尧图网站建设 
简介一套面向雷达与通信信号处理学习者的MATLAB代码包聚焦线性调频LFM信号的模糊函数计算与可视化适合需要理解信号时频特性、评估雷达波形分辨能力的本科生、研究生或工程师。压缩包共3个文件均为m脚本整体仅1KB轻量易读三个脚本分别处理单频脉冲、线性调频单脉冲和线性调频脉冲串的模糊函数从单频脉冲到脉冲串的递进设计便于循序渐进掌握波形参数的影响也可从主瓣宽度、零点分布、旁瓣水平等角度直观对比不同波形的时频分辨率与目标分辨能力。代码支持自定义初始频率、频扫率、脉冲宽度等参数重新运行即可观察参数改变对模糊函数倾斜方向、测距测速耦合的影响便于将理论与工程应用联系起来。已有404人学习下载既可辅助雷达信号处理课程设计与科研预研也可作为波形设计、目标检测与分辨能力评估的二次开发模板。1. 为什么 LFM 波形好不好先看模糊函数图拿到一个新的雷达波形我一般不会盯着时域波形看而是先让 MATLAB 把它的模糊函数图画出来。模糊函数衡量的是发射信号对目标时延和多普勒的联合分辨能力相当于把匹配滤波输出铺成一张二维地图。对 LFM 信号来说这张图里会有一条非常显眼的斜“刀刃”刀刃走向由调频斜率决定刀刃越薄说明距离和多普勒分辨能力越好刀刃偏离坐标轴则把多普勒-时延耦合暴露得一清二楚。用 MATLAB 计算并绘制 LFM 信号模糊函数图是波形设计从“拍脑袋选参数”转向“可量化判断”的关键一步。下文把信号生成、模糊函数计算、画图到参数调节的完整链路拆开讲适合雷达信号处理工程师、通信感知一体化方向的研究生以及正在做波形设计相关毕设的同学直接照着跑。2. LFM 的模糊函数理论复基带模型与“斜刀刃”从哪来画图之前先要把信号模型和模糊函数定义对齐否则后面所有坐标轴都会跟着错。这里的 LFM 是线性调频也叫 Chirp是雷达里最常用的脉压波形。2.1 LFM 信号的复基带表达式与三个基础参数LFM 信号最常见的复基带形式如下s(t) rect(t / T) * exp(j * pi * K * t^2) , t ∈ [-T/2, T/2]rect 是矩形窗T 是脉宽B 是带宽K B / T 是调频斜率。相位 θ(t) πKt²瞬时频率等于相位对时间的导数除以 2π即 f(t) Kt线性地从 -B/2 扫到 B/2。这个 B 是基带带宽不是射频载频附近的绝对带宽。本文后续示例采用一组经典参数T 100 μsB 10 MHz这样 K 1e11 Hz/s时宽带宽积 TB 1000。TB 越大模糊函数的主瓣越窄、刀刃越长波形的脉冲压缩比也越大这是 LFM 区别于简单单频脉冲的核心。参数符号本文取值对模糊函数的影响脉宽T100 μs决定多普勒主瓣宽度约 2/T带宽B10 MHz决定时延主瓣宽度约 1/B调频斜率K1e11 Hz/s决定刀刃方向耦合系数 fd Kτ时宽带宽积TB1000越大刀刃越长越薄用 MATLAB 生成这个复基带信号只要五行T 100e-6; % 脉宽 100 us B 10e6; % 带宽 10 MHz fs 40e6; % 采样率 40 MHz K B / T; % 调频斜率 1e11 Hz/s t (0:round(T*fs)-1) / fs - T/2; % 以脉冲中心为零点 s exp(1j * pi * K * t.^2); % 复基带 LFM注意相位系数是 pi 而不是 2*pi。写成 exp(1j * 2 * pi * K * t.^2) 会让瞬时频率变成 2Kt实际带宽翻倍成 2B后面匹配滤波、模糊函数刀刃方向全都会偏。这个坑在排错章节还会再提。2.2 模糊函数的定义从一维互相关到二维互相关模糊函数是信号 s(t) 与自身时延-多普勒副本的二维互相关常用定义如下chi(tau, fd) ∫ s(t) * conj(s(t - tau)) * exp(-j * 2 * pi * fd * t) dt其中 tau 是时延fd 是多普勒频率。这个式子可以拆成两步理解先对信号做时延 tau 的共轭相乘也就是自相关核再对这个核做傅里叶变换得到不同多普勒频率上的响应。所以模糊函数本质上是一组“带多普勒失配的自相关函数”。两个退化切面很有用。fd 0 时chi(tau, 0) 退化为普通自相关函数对应匹配滤波器零多普勒输出tau 0 时chi(0, fd) 描述的是只存在多普勒失配、没有时延失配时的峰值衰减。真正的匹配滤波二维输出就是模糊函数本身区别只在幅度归一化和时延参考点。不同教材对模糊函数的定义有细节差异画图前要心里有数定义差异常见写法对幅值图的影响积分核符号exp(-j2πfd t) 或 exp(j2πfd t)绝对幅度一致fd 轴可能左右翻转共轭对象conj(s(t-tau)) 或 conj(s(ttau))tau 轴左右翻转幅度不变时延中心常用 t 或 (ttau/2) 对称形式对称定义会平移 tau 轴幅度谱不变归一化除以信号能量或最大值本文归一化到最大值便于看 -3dB 轮廓对只看 |chi(tau, fd)| 的工程场景这些差异不改变分辨率、旁瓣位置和刀刃方向MATLAB 里任选一套自洽即可。