Matlab雷达信号仿真：从单频到混合调制波形生成与性能分析-尧图网络科技

1. 项目概述：从理论到实践的雷达信号仿真

在雷达系统设计、算法验证乃至教学演示中，信号仿真都是绕不开的一环。无论是刚接触雷达原理的学生，还是需要快速验证新想法的工程师，面对“如何用Matlab产生各种雷达发射信号”这个问题时，往往需要从零开始搭建代码框架，过程繁琐且容易出错。今天，我们就来系统性地梳理一下，如何用Matlab高效、清晰地仿真包括单频（Cos）、线性调频（LFM）、二进制相移键控（BPSK）、正交相移键控（QPSK）、频移键控（FSK）以及它们的混合调制信号（BPSK_FSK, QPSK_FSK）在内的多种雷达发射波形。

这不仅仅是一个简单的代码生成任务。仿真的核心价值在于，它提供了一个无噪声、无失真的“理想实验室”，让我们能够专注于信号本身的特性分析，比如时频分布、模糊函数、自相关性能等，这些是评估雷达波形分辨力、测距测速精度、抗干扰能力的基础。通过Matlab仿真，我们可以直观地看到不同调制方式下信号的时域波形、频谱图、相位跳变乃至星座图，为后续的雷达信号处理算法（如脉冲压缩、匹配滤波、恒虚警检测）开发提供可靠的输入。

本文将从一个雷达系统设计者的实操视角出发，不仅给出可直接运行的Matlab代码片段，更会深入解释每个参数设置的物理意义、不同波形选择的考量，以及仿真中常见的“坑”和调试技巧。无论你是想快速获得一套可用的信号生成代码，还是希望理解这些波形背后的雷达系统设计逻辑，这篇文章都能提供一条清晰的路径。

2. 仿真环境搭建与核心参数定义

在动手写第一行信号生成代码之前，搭建一个清晰、可复现的仿真环境至关重要。这能避免后续因参数混乱导致的错误，也便于进行波形对比和性能分析。

2.1 基础参数设置：构建信号的时空骨架

雷达信号仿真的核心参数构成了信号的“骨架”，它们直接决定了信号的物理尺度和系统性能边界。我们首先在Matlab脚本的开头集中定义这些参数。

% 清除工作区与命令窗口，关闭所有图形，确保环境干净 clear; clc; close all; % ========== 1. 雷达系统核心参数 ========== fc = 10e9; % 载波频率 (Hz)，例如10GHz，属于X波段雷达常用频段 Tp = 10e-6; % 脉冲宽度 (秒)，即每个发射脉冲的持续时间 PRF = 5000; % 脉冲重复频率 (Hz)，决定最大不模糊距离 Fs = 100e6; % 采样频率 (Hz)，必须满足奈奎斯特采样定理，通常为信号带宽的2倍以上 % ========== 2. 由核心参数导出的计算参数 ========== Ts = 1 / Fs; % 采样间隔 (秒) t = (0:Ts:Tp-Ts).'; % 单个脉冲内的快时间轴 (列向量) num_samples_per_pulse = length(t); % 单个脉冲的采样点数 PRI = 1 / PRF; % 脉冲重复间隔 (秒) t_full = (0:Ts:PRI-Ts).'; % 一个完整脉冲周期（含发射和接收间隙）的时间轴

参数选择的背后逻辑：

载波频率fc：选择10GHz（X波段）是一个典型的折中。频率越高，天线尺寸可以做得越小（适合机载、弹载平台），但大气衰减也越严重。Ku波段（12-18GHz）在卫星通信、宽带图传中常见，毫米波波段（如77GHz）则用于汽车雷达，提供更高的带宽和分辨率。
脉冲宽度Tp：直接影响雷达的平均发射功率和距离分辨率（对于非调频脉冲）。10us是一个中等值，太短则能量不足，太长则距离分辨率差。
脉冲重复频率PRF：5000 Hz对应的最大不模糊距离为c/(2*PRF) ≈ 30km。如果探测目标可能超过此距离，就会产生距离模糊，需要采用多PRF等技术解模糊。
采样频率Fs：这里设为100 MHz。这是一个关键参数，它必须大于信号中最高频率成分的两倍。对于后续带宽可能达到几十MHz的LFM或FSK信号，100 MHz的采样率是合适的。一个常见的坑是Fs设置过低，导致频谱混叠，仿真结果完全错误。

