第三章 脉冲压缩技术：线性调频信号、匹配滤波、旁瓣抑制

各位同学，今天我们聊一个雷达信号处理里绕不开的核心话题——脉冲压缩。说实话，我刚入行那会儿，总觉得这玩意儿就是个数学公式堆砌出来的东西。直到有一次在项目里，我亲眼看着一个没做好脉冲压缩的系统，把目标回波淹没在噪声里，才真正明白它的分量。

3.1 为什么需要脉冲压缩？

先问大家一个问题：雷达想看得远，需要什么？发射功率要大，脉冲宽度要宽。那想看得清楚呢？脉冲宽度要窄。你看，这两个需求是矛盾的。

宽脉冲能量大，探测距离远。但距离分辨率差——两个目标靠太近就分不清了。窄脉冲分辨率好，但能量小，打不远。

脉冲压缩技术，说白了就是让你「鱼和熊掌兼得」。发射一个宽脉冲，接收后通过信号处理把它「压缩」成窄脉冲。既保证了探测距离，又保证了距离分辨率。

3.2 线性调频信号（LFM）

线性调频信号，也叫Chirp信号。我在项目中用得最多的就是它。为什么？因为它实现简单，性能稳定。

数学表达式长这样：

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

其中：

• T：脉冲宽度
• f0：起始频率
• K = B/T：调频斜率，B是带宽

你想想看，这个信号的频率随时间线性变化。从f0开始，一直扫到f0+B。就像一个「扫频信号」。

我记得有一次调试一个X波段雷达，发射的LFM信号带宽设了100MHz。结果发现接收端信号畸变严重。查了半天，原来是发射机功放的非线性把信号搞坏了。嗯，这里要注意——LFM信号对发射链路的线性度要求很高。

3.3 匹配滤波原理

匹配滤波，是脉冲压缩的核心。它的本质是什么？就是让接收信号通过一个滤波器，这个滤波器的冲激响应是发射信号的「时间反转共轭」。

说白了，就是让滤波器跟发射信号「匹配」起来。

数学上，匹配滤波器的输出是输入信号的自相关函数：

y(t) = s(t) * h(t) = ∫ s(τ) * h(t-τ) dτ

其中h(t) = s*(-t)。

对于LFM信号，匹配滤波后的输出是一个sinc函数形状的脉冲：

y(t) = T * sinc(B*t) * exp(j * 2π * f0 * t)

这个sinc函数的主瓣宽度是1/B。你看，脉冲宽度从T压缩到了1/B。压缩比就是T*B，也就是时间带宽积。

3.4 旁瓣问题

匹配滤波后的sinc函数，主瓣很窄，但旁瓣很高。第一个旁瓣只比主瓣低13.2dB。这意味着什么？

如果一个强目标旁边有一个弱目标，弱目标很可能被强目标的旁瓣淹没掉。我在一个气象雷达项目里就吃过这个亏——一个强降水回波的旁瓣，把旁边一个弱回波完全盖住了，差点漏报了一次冰雹过程。

所以，旁瓣抑制是必须做的。

3.5 旁瓣抑制技术

常用的方法有两种：加窗和失配滤波。

3.5.1 加窗法

在匹配滤波器的频域响应上乘以一个窗函数。常见的窗函数有：

窗函数	主瓣展宽系数	最高旁瓣(dB)	旁瓣衰减速率(dB/octave)
矩形窗	1.0	-13.2	6
汉明窗	1.5	-42.8	6
汉宁窗	1.62	-31.5	18
布莱克曼窗	1.73	-58.1	18
凯泽窗(β=6)	1.6	-44.0	可调

加窗的代价是什么？主瓣展宽了。原来1/B的宽度，加窗后变成了1.5/B甚至更宽。距离分辨率下降了。

这是一个典型的「trade-off」。我个人习惯用凯泽窗，因为β参数可调，可以在旁瓣抑制和主瓣展宽之间灵活平衡。

3.5.2 失配滤波

加窗法简单，但不够灵活。失配滤波是更高级的方法。它不要求滤波器跟发射信号完全匹配，而是设计一个滤波器，使得输出信号的旁瓣尽可能低。

常用的设计方法有：

• 最小二乘法：最小化旁瓣区域的能量
• 凸优化：设定旁瓣上限，优化主瓣宽度
• 迭代加权：反复调整权值，逐步压低旁瓣

我曾经在一个相控阵雷达项目里用过凸优化方法设计失配滤波器。效果不错，旁瓣压到了-60dB以下。但计算量确实大，实时处理时得用FPGA加速。

3.6 工程实现要点

在实际系统中，脉冲压缩的实现有几个关键点：

1. 数字域实现：现在基本都是数字信号处理了。用FFT实现匹配滤波，效率高。
2. 多普勒容限：LFM信号对多普勒频移不敏感，这是它的一个优点。但多普勒太大时，匹配滤波输出会失真。
3. 距离-多普勒耦合：LFM信号存在距离-多普勒耦合效应。目标运动会导致距离测量偏差。需要补偿。
4. 量化噪声：ADC的量化位数要足够。我建议至少12位，否则量化噪声会抬高旁瓣基底。

下面是一个简单的匹配滤波实现伪代码：

function pulse_compression(s, ref)
    % s: 接收信号
    % ref: 参考信号（发射信号副本）
    
    % 补零到2的幂次长度，方便FFT
    N = length(s) + length(ref) - 1;
    N_fft = 2^nextpow2(N);
    
    % 频域匹配滤波
    S = fft(s, N_fft);
    H = conj(fft(ref, N_fft));
    Y = S .* H;
    
    % IFFT得到压缩结果
    y = ifft(Y);
    
    % 截取有效部分
    y = y(1:N);
    
    return y;
end

这段代码看起来简单，但实际工程中要考虑的东西很多。比如加窗、多普勒补偿、距离走动校正等等。

3.7 小结

脉冲压缩技术，是雷达信号处理的基石。LFM信号加匹配滤波，是最经典的组合。旁瓣抑制则是让这个组合真正可用的关键一步。

我建议大家在学习时，不要只盯着公式看。动手仿真一下，看看不同窗函数对旁瓣和主瓣的影响。纸上得来终觉浅，绝知此事要躬行。

下一章，我们会讲多普勒处理。到时候你会发现，脉冲压缩和多普勒处理是密不可分的。嗯，先卖个关子，下次见。