2. 信号处理数学基础：傅里叶变换、数字下变频、匹配滤波原理、多普勒效应
各位同学，欢迎来到第二章。说实话，这一章的内容是整个雷达信号处理的基石。你想想看，没有这些数学工具，我们连回波信号里藏着什么都看不出来。我个人习惯是，先把这些基础概念吃透，后面写代码、调板子才能心里有底。
2.1 傅里叶变换：从时域到频域的桥梁
傅里叶变换，说白了就是把一个信号从时间轴搬到频率轴。为什么我们要这么做？因为雷达回波里，目标的距离、速度信息都藏在频率里。时域上看，它只是一堆杂乱的波形；频域上一看，目标特征清清楚楚。
我在项目中遇到过一件事：有个同事死活调不出目标峰值，时域波形看着挺正常，但就是检测不到。我让他做个FFT看看，结果发现频谱上有个强干扰刚好压住了目标信号。嗯，这就是频域分析的价值。
核心公式（连续傅里叶变换）：
X(f) = ∫ x(t) · e^(-j2πft) dt实际嵌入式系统中，我们用的是离散傅里叶变换（DFT），以及它的快速实现——FFT。
离散傅里叶变换公式长这样：
X[k] = Σ x[n] · e^(-j2πkn/N) (n=0 to N-1)这里N是采样点数。你想想看，如果N=1024，直接算DFT要一百多万次复数乘法，太慢了。所以实际工程里，我们几乎只用FFT。我记得第一次在DSP上实现FFT时，看到计算时间从几十毫秒降到几百微秒，那种感觉，真爽。
工程小贴士：做FFT时，N最好取2的幂次方，比如256、512、1024。这样算法效率最高。我曾经为了省内存用N=500，结果FFT库不支持，自己手写了一个混合基算法，折腾了两天。后来学乖了，老老实实补零到512点。
2.2 数字下变频：把高频信号拉回基带
雷达接收到的信号，通常是几十MHz甚至GHz的高频信号。ADC采样后，数据率太高，DSP根本处理不过来。怎么办？数字下变频（DDC）就是干这个的。
DDC的核心思想很简单：把信号从高频搬移到零中频（基带）。具体分三步：
- 混频：乘以本振信号cos(ω₀t)和sin(ω₀t)，得到I/Q两路
- 低通滤波：滤掉高频分量，保留基带信号
- 抽取：降低采样率，减轻后续处理负担
为什么需要I/Q两路？因为单路信号会丢失相位信息。雷达测距、测速都依赖相位，所以I/Q是标配。
数字下变频的数学表达：
I[n] = x[n] · cos(2πf₀n/fs)
Q[n] = x[n] · sin(2πf₀n/fs)其中f₀是载频，fs是采样率。混频后，信号频谱被搬移到零频附近。
这里有个坑要注意：混频后的信号包含和频分量（2f₀）和差频分量（0附近）。低通滤波器的设计很关键。我曾经用了一个阶数太低的FIR滤波器，结果和频分量没滤干净，后面做FFT时出现了镜像假峰。嗯，那一次排查花了我整整一个下午。
避坑指南：DDC中的低通滤波器，通带要覆盖目标信号带宽，阻带衰减至少40dB以上。我建议用等波纹（Equiripple）设计，阶数控制在32-64之间，兼顾性能和资源。
2.3 匹配滤波原理：让信噪比最大化
匹配滤波，说白了就是让接收到的回波信号和发射信号做一次“相关”。为什么叫“匹配”？因为滤波器的冲激响应是发射信号的时域反转共轭。这样设计，输出信噪比能达到最大。
你想想看，雷达发射一个脉冲，碰到目标反射回来，信号已经衰减得很弱了，还混着噪声。匹配滤波就像一把钥匙配一把锁，只有和发射信号形状匹配的回波，才能产生大的输出峰值。
数学上，匹配滤波的输出是输入信号与发射信号的互相关：
y(t) = ∫ x(τ) · h(t-τ) dτ
其中 h(t) = s*(-t)，s(t)是发射信号在数字域，我们通常用FFT来实现快速卷积：
Y = IFFT(FFT(x) · conj(FFT(s)))这样做的好处是，计算复杂度从O(N²)降到O(N log N)。我在项目中处理过1M点的数据，直接时域卷积要算到天荒地老，用FFT方法几秒钟就搞定了。
个人经验：匹配滤波的峰值位置对应目标的距离。峰值宽度由发射信号的带宽决定，带宽越宽，距离分辨率越高。所以线性调频信号（LFM）很常用，它能在有限脉宽内实现大带宽。
2.4 多普勒效应：从频率变化看速度
多普勒效应，大家中学都学过。火车靠近时汽笛声变尖，远离时变低沉。雷达里也一样，目标运动会让回波频率发生偏移。这个偏移量就叫多普勒频移。
多普勒频移的计算公式：
f_d = 2v/λ · cos(θ)其中v是目标速度，λ是波长，θ是目标与雷达视线方向的夹角。
为什么是2倍？因为电磁波往返，路径变化是双程的。我记得第一次做动目标检测时，忘了这个2倍系数，算出来的速度全是实际值的一半。后来查了半天资料才发现问题，真是哭笑不得。
多普勒处理的关键点：
- 慢时间维度的FFT可以提取多普勒频率
- 多普勒频率正负代表目标靠近或远离
- 多普勒分辨率取决于相干处理时间（CPI）
实际工程中，我们通常做二维FFT：快时间维（距离维）做一次FFT，慢时间维（脉冲维）再做一次FFT。这样就能得到距离-多普勒图（RD图），目标的距离和速度一目了然。
这里有个细节：多普勒模糊。当目标速度太快，多普勒频率超过脉冲重复频率（PRF）的一半时，就会发生模糊。我曾经在车载雷达项目中遇到过，高速公路上对面来车速度超过200km/h，多普勒频率直接翻了好几圈。解决办法是用多PRF解模糊，或者用更复杂的波形设计。
避坑指南：多普勒处理前，一定要做运动补偿。如果雷达平台本身在运动（比如车载、机载），静止目标也会产生多普勒频移。不做补偿的话，你会看到满屏都是“动目标”。
2.5 四个知识点的内在联系
好了，我们把这四个知识点串起来。一个典型的雷达信号处理流程是这样的：
- ADC采样得到数字中频信号
- 数字下变频（DDC）把信号搬到基带，得到I/Q数据
- 匹配滤波（脉冲压缩）提高信噪比，提取距离信息
- 多普勒处理（慢时间FFT）提取速度信息
你看，傅里叶变换贯穿始终。DDC里用到了频谱搬移，匹配滤波用到了FFT加速卷积，多普勒处理本身就是FFT。所以说，傅里叶变换是雷达信号处理的灵魂，一点不为过。
我个人习惯是，在写代码之前，先在Matlab里把整个链路跑通。调好参数、验证算法，再移植到嵌入式平台。这样能省掉很多调试时间。嗯，下一章我们就开始动手写代码了，敬请期待。
本章小结：
| 知识点 | 核心作用 | 工程要点 |
|---|---|---|
| 傅里叶变换 | 时频转换 | FFT实现，N取2的幂次 |
| 数字下变频 | 频谱搬移 | I/Q两路，低通滤波设计 |
| 匹配滤波 | 信噪比最大化 | FFT加速卷积，峰值检测 |
| 多普勒效应 | 速度提取 | 二维FFT，解模糊 |