第四章：动目标检测（MTI）——杂波对消原理、一次对消与二次对消、MTI改善因子
各位同学，今天我们聊聊雷达信号处理里一个非常经典的话题——动目标检测，也就是MTI。说实话，我刚开始接触雷达那会儿，觉得这玩意儿挺玄乎的。后来自己动手调过几次系统，才真正明白它到底在解决什么问题。
简单来说，雷达最头疼的事情之一，就是怎么从一堆乱七八糟的回波里，把真正想看的运动目标揪出来。地面、建筑物、山体、海浪……这些静止或慢速的物体产生的回波，我们叫它“杂波”。它们往往比目标信号强得多，你想想看，一个移动的小飞机，回波可能只有-20dBm，而旁边一座大楼的杂波能到+10dBm，差了30个dB，这怎么玩？
MTI就是干这个的。它的核心思想很朴素：利用运动目标与静止杂波在多普勒频率上的差异，把杂波滤掉。说白了，就是让静止的东西“看不见”，只让动的东西“现形”。
4.1 杂波对消原理
我们先从最直观的角度理解。假设雷达发射的是相参脉冲串，也就是每个脉冲的初始相位是已知且稳定的。那么，对于静止的物体，比如一座山，它反射回来的每个脉冲，相位是固定不变的。而运动的目标，比如一辆车，它每移动一点距离，回波的相位就会发生变化。
这个相位变化，其实就是多普勒效应的体现。相位的变化率，就是多普勒频率。
那么，怎么利用这个差异呢？最简单的办法就是：相邻脉冲相减。
对于静止杂波，相邻两个脉冲的回波几乎一模一样，一减就没了。对于运动目标，相邻脉冲的回波有相位差，减完之后反而留下了信号。这就是杂波对消的基本原理。
核心公式：
设第n个脉冲的回波为 s(n) = A * exp(j * φ(n))
对于静止目标，φ(n) = 常数，所以 s(n) - s(n-1) ≈ 0
对于运动目标，φ(n) = φ₀ + 2π * f_d * n * T_r，其中f_d是多普勒频率，T_r是脉冲重复周期。
所以 s(n) - s(n-1) ≠ 0，且与多普勒频率有关。
我在项目中遇到过一个问题：如果雷达平台本身也在运动，比如机载雷达，那地面静止物体也会产生多普勒频移。这时候单纯用相邻脉冲对消就不行了，得用更复杂的空时自适应处理（STAP），那是后话了。但MTI的基本思想，始终是“对消”。
4.2 一次对消与二次对消
刚才说的相邻脉冲相减，就是一次对消器。它的结构非常简单，就是一个延迟一个脉冲重复周期（PRI），然后做减法。
// 一次对消器伪代码
// input: 当前脉冲回波数据
// delay_line: 存储上一个脉冲的数据
output = input - delay_line;
delay_line = input; // 更新延迟线
一次对消的优点是简单、实时性好。但缺点也很明显：它的频率响应是一个正弦形状，在零多普勒频率处（也就是静止杂波）有很深的零点，但在某些多普勒频率上增益也很低，甚至为零。这就意味着，如果运动目标的多普勒频率恰好落在这些“盲速”点上，它也会被对消掉。
为什么会这样？因为当目标在一个PRI内恰好移动了半个波长（或者整数倍波长）时，相邻脉冲的相位差正好是π的整数倍，一减反而抵消了。这就是所谓的“盲速效应”。
为了解决这个问题，我们引入了二次对消器。二次对消，说白了就是做两次一次对消，或者等效地，用三个脉冲来做一个加权求和。
// 二次对消器伪代码（三脉冲对消）
// 权重系数： [1, -2, 1]
output = input - 2 * delay_line_1 + delay_line_2;
delay_line_2 = delay_line_1;
delay_line_1 = input;
二次对消的频率响应比一次对消更平坦，在零多普勒附近的凹口更宽、更深，对慢速杂波的抑制效果更好。同时，它的盲速点也比一次对消少一些。
我个人习惯，在工程中如果杂波谱宽比较窄（比如地杂波），用一次对消就够了。但如果杂波谱比较宽（比如气象杂波、箔条干扰），或者平台有轻微抖动，我建议用二次对消，效果会好很多。
避坑指南：
我曾经在一个项目中，为了追求极致的杂波抑制，直接上了三次对消。结果发现，虽然杂波抑制得很好，但运动目标的信号也被衰减了不少，尤其是低速目标。后来才意识到，对消器的阶数越高，对低速目标的衰减也越大。所以，不是阶数越高越好，要根据实际场景来选。
4.3 MTI改善因子
怎么衡量一个MTI滤波器的好坏呢？我们用一个指标叫“改善因子”（Improvement Factor, IF）。
改善因子的定义是：输出信杂比与输入信杂比的比值。说白了，就是经过MTI处理后，信号相对于杂波被放大了多少倍。
公式表达为：
IF = (S_out / C_out) / (S_in / C_in)
其中S是信号功率，C是杂波功率。
改善因子越高，说明MTI滤波器对杂波的抑制能力越强，同时保留信号的能力也越好。
实际工程中，改善因子受很多因素影响：
- 杂波谱宽： 杂波不是绝对静止的，比如风吹动的树木、海浪，都有一定的谱宽。谱宽越宽，MTI能抑制掉的杂波比例就越小，改善因子就会下降。
- 系统稳定性： 发射机频率抖动、接收机相位噪声、A/D量化误差等，都会引入额外的杂波谱展宽，降低改善因子。
- 脉冲重复频率（PRF）： PRF越高，盲速点越远，但也会带来距离模糊的问题。需要权衡。
我给大家一个经验数据：对于一次对消器，在理想情况下（杂波谱宽为0），改善因子可以做到30dB以上。但在实际系统中，受各种非理想因素影响，能到20dB就算不错了。二次对消器理论上可以再提高10dB左右，但代价是低速目标的检测能力下降。
注意事项：
改善因子不是越高越好。你想想看，如果为了追求高改善因子，把滤波器设计得特别窄，那运动目标稍微有点速度变化，就可能被滤掉。实际工程中，我们通常会在改善因子和速度响应之间做一个折中。我记得有一次调试某型雷达，为了把改善因子从25dB提到28dB，折腾了整整两周，最后发现对低速目标的检测概率下降了15%。得不偿失啊。
好了，这一章的内容就到这里。MTI是雷达信号处理的基础，虽然现在更先进的MTD（动目标检测）技术已经普及，但MTI的思想——利用相位差对消杂波——依然是核心。下一章我们讲MTD，也就是用一组多普勒滤波器组来替代简单的对消器，效果会更好。
大家有什么问题，欢迎在课后交流。