企业官网建设流程全解析

简介：一套基于MATLAB的雷达不同体制信号仿真脚本，面向雷达信号处理学习者、科研人员与工程师，通过可运行代码直观演示线性调频（LFM）、频率捷变（FHS）等信号的产生原理与基本特性。压缩包内含8个独立的.m脚本，总大小仅4KB，脚本结构清晰，方便按需修改频率、脉宽、跳变序列等参数进行对比实验。目前已有1234人学习浏览，适合作为课程设计、毕业设计或项目验证的参考资料。资源覆盖线性调频、频率捷变、频率分集、重频参差与重频抖动等多种体制，每个脚本对应一类典型仿真场景，例如调用chirp函数生成LFM信号、按随机跳频序列生成FHS信号，并可在MATLAB中直接运行观察结果。这些脚本既能帮助理解不同信号的时频特征与脉冲压缩原理，也可作为构建更完整雷达系统仿真链路的模块化起点。

1. 用Matlab做线性调频和频率捷变雷达信号仿真，先要把采样率、脉宽和PRI的关系定住

雷达信号仿真看起来比通信仿真容易，实际上一动手就容易被两类问题绊倒：一是只写了公式却没有把采样率和信号带宽的关系说清楚，二是只生成一个孤零零的脉冲，交给后级算法时拿不出完整的脉冲描述字。用Matlab对线性调频信号、频率捷变信号这类雷达波形做仿真，核心不在于把exp(1j*2*pi*f*t)写对，而在于先把复包络、采样率、脉宽、带宽和PRI（脉冲重复间隔）这几个量一次定义准，然后按脉冲循环生成IQ数据。这套能力对雷达波形设计师、雷达对抗算法工程师以及做半实物测试的人都有用：既能验证匹配滤波、测向算法，也能为后续的雷达信号分选提供干净的数据源。下面按我平时搭仿真链路的顺序展开，从数学模型逐步落到命令和参数。

2. 雷达信号仿真的数学模型：载频、复包络与脉冲参数怎么建模

2.1 从实信号到复基带：为什么Matlab仿真普遍用IQ通道

实际的雷达发射信号是实带通信号，形式为s(t) = a(t) * cos(2π*fc*t + φ(t))。如果仿真时直接在这个射频频率上采样，要求采样率至少大于两倍最高载频。以3 GHz载频为例，采样率要超过6 GHz，数据量瞬间失控，而且绝大多数信号处理算法在复基带下完成，没必要扛着载频算。

Matlab里的雷达信号仿真普遍做成复基带IQ形式：

s(t) = a(t) * exp(1j * φ(t))

载频fc只出现在相位表达式里，甚至可以整体省略。省略之后，所有分析都在零中频附近展开，采样率只需要高于信号本身的双边带宽，而不是载频。这个选择直接影响后面所有代码：LFM信号用exp(1j*pi*k*t.^2)生成，频率捷变信号只需改变单个脉冲的中心频率，其余处理链不变。

2.2 信号参数表：脉宽、带宽、PRI与采样率的第一份定义

写代码前先建一张参数表。我见过太多仿真脚本把采样率、脉宽和带宽写死在三个不同位置，最后改参数时漏掉一处，频谱或时域完全对不上。下面这组是雷达信号仿真里最常用的一组参数，后面的代码都从这张表初始化。

频率捷变信号至少还要加两个参数：跳频表freq_table和跳频间隔df。跳频间隔一般不小于信号带宽，否则两个相邻频率的频谱重叠，后端滤波器很难区分。把参数集中放在脚本头部，后续所有函数只引用这些变量，改完参数不用动代码逻辑。

2.3 线性调频信号的相位积分建模与最小可运行代码

线性调频信号的核心是瞬时频率随时间线性变化。设调频斜率为k = B / T，瞬时频率为f_inst(t) = fc + k*t，相位是频率的积分，因此复基带LFM信号为：

fs = 100e6; % 采样率：100 MHz T = 10e-6; % 脉宽：10 us B = 10e6; % 带宽：10 MHz fc0 = 3e9; % 起始载频：3 GHz，只在相位表达式中出现 N = round(T * fs); % 脉冲内采样点数 t = (0:N-1).' / fs - T/2; % 以脉冲中心为时间零点 k = B / T; % 调频斜率 phase = 2*pi * (fc0 * t + 0.5 * k * t.^2); lfm = exp(1j * phase);