2.2 调制参数与信号生成函数框架

不同的调制方式需要不同的参数。我们将它们分类定义，并预先规划好信号存储的结构。

% ========== 3. 各种调制方式的专用参数 ========== % 线性调频 (LFM) 参数 B_lfm = 20e6; % LFM信号带宽 (Hz) k = B_lfm / Tp; % 调频斜率 (Hz/s) % 相位编码 (BPSK/QPSK) 参数 code_length = 13; % 巴克码长度，13位巴克码具有良好的自相关特性 bpsk_code = barker(code_length); % 生成BPSK用的巴克码序列，取值为+1或-1 % 对于QPSK，我们需要生成复数编码序列，例如使用随机序列或特定的四相码 qpsk_code = exp(1j * (2*pi/4) * randi([0,3], code_length, 1)); % 随机QPSK码 % 频移键控 (FSK) 参数 num_freqs = 4; % FSK使用的频率个数 freq_separation = 5e6; % 频率间隔 (Hz) freq_set = (-(num_freqs-1)/2 : (num_freqs-1)/2) * freq_separation; % 对称的频率集 % 混合调制 (BPSK_FSK/QPSK_FSK) 参数 % 此类信号在每个频率跳变点上，还可能进行相位编码，参数复用上述定义 % ========== 4. 预分配信号存储矩阵 ========== % 我们将生成的所有信号存储在一个矩阵中，便于后续对比分析 signals = complex(zeros(num_samples_per_pulse, 8)); % 8列对应8种信号 signal_names = {'Cos', 'LFM', 'BPSK', 'QPSK', 'FSK', 'BPSK_FSK', 'QPSK_FSK', 'Reference_CW'};

为什么预分配矩阵？在循环中动态扩展数组（如signal = [signal; new_sample]）在Matlab中会极大地降低运行效率，尤其是采样点数多的时候。预先分配好内存空间是编写高效Matlab代码的基本素养。

3. 基础与连续波信号生成详解

我们从最简单的信号开始，这是理解复杂调制的基础，也常作为系统性能评估的参考基准。

3.1 单频连续波（Cos）信号

单频信号是最基本的雷达波形，其数学表达式为：s(t) = A * cos(2π * fc * t + φ0)在复信号表示（解析信号）中，我们通常使用复指数形式，便于处理：s_complex(t) = A * exp(1j * 2π * fc * t)其中A为幅度，φ0为初始相位，1j是Matlab中的虚数单位。

% 生成单频连续波信号 (复指数形式) A = 1; % 信号幅度，归一化为1 cos_signal_complex = A * exp(1j * 2*pi * fc * t); signals(:, 1) = cos_signal_complex; % 作为参考，也生成一个实数的Cos信号，用于某些需要观察实际发射波形的情况 cos_signal_real = A * cos(2*pi * fc * t);

关键细节与实操心得：

复信号 vs 实信号：现代雷达信号处理几乎都在复基带（I/Q路）进行。使用复信号exp(1j*2π*fc*t)而非实信号cos(2π*fc*t)是标准做法。复信号包含了相位信息，能完整表示一个带通信号，且通过下变频到基带后，处理起来更方便。
时间向量t：务必确保t是从0开始、以Ts为间隔的列向量。使用.'转置确保是列向量，这与后续的矩阵运算维度匹配至关重要。
幅度归一化：通常将信号幅度归一化到1，这样信号功率就是1（假设阻抗为1欧姆），方便计算信噪比（SNR）和评估处理增益。

3.2 线性调频（LFM）信号及其优势

线性调频信号，也称为Chirp信号，是其频率随时间线性变化的信号。其复信号表达式为：s_lfm(t) = A * exp(1j * 2π * (fc * t + 0.5 * k * t.^2))其中k = B / Tp是调频斜率（B为带宽）。

% 生成线性调频（LFM）信号 lfm_signal = A * exp(1j * 2*pi * (fc * t + 0.5 * k * t.^2)); signals(:, 2) = lfm_signal;

