第3章数字信号处理基础

第3章：数字信号处理基础：采样定理、Z变换、数字滤波器设计及其在雷达中的应用

各位同学，欢迎来到第三章。这一章，我们聊聊数字信号处理（DSP）的三大基石：采样定理、Z变换，还有滤波器设计。说实话，这些理论在课本上看着挺枯燥，但在我做雷达项目的十几年里，几乎每天都在跟它们打交道。你想想看，雷达回波从天线进来，第一步就是采样，然后做各种变换和滤波。搞不懂这些，后面的目标检测、跟踪根本无从谈起。

3.1 采样定理：雷达信号的“数字化门槛”

采样定理，也叫奈奎斯特定理。说白了就是一句话：采样频率必须大于信号最高频率的两倍。否则，就会发生频谱混叠，信号就“拧巴”了。

我在项目中遇到过这样一个坑：有一次调试一部X波段雷达，中频信号是60 MHz，带宽20 MHz。我习惯性地用了120 MHz的采样率，心想“两倍嘛，够了”。结果一跑数据，目标回波里出现了虚假的“鬼影”。查了半天，才发现问题出在采样率上——虽然信号中心频率是60 MHz，但它的最高频率是70 MHz（60+10），按奈奎斯特要求，采样率得大于140 MHz才行。嗯，从那以后，我每次选ADC都会先算一下信号的实际带宽，而不是只看中心频率。

避坑指南： 我曾经因为采样率不够，导致一个多目标场景下的测距误差大了好几米。记住：雷达信号往往是带通信号，采样时可以用带通采样定理来降低采样率，但前提是必须保证频谱不混叠。

实际工程中，我们通常会留出20%~30%的余量。比如信号最高频率100 MHz，采样率我会选250 MHz以上，而不是刚好200 MHz。为什么？因为ADC的模拟带宽、抗混叠滤波器的滚降特性都会引入额外约束。

3.2 Z变换：离散系统的“数学显微镜”

Z变换，是分析离散系统（比如数字滤波器）的利器。它把时域的差分方程，映射到z域的代数方程。我个人习惯把Z变换看作是离散版的拉普拉斯变换。

举个例子，一个简单的累加器：y[n] = y[n-1] + x[n]。在时域看，就是个递推。但用Z变换，系统函数 H(z) = 1 / (1 - z^{-1})。你看，多简洁！

在雷达中，Z变换最常用的地方有两个：

分析滤波器稳定性： 系统函数的极点必须在单位圆内。我见过有人设计的IIR滤波器，仿真时好好的，一上硬件就发散，就是因为极点刚好落在单位圆上，量化误差把它推出了圆外。
设计脉冲压缩滤波器： 匹配滤波器的Z域表示，可以帮我们快速推导出滤波器的系数。

小技巧： 我建议你多用零极点图来观察滤波器特性。一个极点靠近单位圆，意味着该频率附近有谐振；零点靠近单位圆，则意味着陷波。这在设计雷达杂波抑制滤波器时特别有用。

3.3 数字滤波器设计：FIR与IIR的雷达应用

数字滤波器，是雷达信号处理的核心模块。主要分两类：FIR（有限冲激响应）和IIR（无限冲激响应）。

3.4.1 FIR滤波器：稳定、线性相位

FIR滤波器最大的优点就是稳定，而且可以做到严格的线性相位。在雷达中，线性相位意味着信号经过滤波器后，不同频率分量的时延一致，不会造成波形失真。这对脉冲压缩、MTI（动目标显示）处理至关重要。

我常用的设计方法是窗函数法。比如设计一个低通滤波器，直接调用MATLAB的fir1函数：

% 设计一个32阶的低通FIR滤波器，截止频率0.2（归一化）
fs = 100e6;  % 采样率100 MHz
fc = 10e6;   % 截止频率10 MHz
N = 32;      % 滤波器阶数
b = fir1(N, fc/(fs/2), 'low', hamming(N+1));

这段代码生成的就是一个线性相位的低通滤波器。我在做某型相控阵雷达的接收通道时，就用它来滤除带外噪声，效果很稳定。

重点： FIR滤波器的阶数越高，过渡带越窄，但计算量也越大。在FPGA实现时，我一般会权衡资源消耗和性能，选择32~64阶。

3.4.2 IIR滤波器：高效、但有风险

IIR滤波器可以用更低的阶数达到同样的幅频响应，计算效率高。但它的相位是非线性的，而且存在稳定性问题。

在雷达中，IIR滤波器常用于对相位不敏感的场景，比如：

MTI滤波器： 用来抑制地杂波。一个简单的二阶IIR高通滤波器，就能把静止杂波衰减40 dB以上。
视频积累： 用一阶低通IIR做递归积累，比FIR节省大量乘法器。

举个例子，设计一个巴特沃斯高通IIR滤波器：

% 设计一个4阶高通IIR滤波器，截止频率0.1（归一化）
[b, a] = butter(4, 0.1, 'high');

但要注意，IIR滤波器的系数对量化误差很敏感。我曾经在定点化实现时，因为系数截断，导致滤波器实际响应和设计值偏差很大，杂波抑制效果差了10 dB。后来改用级联型结构（二阶节级联），才解决了这个问题。

警告： 如果你在雷达系统中使用IIR滤波器，务必做定点仿真，检查极点是否因量化而移出单位圆。我建议用直接II型转置结构，它对量化误差的鲁棒性更好。

3.4 在雷达中的综合应用：一个脉冲压缩的例子

最后，我结合一个实际场景，把这三个知识点串起来。

假设我们要处理一个线性调频（LFM）脉冲，带宽10 MHz，脉宽10 μs。接收到的回波经过ADC采样（采样率25 MHz），然后做脉冲压缩（匹配滤波）。

采样： 信号带宽10 MHz，按带通采样定理，采样率25 MHz完全满足要求（>2×10 MHz）。实际中我还会加一个抗混叠滤波器。
Z变换分析： 匹配滤波器的系统函数是发射信号频谱的共轭。在z域，这相当于一个逆滤波问题。通过Z变换，我可以快速验证滤波器是否稳定。
滤波器实现： 匹配滤波器通常用FIR实现，因为需要线性相位。我设计了一个128阶的FIR滤波器，系数就是发射信号的时域反转共轭。在FPGA上，用分布式算法（DA）实现，资源占用很小。

你看，采样定理保证了信号不失真，Z变换帮我分析了系统特性，FIR滤波器完成了脉冲压缩。三者缺一不可。

个人经验： 我建议你在做雷达项目时，先把这三个基础模块在MATLAB里仿真通过，再移植到硬件。别急着上板子，仿真能帮你发现90%的问题。

好了，这一章就到这里。下一章我们会深入雷达目标检测的经典算法——CFAR。到时候再聊！

📚 课程目录