DFRC雷达通信一体化Matlab仿真：波束成形与LCMV实现详解

最近把一套双功能雷达与通信（DFRC）系统的Matlab仿真从零跑通了，解决的应用场景很直观：在同一部天线阵列上，同时完成雷达目标探测和通信数据传输。用行话讲，就是雷达要“看”目标，通信要“说话”，两者共享阵面和频谱资源，而撑起这套共享机制的正是波束成形。过去大半年我一直在做相控阵方向的项目，这次把波束成形、目标回波、通信解调三块一起塞进Matlab里做了个完整闭环。这篇文把我踩过的坑、写过的代码、调过的参数全部记录下来，给正在啃DFRC方向的同学和工程师提供一份可以直接抄作业的仿真参考。

先说结论：这套仿真最大的价值不是算法多先进，而是把雷达和通信这两个平时各玩各的指标模型，用同一个发射权重和同一段波形捏在了一起。仿真跑通之后，雷达的探测概率、通信的误码率、波束方向图的主瓣和零陷，全部能在一张图上对比，这对理解双功能系统的折中关系特别直观。适合正在做车载雷达、无人机感知与通信一体化、以及泛在物联网信号感知的读者参考，也适合研究生课程作业或者前期算法验证。

1. 双功能雷达与通信系统：一副天线为什么要干两件事

1.1 频谱和硬件的双重压力

先说为什么这两年DFRC突然火起来。最直接的原因就是频谱资源不够用了。传统雷达在L、S、C波段的占用早就是存量格局，而5G、车联网这些宽带通信系统不断往高频段挤，两者的频谱窗口逐渐重叠。以前雷达数据和通信数据走两套独立设备、两条独立频段，没毛病；现在频谱紧张，你想再申请一段专属频段比登天还难，所以业内开始研究怎么让一套设备在同一个频段内把雷达探测和通信传输都干了。

硬件层面的压力同样现实。以车载场景为例，毫米波雷达和V2X通信模块如果各自配一套天线阵，尺寸、功耗、成本全都会上涨，整车厂很难接受。无人机也是一样，机身载荷有限，感知和通信如果各装一副天线，续航和重量都很吃亏。所以把两部设备合并成一部，用同一副天线阵同时做探测和通信，是工程上非常自然的诉求。

但合并的难点在于，雷达和通信的任务指标完全不在一个维度上。雷达要求低漏检、高测角精度，需要把波束扫向未知区域；通信要求高吞吐、低误码，需要把能量稳定送到已知用户方向。一个要“广撒网”，一个要“精瞄准”，矛盾就藏在波束资源的分配里。波束成形正是用来化解这个矛盾的核心工具。

1.2 波束成形在DFRC里到底扮演什么角色

波束成形本质上就是给天线阵的每个阵元加一个复加权系数，让各阵元信号在某个期望方向上同相叠加，形成高增益的主瓣；在其他方向上因为相位错开而相互抵消，形成低增益区甚至零陷。生活里可以类比成一群人在广场上喊一个远处的朋友：大家同时喊，喊出的话要对齐“时间相位”，朋友听清的概率最大；如果各喊各的，能量就散掉了。

在DFRC系统里，波束成形要干的事情更复杂一些。假设阵列同时服务一个雷达目标和两个通信用户，那发射波束最好能形成多个主瓣或者一个宽主瓣，把所有需要覆盖的方向都罩住，同时还要在干扰方向压出零陷。接收端则要分别处理雷达回波和通信信号，雷达波束要看向目标方向，通信波束要看向用户方向。一出一进，都是波束成形问题。

目前DFRC的架构大致分三类。第一类是时分复用，一个帧周期里先做雷达后做通信，切换快但浪费了时间资源，探测数据率和通信速率都会打折。第二类是子阵划分，把阵列劈成两半，一半专门探测，一半专门通信，实现简单但孔径损失很大，波束变宽、分辨率下降。第三类是共用波形，用一个兼具雷达和通信功能的发射波形，通过空域设计同时完成两种任务，这也是我这次仿真选的路线，最贴近所谓“真正意义的双功能”。它带来的挑战是：同一个权重向量，要同时满足雷达方向增益、通信方向增益、干扰抑制、以及波形本身的性能约束。