2.3 刀刃的数学来源多普勒-时延耦合把 LFM 信号代入自相关核能得到一个非常直观的结果s(t) * conj(s(t - tau)) exp(j * pi * K * (t^2 - (t - tau)^2)) exp(j * 2 * pi * K * tau * t - j * pi * K * tau^2)第二项 -jπKτ² 是固定相位不影响幅度第一项是一个频率为 Kτ 的复指数。对这个核做傅里叶变换时只有当多普勒频率 fd 与 Kτ 接近时积分才会显著不为零。于是模糊函数的能量集中出现在fd ≈ K * tau这条直线就是 LFM 模糊函数里的“斜刀刃”。K 越大刀刃越陡TB 越大刀刃越细长。信号沿时延方向的主瓣宽度约为 1/B沿多普勒方向的主瓣宽度约为 2/T所以 LFM 的模糊函数不是一个图钉而是一条倾斜的窄脊线这是它无法同时消除“距离模糊”和“多普勒模糊”的根本原因。这个耦合也直接反映在工程上如果目标存在多普勒频移 fd匹配滤波输出的时延峰值会偏移 fd/K。用本文参数计算fd 10 kHz 时峰值时延偏移约 0.1 μs折算成单程距离约 15 m。这就是雷达原理教材里常说的“LFM 距离-多普勒耦合”在模糊函数图上就是刀刃上每一点对应的物理含义。3. MATLAB 计算 LFM 模糊函数图完整代码与坐标标定这一章直接给能跑通的代码。算法上采用最稳妥的“时延逐点扫描 FFT 一次算出多普勒维”方式不做任何近似代码短且容易验证。3.1 核心计算函数lfm_amb.m先写一个独立函数之后所有画图都复用它function [af, tau, fd] lfm_amb(s, fs, fftlen, taumax) % 计算复基带信号 s 的模糊函数幅度谱 % s : 1xN 复基带 LFM 信号 % fs : 采样率, 单位 Hz % fftlen : 多普勒维 FFT 点数, 全貌图建议 2048 % taumax : 时延轴最大偏移, 单位 s; 默认取整个信号时长 N numel(s); if nargin 4 taumax N / fs; end L min(round(taumax * fs), N - 1); % 最大时延对应的采样点数 shifts -L:L; % 线性移位量序列 tau shifts / fs; % 时延轴, 单位 s M fftlen; af zeros(M, 2*L1); % 每列是同一时延下的多普勒截面 for i 1:numel(shifts) d shifts(i); s_shift zeros(1, N); % 线性移位, 不是循环移位 if d 0 s_shift(d1:N) s(1:N-d); % 信号右移 d 个采样点 else s_shift(1:Nd) s(-d1:N); % 信号左移 |d| 个采样点 end r s .* conj(s_shift); % 自相关核 af(:, i) fftshift(fft(r, M)); % FFT 得到该时延下全部多普勒通道 end af abs(af) / max(abs(af(:))); % 以原点峰值归一化 fd (-M/2:M/2-1) * (fs / M); % 多普勒轴, 单位 Hz end这个函数的计算复杂度是 O((2L1) * M * log M)。外层 only 遍历时延偏移内层用一次 FFT 把整个多普勒维算完比暴力三重循环快几个数量级。fftshift 的作用是把零多普勒通道放到数组正中央这样 fd 轴就是负值在左、正值在右。输出 af 的尺寸是 fftlen × (2L1)行对应多普勒列对应时延与 mesh 函数要求的 X、Y、Z 维度一致。3.2 全貌图与主瓣放大图先看走向再看细节主脚本把信号生成、全貌图、主瓣图一次画完T 100e-6; B 10e6; fs 40e6; K B / T; N round(T * fs); t (0:N-1) / fs - T/2; s exp(1j * pi * K * t.^2); % 全貌图: 时延覆盖 ±T, 多普勒用 2048 点 FFT [af, tau, fd] lfm_amb(s, fs, 2048, T); figure; mesh(tau*1e6, fd*1e-3, af); xlabel(时延 \tau (\mus)); ylabel(多普勒 f_d (kHz)); zlabel(|\chi(\tau, f_d)|); title(LFM 模糊函数全貌);这段跑完后会看到一个细长的斜面有时看起来像一条线这是正常的因为 TB 1000 时刀刃太薄线性幅度下几乎看不到厚度。