PLFM雷达波形设计：线性调频与相位编码融合的脉冲压缩实践-北京尧图网络

1. PLFM_RADAR 项目定位与波形设计思路1.1 什么是 PLFM把线性调频和相位编码揉在一根脉冲里PLFM_RADAR 这个项目我在立项时先把名字拆开了PLFM 是 Phase-coded Linear Frequency Modulation相位编码线性调频RADAR 不用解释就是雷达。这个项目的核心就一句话在一根脉冲宽度内同时叠加线性调频和相位编码两种调制再通过匹配滤波器做脉冲压缩从回波里提取目标的距离和速度。为什么会想出这种东西因为在设计雷达波形时我一直在跟两个老伙计打交道LFM线性调频和相位编码。LFM 的优点是工程上非常成熟理论清晰匹配滤波后的距离分辨率完全由带宽决定多普勒容限也相当好缺点是匹配滤波后的距离旁瓣高达 -13.2dB这个旁瓣水平在强目标旁边探测弱目标时很容易把弱目标淹没。相位编码信号的优点是频谱能量被“摊开”不容易被简单截获而且接收机用匹配滤波解调时自身具备一定的抗干扰能力缺点是对多普勒很敏感目标一运动邻近码元间就产生相位变化匹配滤波效果急剧下降。PLFM 的思路就是取两者之长线性调频负责维持多普勒容限和距离分辨率相位编码负责压低截获概率、打散频谱能量。单看每一项指标它都不是最顶尖的但组合在一起能兼顾探测能力、低截获特性和工程可实现性。这也是我在 PLFM_RADAR 里选择它的理由。1.2 PLFM 的数学表达和物理含义我习惯先把信号形式写出来再谈实现。PLFM 信号的复包络可以写成s(t) rect(t/T) · exp(j·π·k·t²) · c(⌊t/Tc⌋)其中 rect(t/T) 表示宽度为 T 的矩形包络k B/T 是线性调频率B 是信号带宽c(⌊t/Tc⌋) 是相位编码序列在第 ⌊t/Tc⌋ 个码片处的取值。假如采用二相编码c(n) 取 1 或 -1若用四相编码则取 1、j、-1、-j 其中之一。这个公式看起来简单但设计时要小心三点。第一码片宽度 Tc 必须远小于脉冲宽度 T通常每个线性调频脉冲里要包含几十个以上相位编码码片编码才有意义。第二相位编码的 chip 率要和线性调频的瞬时频率变化对齐否则调频和编码之间存在不可控的耦合匹配滤波时会出现额外的畸变。第三Barker 码、m 序列、随机序列的旁瓣特性不同要结合场景选择。我在 PLFM_RADAR 里验证了两种编码一是 13 位 Barker 码因为它的非周期自相关旁瓣峰值能压到 1/13约 -22.3dB作为试探足够干净二是自己生成的伪随机 m 序列虽然旁瓣不会像 Barker 码那样完美但在长序列下旁瓣包络会趋向于 -10·log10(N)N 越大旁瓣越平坦适合做干扰条件下的稳定性试验。1.3 系统指标设计和实验场景规划既然标题是 PLFM_RADAR我第一次迭代想清楚的问题就是整套指标要在什么平台上验证。我最终选择的做法是“仿真先行SDR 实测跟上”。仿真用 Python 纯粹跑数学链路SDR 硬件用 USRP B210 做中频收发的验证。整机指标按一个低成本实验雷达来定参数数值设计考虑载频5.8GHz工业与实验频段易获取设备信号带宽20MHz距离分辨率约 7.5 米脉冲宽度100μs兼顾作用距离与占空比限制编码序列13 位 Barker 或 63 位 m 序列验证短码与长码两种形态脉冲重复周期1ms对应最大不模糊距离 150km采样率50MHz满足 20MHz 复基带信号的过采样要求速度测量范围±15m/s取决于重频和载频可再扩展这套指标算不上高大上但是能覆盖大部分城市交通、无人机等慢速目标的探测场景。很多人做雷达一上来就想要巨大带宽其实在 SDR 平台上带宽越大对采样率、存储和实时处理的要求越高第一版能把 20MHz 做通后面扩带宽自然水到渠成。2. 核心细节解析波形生成与匹配滤波实现2.1 用 Python 快速生成 PLFM 波形我相信把波形先在仿真里跑干净再上硬件能省掉大量现场排查的时间。PLFM 波形生成在 Python 里非常直接核心代码如下。import numpy as np fs 50e6 # 采样率 50 MHz T 100e-6 # 脉冲宽度 100 us B 20e6 # 带宽 20 MHz N_c 13 # 相位编码码片个数这里先用 13 位 Barker Tc T / N_c # 码片宽度 # 1. 生成基础线性调频信号 t np.arange(0, T, 1/fs) k B / T lfm np.exp(1j * np.pi * k * t**2) # 2. 