为什么LFM在雷达中如此重要？这是仿真中必须理解的核心概念。简单单频脉冲的距离分辨率ΔR与脉冲宽度Tp成正比：ΔR = c * Tp / 2。Tp越长，能量越大，探测距离越远，但分辨率越差，这是一对矛盾。 LFM信号通过引入大带宽B巧妙地解决了这个问题。经过脉冲压缩（匹配滤波）处理后，其有效分辨率取决于带宽：ΔR ≈ c / (2B)。这意味着，我们可以用一个长脉冲（保证能量和探测距离）获得一个高分辨率（由大带宽决定）。这就是脉冲压缩技术的精髓。在仿真中，你可以通过计算LFM信号经过匹配滤波器后的输出，直观地看到一个宽脉冲被“压缩”成一个尖峰的过程。

4. 相位编码信号（BPSK/QPSK）生成与性能分析

相位编码信号通过在不同时间单元（码片）内施加不同的相位偏移来调制信号。它继承了相位调制在通信中的抗干扰优点，并应用于雷达以获得良好的距离分辨率和低截获概率。

4.1 二进制相移键控（BPSK）信号生成

BPSK使用0°和180°两种相位状态，通常用二进制序列+1和-1来表示。我们需要将每个码片调制到一段子脉冲上。

% 生成BPSK信号 % 1. 确定码片宽度 chip_duration = Tp / code_length; % 每个巴克码码片的持续时间 samples_per_chip = round(chip_duration * Fs); % 每个码片的采样点数 % 2. 扩展巴克码序列，使其与采样点对齐 % 方法：将每个码片值重复 samples_per_chip 次 expanded_code = repelem(bpsk_code, samples_per_chip); % 3. 确保扩展后的长度与脉冲总采样点数一致，处理舍入误差 if length(expanded_code) > num_samples_per_pulse expanded_code = expanded_code(1:num_samples_per_pulse); elseif length(expanded_code) < num_samples_per_pulse expanded_code = [expanded_code; zeros(num_samples_per_pulse - length(expanded_code), 1)]; end % 4. 生成载波，并与扩展后的编码序列相乘（点乘） bpsk_signal = A * expanded_code .* exp(1j * 2*pi * fc * t); signals(:, 3) = bpsk_signal;

实操中的坑与技巧：

码片对齐问题：samples_per_chip = round(chip_duration * Fs)可能不是整数，或者code_length * samples_per_chip不等于num_samples_per_pulse。上面的代码通过截断或补零来处理这个舍入误差。更严谨的做法是重新计算Tp或Fs，使得samples_per_chip恰好为整数。例如，可以设定samples_per_chip = 100，然后反推chip_duration和微调Tp。
使用repelem函数：这是扩展离散序列的利器，比用循环或repmat更直观高效。
巴克码的选择：13位巴克码的自相关函数旁瓣电平为-22.3dB，性能优良。但码长有限，限制了时间带宽积。对于更长的编码，可以使用M序列、Gold序列等，它们具有类似噪声的特性，但自相关性能略逊于巴克码。

4.2 正交相移键控（QPSK）信号与星座图

QPSK使用四种相位状态（通常为45°, 135°, 225°, 315°），每个码元携带2比特信息。其生成逻辑与BPSK类似，但编码序列是复数的。

% 生成QPSK信号 % 1. 扩展复数编码序列 expanded_qpsk_code = repelem(qpsk_code, samples_per_chip); % 同样处理长度匹配 if length(expanded_qpsk_code) > num_samples_per_pulse expanded_qpsk_code = expanded_qpsk_code(1:num_samples_per_pulse); elseif length(expanded_qpsk_code) < num_samples_per_pulse expanded_qpsk_code = [expanded_qpsk_code; zeros(num_samples_per_pulse - length(expanded_qpsk_code), 1)]; end % 2. 生成信号 qpsk_signal = A * expanded_qpsk_code .* exp(1j * 2*pi * fc * t); signals(:, 4) = qpsk_signal; % 3. 绘制QPSK信号的星座图（需先下变频到基带） % 假设我们有一个完整的脉冲，先去除载波 baseband_qpsk = qpsk_signal .* exp(-1j * 2*pi * fc * t); % 下变频 % 在每个码片的中心位置采样，观察星座点 chip_center_indices = round(samples_per_chip/2 : samples_per_chip : num_samples_per_pulse); chip_center_indices = chip_center_indices(1:min(length(chip_center_indices), code_length)); % 确保不越界 sampled_symbols = baseband_qpsk(chip_center_indices); figure; plot(real(sampled_symbols), imag(sampled_symbols), 'o', 'MarkerSize', 8, 'LineWidth', 2); grid on; axis equal; xlabel('In-phase (I)'); ylabel('Quadrature (Q)'); title('QPSK信号星座图'); % 标注理想星座点位置 ideal_points = exp(1j * (pi/4 + (0:3)*pi/2)); hold on; plot(real(ideal_points), imag(ideal_points), 'r*', 'MarkerSize', 12); legend('实际采样点', '理想位置');

