简介：这份资源面向雷达信号处理方向的学习者与工程人员，聚焦多目标场景下LFM调频连续波与CW波的脉冲压缩仿真，帮助理解时域与频域两种压缩方法的实现差异与一致性。程序支持自行设置目标数量，默认配置为2个目标，LFM脉冲压缩后每个目标对应一个波峰，便于直观观察多目标分辨效果。压缩包共3个文件，包含2个m脚本与1个pdf文档，分别对应CW与LFM信号的Matlab仿真代码及配套说明，整体约104KB，轻量易运行。仿真同时给出时域与频域脉冲压缩结果，并验证两种方式得到的回波幅度一致，可作为算法对比与教学演示的参考。目前已有1432人学习下载，适合需要快速上手脉冲压缩、对照代码验证理论的读者。
1. 多目标下的 LFM 与 CW：为什么同一套脉冲压缩代码，换个波形结果就崩了
很多人第一次做雷达信号仿真的直觉是：脉冲压缩不就是把回波和参考信号做一次匹配滤波吗？把 LFM（线性调频）那套xcorr或者 FFT 共轭相乘的代码原样搬到 CW（单频连续波）上，应该也能跑。结果一跑就翻车——LFM 那边两个目标分得清清楚楚，CW 这边要么全是模糊的峰，要么距离维上根本分不开。问题不在代码写错了，而在于 LFM 和 CW 这两种波形对「脉冲压缩」这件事的物理前提完全不同：LFM 靠的是大时宽带宽积把能量摊在频率轴上，压缩增益来自带宽；CW 是单频，带宽趋近于零，它的「压缩」本质上是长时间相干积累，靠的是时间。把这两者塞进同一个仿真框架里，你必须先想清楚：多目标回波叠加之后，时域上谁和谁在打架，频域上谁又能被分开。这份 MATLAB 仿真程序的价值，就在于它把 LFM 和 CW 在多目标场景下的时域、频域脉冲压缩放在同一套可对比的流程里，让你亲眼看到波形选择如何决定分辨率、旁瓣和模糊。搞懂它，你就不会再问「为什么我的 CW 压缩没增益」这种问题了。
2. 脉冲压缩的底层逻辑：匹配滤波到底在匹配什么
2.1 从「能量摊开」到「压缩回来」的物理图像
脉冲压缩的核心思想一句话：发射一个宽脉冲来携带足够能量，接收时通过匹配滤波把它压成窄脉冲来获得分辨率。宽脉冲能量大，窄脉冲分辨率高，这两者本来矛盾，脉冲压缩就是用来同时拿到两者的。
对 LFM 来说，发射信号频率随时间线性变化，带宽 B 和脉宽 T 的乘积就是压缩比。匹配滤波器的冲激响应是发射信号的时间反转共轭，回波通过它之后，不同频率分量在时间上对齐，输出一个 sinc 形状的窄峰，峰值功率相对输入提升约 BT 倍。这个增益是实打实的，因为信号能量被重新集中了。
对 CW 来说，发射的是单一频率的正弦波，带宽几乎为零。匹配滤波退化成对已知频率的相干积分，输出峰值取决于积累时间的长短。它没有 LFM 那种「带宽换分辨率」的机制，距离分辨率靠的是脉冲包络或者调制方式，而不是压缩比。所以同一段匹配滤波代码，对 LFM 是在做频率对齐，对 CW 是在做相位对齐，物理含义完全不同。
常见的实现思路是：仿真里先分别生成两种波形的发射信号，再分别构造对应的匹配滤波器，而不是共用一个滤波器系数。这一点如果搞混，多目标回波一叠加，你连哪个峰对应哪个目标都分不清。
2.2 多目标回波叠加后，时域上发生了什么
多目标场景下，接收信号是多个延迟、多普勒和幅度各异的回波之和。时域上，这些回波可能部分重叠，也可能完全分开，取决于目标间距和脉冲宽度。
对于 LFM，如果两个目标距离差小于压缩后的脉冲宽度，它们的压缩峰会在时域上重叠，形成无法分辨的两个目标。这就是距离分辨率的来源：压缩后脉宽约等于 1/B。带宽越大，压缩峰越窄，能分辨的目标间距越小。
对于 CW，时域上回波是持续的正弦段，目标距离差体现为到达时间的差异。如果只用单个脉冲的时域波形，你很难直接看出两个目标，因为正弦波长得都一样。必须通过相干处理或者对多个脉冲做积累，才能在时域或频域上把目标分开。
仿真程序里通常会构造一个目标参数矩阵，每行包含距离、速度、幅度，然后循环生成每个目标的回波并叠加。这个矩阵的设计直接决定了你能不能验证出分辨率极限。