生成 13 位 Barker 码 barker13 np.array([1, 1, 1, 1, 1, -1, -1, 1, 1, -1, 1, -1, 1], dtypefloat) # 3. 将编码序列扩展成与 LFM 同样长度的信号 code_samples int(round(Tc * fs)) code_wave np.repeat(barker13, code_samples)[:len(t)] # 4. 合成 PLFM 信号 plfm lfm * code_wave这里有一个我反复强调的细节np.repeat之后一定要做长度截断或填充因为Tc * fs未必是整数。采样点数和码片宽度对不齐匹配滤波输出会出现毫米级别的距离偏移后面测角、测距就全歪了。我前面排错时最多的问题就是这个。2.2 匹配滤波器为什么必须是参考信号的时间反褶共轭很多初学者会把匹配滤波理解成“拿信号和自身做相关”这在数学上没错但工程实现有个常见的坑匹配滤波器的冲激响应是发射信号的时间反转再取共轭。matched_filter np.conj(plfm[::-1]) # 匹配滤波输出 compressed np.convolve(plfm, matched_filter, modefull)注意这里用的是plfm[::-1]而不是plfm。因为卷积的定义里需要做时间反转如果不反褶得到的是互相关而不是卷积峰值的位置会左右颠倒。还有一点匹配滤波只能在“发射信号是确定已知”的前提下做。如果发射链路上有非线性失真、载波泄漏匹配滤波器的输出就会出现一堆假目标这也是我后来在实测试验里花时间最多的部分。PLFM 信号匹配滤波之后的峰值形状跟纯 LFM 不完全相同。纯 LFM 脉压后主瓣附近呈 sinc 函数形状第一旁瓣在 -13.2dBPLFM 因为叠加了相位编码短码时旁瓣结构与 Barker 码的自相关函数类似能做到更低。我用 13 位 Barker 码做 PLFM 仿真时未加窗前第一旁瓣大约 -22dB 左右肉眼已经比 LFM 干净很多。2.3 加窗处理旁瓣是被压下去了但主瓣也胖了旁瓣这个东西在强目标旁边尤其讨厌。一个 30dB 的大目标它的 -22dB 旁瓣仍然相当于一个 8dB 的小目标很容易造成虚警。所以我在匹配滤波之前会在参考信号上做加权也就是工程上常说的加窗。window np.hanning(len(plfm)) matched_filter np.conj(plfm[::-1]) * window[::-1] compressed np.convolve(plfm, matched_filter, modefull)不过要明确一点加窗是拿距离分辨率和信噪比换旁瓣抑制的。汉明窗能把第一旁瓣压到 -40dB 以下但主瓣宽度会从原来的约 1/B 展宽到约 1.5/B距离分辨率下降同时匹配滤波的匹配增益也会损失一些。所以加不加窗加什么窗要看场景我建议在探测弱小目标的场景里用汉明窗在需要分辨两个近距离目标的场景里优先保主瓣不加窗或者用泰勒窗。泰勒窗是介于两者之间的好选择我在后续版本里也引入过。3. 实操过程从回波模拟到距离多普勒二维处理3.1 目标回波建模与仿真链路搭建有了发射波形第二步就是让它在仿真环境里“飞”起来。我构造了一个包含多个目标的回波模型两个静止目标分别在 300 米和 1200 米一个匀速运动目标初始距离 700 米径向速度 10m/s再加一个高斯白噪声本底。这样一个回波模型能同时覆盖距离维和速度维的算法验证。回波模拟的简化公式是rx(t) Σ A_i · s(t - τ_i) · exp(j·2π·f_d_i·t) noise其中 τ_i 2R_i/c 是第 i 个目标的时延f_d_i 2v_i/λ 是多普勒频移A_i 是幅度衰减。我把这三个目标的回波加在一起再用匹配滤波做脉冲压缩。这个阶段我使用脉冲间相参积累即把多个重复周期的脉冲回波排成一个二维矩阵行是快时间距离维列是慢时间速度维。3.2 距离多普勒处理两次 FFT 走天下雷达最经典的处理就是距离多普勒二维 FFT。第一步对每个脉冲回波做匹配滤波得到距离维压缩后的数据。第二步在同一个距离单元里对慢时间维做 FFT得到速度维频谱。这样最终输出的二维矩阵就是距离-多普勒图简称 RD 图。