1.3 我的仿真任务边界

在动笔写代码之前，我先给自己划了三条边界。第一，目标模型用窄带点目标假设，不考虑距离向展宽和复杂多径；第二，天线阵用均匀线阵，方便推导和可视化；第三，雷达波形和通信波形在同一个基带模型里做叠加，但不引入子载波级正交设计。这三条约束把问题限制在一个“看得见、调得动、解释得清”的范围内，先跑通闭环，后面再逐步放开模型复杂度。

我最后选择用线性约束最小方差（LCMV）类波束成形器作为发射端核心，因为它在雷达和通信两个方向上都设置了增益约束，又能对干扰方向进行抑制。仿真里同时计算了雷达方向的信干噪比、通信方向的误码率、以及整个可见空域的方向图。这样的设计能直接回答两个问题：波束成形的空域自由度够不够用？雷达功耗和通信速率之间到底怎么折中？

2. 仿真前必须捋清的信号模型

2.1 均匀线阵与导向矢量

Matlab仿真第一步不是写代码，而是先把信号模型推导清楚。我选的是M元均匀线阵（ULA），阵元间距d取半波长。对于一个从角度θ入射的远场窄带信号，相邻阵元之间的波程差是 d·sin(θ)，对应相位差是 2πd·sin(θ)/λ。于是导向矢量的表达式是：

code复制a(θ) = [1, exp(j·2πd·sinθ/λ), ..., exp(j·2πd·(M-1)·sinθ/λ)]^T

这个式子搞懂了，后面所有波束成形代码都是它的变形。为什么阵元间距取半波长而不是一个波长？因为半波长能保证在-90到90度范围不出现栅瓣；间距太大，方向图会出现多个和主瓣一样高的“幽灵瓣”，目标方向就分不清了。间距太小则阵列孔径变小，主瓣变宽，角度分辨率跟着下降。

这里有个容易绕晕的细节：导向矢量本身没有能量概念，它只是描述“从某个方向来的信号在各阵元上的相位分布”。当你把一组权重向量w作用在阵列上，方向图就是 w^H·a(θ) 的幅度响应。如果w正好等于某个方向的导向矢量，那这个方向上的各阵元相位被补偿对齐，形成主瓣。

2.2 双功能发射波形的数学表达

接收模型理清之后，发射侧也要面对一个问题：同一个发射信号如何同时承载雷达和通信功能。我采用的建模方式是，发射基带信号由雷达波形和通信符号在数字域相加（或叠加后映射），再经过发射波束成形权重w调制到各个阵元上。形式上可以写为：

code复制s(t) = w · ( β_r · q_r(t) + β_c · q_c(t) )

其中 q_r(t) 是用于测距测速的雷达探测信号，q_c(t) 是承载通信数据的符号序列，β_r 和 β_c 是两个方向上的功率分配系数。向量w是M维发射权重，它决定了能量在各方向上的分布。这样做的好处是，雷达接收端看到的是熟悉的探测波形，通信接收端也能解调出数据符号，两者共享同一个发射链路。

当然这种简单的模型也有明显缺点：雷达波形和通信波形叠加后，彼此会造成互干扰，所以仿真结果里通信误码率和雷达信噪比不会同时做到最优。实际工程中有用OFDM-LFM结合、分集技术或感知频谱共享思路来改善，但作为Matlab入门仿真，这个叠加模型已经足够把“波束成形如何同时服务两类任务”的核心逻辑讲清楚。

2.3 两个接收端的指标怎么算

算指标之前，必须先把噪声和干扰模型统一。假设雷达目标方向为θ_r，通信用户方向为θ_c，同时存在一个来自θ_i的干扰源。那么接收到的阵列信号在数字域的模型是：

code复制X = a(θ_r)·s_r + a(θ_i)·s_i + N

其中s_r和s_i分别是目标回波和干扰基带信号，N是高斯白噪声。这个模型在雷达接收端和通信接收端可以分别套用，只是“有用信号”的期望方向不同。

雷达端关心的核心指标是检测信噪比和测角精度，我在仿真里用输出SINR和方向图主瓣位置来评估；通信端关心的则是解调后的误码率，我把通信接收信噪比换算成QPSK误码率做对比。为了把两个指标放在同一张图里观察，我定义了一个简单的人工场景：固定总发射功率，改变β_r和β_c的相对比例，分别记录雷达端SINR和通信端BER。这一步做完，便能直观看到雷达和通信之间的能量竞争关系。

