企业官网建设流程全解析

简介：移动目标指示（MTI）雷达是抑制地面杂波的重要技术手段，本示例基于 MATLAB 实现 MTI 雷达系统设计，面向通信与雷达信号处理方向的学生、工程师及科研入门者。资源重点演示如何通过高通滤波器与交错脉冲重复频率（PRF）技术，消除低多普勒频率的杂波能量，同时解决高多普勒频率目标丢失的“盲速”问题。包内共 2 个文件，包含 1 个 mlx 实时脚本和 1 个 m 辅助函数：前者用于主流程仿真与绘图，后者提供杂波干扰模拟支持，便于读者对照理解参数设定与算法逻辑。压缩包仅 8KB，轻量便携，MATLAB 环境下即可直接运行观察。目前已有 621 人学习浏览。借助该示例，读者可掌握 MTI 雷达的杂波抑制原理，熟悉盲速问题的产生机理及 PRF 交错设计思路，为后续雷达信号处理研究与课程设计提供可复用的参考模板。

1. MTI 雷达抑制地面杂波要解决什么问题

地面杂波是雷达设计里最麻烦的背景之一。地物、建筑、草地的回波往往比运动目标强 30～60 dB，直接送检时 CFAR 门限会被顶高，慢速目标根本出不来。MTI 的思路其实不复杂：脉冲雷达里，静止地物的回波逐脉冲相位不变，运动目标因为径向速度产生固定步进的多普勒相位旋转，把相邻脉冲相减，静止分量就被削掉，剩下主要是动目标。下文走一遍这个标题下的完整链路：地面杂波频谱模型、一次/二次对消器设计、MATLAB 仿真与参数权衡、改善因子验证。适合刚开始做雷达信号处理，或想确认对消参数边界的人。

2. MTI 抑制地面杂波的原理与脉冲对消器设计

2.1 地面杂波在频域上集中在零多普勒附近

地面杂波并不是一条干净的零频谱线。天线机械扫描会带来波束调制，树木草丛受风摆动，平台自身存在相位噪声，这些因素都会让杂波频谱在零多普勒附近展宽。工程上普遍用高斯型功率谱描述：

S_c(f) = P_c / (√(2π)σ_f) · exp(−f²/(2σ_f²))

谱宽 σ_f 由杂波内部运动的标准差 σ_v 决定：σ_f = 2σ_v / λ。这里 λ 是雷达波长。城市环境中 σ_v 可以到 0.7～1 m/s，乡村开阔地则只有 0.1～0.3 m/s。对照频段看，X 波段（λ=3 cm）σ_v=0.5 m/s 时 σ_f≈33 Hz，L 波段同样条件下 σ_f≈8 Hz。这个量级相对典型 PRF（1～3 kHz）很小，说明地面杂波在慢时间域是一个极窄的低频分量，这是后面所有对消处理能够成立的前提。

正是这个“窄”让脉冲对消器可以用很低的阶数达到很高的杂波抑制度。如果杂波谱展宽到 PRF 的十分之一以上，单靠 MTI 的固定凹口就不够用了，那一般会转向杂波图或者面杂波跟踪处理，不在本标题范围内。

2.2 一次对消器与二次对消器的时域形式

MTI 对消器的时域形式很简单。雷达第 n 个脉冲在某个距离单元上的基带采样为 x(n)=A·exp(j2πf_d·n·T_r)+c(n)，静止杂波 c(n) 的 f_d=0，逐脉冲相位不变。一次对消做相邻脉冲相减：

y(n)=x(n)−x(n−1)

静止分量因为两次采样值相等而完全抵消。运动目标被保留为 A·exp(j2πf_d·n·T_r)·(1−exp(−j2πf_d·T_r))。目标多普勒越高，相邻脉冲相位变化越大，剩余越强；反之，径向速度很低的慢目标也会被对消掉一部分。这是 MTI 的固有代价，不是参数没调好。

二次对消器沿同一思路再做一次差分，等价于 h=[1,−2,1] 的三脉冲加权。它在零频附近形成更深的凹口，也带来更大的低频衰减。实际工程里，一次对消用在杂波谱比较窄、需要兼顾低速目标检测的场景；杂波谱展宽明显或对改善因子要求更高时，用二次甚至三次对消。更多阶的差分意味着多消耗脉冲时间预算，也直接挤压可检测的最低目标速度，选阶数时要一起权衡。

2.3 从 z 变换看对消器的频率响应

把一次对消写成 z 域传递函数 H1(z)=1−z⁻¹。令 z=exp(j2πfT_r)，幅度响应 |H1(f)|=2|sin(πf/PRF)|；二次对消 H2(z)=(1−z⁻¹)²，幅度响应 |H2(f)|=4sin²(πf/PRF)。