想看清楚主瓣的三维形态用放大模式时延轴只保留 ±3/B多普勒 FFT 点数加到 32768[af2, tau2, fd2] lfm_amb(s, fs, 32768, 3/B); idx abs(fd2) 3/T; % 多普勒轴裁剪到 ±3/T 附近 figure; surf(tau2*1e6, fd2(idx)*1e-3, af2(idx,:), EdgeColor, none); xlabel(时延 \tau (\mus)); ylabel(多普勒 f_d (kHz)); zlabel(|\chi(\tau, f_d)|); title(LFM 模糊函数主瓣放大);surf 配合 EdgeColor 设为 none会得到平滑的着色曲面比 mesh 更适合表现主瓣的“鼓包”形状。之所以敢把 fftlen 加到 32768是因为时延轴只留了很少的列内存不会爆炸这一点在第四章末尾专门算账。3.3 四种画图方式与适用场景MATLAB 里画模糊函数常见的有 mesh、surf、imagesc、contour 四种各有各的用途。绘图方式适合展示的内容常见注意点mesh三维线框看刀刃走向和旁瓣起伏数据点多时卡可隔点采样surf EdgeColor none平滑三维曲面适合主瓣局部颜色条加 caxis 控制动态范围imagesc俯视二维强度图适合报告与对比加 axis xy配合 dB 显示contour等高线适合提取 -3dB/主瓣边界数据网格需要较密imagesc 配合 dB 显示是工程上最常用的“一眼看清旁瓣”的方式af_db 20 * log10(af eps); figure; imagesc(tau*1e6, fd*1e-3, af_db); axis xy; caxis([-40 0]); % 只看 40dB 动态范围 colormap(jet); colorbar; xlabel(时延 \tau (\mus)); ylabel(多普勒 f_d (kHz)); title(LFM 模糊函数俯视图(dB));加 eps 是为了避免 log10(0) 出现 -Inf。动态范围压在 40dB能同时看到主瓣和第一旁瓣又不至于被数值噪声淹没。如果旁瓣结构看不清可以再把 caxis 下限改到 -60。3.4 时延轴和多普勒轴的标定公式轴标定比画图本身更容易出错。两条轴的换算关系固定如下坐标轴相邻点间隔覆盖范围本文示例时延 τΔτ 1 / fs±taumax全貌 ±100 μs主瓣 ±300 ns多普勒 fdΔfd fs / fftlen±fs / 2全貌 ±20 MHz裁剪后 ±30 kHz注意多普勒轴物理范围是 ±fs/2但刀刃本身只占据 ±B 附近一段。全貌图如果不做任何裁剪整个刀刃会变成贴在地面上的一条细线所以画全貌图时按 idx 截取 fd 到 ±1.2B 附近是常见做法画主瓣图时要裁剪到 ±3/T 才能看到多普勒方向的鼓包厚度。4. 模糊函数图的参数设置与常见坑采样率、轴范围与内存控制代码跑通只是第一步真正判断一张模糊函数图算得对不对要回到参数设置和常见坑上。下面这些是我在实际画图时踩过、也给同事排查过的点。4.1 采样率与带宽的配套选择fs 2B 起步从采样定理角度看复基带 LFM 带宽 B理论采样率只要 fs ≥ B。但模糊函数计算需要对信号做整数采样点移位时延分辨率就是 1/fs因此主瓣宽度 1/B 内能容纳的采样点数等于 fs/B。如果 fs B主瓣只有两个采样点画出来是方形的无法做 -3dB 切片测量。所以工程上画模糊函数通常用 fs 2B 到 4B兼顾计算量和视觉平滑度。几组典型参数对应的观感差异TBfsTB 积观察到的现象10 μs1 MHz4 MHz10刀刃短而粗耦合不明显100 μs10 MHz40 MHz1000长刀刃切面主瓣很薄1 ms50 MHz200 MHz50000刀刃极薄内存压力大fs 不是越高越好。fs 翻倍时延列数 2L1 跟着翻倍af 矩阵尺寸线性增长计算时间也近似线性增长。对于 B 10 MHz 的信号fs 40 MHz 已经足够再高只会更平滑不会带来额外物理信息。4.2 用两个切面验证距离分辨率和多普勒分辨率验证计算是否正确的最快办法是把模糊函数在零时延和零多普勒处切一刀和理论值对比。本文例子中零多普勒时延切面的 -3dB 宽度应接近 1/B 100 ns零时延多普勒切面的 -3dB 宽度应接近 0.886/T ≈ 8.9 kHz主瓣第一零点约在 ±1/T ±10 kHz。[~, i0] min(abs(tau2)); % 找零时延所在列 [~, j0] min(abs(fd2(idx))); % 找零多普勒所在行 fd_cut fd2(idx); figure; plot(fd_cut*1e-3, af2(idx, i0)); xlabel(多普勒 f_d (kHz)); ylabel(|\chi(0, f_d)|); title(零时延多普勒切面); figure; plot(tau2*1e6, af2(j0, :)); xlabel(时延 \tau (\mus)); ylabel(|\chi(\tau, 0)|); title(零多普勒时延切面);如果这两条曲线的峰值不在原点说明信号中心没对齐检查 t 是否减去了 T/2如果切面宽度明显大于理论值优先怀疑 fftlen 不够导致多普勒轴分辨率太粗或者 fs 太低导致时延轴采样点太少。