性能对比与选择考量：

距离旁瓣：BPSK巴克码的脉冲压缩旁瓣低且固定。QPSK随机码的旁瓣统计特性好，但可能出现较高的瞬时旁瓣。
多普勒容限：相位编码信号对多普勒频移敏感，较大的多普勒会导致脉冲压缩性能严重恶化。LFM信号的多普勒容限则好得多。
抗干扰与保密性：长随机相位编码（如QPSK）信号更接近噪声，具有低截获概率（LPI）特性。
实现复杂度：BPSK只需0/π相位调制，硬件实现简单。QPSK需要精确的π/2相位调制，对硬件要求更高。

在仿真中，通过计算它们的模糊函数，可以清晰地对比这些特性。模糊函数是同时描述雷达信号距离和多普勒分辨能力的核心工具。

5. 频移键控（FSK）与混合调制信号生成

FSK通过在不同时间跳变载波频率来编码信息。在雷达中，FSK可用于测速、提高距离分辨率或实现低截获概率。

5.1 频移键控（FSK）信号生成

我们需要将一个频率序列调制到不同的时间片上。

% 生成FSK信号 % 1. 为每个码片分配一个频率。这里用一个简单的循环序列示例。 freq_sequence = repmat(freq_set(:), ceil(code_length/num_freqs), 1); freq_sequence = freq_sequence(1:code_length); % 截取所需长度 % 或者使用随机频率序列：freq_sequence = freq_set(randi(num_freqs, code_length, 1)); % 2. 生成信号 fsk_signal = zeros(num_samples_per_pulse, 1); for chip_idx = 1:code_length % 计算当前码片的起止采样点索引 start_idx = (chip_idx-1) * samples_per_chip + 1; end_idx = min(chip_idx * samples_per_chip, num_samples_per_pulse); if start_idx > num_samples_per_pulse break; end % 生成当前码片时间轴 t_chip = t(start_idx:end_idx); % 生成当前频率的载波片段 fsk_signal(start_idx:end_idx) = A * exp(1j * 2*pi * (fc + freq_sequence(chip_idx)) * t_chip); end signals(:, 5) = fsk_signal;

FSK雷达的独特价值：

速度模糊解算：通过发射多个不同频率的脉冲，可以利用相位变化解算高速目标的速度，解决高PRF雷达的速度模糊问题。
步进频高分辨率：如果频率序列是线性步进的（如freq_set = fc + (0:N-1)*Δf），则合成一个等效的大带宽信号，实现高距离分辨率，这就是合成带宽技术。
抗窄带干扰：频率的跳变使其对特定频点的窄带干扰不敏感。