rd_map np.zeros((n_pulses, n_range_bins), dtypecomplex) for i in range(n_pulses): rd_map[i, :] np.convolve(rx_pulse[i], matched_filter, modesame) # 距离维已经是压缩后的接下来对慢时间维做 FFT rd_spectrum np.fft.fftshift(np.fft.fft(rd_map, axis0), axes0)处理完之后目标的峰值应该出现在对应的距离速度格子里。仿真结果很清晰300 米和 1200 米两个静止目标出现在多普勒零频附近700 米运动目标不仅位置对而且速度维度上偏离了零频根据多普勒频移反算出来的速度约 10m/s和预设完全一致。这里有个工程细节我第一次做二维 FFT 时因为脉冲数太少速度维出现严重的栅栏效应。脉冲重复周期是 1ms10ms 积累时间只有 10 个脉冲频率分辨率只有 100Hz对应到速度分辨率是 2.58m/s。于是我提高脉冲积累数到 64 个速度分辨率立刻提升到约 0.4m/s目标峰值在速度维上就稳定了。可以说慢时间积累数直接决定测速精度仿真时别急着优化算法先把积分时间拉够。3.3 CFAR 检测与目标提取RD 图做完以后还不算完整的探测结果。如果只是把幅度图显示出来人肉找目标那只能叫演示不能叫雷达。我给它接上恒虚警率检测也就是 CFAR。我选了单元平均 CFAR在二维平面上滑动窗口对每个待检单元估计噪声功率再用门限系数判断是否属于目标。from scipy.signal import convolve2d # 距离-多普勒平面上的二维 CFAR noise_avg convolve2d(abs_rd, np.ones((2*n_guard1, 2*n_guard1)), modesame) / ((2*n_guard1)**2) threshold noise_avg * alpha detect_map abs_rd threshold单元平均 CFAR 的门限系数 α 跟虚警概率 Pfa 之间的关系是 α Pfa^(-1/N) - 1N 是参考单元数。我在程序里设置 Pfa 1e-5参考单元两侧各取 16 个保护单元取 4 个。因为仿真数据信噪比足够高检测结果非常稳目标全部检出虚警为 0。但在真实外场数据里杂波不是均匀的单元平均很容易在强杂波边缘产生“旁瓣虚警”后面值得换用有序统计 CFAR。3.4 多目标场景下的脉冲压缩旁瓣问题多目标场景下最折磨人的就是强目标旁瓣掩盖弱目标。我在仿真里故意加了一个非常强的静止目标在 400 米处幅度比 1200 米目标高 30dB。未加窗时400 米目标的旁瓣尾巴直接把 1200 米目标埋掉RD 图上一片模糊。加上汉明窗之后旁瓣被压到 -40dB 以下1200 米目标重新浮现。这个过程我反复验证过也在外场数据里遇到过类似情况。所以建议大家在调试多目标雷达时边看 RD 图边注意旁瓣高度千万不要只盯着主峰。4. 常见问题与排查技巧实录4.1 问题排查速查表我想把这几周攒下的问题整理成一张可以直接对照的速查表每个问题都是我真实踩过的。现象可能原因排查方法匹配滤波后主峰不在预期距离上采样点数与码片宽度不对齐检查Tc * fs取整后的长度截断统一码片边界RD 图速度维出现模糊目标脉冲积累数不足或重频歧义增加积累脉冲数检查目标多普勒是否超过 PRF/2强目标旁边出现对称假峰载波泄漏或 I/Q 不平衡在射频链路上加泄漏校正检查零中频信号直流分量加窗后峰值变宽但仍可接受但信噪比下降窗函数损耗改用泰勒窗或凯泽窗以可接受的旁瓣换取较低损耗相位编码波形匹配滤波旁瓣异常高编码序列没有与 LFM 同步起止确保编码序列从脉冲起点对齐不要额外延时目标速度反算符号反了FFT 后频谱单边取错做fftshift后从零频向两侧取不要从数组头部直接读4.2 实操心得为什么 SDR 实测时 PLFM 更容易受失真影响仿真做得再好到了 SDR 实测环节PLFM 的参数敏感性一下子就暴露出来了。原因在于相位编码本质上是把信息藏在相位跳变里而射频前端任何非线性失真都会产生相位噪声比如本振的相位噪声、功放压缩、ADC 的量化噪声都会直接侵蚀相位精度。我在 USRP B210 上做 5.8GHz 外场小实验时第一次测出来的匹配滤波输出旁瓣比仿真高了近 10dB排查到最后发现是发射链路增益过高功放进入非线性区相位编码跳变被“抹圆”了。解决办法是降低发射功率让信号增益避开 1dB 压缩点旁瓣立刻恢复正常。这里给大家一个非常实在的补测建议实测前先在接收机里直接采集发射机的参考波形用这个参考波形做匹配滤波而不要用仿真里的理想波形。