代码里t.^2对应相位对时间的二次积分，不能直接用f_inst去乘t，否则信号瞬时频率不正确。fc0是否保留取决于后续算法：如果只做匹配滤波、PDW提取，直接去掉fc0 * t这一项，信号变成纯基带LFM，频谱中心在0 Hz，更容易观察；如果后面要模拟下变频前的频谱，保留fc0更接近真实接收机输出。注意Matlab的exp函数对向量输入返回的是复指数列向量，phase必须与t同尺寸。这部分代码在Matlab命令行直接运行就能得到一个10微秒、带宽10 MHz的LFM脉冲。若存在Phased Array System Toolbox，也可以用phased.LinearFMWaveform生成同样的波形，但手写版本在后续加随机相位、跳频控制时更灵活。

3. 在Matlab里生成线性调频与频率捷变脉冲的完整代码

3.1 用相位累加器生成线性调频脉冲，避免直接调用复杂工具箱

上一章只是单个脉冲的最小实现。实际雷达仿真通常要连续生成几十甚至几百个脉冲，而且每个脉冲可以独立控制载频、幅度、起始相位。把单脉冲生成封装成函数，比每次都写一遍exp(1j * phase)更稳：

function [s, t] = gen_lfm_pulse(fc, T, B, fs, phase0) N = round(T * fs); t = (0:N-1).' / fs; k = B / T; phase = 2*pi * (fc .* t + 0.5 * k * t.^2) + phase0; s = exp(1j * phase); end

调用方式如下：

fs = 100e6; T = 10e-6; B = 10e6; [single_pulse, tvec] = gen_lfm_pulse(0, T, B, fs, 0);

函数中fc可以传正值也可以传0。传0时输出就是归一化基带LFM；传3e9时输出频率非常高，如果直接用plot观察，只能看到一条密度很大的实部曲线，因此日常验证建议fc=0。phase0是脉冲起始相位，频率捷变仿真中通常用rand*2*pi随机设置，模拟真实振荡器的初始相位不确定性。这个函数保持很小的依赖，即使没有工具箱也能跑。

3.2 频率捷变信号：跳频表、驻留时间与脉冲间相位一致性

频率捷变雷达的频率捷变通常指脉冲到脉冲之间的载频跳变，而每个脉冲内部仍是LFM或普通单频。Matlab里模拟频率捷变，只需要事先定义跳频表，再在脉冲循环里改变fc：

freq_table = [0, 5e6, -5e6, 10e6, -10e6]; % 基带下的捷变频偏 hop_seq = randi([1, 5], 1, 32); % 32个脉冲的跳频序号 pulse_bank = cell(1, 32); phase_seed = 0; for n = 1:32 fc = freq_table(hop_seq(n)); phase0 = mod(n * pi / 4, 2*pi); [pulse_bank{n}, ~] = gen_lfm_pulse(fc, T, B, fs, phase0); end

这里把频率偏移放在基带做，fc=0表示没有跳频，fc=5e6表示在基础载频上偏5 MHz。这样做的直接好处是采样率可以保持100 MHz不变，而不会因为载频增大导致采样率不够。若仿真射频端真实跳频，要把base_fc加到fc上，但采样率必须大于2*(base_fc + max(freq_table))，仿真所需内存成倍增加，多数算法验证场景不需要走到这一步。

频率捷变最容易被忽略的是相位一致性。真实雷达在跳频时每个脉冲的发射振荡器会重新锁定，各脉冲初始相位通常不固定。若再做相参积累，必须在仿真时让相位与当前载频和脉冲起始时刻严格匹配：phase0 = 2*pi*fc*PRI*(n-1)，这样脉间相位才连续。否则积累增益会明显下降，甚至出现类似“随机相位”的效果，后端算法无法分辨是信号问题还是仿真设置问题。