4.3 四个高频踩坑相位系数、循环移位、多普勒裁剪、内存第一个坑是相位系数。写成 exp(1j * 2 * pi * K * t.^2)带宽变成 2B刀刃斜率变成 2K整张图都变陡。用瞬时频率表达式自检对 exp(jπKt²) 求导后除以 2π得到 Kt正好覆盖 ±B/2。第二个坑是误用 circshift 代替线性移位。circshift 会把信号尾部绕到头部相当于在时域上做了周期延拓模糊函数里会出现一条不该有的环形亮带旁瓣结构完全失真。正确做法如 lfm_amb.m 中那样用 zeros 补出空缺部分。第三个坑是多普勒轴没有裁剪。全貌图直接 mesh(tau, fd, af) 时fd 轴范围是 ±20 MHz刀刃只占中间 ±10 MHz 的一小部分看上去就是一条扁线很容易被误判成程序 bug。处理方式前面已经给过全貌图截 ±1.2B放大图截 ±3/T。第四个坑是内存失控。af 在 abs 之前是复数矩阵每个元素占 16 字节FFT 中间结果还会额外占一份。盲目把 fftlen 和 taumax 同时拉满16 GB 内存的机器也会卡死。4.4 内存估算表先全貌后放大才是正解以下内存按存储复数 af 的峰值估算即 fftlen × (2L1) × 16 字节abs 之后占一半场景fftlentaumaxaf 尺寸峰值内存全貌2048T2048 × 7999约 262 MB全貌4096T4096 × 7999约 524 MB主瓣81922/B8192 × 17约 2.2 MB主瓣327683/B32768 × 25约 13 MB从表里能看出一个明确策略先用 taumax T、fftlen 2048 的低分辨率全貌图确定刀刃走向和大致旁瓣位置再用小 taumax、大 fftlen 的高分辨率模式放大主瓣。这样内存峰值始终可控画出来的图还比一次硬算全分辨率更平滑。如果需要反复改参数建议把 af 在 abs 之后转成 single内存再减半对绘图精度没有任何可感知影响。5. 把 LFM 模糊函数图用起来切片自检、等高线与批量出图模糊函数图画出来不是终点怎么从图里读出波形参数、怎么批量出报告图才是日常工作里真正花时间的部分。5.1 成图前的三个快速自检项每次算完模糊函数先用三件事确认结果可用峰值是否在 (0, 0) 且归一化后等于 1不在原点说明信号时间窗没有中心对齐零多普勒切面主瓣宽度是否接近 1/B偏差超过 10% 要检查采样率和 FFT 长度旁瓣是否在 -13.2 dB 附近这是未加窗 LFM 的典型距离旁瓣水平如果高出很多说明有截断泄漏或循环移位污染。5.2 用 -3dB 等高线量化分辨椭圆模糊函数的 -3dB 轮廓形状可以用 regionprops 直接提取用于量化“距离-多普勒分辨椭圆”af_db 20 * log10(af2 eps); mask af_db -3; % 提取 -3dB 以上区域 stats regionprops(mask, MajorAxisLength, MinorAxisLength, ... Orientation, Centroid);得到的 MajorAxisLength 和 MinorAxisLength 是像素数要分别乘以时延轴步长 Δτ 和多普勒轴步长 Δfd 才变成物理单位。LFM 的轮廓应该是一个狭长椭圆长轴方向由调频斜率 K 决定长短轴比例随 TB 增大而增大。如果想做波形参数寻优完全可以把“长短轴比例最小”作为目标函数丢进 MATLAB 优化工具箱里搜索 T 和 B 的组合比肉眼对比清晰得多。5.3 批量改参数出图并导出 EPS/PNG论文和报告里通常需要同一组参数下多张对比图。用循环批量生成并导出是标准做法for fftlen [1024 2048 4096] [af, tau, fd] lfm_amb(s, fs, fftlen, T); figure(Visible, off); imagesc(tau*1e6, fd*1e-3, 20*log10(af eps)); caxis([-40 0]); axis xy; colorbar; title(sprintf(FFT length %d, fftlen)); exportgraphics(gcf, sprintf(lfm_af_fft%d.png, fftlen), Resolution, 300); end导出矢量图时新版本 MATLAB 用 exportgraphics(gcf, lfm_af.eps) 即可线宽和字体与屏幕上一致老版本兼容写法是 print(-depsc2, lfm_af.eps)。所有图把 caxis 固定在 [-40 0]这样不同参数之间的旁瓣水平才有可比性不会因为自动色标产生误导。本文还有配套的精品资源点击获取 MATLAB绘制LFM信号模糊函数图：从理论到代码实践