5.2 混合调制信号（BPSK_FSK/QPSK_FSK）生成

混合调制结合了频率跳变和相位编码，进一步增加了信号的复杂度和自由度，常用于现代复杂雷达波形设计，以优化模糊函数形状或增强电子对抗能力。

% 生成BPSK_FSK混合调制信号 % 思路：在FSK的频率跳变基础上，每个频率片段内再进行BPSK相位编码 bpsk_fsk_signal = zeros(num_samples_per_pulse, 1); for chip_idx = 1:code_length start_idx = (chip_idx-1) * samples_per_chip + 1; end_idx = min(chip_idx * samples_per_chip, num_samples_per_pulse); if start_idx > num_samples_per_pulse break; end t_chip = t(start_idx:end_idx); % 关键：每个码片内，载波是频率跳变的，同时整体幅度/相位由BPSK码控制 % 这里假设一个码片内频率不变，用BPSK码调制该频率载波的相位（0或π） chip_signal = A * bpsk_code(chip_idx) * exp(1j * 2*pi * (fc + freq_sequence(chip_idx)) * t_chip); bpsk_fsk_signal(start_idx:end_idx) = chip_signal; end signals(:, 6) = bpsk_fsk_signal; % 生成QPSK_FSK混合调制信号（原理类似） qpsk_fsk_signal = zeros(num_samples_per_pulse, 1); for chip_idx = 1:code_length start_idx = (chip_idx-1) * samples_per_chip + 1; end_idx = min(chip_idx * samples_per_chip, num_samples_per_pulse); if start_idx > num_samples_per_pulse break; end t_chip = t(start_idx:end_idx); % 用QPSK复数码调制频率跳变载波 chip_signal = A * qpsk_code(chip_idx) * exp(1j * 2*pi * (fc + freq_sequence(chip_idx)) * t_chip); qpsk_fsk_signal(start_idx:end_idx) = chip_signal; end signals(:, 7) = qpsk_fsk_signal;

混合调制的设计挑战与仿真验证：设计此类波形时，需要仔细权衡时间、带宽和相位资源。仿真的主要目的是分析其模糊函数，观察其在距离-多普勒平面上的响应特性。一个设计良好的混合调制信号，可能拥有类似“图钉状”的模糊函数，即在主瓣周围有很低且均匀的旁瓣，同时具备较好的多普勒容限。在Matlab中，可以通过计算信号的二维自相关函数来近似绘制其模糊图。

6. 信号可视化、分析与性能验证

生成信号只是第一步，直观地观察和分析它们，验证其是否具备预期的特性，是仿真工作中更重要的部分。

6.1 多维度可视化对比

我们将所有信号放在一起对比观察。

% ========== 信号可视化 ========== figure('Position', [100, 100, 1400, 800]); % 1. 时域波形（实部） for sig_idx = 1:8 subplot(4, 8, sig_idx); plot(t*1e6, real(signals(:, sig_idx)), 'b', 'LineWidth', 1); xlabel('时间 (\mus)'); ylabel('幅度'); title(signal_names{sig_idx}); xlim([0, Tp*1e6]); grid on; end % 2. 时域波形（幅度） for sig_idx = 1:8 subplot(4, 8, sig_idx+8); plot(t*1e6, abs(signals(:, sig_idx)), 'k', 'LineWidth', 1); xlabel('时间 (\mus)'); ylabel('幅度'); title([signal_names{sig_idx}, ' (包络)']); xlim([0, Tp*1e6]); grid on; end % 3. 频谱分析（使用FFT） NFFT = 2^nextpow2(num_samples_per_pulse); % FFT点数，取2的幂次 f = Fs * (-NFFT/2:NFFT/2-1)/NFFT; % 频率轴 for sig_idx = 1:8 subplot(4, 8, sig_idx+16); sig_fft = fftshift(fft(signals(:, sig_idx), NFFT)); % 计算FFT并零频居中 plot(f/1e6, 20*log10(abs(sig_fft)/max(abs(sig_fft))), 'r', 'LineWidth', 1); % 归一化对数谱 xlabel('频率 (MHz)'); ylabel('归一化功率谱 (dB)'); title([signal_names{sig_idx}, ' 频谱']); xlim([-Fs/2/1e6, Fs/2/1e6]); grid on; end % 4. 相位/频率变化 for sig_idx = 1:8 subplot(4, 8, sig_idx+24); phase = unwrap(angle(signals(:, sig_idx))); % 解缠相位 instantaneous_freq = diff(phase) / (2*pi*Ts); % 瞬时频率（近似） plot(t(1:end-1)*1e6, instantaneous_freq/1e6, 'g', 'LineWidth', 1); xlabel('时间 (\mus)'); ylabel('瞬时频率 (MHz)'); title([signal_names{sig_idx}, ' 瞬时频率']); xlim([0, Tp*1e6]); grid on; end sgtitle('八种雷达发射信号特性对比分析');