2.3 频域脉冲压缩：FFT 共轭相乘的适用边界
频域脉冲压缩的常见做法是：对回波做 FFT，乘以参考信号 FFT 的共轭，再 IFFT 回时域。这在 LFM 上非常自然，因为匹配滤波在频域就是共轭相乘，计算量从 O(N²) 降到 O(N log N)。
但对 CW，这个操作要小心。CW 的频谱是单根谱线，共轭相乘后仍然是一根谱线，IFFT 回去还是一个正弦，压缩效果几乎为零。如果你在多目标下直接套用频域压缩，CW 的多个目标在频域上可能表现为同一根谱线附近的不同相位，根本无法通过简单的共轭相乘分开。
所以仿真程序里对 CW 的处理，往往不是走标准频域脉冲压缩，而是走多普勒滤波或者长时间相干积累的路径。频域在这里的作用是分辨速度，而不是距离。这个区别是理解整份代码的关键。
% 以 LFM 为例，频域脉冲压缩的核心三步 N = 1024; % 采样点数 t = linspace(0, 1e-4, N); B = 1e8; % 带宽 100 MHz K = B / max(t); % 调频斜率 tx = exp(1j*pi*K*t.^2); % LFM 发射信号 % 构造两个目标的回波 target_delays = [1e-6, 3e-6]; % 目标延迟 target_amps = [1.0, 0.6]; % 目标幅度 rx = zeros(1, N); for k = 1:length(target_delays) delay_samples = round(target_delays(k) / max(t) * N); rx = rx + target_amps(k) * circshift(tx, delay_samples); end % 频域匹配滤波 RX = fft(rx); TX_ref = fft(tx); compressed = ifft(RX .* conj(TX_ref));这段代码里，circshift用来模拟目标延迟，fft和ifft完成频域压缩。关键参数是B和N：带宽决定压缩后主瓣宽度，采样点数决定频率分辨率。如果换成 CW，tx变成单频信号，compressed就不会出现尖锐的峰，而是接近一个 sinc 状的宽包络，这就是波形差异的直接体现。
3. 多目标分辨的机制：时域门与频域门的取舍
3.1 时域压缩峰的位置与目标距离的映射
时域脉冲压缩后，峰值出现的位置对应目标的延迟，延迟乘以光速除以二就是距离。多目标时，你会看到多个峰，每个峰的位置和高度分别对应目标的距离和反射强度。
但这里有个容易踩的坑：如果两个目标的延迟差小于压缩后的主瓣宽度，两个峰会合并成一个，你看到的是一个宽峰而不是两个峰。这时候你可能会误以为只有一个目标。仿真程序里通常会设置一组间距逐渐减小的目标，让你观察从「能分开」到「分不开」的临界点，这个临界点就是距离分辨率的实测值。
对于 LFM，这个临界点约等于 c/(2B)。对于 CW，因为没有带宽压缩，临界点取决于脉冲持续时间和包络形状，通常要差得多。这就是为什么多目标场景下 LFM 更受青睐。
3.2 频域分辨与多普勒维的耦合
频域脉冲压缩除了能压缩 LFM，还能用来分辨速度。多个脉冲的回波在慢时间维做 FFT，会形成多普勒谱，不同速度的目标出现在不同的多普勒频率上。
但距离和速度存在耦合：一个目标的速度会产生多普勒频移，在频域上表现为谱线偏移，如果处理不当，会被误判为距离变化。LFM 对这种耦合相对敏感，需要做距离-多普勒联合处理或者补偿。CW 因为本身是单频，多普勒频移直接体现为频率变化，反而在测速上更直接，但测距能力弱。
仿真程序里如果同时包含时域和频域两条路径，通常是为了让你对比：时域看距离，频域看速度，多目标下两者如何互相影响。这个对比是整份代码最有价值的部分之一。
3.3 旁瓣与加窗：为什么压缩峰旁边还有小峰
匹配滤波的输出不是理想冲激，而是 sinc 函数，主瓣两侧有旁瓣。旁瓣电平对于矩形窗大约是 -13 dB。多目标场景下，强目标的旁瓣可能淹没弱目标的主瓣，导致漏检。