简介一套面向雷达与通信信号处理学习者的MATLAB代码包聚焦线性调频LFM信号的模糊函数计算与可视化适合需要理解信号时频特性、评估雷达波形分辨能力的本科生、研究生或工程师。压缩包共3个文件均为m脚本整体仅1KB轻量易读三个脚本分别处理单频脉冲、线性调频单脉冲和线性调频脉冲串的模糊函数从单频脉冲到脉冲串的递进设计便于循序渐进掌握波形参数的影响也可从主瓣宽度、零点分布、旁瓣水平等角度直观对比不同波形的时频分辨率与目标分辨能力。代码支持自定义初始频率、频扫率、脉冲宽度等参数重新运行即可观察参数改变对模糊函数倾斜方向、测距测速耦合的影响便于将理论与工程应用联系起来。已有404人学习下载既可辅助雷达信号处理课程设计与科研预研也可作为波形设计、目标检测与分辨能力评估的二次开发模板。1. 为什么 LFM 波形好不好先看模糊函数图拿到一个新的雷达波形我一般不会盯着时域波形看而是先让 MATLAB 把它的模糊函数图画出来。模糊函数衡量的是发射信号对目标时延和多普勒的联合分辨能力相当于把匹配滤波输出铺成一张二维地图。对 LFM 信号来说这张图里会有一条非常显眼的斜“刀刃”刀刃走向由调频斜率决定刀刃越薄说明距离和多普勒分辨能力越好刀刃偏离坐标轴则把多普勒-时延耦合暴露得一清二楚。用 MATLAB 计算并绘制 LFM 信号模糊函数图是波形设计从“拍脑袋选参数”转向“可量化判断”的关键一步。下文把信号生成、模糊函数计算、画图到参数调节的完整链路拆开讲适合雷达信号处理工程师、通信感知一体化方向的研究生以及正在做波形设计相关毕设的同学直接照着跑。2. LFM 的模糊函数理论复基带模型与“斜刀刃”从哪来画图之前先要把信号模型和模糊函数定义对齐否则后面所有坐标轴都会跟着错。这里的 LFM 是线性调频也叫 Chirp是雷达里最常用的脉压波形。2.1 LFM 信号的复基带表达式与三个基础参数LFM 信号最常见的复基带形式如下s(t) rect(t / T) * exp(j * pi * K * t^2) , t ∈ [-T/2, T/2]rect 是矩形窗T 是脉宽B 是带宽K B / T 是调频斜率。相位 θ(t) πKt²瞬时频率等于相位对时间的导数除以 2π即 f(t) Kt线性地从 -B/2 扫到 B/2。这个 B 是基带带宽不是射频载频附近的绝对带宽。本文后续示例采用一组经典参数T 100 μsB 10 MHz这样 K 1e11 Hz/s时宽带宽积 TB 1000。TB 越大模糊函数的主瓣越窄、刀刃越长波形的脉冲压缩比也越大这是 LFM 区别于简单单频脉冲的核心。参数符号本文取值对模糊函数的影响脉宽T100 μs决定多普勒主瓣宽度约 2/T带宽B10 MHz决定时延主瓣宽度约 1/B调频斜率K1e11 Hz/s决定刀刃方向耦合系数 fd Kτ时宽带宽积TB1000越大刀刃越长越薄用 MATLAB 生成这个复基带信号只要五行T 100e-6; % 脉宽 100 us B 10e6; % 带宽 10 MHz fs 40e6; % 采样率 40 MHz K B / T; % 调频斜率 1e11 Hz/s t (0:round(T*fs)-1) / fs - T/2; % 以脉冲中心为零点 s exp(1j * pi * K * t.^2); % 复基带 LFM注意相位系数是 pi 而不是 2*pi。写成 exp(1j * 2 * pi * K * t.^2) 会让瞬时频率变成 2Kt实际带宽翻倍成 2B后面匹配滤波、模糊函数刀刃方向全都会偏。这个坑在排错章节还会再提。2.2 模糊函数的定义从一维互相关到二维互相关模糊函数是信号 s(t) 与自身时延-多普勒副本的二维互相关常用定义如下chi(tau, fd) ∫ s(t) * conj(s(t - tau)) * exp(-j * 2 * pi * fd * t) dt其中 tau 是时延fd 是多普勒频率。这个式子可以拆成两步理解先对信号做时延 tau 的共轭相乘也就是自相关核再对这个核做傅里叶变换得到不同多普勒频率上的响应。所以模糊函数本质上是一组“带多普勒失配的自相关函数”。两个退化切面很有用。fd 0 时chi(tau, 0) 退化为普通自相关函数对应匹配滤波器零多普勒输出tau 0 时chi(0, fd) 描述的是只存在多普勒失配、没有时延失配时的峰值衰减。真正的匹配滤波二维输出就是模糊函数本身区别只在幅度归一化和时延参考点。不同教材对模糊函数的定义有细节差异画图前要心里有数定义差异常见写法对幅值图的影响积分核符号exp(-j2πfd t) 或 exp(j2πfd t)绝对幅度一致fd 轴可能左右翻转共轭对象conj(s(t-tau)) 或 conj(s(ttau))tau 轴左右翻转幅度不变时延中心常用 t 或 (ttau/2) 对称形式对称定义会平移 tau 轴幅度谱不变归一化除以信号能量或最大值本文归一化到最大值便于看 -3dB 轮廓对只看 |chi(tau, fd)| 的工程场景这些差异不改变分辨率、旁瓣位置和刀刃方向MATLAB 里任选一套自洽即可。