从图中你能看出什么？

Cos信号：时域是标准正弦波，频谱是单根谱线，瞬时频率恒定。
LFM信号：时域包络恒定，频谱近似矩形，瞬时频率线性扫过带宽B。
BPSK/QPSK信号：时域包络恒定，但相位在码片边界发生跳变，频谱因相位突变而展宽（sinc函数形状），瞬时频率在相位跳变点出现剧烈波动（这是求导计算带来的假象，实际频率未变）。
FSK信号：时域包络恒定，频率在几个离散值间跳变，频谱呈现多个峰。
混合信号：结合了相位跳变和频率跳变的特征，时域和频谱更为复杂。

6.2 关键性能指标计算与脉冲压缩演示

对于雷达波形，最重要的性能验证之一是脉冲压缩。

% ========== 脉冲压缩演示（以LFM和BPSK为例） ========== figure('Position', [100, 100, 1200, 500]); % 1. LFM脉冲压缩 subplot(1, 2, 1); lfm_signal_to_compress = signals(:, 2); % 取LFM信号 % 匹配滤波器：发射信号的共轭翻转（时间反褶共轭） matched_filter_lfm = conj(flipud(lfm_signal_to_compress)); % 进行脉冲压缩（相关运算） compressed_output_lfm = conv(lfm_signal_to_compress, matched_filter_lfm, 'same'); % 归一化并绘图 compressed_output_lfm_norm = abs(compressed_output_lfm) / max(abs(compressed_output_lfm)); range_axis = (0:length(compressed_output_lfm_norm)-1) * (3e8/2) / Fs; % 将时间转换为距离 plot(range_axis, 20*log10(compressed_output_lfm_norm), 'b-', 'LineWidth', 1.5); xlabel('距离 (米)'); ylabel('归一化幅度 (dB)'); title('LFM信号脉冲压缩输出'); grid on; xlim([-100, 100]); % 聚焦在主瓣附近观察 % 标注主瓣宽度（理论值） theory_resolution = 3e8 / (2 * B_lfm); % 理论距离分辨率 text(0, -5, sprintf('理论主瓣宽度: %.2f m', theory_resolution), 'HorizontalAlignment', 'center'); % 2. BPSK脉冲压缩 subplot(1, 2, 2); bpsk_signal_to_compress = signals(:, 3); matched_filter_bpsk = conj(flipud(bpsk_signal_to_compress)); compressed_output_bpsk = conv(bpsk_signal_to_compress, matched_filter_bpsk, 'same'); compressed_output_bpsk_norm = abs(compressed_output_bpsk) / max(abs(compressed_output_bpsk)); range_axis = (0:length(compressed_output_bpsk_norm)-1) * (3e8/2) / Fs; plot(range_axis, 20*log10(compressed_output_bpsk_norm), 'r-', 'LineWidth', 1.5); xlabel('距离 (米)'); ylabel('归一化幅度 (dB)'); title('BPSK(13位巴克码)信号脉冲压缩输出'); grid on; xlim([-150, 150]); % 标注旁瓣电平 [~, peak_idx] = max(compressed_output_bpsk_norm); sidelobe_level = max([max(compressed_output_bpsk_norm(1:peak_idx-50)), max(compressed_output_bpsk_norm(peak_idx+50:end))]); text(0, -10, sprintf('最高旁瓣: %.1f dB', 20*log10(sidelobe_level)), 'HorizontalAlignment', 'center');

脉冲压缩结果解读：

LFM：输出是一个典型的sinc函数形状的主瓣，主瓣宽度约等于c/(2B)。旁瓣呈周期性衰减，第一旁瓣电平约为-13.2dB。在实际系统中，需要加窗（如海明窗）来抑制旁瓣，但这会轻微展宽主瓣。
BPSK巴克码：输出是巴克码的自相关函数。13位巴克码的理想旁瓣电平是-22.3dB。仿真结果应该接近这个值。可以看到，相位编码信号通过匹配滤波同样实现了脉冲压缩，将长脉冲能量集中到一个窄峰上。