因为理想波形和实际链路输出之间存在系统性差异匹配滤波器的“匹配”就失效了。用实测参考波形之后我的旁瓣水平从 -15dB 拉回到 -25dB 左右效果立竿见影。4.3 相位编码长码与短码的取舍Barker 码最长的已知序列只有 13 位继续扩展下去没有更长的完美序列。所以当系统需要更长的编码长度来进一步压低截获概率时只能用 m 序列等伪随机序列。我在 PLFM_RADAR 第二阶段把编码长度扩到 63 位匹配滤波后旁瓣不再有严格的窄峰而是整体落在 -18dB 附近比 13 位 Barker 差一些但频谱更加“白”。这个取舍取决于工程任务对抗单频窄带干扰时长码的频谱扩展效果更好对抗强杂波附近的弱目标时短码加窗后的旁瓣更低。二者没有绝对优劣只有合不合适。5. 经验沉淀从仿真到实测的几点共识5.1 先解决时间同步再谈波形设计精度这个项目做完之后我最大的体会是波形算法本身并不是最难的最难的是把时间基准搞得足够干净。PLFM 信号的距离测量本质上是通过匹配滤波输出峰值位置反推时延而峰值位置对应的时间精度直接受采样时钟和脉冲触发同步影响。仿真里所有信号都是理想对齐的实测时一旦 PRF 触发抖动超过一个采样点距离像上就会出现横向拉条目标峰值忽左忽右。我的做法是在每轮脉冲发射前插入一个同步头脉冲接收端拿同步头做相关校准把所有脉冲的时间基准拉到同一个原点上。这个技巧让我省掉了一整天的倒查时间。5.2 距离分辨率与多普勒分辨率永远在打架雷达设计里的一个老生常谈在 PLFM_RADAR 里表现得特别明显距离分辨率靠带宽速度分辨率靠积累时间测速范围靠脉冲重复频率。想要距离看得细就要增加带宽带宽一增加采样率就要跟着涨数据量变大存储和处理压力上升。想要速度看得准就要延长积累时间积累时间一长运动目标在积累窗口内可能已经跨了多个距离单元出现距离走动反而导致速度维模糊。这个矛盾没有一劳永逸的解法只能按任务场景折衷。我在项目里用的折衷办法是慢速目标场景用长积累快速目标场景用短积累加运动补偿。这也提醒我雷达参数设计永远不是单点最优而是一个全局优化问题。5.3 外场角度的开门经验最后说一个外场实验的小教训也算是一点实用经验。我最初把天线对准一片楼宇区域测试结果 RD 图里全是静止强反射体运动目标峰值被死死压在旁瓣里。后来换到相对空旷的操场把天线稍微上仰减少地面多径目标才从 RD 图上干净地“浮”出来。所以做雷达实测环境选择本身就是一个算法设计步骤。我建议所有做类似项目的朋友第一轮外场测试尽量选在后向散射弱、反射面干净的地方先把算法链路跑通再去挑战强杂波环境。否则杂波和旁瓣叠加在一起你根本分不清是波形的问题、算法的问题还是环境的问题。PLFM_RADAR 这个项目做到现在我不敢说波形方案有多先进但整个过程让我把线性调频、相位编码、匹配滤波、二维 FFT、CFAR 检测这条链路由浅入深完整走了一遍。仿真与实测互相印证的模式也让我后续做新波形时多了一份底气。如果你也在折腾雷达信号处理建议先动手生成一段 PLFM 波形跑通匹配滤波再往里加目标、加噪声、加杂波一步步来。这套路虽然朴素却极其有效。

PLFM雷达波形设计：线性调频与相位编码融合的脉冲压缩实践

相关推荐

平台雷达PLFM_RADAR：多平台数据自动采集与监控系统

轻量监控预警系统设计：从指标采集到告警降噪的工程实践

PLFM_RADAR：基于动态基线的平台信号监控系统设计与实践

更多资讯

立春海报设计工具评测与高效制作指南

企业AI应用中实时数据处理架构与优化实践

具身智能：物理形态如何塑造机器智能

电脑优化工具：提升系统性能的终极解决方案

CarSim与Simulink联合仿真实现车辆换道轨迹规划与跟踪

自动驾驶出租车商业化进程与中美发展差异分析

今日更新

PLFM_RADAR：从被动告警到主动感知的微服务健康监控系统

SPI隔离设计实战：MAX14431BAEE+与STM32F407工业级应用

数字隔离器如何根治SPI通信地环路干扰：MAX14431与TM4C129实战

本周精选

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

本月热门

面向复杂光照与角度的宠物面部识别鲁棒性增强策略

基于DRV8818与STM32的双极步进电机驱动方案实战解析

DRV8818PWPR+PIC18F45K80双极步进电机控制方案实战

读完文章，想聊聊您的网站？