两个结论可以直接验证。第一，f=0 时响应为零，静止杂波理想情况下被完全滤除。第二，f=n·PRF 时响应也为零，因为该多普勒频率恰好使目标在相邻脉冲间相位旋转 2π 的整数倍，被误判成静止。对应的目标速度就是盲速，下一章的仿真参数会撞上它。从频率响应还能看出二次对消的凹口更尖：在归一化多普勒 0.05 处，一次对消已有约 4 dB 衰减，二次对消约 8 dB，但对消后的杂波剩余衰减得更彻底。

注意，对消同时处理信号和杂波，表格里目标在中段多普勒的增益不代表信杂比提升。信杂比真正的改善来自杂波窄带能量被凹口截断，这部分要用第 5 章的改善因子来定量。仿真验证时可以直接用这个表格对照频响计算结果，确认对消器实现没写错。

3. 用 MATLAB 实现 MTI 地面杂波抑制的完整流程

3.1 构造距离-脉冲数据矩阵与地面杂波模型

仿真数据组织成二维复矩阵：行是距离单元，列是慢时间脉冲序号。地面杂波按高斯谱生成在每个距离单元上，目标只在指定距离单元注入，全距离叠加接收机噪声。这里用 6 GHz 载频、PRF=2000 Hz、64 个脉冲、256 个距离单元的配置。代码里所有参数单独写成变量，方便改速度、改功率后重跑。

% 雷达系统参数 c = 3e8; fc = 6e9; % 载频 6 GHz lambda = c / fc; % 波长 0.05 m prf = 2000; % 脉冲重复频率 Hz pri = 1 / prf; % 脉冲重复间隔 n_pulse = 64; % 慢时间脉冲数 n_range = 256; % 距离单元数 % 地面杂波参数（高斯谱） sigma_v = 0.5; % 杂波内部运动标准差 m/s sigma_f = 2 * sigma_v / lambda; % 频谱标准差 Hz p_c = 10; % 杂波电压幅度 p_n = 1; % 噪声电压幅度

逻辑说明：噪声幅度分别设置了杂波和接收机噪声两个量，杂波电压 10、噪声电压 1，功率比为 20 dB。这个模型下杂波在对消前主导背景，从距离维曲线上可以直接看到杂波平台覆盖了目标回波。

生成地面杂波矩阵时采用频域整形，比逐距离单元做滤波器卷积快很多，也便于控制谱形：

% 频域高斯型杂波整形 fd_axis = (-n_pulse/2 : n_pulse/2 - 1) / n_pulse * prf; H_c = exp(-(fd_axis.^2) / (2 * sigma_f^2)); H_c = H_c / sqrt(mean(abs(H_c).^2)); % 平均功率归一化 xc = randn(n_range, n_pulse) + 1j*randn(n_range, n_pulse); Xc = fft(xc, [], 2); % 沿脉冲维做 FFT Xc = Xc .* H_c; % 乘上高斯频响 xc = ifft(Xc, [], 2) * p_c; % 还原到慢时间域

对 H_c 做归一化这步最容易漏。FFT 长度是 n_pulse，直接在频域乘冲激响应后，输出功率会随滤波器带宽变化；除以平均幅度平方的均值，才能保证杂波功率稳定在 p_c² 附近。FFT 沿第二维操作，对应慢时间维，距离维不受影响。频域整形等效于对每个距离单元的白噪声做了高斯型带限滤波，实测得到的杂波频谱包络应与理论 σ_f 一致。

目标信号注入与噪声叠加：

% 叠加接收机噪声 xn = (randn(n_range, n_pulse) + 1j*randn(n_range, n_pulse)) * p_n / sqrt(2); % 目标：径向速度 20 m/s，对应多普勒 800 Hz v_t = 20; fd = 2 * v_t / lambda; % 多普勒频移 t_pulse = (0 : n_pulse - 1) * pri; p_s = 3; % 目标电压幅度 tgt_range = 128; target = p_s * exp(1j * 2 * pi * fd * t_pulse); x = xc + xn; % 杂波 + 噪声背景 x(tgt_range, :) = x(tgt_range, :) + target; % 注入目标

目标电压 3 小于杂波电压 10，信杂比约 −10.5 dB，单个脉冲上看不到目标。速度 20 m/s 在 6 GHz 下对应多普勒 800 Hz，落在 PRF/2 内且远离零频，对消后剩余很强。把目标放在第 128 个距离单元，后面画距离维剖面时一眼就能找到位置。

3.2 用矩阵差分实现一次与二次对消

对消器作用在慢时间维，实现上就是沿第二维做差分。一次对消输出 64×63，二次对消再差分一次得到 64×62；少掉的脉冲数等于滤波器阶数，这是非递归结构的正常代价。

