第2章：雷达信号基础：连续波雷达、脉冲雷达、线性调频信号、雷达距离方程
各位同学，咱们今天聊聊雷达信号的基础。说实话，这部分内容看着有点枯燥，但它是后面所有深度学习分类方法的根基。你想想看，如果连雷达怎么发射信号、怎么接收回波都搞不清楚，那后面用神经网络去分类目标，不就是空中楼阁吗？
我个人习惯，讲基础的时候一定要把物理概念先捋顺。咱们从最简单的雷达体制开始。
2.1 连续波雷达
连续波雷达，英文叫 Continuous Wave Radar，简称 CW 雷达。说白了，就是雷达一直发射信号，一直接收信号。它不关机，像个永不停歇的哨兵。
工作原理
发射机持续发射一个单频正弦波。如果目标静止，回波频率和发射频率一样。但目标一旦运动，就会产生多普勒频移。这个频移量正比于目标的径向速度。
核心公式：多普勒频移 fd = 2v / λ
其中 v 是径向速度，λ 是波长。
优点：
- 结构简单，成本低
- 没有距离盲区
- 可以测量极低速度的目标
缺点：
- 无法测量距离！这是硬伤
- 收发隔离困难，发射功率大了容易烧接收机
我的经验：我在做车载雷达项目时，用过连续波雷达做速度测量。当时有个坑——连续波雷达只能测速度，不能测距离。所以后来我们改用了调频连续波（FMCW）雷达。嗯，这里要注意，如果你只需要速度信息，CW 雷达是性价比最高的选择。
2.2 脉冲雷达
脉冲雷达是目前最主流的雷达体制。它不像连续波那样一直发射，而是发射一个短脉冲，然后关掉发射机，等待回波。
工作原理
发射一个宽度为 τ 的脉冲，然后等待回波。通过测量发射脉冲和回波之间的时间延迟 Δt，就可以计算出目标距离：
距离公式：R = c × Δt / 2
c 是光速，除以2是因为电磁波走了个来回。
关键参数：
| 参数 | 符号 | 含义 | 我的建议 |
|---|---|---|---|
| 脉冲宽度 | τ | 发射脉冲的时间长度 | 越短距离分辨率越高，但能量越小 |
| 脉冲重复周期 | PRI | 两个脉冲之间的时间间隔 | 决定了最大不模糊距离 |
| 脉冲重复频率 | PRF | PRI 的倒数 | 越高多普勒测量越好，但距离模糊 |
避坑指南：我曾经在项目里吃过亏——脉冲宽度选得太窄，导致回波能量太弱，目标根本检测不到。后来我学乖了，对于远距离目标，适当增加脉冲宽度，或者用脉冲积累技术。记住，脉冲雷达的设计就是一场折中游戏。
2.3 线性调频信号
线性调频信号，英文叫 Linear Frequency Modulation，简称 LFM。它是脉冲雷达里最常用的信号形式。为什么？因为它能同时解决距离分辨率和能量的问题。
为什么需要 LFM？
你想想看，如果我用一个很窄的脉冲，距离分辨率确实好，但能量太小，探测距离不够。如果我用宽脉冲，能量够了，但距离分辨率又差了。怎么办？
LFM 的妙处在于：脉冲宽度可以很宽（能量大），但通过频率调制，等效带宽很大（分辨率高）。这就是所谓的「脉冲压缩」技术。
LFM 信号表达式：
s(t) = A · rect(t/τ) · exp(j2πf₀t + jπKt²)其中 K = B/τ 是调频斜率，B 是带宽，τ 是脉冲宽度。
脉冲压缩后的距离分辨率：
ΔR = c / (2B)
看到了吗？分辨率只和带宽 B 有关，和脉冲宽度 τ 无关！这就是 LFM 的神奇之处。
我的经验：在做 SAR 成像时，LFM 信号是标配。我记得有一次调试，脉冲压缩后的旁瓣太高，导致弱目标被强目标的旁瓣淹没。后来加了窗函数（比如汉明窗），旁瓣压下去了，但主瓣也展宽了一点。嗯，这就是代价。
2.4 雷达距离方程
雷达距离方程，是雷达系统设计的「圣经」。它告诉你：发射功率、天线增益、目标距离、接收灵敏度之间是什么关系。
标准形式：
P_r = (P_t · G_t · G_r · λ² · σ) / ((4π)³ · R⁴ · L)其中：
- P_r：接收功率
- P_t：发射功率
- G_t、G_r：发射、接收天线增益
- λ：波长
- σ：目标雷达截面积（RCS）
- R：目标距离
- L：系统损耗
这个方程告诉我们什么？
- 距离的四次方衰减：距离增加一倍，接收功率衰减到 1/16。这就是为什么远距离探测那么难。
- RCS 的重要性：隐身飞机的 RCS 很小，所以很难被探测到。
- 天线增益的平方关系：提高天线增益，效果非常显著。
避坑指南：我曾经在仿真时忽略了系统损耗 L，结果实际测试时发现探测距离比理论值少了 30%。后来一查，馈线损耗、大气衰减、接收机噪声系数，这些加起来轻松吃掉几个 dB。所以做系统设计时，一定要留余量。
2.5 小结与思考
好了，这一章的内容就这些。咱们回顾一下：
- 连续波雷达：只能测速，不能测距
- 脉冲雷达：通过时延测距，但需要折中设计
- 线性调频信号：脉冲压缩技术，兼顾能量和分辨率
- 雷达距离方程：系统设计的根本依据
最后留个思考题：如果你要用深度学习对雷达目标进行分类，你觉得应该用哪种雷达体制？为什么？我个人觉得，脉冲雷达配合 LFM 信号是最合适的，因为它能同时提供距离和速度信息，而且距离分辨率高，有利于后续的目标特征提取。
下一章，咱们聊聊雷达目标检测的基本方法，为后面的深度学习分类打好基础。