fs): N = int(T * fs) t = np.arange(N) / fs K = B / T return np.exp(1j * np.pi * K * t**2) def pulse_compress(s_ref, s_echo, fs, win=None): if win is not None: s_ref = s_ref * win N_total = len(s_ref) + len(s_echo) - 1 Nfft = 1 << (N_total - 1).bit_length() H = np.fft.fft(s_ref[::-1].conj(), Nfft) X = np.fft.fft(s_echo, Nfft) Y = X * H y = np.fft.ifft(Y)[:N_total] return y # 参数示例 T = 100e-6 # 脉宽 100 微秒 B = 5e6 # 带宽 5 兆赫兹 fs = 20e6 # 采样率 20 兆赫兹（满足奈奎斯特） t_delay = 40e-6 # 目标回波时延 s_tx = lfm_baseband(T, B, fs) window = np.hamming(len(s_tx)) s_echo = np.zeros(len(s_tx) + int(t_delay * fs)) s_echo[int(t_delay * fs):int(t_delay * fs) + len(s_tx)] = s_tx result = pulse_compress(s_tx, s_echo, fs, win=window)这段代码跑出来的脉压峰值位置，正好对应设置的时延，峰值附近的旁瓣被压低到窗函数设计的水平。
3.3 关键参数选取与典型实例推算
真正动手做系统设计时，参数怎么定才是关键。我拿一组典型参数手把手算一遍：设脉宽 T = 100 微秒，带宽 B = 5 兆赫兹，载频 10 吉赫兹，目标距离 6 公里。
先看距离分辨率。不加窗时 δR = c/(2B) = 3×10⁸ / (2×5×10⁶) = 30 米。如果用了主瓣展宽 1.33 倍的泰勒窗，实际分辨率变成约 40 米。对比不用脉压的情况，100 微秒脉宽对应的分辨率是 c·T/2 = 15000 米，差距是 375 倍。这个差距就是脉冲压缩的价值。
再看处理增益。压缩比 D = T·B = 100×10⁻⁶ × 5×10⁶ = 500。匹配滤波带来的输出信噪比增益是 10·log10(500) ≈ 27 dB。加窗之后有约 1.1 dB 的失配损失，所以实际净增益约 26 dB。系统链路预算时，这个数值可以直接加进接收机灵敏度那一项里。
采样率取值上，带通采样至少满足奈奎斯特，我建议留足余量。基带复信号用 fs ≥ B 就能无失真采样，但工程上我会取 fs = 2B 甚至 4B。原因是真实回波里除了目标信号还有杂波和干扰，过采样可以降低抗混叠滤波器的阶数要求，也方便后续做旁瓣相消、多普勒滤波等处理。fs = 20 兆赫兹时，一个脉宽内的采样点数是 2000 点，脉压 FFT 取 4096 点，处理时间在一个毫秒以内，实时性完全够用。
还要提醒一点：参考信号的幅度和相位必须和发射链路实际发射出去的波形一致。发射机非线性、滤波器群时延、天线馈线反射都会让实际波形偏离理想 LFM。如果参考信号是用理想公式生成的，而发射链路已经失真了，脉压输出就会带上额外的失配损失，旁瓣也会抬高。正经做法是从发射耦合通道采集真实的发射波形样本，用这个样本作为脉压参考。
4. 实战中的坑与排查技巧实录
4.1 多普勒敏感：运动目标为什么会“跑偏”
线性调频信号有一个天生的毛病：对多普勒频移敏感。目标一旦有径向速度，回波就会叠加一个多普勒频移 f_d，而 LFM 的匹配滤波器本质上是频率匹配，频偏会让匹配失准，有两个后果。