3. Matlab仿真实现：模块划分与核心代码

3.1 工程目录与模块划分

Matlab项目最忌讳把所有代码堆在一个脚本里，尤其是DFRC这种多模块仿真，改一个参数就得全局找一圈，太折磨人。我按功能拆成了六个脚本：

• config.m：统一参数入口，包括载频、阵元数、方向角、快拍数、信噪比等。
• gen_steering.m：导向矢量生成函数。
• beamformer.m：波束成形权重计算，包含常规BF、MVDR、LCMV三种模式。
• gen_waveform.m：雷达探测信号与通信符号生成。
• sim_radar_comm.m：主流程，负责调用上述模块并计算指标。
• plot_results.m：结果可视化，集中出图。

这个结构的好处有两个。第一是可以做单点调试，比如只跑beamformer.m看权重长什么样，不用带着整条雷达链路一起跑；第二是便于做算法对比，想换成MVDR权重时只需要改一行调用。很多初学者喜欢把波形生成和波束成形写在一起，结果想单独看波形时被迫读几百行代码，效率极低。

3.2 参数配置：这份参数表可以直接抄

我把仿真里用到的一组基准参数列在下面，这套参数下方向图特性和误码率特性都比较好观察：

快拍数N=512是我反复试出来的下限。第一次我只用了64个快拍，协方差矩阵秩缺得厉害，求逆直接爆炸，输出权重出现一堆毛刺；后来加到512才稳定。阵元数M=16在Matlab里跑一次方向图只需要零点几秒，如果放到64阵元，波束更窄、方向图更漂亮，但协方差矩阵维数变大，求逆时间和样本需求量都会明显上升。做算法理解阶段，16阵元足够用了。

3.3 导向矢量与MVDR/LCMV权重实现

导向矢量生成最简单，可以用一个匿名函数：

matlab复制% 参数初始化
M = 16;                  % 阵元数
fc = 28e9;               % 载频
lambda = 3e8 / fc;       % 波长
d = lambda / 2;          % 阵元间距
theta_r = 20;            % 雷达目标方向（度）
theta_c = -40;           % 通信用户方向（度）
theta_i = -10;           % 干扰方向（度）
N = 512;                 % 快拍数
SNR_dB = 10;             % 信号噪声比
INR_dB = 20;             % 干扰噪声比

% 导向矢量匿名函数，theta单位为度
a_steer = @(theta) exp(1i*2*pi*d*sin(deg2rad(theta))*(0:M-1).'/lambda);

ar = a_steer(theta_r);   % 目标方向导向矢量
ac = a_steer(theta_c);   % 通信方向导向矢量
ai = a_steer(theta_i);   % 干扰方向导向矢量

这里注意匿名函数里 (0:M-1).' 是生成列向量，确保导向矢量是M×1的列向量。很多同学写成行向量后，后续矩阵乘法报维度不匹配，找半天才发现是这里的问题。

接着生成接收数据并计算样本协方差矩阵。我加了一点点对角加载，默认值为1e-3，目的是让协方差矩阵在低快拍时也可逆：

matlab复制% 生成接收数据（快拍矩阵，M×N）
s_r = randn(1, N) + 1i*randn(1, N);
s_i = randn(1, N) + 1i*randn(1, N);
noise = (randn(M, N) + 1i*randn(M, N)) / sqrt(2);

X = sqrt(10^(SNR_dB/10)) * ar * s_r + ...
    sqrt(10^(INR_dB/10)) * ai * s_i + noise;

% 样本协方差矩阵+对角加载
R_hat = X * X' / N + 1e-3 * eye(M);

权重计算我用了LCMV，因为要同时约束雷达和通信两个方向的增益。约束矩阵A由两个导向矢量组成，期望增益向量g设为全1，意思是两个方向都要保住信号：

matlab复制A = [ar, ac];
g = [1; 1];
w = (R_hat \ A) * ((A' * (R_hat \ A)) \ g);

这段代码的关键在于理解矩阵运算的含义：R_hat \ A相当于求R_hat的逆乘以A，但Matlab里用反斜杠求解线性方程组，数值上更稳定，也比显式写inv(R_hat)快。算出来的w就是M维复权重向量，幅相特性直接决定方向图形状。如果要退化成纯MVDR，只需要把A和g换成单一方向的导向矢量和标量增益1。