% 一次对消：相邻脉冲相减 y1 = x(:, 2:end) - x(:, 1:end-1); % 二次对消：对一次对消输出再做一次差分 y2 = y1(:, 2:end) - y1(:, 1:end-1);

直接减法形式最快，也最贴近数字对消器的定义。工程上也可以用 filter([1 -1], 1, x, [], 2) 得到同样结果，但 filter 保留长度匹配，和直接减法在边界索引上略有差异，计算改善因子时要留意边界处理。二次对消同样可以换成 filter([1 -2 1], 1, x, [], 2)。这里直接减法得到的 y1 比 x 少一列，后面对消后功率积累的归一化分母要跟着改成 n_pulse−1 或 n_pulse−2，否则功率会偏小。

3.3 对消后的非相干积累与门限检测

对消后的输出需要沿脉冲维做非相干积累，再在距离维上设定检测门限。这里用最简单的能量积累：

% 对消后各距离单元的剩余功率 z1 = sum(abs(y1).^2, 2) / (n_pulse - 1); z2 = sum(abs(y2).^2, 2) / (n_pulse - 2); % 一维门限：均值 + 4 倍标准差 th1 = mean(z1) + 4 * std(z1); th2 = mean(z2) + 4 * std(z2); % 检测结果 det1 = z1 > th1; det2 = z2 > th2;

提示：真实雷达里这段门限应替换成 CFAR，均值加 4 倍标准差只适合快速验证算法链路是否通。

门限这步在真实雷达中会用 CFAR，这里用均值加倍数标准差只是为了快速观察对消效果。一次对消和二次对消的目标距离单元都能超出门限，但二次对消的杂波剩余更低，128 号单元附近的信杂比明显更好。如果目标速度换到很低，比如 2 m/s，二次对消会把目标衰减得比一次对消更严重，检测输出反而变差，这一点的定量分析在下一章展开。

4. MTI 参数设置与实际调优

4.1 PRF 与盲速的权衡计算

盲速出现在目标多普勒恰好等于 PRF 整数倍的位置，对应的径向速度 v_b = n·λ·PRF / 2。以第 3 章参数为例，λ=0.05 m，PRF=2000 Hz，第一盲速 v_b=50 m/s。如果目标真实速度接近 50 m/s，对消器会把它当作静止目标滤掉，因为纯正弦目标在对消器看来相位每脉冲转一整圈，与零多普勒不可分。

注意盲速和最大不模糊速度是两个不同概念：盲速依赖 PRF 整数倍，不模糊速度依赖采样定理。设计时通常让第一盲速高于预期目标最大速度，同时保持可接受的距离不模糊范围。提高 PRF 会把盲速推远，但作用距离变短，这是脉冲雷达本身的制约。比如要覆盖 0～40 m/s 的地面车辆，PRF=2000 Hz 时第一盲速 50 m/s 看似够用，但车辆恰好 50 m/s 就会消失；工程上会留 20% 余量，或者用参差 PRF 把盲速彻底移出目标速度区间。

4.2 对消阶数与目标速度的匹配

标题这个场景下的常见做法是先用一次或二次对消，再通过仿真确认目标速度范围后决定阶数。把 3.1 的注入速度从 20 m/s 改到 2 m/s，fd=80 Hz，一次对消功率增益为 4sin²(π·80/2000)≈0.063，即 −12 dB；二次对消是 16sin⁴，约 −24 dB。低速目标在二次对消里衰减加倍，所以低速预警场景一般保留一次对消；杂波谱宽大到一次对消剩余太多时，再考虑二次。改参数重跑，比较目标距离单元剩余功率和杂波平均剩余：

% 比较低速目标下两次对消的剩余 v_list = [2 10 20]; for k = 1:length(v_list) fd_k = 2 * v_list(k) / lambda; tgt_k = p_s * exp(1j * 2 * pi * fd_k * t_pulse); x_k = xc + xn; x_k(tgt_range, :) = x_k(tgt_range, :) + tgt_k; y1_k = x_k(:,2:end) - x_k(:,1:end-1); y2_k = y1_k(:,2:end) - y1_k(:,1:end-1); s1(k) = mean(abs(y1_k(tgt_range,:)).^2); s2(k) = mean(abs(y2_k(tgt_range,:)).^2); end

逻辑说明：这里没有重新生成杂波矩阵，直接复用 xc，保证不同目标速度下的杂波完全相同，比较的是纯对消效应。输出 s1/s2 后会发现 2 m/s 时 s2 明显低于 s1，而 20 m/s 时两者差异很小。这结果直接回答“二次对消是不是一定更好”的常见疑问：对慢速目标，阶数越高损失越大。

