一、线性调频信号：雷达的“声音”密码
大家好，欢迎来到我们的雷达抗干扰实战课。
我是你们的老朋友，一个在雷达信号处理领域摸爬滚打十几年的工程师。今天咱们聊点最基础，但也最核心的东西——线性调频信号。
你可能会问，为什么非得用LFM？用个简单的单频脉冲不行吗？
嗯，这个问题我当年也问过导师。他笑了笑，让我去测一个目标，距离远一点，分辨率还要高。结果单频脉冲一打出去，要么距离模糊，要么分辨率惨不忍睹。说白了，鱼和熊掌不可兼得。但LFM，它就是个“作弊器”。
1.1 LFM信号长什么样？
线性调频信号，顾名思义，它的频率是随时间线性变化的。就像你吹口哨，从低音慢慢滑到高音，那个“呜——”的声音，就是频率在扫。
数学上，它长这样：
s(t) = A * rect(t/T) * exp(j * 2π * (f0 * t + 0.5 * K * t²))这里：
- A：幅度，一般归一化处理
- T：脉冲宽度，也就是信号持续的时间
- f0：起始频率
- K：调频斜率，K = B / T，B是带宽
- rect(t/T)：矩形窗，表示只在[-T/2, T/2]内有信号
我个人习惯把K看作“频率变化的速度”。K越大，频率扫得越快。
1.2 为什么叫“脉冲压缩”？
这里有个关键点。你发射一个宽脉冲（T很大），能量足，打得远。但宽脉冲的时间分辨率差，两个目标靠太近就分不清。
怎么办？
LFM的妙处在于，发射时是宽脉冲，接收后通过一个“匹配滤波器”，能把脉冲“压缩”成很窄的尖峰。宽度从T变成1/B。
我举个例子：你扔一块大石头到水里，波纹很大但扩散得慢。如果你扔一串小石子，波纹小但能看清每个落点。LFM相当于把大石头的能量，通过“压缩”变成了小石子的精度。
核心公式：
压缩后的脉冲宽度：τ = 1 / B
压缩比：D = T / τ = T * B
你看，T越大（能量越足），B越大（分辨率越高），压缩比D就越大。这就是LFM的精髓。
二、匹配滤波器：雷达的“最佳听众”
匹配滤波器，说白了就是一个“量身定做”的滤波器。它的冲激响应，是你发射信号的共轭反转。
为什么这么设计？
因为当信号通过匹配滤波器时，输出信噪比能达到最大。在噪声背景下，这是最聪明的检测方式。
我记得刚入行时，有个老工程师跟我说：“匹配滤波器就是雷达的耳朵，你得让它只听你想听的声音。” 当时不太理解，后来做项目多了，才明白这句话的分量。
2.1 匹配滤波器的实现
在数字域，匹配滤波器通常用FFT实现。流程如下：
- 对接收信号做FFT
- 乘以发射信号的共轭频谱
- 做IFFT回到时域
代码实现也很简单：
function y = matched_filter(rx, tx)
% rx: 接收信号
% tx: 发射信号（参考信号）
N = length(rx) + length(tx) - 1;
RX = fft(rx, N);
TX = fft(conj(flipud(tx)), N); % 共轭反转
y = ifft(RX .* TX);
end这里有个坑，我踩过。如果你直接用发射信号做匹配，而不做共轭反转，相位会乱掉，压缩效果出不来。嗯，这个细节一定要注意。
避坑指南：
我曾经在一个项目中，直接用发射信号做匹配，结果脉冲压缩后的旁瓣高得离谱。查了半天，发现是忘了做共轭反转。从那以后，我每次写匹配滤波代码，都会先检查参考信号的方向。
三、距离分辨率与带宽：一对“冤家”
距离分辨率，就是雷达能区分两个相邻目标的最小距离。公式很简单：
ΔR = c / (2 * B)
其中c是光速，B是信号带宽。
你看，分辨率只和带宽有关，和脉冲宽度T无关。这就是为什么LFM能“既要又要”——宽脉冲保证能量，大带宽保证分辨率。
3.1 带宽越大，分辨率越高
举个例子：
| 带宽 B | 距离分辨率 ΔR | 典型应用 |
|---|---|---|
| 1 MHz | 150 米 | 早期预警雷达 |
| 10 MHz | 15 米 | 气象雷达 |
| 100 MHz | 1.5 米 | 成像雷达 |
| 1 GHz | 0.15 米 | 高分辨成像 |
你想想看，要分辨一辆车（约4米长），带宽至少得37.5 MHz。要分辨一个人（约0.5米），带宽得300 MHz以上。
所以，做高分辨雷达，带宽就是命根子。
3.2 带宽的代价
但带宽不是越大越好。带宽大了，采样率就得高，ADC成本飙升。而且，大带宽信号容易受干扰，频谱资源也紧张。
我建议，在实际工程中，带宽的选择要综合考虑：
- 目标尺寸（需要多高的分辨率）
- 硬件成本（ADC、存储器）
- 频谱法规（哪些频段可用）
- 抗干扰需求（带宽越大，抗窄带干扰能力越强）
注意：
带宽不是唯一决定分辨率的因素。信号处理中的窗函数、旁瓣抑制算法，都会影响实际的分辨能力。我曾经在一个项目中，带宽给得很足，但用了矩形窗，旁瓣把弱目标淹没了。后来换了汉明窗，才把目标找出来。
四、实战中的一点感悟
讲了这么多理论，最后分享一点我的实战经验。
做雷达信号处理，尤其是抗干扰，LFM是最基础的“武器”。但很多人只记住了公式，忽略了工程细节。
比如：
- 匹配滤波器的旁瓣抑制，要不要加窗？加什么窗？
- 多目标场景下，压缩后的峰值会不会重叠？
- 干扰来了，LFM还能不能正常工作？
这些问题，我们后面的章节会一一拆解。
好了，这一章就到这里。记住一句话：LFM是雷达的“瑞士军刀”，匹配滤波器是它的“磨刀石”，带宽决定了你能看多清楚。
下一章，我们聊聊雷达抗干扰的“第一道防线”——时域抗干扰技术。到时候见。