解决办法是加窗，比如汉明窗、汉宁窗，把旁瓣压下去，代价是主瓣变宽，分辨率下降。仿真程序里一般会提供加窗和不加窗的对比，让你看到旁瓣抑制和分辨率之间的权衡。
% 加窗后的频域脉冲压缩 window = hamming(N)'; % 汉明窗 tx_win = tx .* window; % 发射信号加窗 RX = fft(rx); TX_win = fft(tx_win); compressed_win = ifft(RX .* conj(TX_win)); % 对比旁瓣电平 figure; plot(abs(compressed), 'b'); hold on; plot(abs(compressed_win), 'r'); legend('未加窗', '加窗');这里hamming(N)生成长度 N 的汉明窗，乘在发射信号上。加窗后旁瓣明显降低，但主瓣展宽，两个靠近的目标可能从「勉强分开」变成「分不开」。参数N越大，窗函数过渡带越窄，但计算量也越大。实际仿真里要根据目标间距和旁瓣要求来选窗型和长度。
4. 避坑与排查：多目标仿真里最容易翻车的几个点
4.1 现象：CW 压缩后没有尖峰，以为代码错了
原因：CW 是单频信号，匹配滤波不会产生 LFM 那种压缩增益，输出本来就是宽包络或者近似恒定值。这不是代码 bug，是波形特性。
解决：确认你用的是 CW 对应的处理路径，比如相干积累或者多普勒滤波，而不是直接套 LFM 的频域共轭相乘。如果仿真程序里两条路径分开写，检查你是不是调错了函数。
4.2 现象：两个目标明明设了不同距离，压缩后只有一个峰
原因：目标间距小于压缩后主瓣宽度，两个峰合并了。或者采样率不够，延迟量化误差太大，两个目标被量化到同一个采样点。
解决：先算一下理论分辨率 c/(2B)，确认目标间距大于这个值。然后检查采样率是否满足 Nyquist，延迟对应的采样点数是否足够区分。可以先把目标间距拉大验证流程，再逐步缩小找临界点。
4.3 现象：频域压缩后出现对称的假峰
原因：FFT 的循环卷积特性导致时域混叠，或者没有做补零，导致频域分辨率不够，旁瓣泄漏形成假峰。
解决：在 FFT 前对信号补零到至少两倍长度，避免循环卷积。检查fft点数是否足够，必要时用nextpow2取整。如果用了circshift模拟延迟，注意边界处理，避免回波绕回。
4.4 现象：多目标幅度比和设定值对不上
原因：多个回波叠加时发生了相干叠加或相消叠加，相位关系导致幅度不是简单相加。或者加窗后能量归一化没做，幅度整体偏移。
解决：检查每个目标的初始相位设置，如果是随机相位，多目标叠加后幅度会波动。仿真里通常设为零相位或者固定相位差，便于对比。加窗后要做能量补偿，否则峰值幅度会下降。
4.5 现象：时域和频域两条路径结果不一致
原因：时域用的是xcorr或者卷积，频域用的是 FFT 共轭相乘，两者在边界处理和归一化上可能有差异。如果信号没有补零，频域方法会有循环卷积误差。
解决：统一两条路径的采样点数、补零长度和归一化方式。可以用一个单目标场景先对齐两条路径的输出，确认峰值位置和幅度一致后，再上多目标。
5. 从仿真到认知：波形选择背后的设计取舍
把 LFM 和 CW 放在同一份多目标仿真里对比，最有价值的不是哪个波形更好，而是让你看清「分辨率、增益、复杂度」这三者之间的取舍关系。LFM 用带宽换距离分辨率，压缩增益大，但距离-多普勒耦合需要额外处理，旁瓣控制也要加窗。CW 用时间换速度分辨率，测速直接，但测距能力弱，多目标下时域几乎分不开。仿真程序把这两条路径都跑一遍，你就能根据实际场景反推该选哪种波形，而不是背结论。
我自己的习惯是：拿到任何脉冲压缩代码，先跑单目标，确认压缩峰位置和理论延迟对得上；再加第二个目标，逐步缩小间距，找到分辨率临界点；最后换波形，看同一套目标参数下输出怎么变。这个流程走一遍，比看十页公式都管用。从那以后我每次做多目标仿真，都强制先跑一遍单目标基线，再动目标参数。希望帮到你。
本文还有配套的精品资源，点击获取