6.3 模糊函数计算（进阶分析）

模糊函数是雷达波形的“指纹”，全面描述了波形在时延（距离）和多普勒频移（速度）二维联合上的分辨能力和模糊特性。计算模糊函数计算量较大，但对于波形设计至关重要。

% ========== 模糊函数计算示例（以LFM为例） ========== % 注意：完整二维模糊函数计算较慢，这里演示一个简化版本或一维切割 lfm_signal = signals(:, 2); max_delay_samples = 500; % 最大时延点数 max_doppler_bins = 100; % 最大多普勒单元数 delay_axis = (-max_delay_samples:max_delay_samples) * Ts; doppler_axis = linspace(-PRF/2, PRF/2, max_doppler_bins*2+1); % 多普勒范围 % 初始化模糊函数矩阵 ambiguity = zeros(length(doppler_axis), length(delay_axis)); % 计算模糊函数（χ(τ, fd)） for d_idx = 1:length(doppler_axis) fd = doppler_axis(d_idx); % 对信号施加多普勒频偏 signal_doppler = lfm_signal .* exp(1j * 2*pi * fd * t); for tau_idx = 1:length(delay_axis) tau = delay_axis(tau_idx); tau_samples = round(tau / Ts); % 时延对应的采样点偏移 if abs(tau_samples) >= length(lfm_signal) continue; end % 计算互相关（简化计算，未做归一化） if tau_samples >= 0 ambiguity(d_idx, tau_idx) = abs(sum( conj(lfm_signal(1:end-tau_samples)) .* signal_doppler(1+tau_samples:end) )); else ambiguity(d_idx, tau_idx) = abs(sum( conj(lfm_signal(1-tau_samples:end)) .* signal_doppler(1:end+tau_samples) )); end end end ambiguity = ambiguity / max(ambiguity(:)); % 归一化 % 绘制模糊函数图 figure; imagesc(delay_axis*1e6, doppler_axis/1e3, 20*log10(ambiguity+eps)); xlabel('时延 \tau (\mus)'); ylabel('多普勒 f_d (kHz)'); title('LFM信号模糊函数（幅度dB）'); colorbar; colormap('jet'); axis xy; caxis([-60, 0]); % 设置颜色显示范围，便于观察主瓣和旁瓣

观察LFM的模糊函数图，你会看到一个斜的刀刃状主瓣。这条斜线意味着距离和多普勒之间存在耦合：一个具有多普勒频移的目标，其回波经过匹配滤波后，峰值位置会在距离上发生偏移。这是LFM波形的一个固有特性，需要在信号处理中进行补偿（如去斜处理）。

7. 仿真总结与工程实践要点

通过以上步骤，我们完成了从参数定义到信号生成，再到性能分析的完整雷达发射信号仿真链路。回顾整个过程，有几个工程实践中的要点值得再次强调：

首先，关于参数设置的严谨性。仿真不是数字游戏，每个参数都对应着物理现实。Fs必须满足奈奎斯特准则，PRF决定了最大不模糊距离和速度，Tp和B的乘积（时间带宽积）直接决定了脉冲压缩的处理增益。在项目初期，花时间明确这些系统级参数的约束范围，能避免后续大量的返工。

其次，关于编码与采样的对齐问题。这在相位编码和FSK信号生成中尤为突出。码片宽度chip_duration乘以采样率Fs必须尽可能接近整数，否则码片边界处的相位或频率跳变会发生在非采样时刻，引入失真。一种更稳健的做法是，以采样点数为基准来定义码片长度和脉冲宽度，而不是反过来。

再者，关于运算效率。雷达仿真数据量往往很大。除了前面提到的预分配数组，在计算模糊函数、大型矩阵运算时，应优先使用Matlab的向量化操作，避免多层循环。对于更复杂的系统级仿真，可以考虑将部分模块用MEX文件（C/C++）实现，或利用并行计算工具箱。

最后，仿真与实际的桥梁。本文展示的是理想无噪信号。在实际应用中，你需要在此基础上添加噪声（awgn函数）、模拟信道效应（多径、衰落）、接收机非线性（ADC量化噪声、I/Q不平衡）等。此外，生成的复基带信号如何通过DAC和射频前端发射出去？这涉及到载波调制、滤波和功放非线性建模，是另一个层次的仿真课题。

这套Matlab仿真代码框架为你提供了一个坚实的起点。你可以轻松地修改参数、尝试不同的编码序列（如多相码、Frank码）、设计更复杂的频率跳变图案，甚至将多种波形组合在一个脉冲序列中，来探索它们在不同雷达应用场景（如SAR、PD雷达、MIMO雷达）中的潜力。记住，仿真的最终目的是为了更好地指导设计和理解系统，动手尝试和不断追问“为什么”，是掌握雷达波形设计精髓的最佳途径。