第4章脉冲压缩技术

第四章脉冲压缩技术：从匹配滤波到工程实现

脉冲压缩，说白了就是解决雷达「看得远」和「看得清」这对矛盾的。我刚开始接触雷达时，总觉得这两个指标是鱼和熊掌——要想探测距离远，就得发大功率、宽脉冲；要想距离分辨力高，又得用窄脉冲。直到我真正理解了匹配滤波器，才发现原来可以「既要又要」。

匹配滤波器是什么？简单说，它就是让接收信号的信噪比达到最大的线性滤波器。我习惯把它理解成「信号复印机」——当输入信号与滤波器冲激响应匹配时，输出端会得到一个尖锐的峰值。

数学上，匹配滤波器的冲激响应是输入信号的共轭反转：

h(t) = s*(T - t)

其中 T 是脉冲宽度。为什么这样设计？因为卷积运算本质上就是信号与模板的相似度比较。当信号与模板完全匹配时，输出最大。

核心结论：匹配滤波器在白噪声背景下是最优线性滤波器，没有之一。我在项目中验证过多次，只要噪声是高斯白噪声，匹配滤波器的信噪比增益就是理论最大值。

LFM 信号，也叫 Chirp 信号。它的频率随时间线性变化。为什么选它？因为它的自相关函数近似为 sinc 函数，主瓣窄、旁瓣高，非常适合脉冲压缩。

LFM 信号的数学表达式：

s(t) = A * rect(t/T) * exp(j * 2π * (f0*t + 0.5*K*t²))

其中 K = B/T 是调频斜率，B 是带宽，T 是脉宽。

我记得第一次在 FPGA 上生成 LFM 信号时，踩了个坑——相位累加器的位宽不够，导致信号频谱出现杂散。后来我习惯用 32 位累加器，截取高 16 位查表，效果稳定多了。

脉冲压缩增益 G = B * T，也就是时宽带宽积。这个公式很直观：你发的脉冲越宽、带宽越大，压缩后信噪比提升就越多。

你想想看，50dB 的增益意味着什么？发射功率可以降低 10 万倍，或者探测距离翻好几倍。我在某型相控阵雷达项目中，就是用 100μs 脉宽、10MHz 带宽的 LFM 信号，压缩后距离分辨力达到了 15 米，同时探测距离提升了 3 倍。

工程小技巧：实际系统中，脉冲压缩增益不会完全达到 BT。因为加窗会损失一部分增益，通常损失 1-2dB。我一般会在系统链路预算中预留 2dB 的余量。

LFM 信号压缩后的 sinc 函数旁瓣很高，第一旁瓣只有 -13.2dB。这在多目标场景下会出大问题——强目标的旁瓣可能淹没弱目标的主瓣。

解决办法就是加窗。我常用的两种窗函数：

我曾经在一个项目中，客户要求旁瓣低于 -50dB。我试了汉明窗，差一点；换成布莱克曼窗，刚好满足。但代价是距离分辨力下降了，两个相距很近的目标分不开了。这就是典型的「鱼和熊掌」——旁瓣越低，主瓣越宽。

避坑指南：加窗一定要在匹配滤波之前做。我曾经犯过错误，在压缩之后才加窗，结果旁瓣根本没压下去。正确的流程是：接收信号 → 加窗 → 匹配滤波 → 脉冲压缩输出。

时域卷积计算量太大，尤其是脉宽很长的时候。比如 100μs 脉宽、100MHz 采样率，一个脉冲就有 10000 个点，时域卷积需要 10^8 次乘法。这在嵌入式系统里根本跑不动。

频域实现的核心思想：时域卷积等价于频域相乘。

// 频域脉冲压缩伪代码
1. 对接收信号 x[n] 做 FFT，得到 X[k]
2. 对匹配滤波器 h[n] 做 FFT，得到 H[k]
3. 频域相乘：Y[k] = X[k] * conj(H[k])
4. 对 Y[k] 做 IFFT，得到压缩后的时域信号 y[n]

用 FFT 实现，计算量降为 O(N log N)。对于 10000 点的信号，FFT 只需要约 10^5 次运算，比时域快三个数量级。

我习惯在 FPGA 里用流水线 FFT IP 核，配合乒乓 RAM 做连续处理。嗯，这里要注意：FFT 点数要选 2 的幂次，不够的话补零。补零不会提高分辨力，但能让 FFT 更高效。

工程实现要点：

最后说一句，脉冲压缩技术是雷达信号处理的基石。从匹配滤波到 LFM 信号，从加窗到频域实现，每一步都有工程细节。我做了十几年雷达，每次遇到新项目，第一件事就是检查脉冲压缩模块——它要是出问题，后面所有处理都是白搭。