如果杂波谱本身很宽，比如树林边缘的强杂波，σ_f 超过 50 Hz，一次对消的凹口宽度不够，杂波剩余会抬高管底。这时优先考虑的不是增加对消阶数，而是检查天线转速引起的扫描调制，或者改用杂波图。阶数增加带来的目标低速损失，往往比杂波抑制收益更早触及系统指标下限。

4.3 用参差 PRF 拉开第一盲速

单一 PRF 时盲速是一个固定速度点。参差 PRF 是雷达里推开盲速的常用手段：发射脉冲间隔在两个 PRF 之间交替，等效平均 PRF 不变，第一盲速移到两个 PRF 最小公倍数对应的速度。MATLAB 仿真里做参差最简单的方式是分别用两段不同 PRF 的数据对消，再在检测层合并：

% 两段 PRF 交替处理示意 prf_a = 2000; prf_b = 2500; pri_a = 1/prf_a; pri_b = 1/prf_b; t_a = (0:n_pulse/2-1) * pri_a; t_b = (0:n_pulse/2-1) * pri_b; % 每段各自按单 PRF 仿真并做 MTI % 检测结果 det_a、det_b 做逻辑或后得到融合检测

第一盲速分别对应 50 m/s 和 62.5 m/s，参差后等效盲速推到 250 m/s 量级，覆盖绝大多数地面慢速运动目标。代价是速度估计变得复杂，后续若要做 MTD 速度测量，需要先解模糊。只做检测不输出速度时，参差是成本很低的杂波抑制增强手段。本标题下的 MATLAB 程序如果不涉及测速，优先用这种方法，而不是把 PRF 整体抬高。

5. 用改善因子验证对消效果，再决定要不要上 MTD

5.1 改善因子的定义与一页纸计算

改善因子是 MTI 设计绕不开的评估指标，定义为输出信杂比与输入信杂比的比值：

IF = (S_o / C_o) / (S_i / C_i)

其中 S_o、C_o 是对消后目标与杂波剩余功率，S_i、C_i 是输入。可以用第 3 章的仿真数据直接算：

% 目标输入功率（已知注入幅度） S_i = p_s^2; % 目标单元总功率减去目标功率，得到杂波+噪声输入 C_i = mean(abs(x(tgt_range,:)).^2) - S_i; % 对消后目标剩余功率由对消器频响解析计算 omega = 2 * pi * fd * pri; S_o_1 = 4 * (sin(omega/2))^2 * S_i; % 一次对消 S_o_2 = 16 * (sin(omega/2))^4 * S_i; % 二次对消 % 对消后目标单元剩余杂波+噪声功率 C_o_1 = mean(abs(y1(tgt_range,:)).^2) - S_o_1; C_o_2 = mean(abs(y2(tgt_range,:)).^2) - S_o_2; IF_1_dB = 10*log10((S_o_1/C_o_1) / (S_i/C_i)); IF_2_dB = 10*log10((S_o_2/C_o_2) / (S_i/C_i));

说明：C_o 的求法是用对消后目标单元平均功率减去目标的解析剩余功率，避免从噪声估计里把目标功率重复计入。这个数值对杂波谱宽、PRF 和脉冲数都很敏感。同一套参数下，二次对消改善因子通常比一次高 10～20 dB；如果目标速度接近盲速，改善因子会被目标本身的 S_o 拉低，出现异常数值时回看速度与 PRF 的关系，不要先改代码。

用这段代码对照第 2 章的频率响应表：把 fd 换成 0、0.05、0.1、0.25、0.5 倍 PRF，计算出的输出功率与理论一致。跑通这一点，基本确认从原理到仿真模型的闭环没有断裂。

5.2 对消后接 MTD 的改进路径

如果只需要检测动目标，MTI 差分已经完成“抑制地面杂波”的主要任务。实际雷达里更常见的结构是 MTI 后接 MTD：先对消杂波，再把剩余信号沿脉冲维做 FFT，得到一组窄带多普勒滤波器。这样既能继续压制杂波泄漏，又多拿到目标速度维度。改进的方向还包括杂波图：长时间平均出每个距离单元的静态背景，从当前回波中实时相减，适合处理频谱在零频附近没有清晰凹口的复杂地面场景。

调试这类 MATLAB 程序时最值得先看的图是对消前后的慢时间频谱。杂波谱应该在对消后出现一个很深的凹口，深度对应改善因子；如果凹口位置不在零频，检查目标注入时是否用了基带负频率、波形参数是否一致。还有一个容易忽略的细节：fd 大于 PRF/2 时频谱折叠，目标看起来落在另一侧，此时改善因子计算里的 sin 项要用折叠后的频率代入，否则理论值和实测值对不上。

本文还有配套的精品资源，点击获取