3.3 调频斜率、跳频间隔和脉内调制对带宽的影响

LFM信号的调频斜率k = B/T，这决定了时频图上斜线的角度，也决定了脉冲压缩后距离分辨率c/(2B)。修改B或T时，必须同步检查采样率是否满足奈奎斯特条件：实信号要求fs > 2*B，复信号要求fs > B。工程上一般留20%余量，即fs >= 1.2*B。对于频率捷变信号，跳频间隔df至少应该大于等于单信号带宽，否则两个频点的频谱会交叠，后端滤波器分离难度变大。

脉内调制可以在LFM基础上叠加相位编码，例如二相编码BPSK，Matlab里的实现是给相位增加pi * code_seq。频率捷变和脉内调制可以同时存在：每个脉冲先做LFM或编码调制，再加跳频偏移。设计时需要避免跳频偏移与调制带宽混在一起，否则测得的带宽既包含脉内调制又包含跳频范围，PDW描述字就不准确。仿真阶段建议分别输出跳频前和跳频后的IQ数据，便于定位偏差。

4. 生成结果对不对，不能只看时域波形：频谱、时频图和仿真发散问题排查

4.1 用FFT和spectrogram确认线性调频信号的带宽方向

单脉冲生成后第一件事不是进算法，而是观察它的频谱和时频分布。Matlab中常用下面这段代码验证LFM带宽：

win = hann(N); Y = fftshift(fft(lfm .* win)); f_axis = (-N/2 : N/2-1) / N * fs; plot(f_axis/1e6, 20*log10(abs(Y)/max(abs(Y)))); xlabel('频率 (MHz)'); ylabel('归一化幅度 (dB)'); xlim([-1.5*B/1e6, 1.5*B/1e6]);

加窗是为了减小频谱泄漏。LFM信号在未加窗时频谱接近矩形，边缘会有Gibbs现象，容易让人误判为寄生信号；加hann窗后旁瓣降低，但频谱边缘会变缓，测量带宽时以-3 dB或-6 dB为准。另一条必做命令是时频分析：

spectrogram(lfm, kaiser(256, 5), 200, 512, fs, 'yaxis');

spectrogram显示的是瞬时频率随时间的变化。LFM信号应显示一条从左下到右上的斜线，斜率近似等于B/T。如果看到折线或断点，说明相位表达式有误，通常是t.^2被写成了t*2。频率捷变信号在spectrogram上则会看到不同脉冲出现在不同频率处，呈横向分段状。

4.2 仿真发散来自哪里：相位跳变、频谱混叠与浮点极限

雷达信号仿真经常遇到看起来像“发散”的现象，例如频谱底噪异常抬高、时域幅度随时间逐渐变大，或者原本应该在带内的能量跑到带外。第一个常见原因是相位不连续。当循环生成多个脉冲时，如果每个脉冲都从phase=0开始，而真实雷达的发射相位按照2*pi*fc*t连续推进，那么合成的信号在脉间会出现相位跳变。这种跳变在频谱上表现为宽带噪声底，严重时脉冲压缩后出现成对回波。解决办法是在每个脉冲生成时计算准确的起始相位：

phase0 = 2*pi * fc * (start_time * fs) / fs;

第二个原因是采样率不足。若LFM带宽为20 MHz而fs仍设40 MHz，信号在Nyquist边界附近的频谱会被折叠，看起来像高频分量被镜像。此时FFT谱中会在对称位置出现寄生峰。将fs提高到80 MHz通常能解决。第三个原因是浮点计算精度。长时间仿真时，fc*t的值可能达到10^6量级，而0.5*k*t.^2的数值很小，两个大数相加会丢失有效位。改进办法是把相位拆分：先做基带LFM，再把载频相位作为单独的旋转因子乘上去，或者用wrapping函数把相位每隔2*pi取模：

phase = mod(2*pi * fc * t + pi * k * t.^2, 2*pi);

这样exp(1j*phase)的结果不会因为相位过大而失去精度，同时避免浮点边界问题。注意mod之后相位在0到2π之间，但复指数结果不变，因为exp(1j*(x+2π)) = exp(1j*x)。