2.3 刀刃的数学来源多普勒-时延耦合把 LFM 信号代入自相关核能得到一个非常直观的结果s(t) * conj(s(t - tau)) exp(j * pi * K * (t^2 - (t - tau)^2)) exp(j * 2 * pi * K * tau * t - j * pi * K * tau^2)第二项 -jπKτ² 是固定相位不影响幅度第一项是一个频率为 Kτ 的复指数。对这个核做傅里叶变换时只有当多普勒频率 fd 与 Kτ 接近时积分才会显著不为零。于是模糊函数的能量集中出现在fd ≈ K * tau这条直线就是 LFM 模糊函数里的“斜刀刃”。K 越大刀刃越陡TB 越大刀刃越细长。信号沿时延方向的主瓣宽度约为 1/B沿多普勒方向的主瓣宽度约为 2/T所以 LFM 的模糊函数不是一个图钉而是一条倾斜的窄脊线这是它无法同时消除“距离模糊”和“多普勒模糊”的根本原因。这个耦合也直接反映在工程上如果目标存在多普勒频移 fd匹配滤波输出的时延峰值会偏移 fd/K。用本文参数计算fd 10 kHz 时峰值时延偏移约 0.1 μs折算成单程距离约 15 m。这就是雷达原理教材里常说的“LFM 距离-多普勒耦合”在模糊函数图上就是刀刃上每一点对应的物理含义。3. MATLAB 计算 LFM 模糊函数图完整代码与坐标标定这一章直接给能跑通的代码。算法上采用最稳妥的“时延逐点扫描 FFT 一次算出多普勒维”方式不做任何近似代码短且容易验证。3.1 核心计算函数lfm_amb.m先写一个独立函数之后所有画图都复用它function [af, tau, fd] lfm_amb(s, fs, fftlen, taumax) % 计算复基带信号 s 的模糊函数幅度谱 % s : 1xN 复基带 LFM 信号 % fs : 采样率, 单位 Hz % fftlen : 多普勒维 FFT 点数, 全貌图建议 2048 % taumax : 时延轴最大偏移, 单位 s; 默认取整个信号时长 N numel(s); if nargin 4 taumax N / fs; end L min(round(taumax * fs), N - 1); % 最大时延对应的采样点数 shifts -L:L; % 线性移位量序列 tau shifts / fs; % 时延轴, 单位 s M fftlen; af zeros(M, 2*L1); % 每列是同一时延下的多普勒截面 for i 1:numel(shifts) d shifts(i); s_shift zeros(1, N); % 线性移位, 不是循环移位 if d 0 s_shift(d1:N) s(1:N-d); % 信号右移 d 个采样点 else s_shift(1:Nd) s(-d1:N); % 信号左移 |d| 个采样点 end r s .* conj(s_shift); % 自相关核 af(:, i) fftshift(fft(r, M)); % FFT 得到该时延下全部多普勒通道 end af abs(af) / max(abs(af(:))); % 以原点峰值归一化 fd (-M/2:M/2-1) * (fs / M); % 多普勒轴, 单位 Hz end这个函数的计算复杂度是 O((2L1) * M * log M)。外层 only 遍历时延偏移内层用一次 FFT 把整个多普勒维算完比暴力三重循环快几个数量级。fftshift 的作用是把零多普勒通道放到数组正中央这样 fd 轴就是负值在左、正值在右。输出 af 的尺寸是 fftlen × (2L1)行对应多普勒列对应时延与 mesh 函数要求的 X、Y、Z 维度一致。3.2 全貌图与主瓣放大图先看走向再看细节主脚本把信号生成、全貌图、主瓣图一次画完T 100e-6; B 10e6; fs 40e6; K B / T; N round(T * fs); t (0:N-1) / fs - T/2; s exp(1j * pi * K * t.^2); % 全貌图: 时延覆盖 ±T, 多普勒用 2048 点 FFT [af, tau, fd] lfm_amb(s, fs, 2048, T); figure; mesh(tau*1e6, fd*1e-3, af); xlabel(时延 \tau (\mus)); ylabel(多普勒 f_d (kHz)); zlabel(|\chi(\tau, f_d)|); title(LFM 模糊函数全貌);这段跑完后会看到一个细长的斜面有时看起来像一条线这是正常的因为 TB 1000 时刀刃太薄线性幅度下几乎看不到厚度。