脉冲压缩技术：匹配滤波器原理、线性调频信号（LFM）、脉冲压缩比与距离分辨率

各位同学，咱们今天聊聊脉冲压缩。说实话，这是雷达信号处理里我最喜欢的一块。为什么？因为它完美地解决了雷达系统里一个老大难问题——既要看得远，又要看得清。

你想想看，传统雷达想看得远，就得发大功率、长脉冲。但脉冲一长，距离分辨率就差了。两个目标挨得近，根本分不开。这就像拿个粗毛笔去画细线，怎么画都糊成一团。

脉冲压缩技术，说白了就是让你既能用长脉冲发大能量，又能获得短脉冲的高分辨率。听起来有点魔幻？其实原理并不复杂。

匹配滤波器：雷达接收机的心脏

先讲匹配滤波器。这是整个脉冲压缩的基石。

匹配滤波器是什么？我习惯这么理解：它就是一个专门为你的发射信号量身定做的滤波器。你的信号长什么样，它就设计成什么样。当信号进来时，它能让信号能量最大限度地通过，同时把噪声压到最低。

数学上，匹配滤波器的冲激响应是发射信号的共轭反转。写成公式就是：

h(t) = s*(-t)

其中 s(t) 是发射信号，* 表示共轭。对于实信号，共轭就是它自己。

我在项目中遇到过一件事。有一次调试接收机，发现信噪比总比理论值低3dB。查了半天，原来是匹配滤波器的系数没对准。嗯，这里要注意：匹配滤波器的采样率必须和发射信号完全一致，差一点都不行。

线性调频信号（LFM）：最常用的脉冲压缩信号

匹配滤波器是个好工具，但用什么信号去匹配呢？最常用的就是线性调频信号，也叫LFM信号，或者chirp信号。

LFM信号的频率随时间线性变化。比如从10MHz扫到20MHz，扫了10微秒。它的数学表达式是：

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是脉冲宽度。

为什么LFM这么受欢迎？我个人的经验是：它实现简单，性能稳定，而且对多普勒频移不太敏感。你想想看，频率在变，目标运动引起的频移只是整体偏移一点，对匹配滤波的影响不大。

记得有一次做某型机载雷达，发射信号就是LFM。当时有个同事想用非线性调频，说性能更好。我建议他先算算工程实现的复杂度。结果他折腾了两周，最后还是换回了LFM。说白了，工程上稳定可靠比理论上的那点性能提升更重要。

脉冲压缩比：衡量压缩效果的关键指标

脉冲压缩比，定义为发射脉冲宽度与压缩后脉冲宽度之比：

D = T / τ = T * B

其中τ是压缩后的脉冲宽度，约等于1/B。

所以压缩比 D = T * B，也就是时宽带宽积。

这个值越大，说明压缩效果越好。比如你发一个100微秒的脉冲，带宽10MHz，压缩比就是1000。压缩后的脉冲宽度只有0.1微秒。

我曾经见过一个系统，压缩比做到了10000。发射脉冲1毫秒，带宽10MHz。结果呢？距离分辨率好得惊人，但代价是系统对频率稳定度的要求极高。稍微有点相位噪声，压缩效果就大打折扣。

距离分辨率：脉冲压缩的最终目标

距离分辨率，就是雷达能区分两个相邻目标的最小距离。传统雷达的距离分辨率是：

ΔR = c * τ / 2

其中c是光速，τ是脉冲宽度。

对于未压缩的脉冲，τ就是发射脉冲宽度。比如10微秒的脉冲，分辨率是1500米。两个目标相距1公里，根本分不开。

用了脉冲压缩后，τ变成了压缩后的脉冲宽度1/B。还是那个例子，带宽10MHz，压缩后脉冲宽度0.1微秒，分辨率变成了15米。提升了100倍。

我刚开始做雷达时，总觉得分辨率越高越好。后来发现不是这么回事。分辨率太高，杂波也变多了，反而影响目标检测。你想想看，15米分辨率下，地面上的树、房子、电线杆全都能看到，目标反而淹没在杂波里了。

参数	未压缩	压缩后
脉冲宽度	100 μs	0.1 μs
带宽	10 kHz	10 MHz
距离分辨率	15 km	15 m
发射能量	高	高（不变）

看到没？发射能量没变，但分辨率提升了1000倍。这就是脉冲压缩的魅力。

工程实现中的几个坑

最后，我分享几个实际项目中踩过的坑：

• 匹配滤波器的量化效应：我曾经在FPGA里实现匹配滤波器，系数量化位数不够，结果压缩后的旁瓣电平比理论值高了5dB。后来把量化位数从12位加到16位，问题才解决。
• LFM信号的起始相位：这个很多人不注意。起始相位不一致，会导致压缩后的脉冲位置偏移。我建议在发射信号里加一个相位参考，或者在接收端做相位校准。
• 距离旁瓣抑制：匹配滤波后的输出不是理想的冲激函数，而是有旁瓣的。旁瓣太高会掩盖小目标。常用的抑制方法有加窗、失配滤波等。我个人习惯用汉明窗，效果不错，但会损失一点分辨率。

好了，这一章就到这里。下一章我们讲多普勒处理，看看怎么从运动目标回波里提取速度信息。到时候我会分享一个我当年做动目标检测时遇到的奇葩问题——信号处理板上的风扇振动居然被雷达当成目标了。嗯，到时候细说。