第一个后果是距离-多普勒耦合。脉压输出的峰值位置会偏移，偏移量 Δt = f_d / K，对应的测距误差是 ΔR = c·f_d / (2K)。我算一组实际数字：K = B/T = 5×10⁷ Hz/s，目标径向速度 300 米/秒，载频 10 吉赫兹，λ = 0.03 米，多普勒频移 f_d = 2v/λ = 20 千赫兹。距离偏移就是 c·f_d / (2K) = 3×10⁸ × 2×10⁴ / (2×5×10⁷) = 600 米。你没看错，一个高速目标在脉压后的距离像里会偏出 600 米。目标速度越大、带宽越大，偏移越严重，这对测距精度是致命打击。
第二个后果是幅相失配。多普勒频移破坏了匹配条件，导致脉压输出峰值降低、旁瓣抬升，信噪比受损。f_d 相对带宽越大，损失越明显。工程上解决这个问题的方法很多：对慢速目标，可以不做补偿，误差在可接受范围内；对高速目标，可以构造多普勒滤波器组，在不同多普勒通道里分别做脉压，代价是计算量成倍增加；还有一种是先做速度估计再补偿回波，或者用相位编码波形代替线性调频来降低多普勒敏感性。具体选哪种，完全看雷达工作模式和目标特性。
4.2 失配损失：器件误差带来的隐性损耗
脉冲压缩处理本身是匹配滤波，但整个链路里处处都有失配源。最典型的有三个：
幅度误差。发射链路里功放的增益起伏、接收链路里 AGC 的衰减，都会让不同频点上的回波幅度不一致。如果参考信号没反映这个起伏，脉压输出的主瓣会变矮，旁瓣抬高。
相位误差。IQ 通道不平衡是最常见的相位误差源，两路增益不一致或者不正交，会在镜像频率处产生虚假信号，比如同一个目标的回波在距离像里出现两个峰。IQ 校准不做好，脉压增益再高也白搭。
频率误差。本振频率偏移会让整个接收频谱移动，等效于给回波叠加了一个固定频偏。这个和 4.1 节的多普勒问题类似，但来源是系统自身。
我的排查习惯是：先做“数字回环测试”，用参考信号自己延迟后当回波，走一遍脉压全流程。如果输出峰位置和旁瓣都符合预期，说明算法和代码没问题。然后做“通道测试”，给接收机灌一个标准 LFM 信号，看脉压结果里有没有镜像峰和杂散峰，有就是 IQ 不平衡。最后才放到整机里测，此时再有问题就是馈线耦合和空间多路径造成的。
4.3 常见问题速查表与调试经验
我把实际调试中遇到的高频问题整理成一张速查表，按现象排查原因，能省不少时间：
| 现象 | 可能的根源 | 排查/解决 |
|---|---|---|
| 脉压峰值比理论增益低 2~3 dB | 参考信号与实际发射波形不一致 | 改用发射耦合通道采集的样本做参考 |
| 距离像出现镜像峰，幅度差 20~30 dB | IQ 通道增益或相位不平衡 | 校准增益，补偿正交相位，重跑回环测试 |
| 旁瓣抬高，波形不对称 | 窗函数没对准，或存在非线性 | 确认窗函数加在参考信号上，检查发射链路线性度 |
| 运动目标测距严重偏近/偏远 | 距离-多普勒耦合 | 用多普勒滤波器组或速度补偿 |
| 脉压输出噪声底抬高 | 采样量化噪声或 ADC 动态范围不足 | 降低接收机增益，增大 ADC 有效位数，确认信号不过载 |
| 近距离盲区出现假目标 | 发射泄漏或者天线旁瓣直耦 | 加 STC 时间灵敏度控制，衰减近距增益 |
最后说一个我个人的经验。脉压系统调试时，别一上来就上整机，先在桌面仿真里把“单点理想目标”这关过了，再逐步加噪声、加杂波、加多目标、加运动。每加一项，就观察脉压输出的三个指标：主瓣位置、主瓣宽度、旁瓣电平。这三个指标任何一个异常，都能精确定位到是算法、参数还是前端的问题。
还有个小技巧值得分享：加窗时不要所有模式都用同一个窗函数，搜索模式用低旁瓣窗，跟踪模式用窄主瓣窗。我当时在项目里就是这样做的——搜索阶段用 -40 dB 泰勒窗，确认目标后切换到 -30 dB 泰勒窗来精细测距，效果非常明显。脉压不是一次定死的处理，它是整个雷达信号处理链路里可调的一环，懂得在指标之间做动态取舍，才是真正的实战能力。