想看清楚主瓣的三维形态用放大模式时延轴只保留 ±3/B多普勒 FFT 点数加到 32768[af2, tau2, fd2] lfm_amb(s, fs, 32768, 3/B); idx abs(fd2) 3/T; % 多普勒轴裁剪到 ±3/T 附近 figure; surf(tau2*1e6, fd2(idx)*1e-3, af2(idx,:), EdgeColor, none); xlabel(时延 \tau (\mus)); ylabel(多普勒 f_d (kHz)); zlabel(|\chi(\tau, f_d)|); title(LFM 模糊函数主瓣放大);surf 配合 EdgeColor 设为 none会得到平滑的着色曲面比 mesh 更适合表现主瓣的“鼓包”形状。之所以敢把 fftlen 加到 32768是因为时延轴只留了很少的列内存不会爆炸这一点在第四章末尾专门算账。3.3 四种画图方式与适用场景MATLAB 里画模糊函数常见的有 mesh、surf、imagesc、contour 四种各有各的用途。绘图方式适合展示的内容常见注意点mesh三维线框看刀刃走向和旁瓣起伏数据点多时卡可隔点采样surf EdgeColor none平滑三维曲面适合主瓣局部颜色条加 caxis 控制动态范围imagesc俯视二维强度图适合报告与对比加 axis xy配合 dB 显示contour等高线适合提取 -3dB/主瓣边界数据网格需要较密imagesc 配合 dB 显示是工程上最常用的“一眼看清旁瓣”的方式af_db 20 * log10(af eps); figure; imagesc(tau*1e6, fd*1e-3, af_db); axis xy; caxis([-40 0]); % 只看 40dB 动态范围 colormap(jet); colorbar; xlabel(时延 \tau (\mus)); ylabel(多普勒 f_d (kHz)); title(LFM 模糊函数俯视图(dB));加 eps 是为了避免 log10(0) 出现 -Inf。动态范围压在 40dB能同时看到主瓣和第一旁瓣又不至于被数值噪声淹没。如果旁瓣结构看不清可以再把 caxis 下限改到 -60。3.4 时延轴和多普勒轴的标定公式轴标定比画图本身更容易出错。两条轴的换算关系固定如下坐标轴相邻点间隔覆盖范围本文示例时延 τΔτ 1 / fs±taumax全貌 ±100 μs主瓣 ±300 ns多普勒 fdΔfd fs / fftlen±fs / 2全貌 ±20 MHz裁剪后 ±30 kHz注意多普勒轴物理范围是 ±fs/2但刀刃本身只占据 ±B 附近一段。全貌图如果不做任何裁剪整个刀刃会变成贴在地面上的一条细线所以画全貌图时按 idx 截取 fd 到 ±1.2B 附近是常见做法画主瓣图时要裁剪到 ±3/T 才能看到多普勒方向的鼓包厚度。4. 模糊函数图的参数设置与常见坑采样率、轴范围与内存控制代码跑通只是第一步真正判断一张模糊函数图算得对不对要回到参数设置和常见坑上。下面这些是我在实际画图时踩过、也给同事排查过的点。4.1 采样率与带宽的配套选择fs 2B 起步从采样定理角度看复基带 LFM 带宽 B理论采样率只要 fs ≥ B。但模糊函数计算需要对信号做整数采样点移位时延分辨率就是 1/fs因此主瓣宽度 1/B 内能容纳的采样点数等于 fs/B。如果 fs B主瓣只有两个采样点画出来是方形的无法做 -3dB 切片测量。所以工程上画模糊函数通常用 fs 2B 到 4B兼顾计算量和视觉平滑度。几组典型参数对应的观感差异TBfsTB 积观察到的现象10 μs1 MHz4 MHz10刀刃短而粗耦合不明显100 μs10 MHz40 MHz1000长刀刃切面主瓣很薄1 ms50 MHz200 MHz50000刀刃极薄内存压力大fs 不是越高越好。fs 翻倍时延列数 2L1 跟着翻倍af 矩阵尺寸线性增长计算时间也近似线性增长。对于 B 10 MHz 的信号fs 40 MHz 已经足够再高只会更平滑不会带来额外物理信息。4.2 用两个切面验证距离分辨率和多普勒分辨率验证计算是否正确的最快办法是把模糊函数在零时延和零多普勒处切一刀和理论值对比。本文例子中零多普勒时延切面的 -3dB 宽度应接近 1/B 100 ns零时延多普勒切面的 -3dB 宽度应接近 0.886/T ≈ 8.9 kHz主瓣第一零点约在 ±1/T ±10 kHz。[~, i0] min(abs(tau2)); % 找零时延所在列 [~, j0] min(abs(fd2(idx))); % 找零多普勒所在行 fd_cut fd2(idx); figure; plot(fd_cut*1e-3, af2(idx, i0)); xlabel(多普勒 f_d (kHz)); ylabel(|\chi(0, f_d)|); title(零时延多普勒切面); figure; plot(tau2*1e6, af2(j0, :)); xlabel(时延 \tau (\mus)); ylabel(|\chi(\tau, 0)|); title(零多普勒时延切面);如果这两条曲线的峰值不在原点说明信号中心没对齐检查 t 是否减去了 T/2如果切面宽度明显大于理论值优先怀疑 fftlen 不够导致多普勒轴分辨率太粗或者 fs 太低导致时延轴采样点太少。