3.4 雷达回波与通信接收链路

发射波束成形可以做简化处理：把雷达探测信号和通信符号叠加，经过权重w映射到阵元上，再分别按照目标方向回波和用户方向传播来建接收模型。

matlab复制% 发射信号构造
q_r = exp(1i*2*pi*linspace(0, 1, N).');   % 模拟LFM基带波形
q_c = (2*rng_round(rand(1, N))-1) + 1i*(2*rng_round(rand(1, N))-1); % QPSK符号
q_c = q_c.' / sqrt(2);
beta_r = 0.7;       % 雷达功率分配系数
beta_c = 0.3;       % 通信功率分配系数

tx = w * (beta_r * q_r.' + beta_c * q_c.');  % M×N发射信号矩阵

雷达端的回波接收模型是：发射信号经过目标反射，以θ_r方向返回阵列，同时叠加干扰和噪声。通信端的接收模型则简单得多，直接把θ_c方向的发射分量当成有用信号，经过平坦衰落和加性高斯白噪声后做QPSK解调。这里我故意不做多用户干扰消除，因为重点是要看波束成形产生的空域增益能不能让通信端在低信噪比下依然解出符号。

通信解调的核心代码只有几行，但容易犯错的地方是功率归一化。如果不把QPSK符号归一化到单位能量，信道加噪后BER会“看起来”特别好，根本没法反映真实性能。我用下面这样处理：

matlab复制% 通信接收端
rx_comm = ac.' * w * beta_c * q_c.' + noise_comm;
rx_comm_norm = rx_comm / sqrt(mean(abs(rx_comm).^2));
rx_bit = real(rx_comm_norm) > 0;
ber = mean(rx_bit ~= real(q_c.'));

接收机的解调门限其实还应该考虑干扰方向泄漏过来的分量，所以我在统计BER时把干扰功率也压进了噪声项。仿真中发现，只要LCMV权重在干扰方向有足够深的零陷，即使干扰功率很高，通信误码率依然能控制在可接受范围。这个结论对于后面理解空域自由度的分配非常重要。

4. 仿真结果与算法对比分析

4.1 波束方向图怎么读

跑完仿真后，第一张必看的图是发射波束方向图。绘制方式很简单：把权重的空间频率响应在-90到90度之间扫描一遍，画出归一化幅度。我观察到的典型结果是：在θ_r=20°方向有约0dB主瓣，在θ_c=-40°方向也有一个接近0dB的主瓣，在θ_i=-10°方向则出现很深的零陷，通常在-40dB以下。这说明LCMV在保住雷达和通信两个主瓣的同时，成功把干扰压下去了。

方向图上的主瓣宽度和阵元数直接相关。经验公式是主瓣宽度大约为0.886λ/(Nd)，阵元数越大、间距越大，主瓣越窄。16阵元、半波长间距的主瓣宽度大约在15度左右，能明显看出能量集中，但还达不到精确定位级别。如果后续要做高精度测角，要么把M加大，要么引入超分辨算法如MUSIC、ESPRIT，但这已经超出基础DFRC仿真的范围。

读方向图时还要注意旁瓣。普通LCMV不加窗时，第一旁瓣大约在-13dB左右，这个水平在某些雷达场景里可能造成虚警。如果对旁瓣电平敏感，可以在权重计算后乘一个泰勒窗或切比雪夫窗，代价是主瓣稍微变宽、信噪比损失零点几dB。我在仿真里预留了加窗开关，方便对比。

4.2 雷达与通信性能的折中曲线

DFRC最有意思的图是折中曲线。我把β_r从0.1逐步调到0.9，控制总发射功率不变，每跑一次就记录雷达端SINR和通信端BER，最后画成一条“雷达性能-通信性能”权衡曲线。

结果很好理解：β_r越大，雷达方向分到的能量越多，雷达输出SINR越高；但通信方向分到的能量减少，BER迅速恶化。反之亦然。你会发现这条曲线存在明显的“甜点区”：如果β_r在0.6到0.7之间，雷达SINR能接近10dB，通信BER也还在10的负三次方以下；一旦β_r超过0.85，通信链路基本不可用。

这个结果给了我一个很重要的工程认识：双功能系统不是“既要又要”的均匀分配，而是根据业务优先级动态调度的过程。比如在无人机编队里，起飞阶段雷达探测优先级高，可以分配到0.8；编队稳定后通信吞吐更重要，就把β_c提上来。这种动态功率分配本身就是DFRC资源管理的一部分，仿真模型里留了接口，后面做自适应调度非常方便。