4.3 把信号生成封装成函数，固定随机种子做回归验证

仿真代码越写越长，最容易出的问题是随机跳频序列不可复现。同一个脚本跑两遍，第二次结果和第一次不同，后级算法根本无法定位是代码改动引入的问题还是随机性引起的问题。解决方案是在脚本开头固定随机种子：

rng(2024);

rng同时控制rand、randi、randn的随机序列。固定种子后，hop_seq每次运行完全一致，加噪结果一致，PDW统计结果也一致。正式验证时，把rng(2024)放在参数表之后、任何随机函数出现之前。如果团队里多人协作，建议把随机种子作为输入参数传入仿真函数，而不是写死在每个脚本里，这样回归测试时可以通过不同的种子测试统计稳定性。单次生成后，用max(abs(single_pulse))检查幅度是否超过1，用freq_span = max(f_axis(find(Y > threshold))) - min(...)检查带宽是否落在设定范围内。

5. 把单脉冲扩展为脉冲串，并导出给后端PDW分选与测向流程

5.1 生成一个含噪声的雷达脉冲流

雷达信号仿真的最终目的是给后端处理提供可用数据。把第3章的循环扩展成完整脉冲串，并且在脉冲之间加入一段PRI时间，让信号看起来更像真实雷达发射：

rng(2024); fs = 100e6; T = 10e-6; B = 10e6; PRI = 100e-6; freq_table = [0, 5e6, 10e6, 15e6]; hop = randi([1, 4], 1, 64); total_len = round(PRI * fs * numel(hop)); tx_stream = zeros(total_len, 1); for n = 1:numel(hop) idx_start = round((n-1) * PRI * fs) + 1; [pulse, ~] = gen_lfm_pulse(freq_table(hop(n)), T, B, fs, rand*2*pi); tx_stream(idx_start : idx_start + numel(pulse) - 1) = pulse; end noise_signal = tx_stream + 0.1 * (randn(total_len, 1) + 1j*randn(total_len, 1))/sqrt(2);

tx_stream的采样点数为PRI * fs * 64，即100 us采样率100 MHz，共6400个采样周期，64个脉冲恰好填满64个PRI。噪声幅度0.1对应约20 dB SNR。如果程序报数组越界，先检查idx_start + numel(pulse) - 1是否超过total_len，若超过说明PRI小于T，这在物理上不合理。PRI必须大于脉宽加上接收机保护时间，仿真中保持PRI >= 2*T比较安全。

5.2 导出Mat文件时保留哪些元数据

仿真算完不能只存IQ矩阵。雷达信号分选算法需要脉冲描述字（PDW），至少包含到达时间（TOA）、载频（RF）、脉宽（PW）、脉内调制类型和幅度，最好连同参数表一起存储。推荐结构如下：

save('radar_sim_64pulses.mat', 'noise_signal', 'fs', 'T', 'B', 'PRI', 'freq_table', 'hop');

后面任何脚本只要加载这个mat文件，就能根据fs重算时域坐标，根据hop对照真实跳频序列验证分选结果。若后续要交给Python处理，可以用writematrix(noise_signal, 'radar_sim_iq.csv')导出复信号，但CSV不直接支持复数，需要拆成两列实部和虚部分别存储，读取时再拼回complex(I, Q)。另一种常见做法是用writecell把参数表一并导出，避免后端同事只拿了数据却不知道采样率。

5.3 用回放验证脚本确认链路完整性

给上面的脉冲流写一个快速验证脚本，在进入复杂算法前先自查一段：

% 读取仿真数据 load('radar_sim_64pulses.mat', 'noise_signal', 'fs', 'PRI', 'hop'); % 对第一个PRI内的数据做FFT，观察峰值频率 seg = noise_signal(1 : round(PRI*fs)); f = (-numel(seg)/2 : numel(seg)/2 - 1) / numel(seg) * fs; S = abs(fftshift(fft(seg))); [~, idx] = max(S); fprintf('估计频率: %.2f MHz\n', abs(f(idx))/1e6);

若fprintf输出与freq_table(hop(1))相同，则链路正常。这个验证脚本每次修改参数表后都要运行，相当于回归测试。需要观察脉冲包络时，用pulse_period = round(PRI*fs); plot(abs(noise_signal(1:pulse_period)));，得到的横轴是采样点数，乘以1/fs就是时间。这类快速验证命令应当沉淀为verify_sim.m，每次仿真交付前跑一遍，避免等到分选算法出错才回头排查信号源。

本文还有配套的精品资源，点击获取