4.3 四个高频踩坑相位系数、循环移位、多普勒裁剪、内存第一个坑是相位系数。写成 exp(1j * 2 * pi * K * t.^2)带宽变成 2B刀刃斜率变成 2K整张图都变陡。用瞬时频率表达式自检对 exp(jπKt²) 求导后除以 2π得到 Kt正好覆盖 ±B/2。第二个坑是误用 circshift 代替线性移位。circshift 会把信号尾部绕到头部相当于在时域上做了周期延拓模糊函数里会出现一条不该有的环形亮带旁瓣结构完全失真。正确做法如 lfm_amb.m 中那样用 zeros 补出空缺部分。第三个坑是多普勒轴没有裁剪。全貌图直接 mesh(tau, fd, af) 时fd 轴范围是 ±20 MHz刀刃只占中间 ±10 MHz 的一小部分看上去就是一条扁线很容易被误判成程序 bug。处理方式前面已经给过全貌图截 ±1.2B放大图截 ±3/T。第四个坑是内存失控。af 在 abs 之前是复数矩阵每个元素占 16 字节FFT 中间结果还会额外占一份。盲目把 fftlen 和 taumax 同时拉满16 GB 内存的机器也会卡死。4.4 内存估算表先全貌后放大才是正解以下内存按存储复数 af 的峰值估算即 fftlen × (2L1) × 16 字节abs 之后占一半场景fftlentaumaxaf 尺寸峰值内存全貌2048T2048 × 7999约 262 MB全貌4096T4096 × 7999约 524 MB主瓣81922/B8192 × 17约 2.2 MB主瓣327683/B32768 × 25约 13 MB从表里能看出一个明确策略先用 taumax T、fftlen 2048 的低分辨率全貌图确定刀刃走向和大致旁瓣位置再用小 taumax、大 fftlen 的高分辨率模式放大主瓣。这样内存峰值始终可控画出来的图还比一次硬算全分辨率更平滑。如果需要反复改参数建议把 af 在 abs 之后转成 single内存再减半对绘图精度没有任何可感知影响。5. 把 LFM 模糊函数图用起来切片自检、等高线与批量出图模糊函数图画出来不是终点怎么从图里读出波形参数、怎么批量出报告图才是日常工作里真正花时间的部分。5.1 成图前的三个快速自检项每次算完模糊函数先用三件事确认结果可用峰值是否在 (0, 0) 且归一化后等于 1不在原点说明信号时间窗没有中心对齐零多普勒切面主瓣宽度是否接近 1/B偏差超过 10% 要检查采样率和 FFT 长度旁瓣是否在 -13.2 dB 附近这是未加窗 LFM 的典型距离旁瓣水平如果高出很多说明有截断泄漏或循环移位污染。5.2 用 -3dB 等高线量化分辨椭圆模糊函数的 -3dB 轮廓形状可以用 regionprops 直接提取用于量化“距离-多普勒分辨椭圆”af_db 20 * log10(af2 eps); mask af_db -3; % 提取 -3dB 以上区域 stats regionprops(mask, MajorAxisLength, MinorAxisLength, ... Orientation, Centroid);得到的 MajorAxisLength 和 MinorAxisLength 是像素数要分别乘以时延轴步长 Δτ 和多普勒轴步长 Δfd 才变成物理单位。LFM 的轮廓应该是一个狭长椭圆长轴方向由调频斜率 K 决定长短轴比例随 TB 增大而增大。如果想做波形参数寻优完全可以把“长短轴比例最小”作为目标函数丢进 MATLAB 优化工具箱里搜索 T 和 B 的组合比肉眼对比清晰得多。5.3 批量改参数出图并导出 EPS/PNG论文和报告里通常需要同一组参数下多张对比图。用循环批量生成并导出是标准做法for fftlen [1024 2048 4096] [af, tau, fd] lfm_amb(s, fs, fftlen, T); figure(Visible, off); imagesc(tau*1e6, fd*1e-3, 20*log10(af eps)); caxis([-40 0]); axis xy; colorbar; title(sprintf(FFT length %d, fftlen)); exportgraphics(gcf, sprintf(lfm_af_fft%d.png, fftlen), Resolution, 300); end导出矢量图时新版本 MATLAB 用 exportgraphics(gcf, lfm_af.eps) 即可线宽和字体与屏幕上一致老版本兼容写法是 print(-depsc2, lfm_af.eps)。所有图把 caxis 固定在 [-40 0]这样不同参数之间的旁瓣水平才有可比性不会因为自动色标产生误导。本文还有配套的精品资源点击获取