4.3 MVDR、对角加载MVDR与常规BF对比

在仿真里我顺手对比了三种算法：常规波束成形（CBF）、标准MVDR、加了1e-3对角加载的MVDR（DL-MVDR），评价维度是主瓣方向误差、零陷深度和输出SINR：

结果显示，标准MVDR在理想条件下零陷深度非常诱人，但稍微减少快拍数或者把导向矢量设偏一点，权重就“失真”，方向图出现高旁瓣甚至畸变。加了对角加载之后，零陷变浅了，但整体方向图平滑稳定得多，这也解释了为什么工程实现里几乎都要加加载量。

选MVDR类算法而不是LCMV做对比的原因在于，MVDR是“单目标单约束”的经典形式，方便直观理解；LCMV则是在MVDR基础上加了多个约束，本质上是一脉相承的。如果你在仿真中看到MVDR权重算出来是巨大数值，第一个怀疑方向就是协方差矩阵奇异或者快拍数不足，而不是算法本身的数学问题。

5. 常见问题排查与避坑记录

5.1 协方差矩阵奇异导致权重爆炸

这是我第一次跑仿真就遇到的第一个大坑。当时只生成了32个快拍，但阵元数是16，按理说快拍数大于阵元数就能保证满秩，但实际算出来的权重系数动辄上百，方向图惨不忍睹。排查后发现，由于雷达波形和干扰波形都是正弦类强相关信号，协方差矩阵存在很大的特征值扩散，接近病态，数值求逆时误差被无限放大。

解决办法有两个方向。一是增加快拍数到512以上；二是给协方差矩阵加对角线加载，相当于人为抬高噪声底，把病态特征值“压住”。两个方法我都试过，最稳定的是同时使用：快拍数加到512，对角加载量取最大特征值的1e-3倍。这个加载量既不会太影响零陷，又能保证权重系数稳定在正常数量级。

5.2 栅瓣、阵元间距与角度覆盖范围

有同学喜欢把阵元间距设成λ甚至更大，觉得“孔径变大，波束更窄”，结果方向图扫出来一片混乱。原因就是间距超过λ/2后，在可见区出现了多个栅瓣，雷达端可能把旁瓣方向的能量误判成目标回波。

仿真时我强烈建议先用d=λ/2跑通全流程，然后你再试着把d改成λ看看方向图变化。这个实验比任何理论讲解都直观：当d=λ时，-90度到90度之间会多出一对与主瓣等高的镜像瓣。如果你确实需要大间距提升分辨率，就要把扫描角度限制在主瓣附近，或者在接收端加空间谱估计来消除栅瓣模糊。

5.3 仿真效率与代码调试技巧

Matlab仿真里影响效率最大的通常是循环，其次是每次都重新计算导向矢量。我之前写第一版代码时，在快拍循环里调用了导向矢量函数上万次，跑一次仿真要几分钟。后来发现完全可以把导向矢量一次性算好，再通过矩阵乘法映射到所有快拍上，跑一次缩小到十几秒。

调试方面最实用的小技巧是：在计算方向图时，不要每次都扫描几千个角度，先用30个左右的角度画出粗轮廓，确认主瓣和零陷位置合理之后，再细扫到3601个角度。这样能避免最开始的错误参数浪费大量绘图时间。另外，如果发现BER曲线是平的或者杂乱无章，优先检查符号是否归一化，其次是接收端的信噪比有没有算错，这两个原因占了八成问题。

5.4 快速问题速查表

这套表格是我后期调试时最常用的索引，基本覆盖了初学者前三次跑DFRC仿真会遇到的大部分问题。建议你把自己的仿真报错信息对照着查一遍，比翻论坛效率高很多。

文末补一个我自己的使用体会：DFRC仿真真正难的不是写代码，而是把雷达“检测概率”这套语言和通信“误码率”这套语言放进同一个优化模型。一开始我沉迷于把方向图做得极其漂亮，后来才发现，波束图好看不代表通信能解调出有效数据，因为通信端还有功率归一化、信道衰减和符号级约束这些“隐藏关卡”。当你把仿真闭环跑通，再回头调整功率分配和约束条件，才会真正理解空域资源、功率资源和时间资源其实是同一笔账。这套Matlab工程我已经整理成可运行的版本，参数全部开放，适合在这个模型上继续加卡尔曼滤波、自适应功率分配甚至深度学习的波束预测。