梯度下降法优化相位编码波形：低自相关旁瓣设计的工程实践

搞雷达脉冲压缩的时候，我接了个活儿：要设计一段64位的相位编码波形，要求自相关旁瓣尽可能低。最初我的第一反应是用巴克码，结果一查资料，巴克码最长只有13位，完全不够用。后来试过查表法、遗传算法，折腾了一圈，最后发现梯度下降法反而是最直接、最容易调通的一条路。

这篇就记录我用梯度下降法优化波形自相关特性的完整过程，包括目标函数怎么选、梯度怎么推、参数怎么调，以及几个仿真阶段特别容易踩的坑。内容偏工程实践，不过该有的数学推导也会给出来。适合做雷达波形设计、通信前导码、超声编码激励、声呐探测这些方向的朋友参考，看完应该能直接上手复现。

1. 为什么波形设计要从“自相关旁瓣”入手

1.1 自相关特性在接收端到底起什么作用

先说一下自相关和接收机的关系。雷达或者通信系统里，接收端通常做一个匹配滤波操作，匹配滤波器的输出就是发射波形的自相关函数。理想情况下，我们希望自相关函数是一个冲击函数——只有一个主峰，其他位置全是零。这样两个目标回波靠得再近，也能清晰分开。

但现实中没有理想波形。有限时宽的信号，自相关函数除了主瓣之外，必然带着一串旁瓣。问题就出在这些旁瓣上。举个例子，假设两个目标分别位于延时10和延时15的位置，第一个目标是强目标，回波幅度很大，第二个目标是弱目标，回波幅度很小。如果强目标在延时5处的旁瓣比弱目标在延时15处的主瓣还高，那弱目标就完全被淹没在旁瓣底下了。这在雷达里叫“强目标遮蔽弱目标”，是波形设计必须解决的问题。

所以波形设计不能只看带宽、时宽这些表面参数，最终还是要落回到自相关函数形状上。自相关旁瓣越低，接收机的动态范围就越好，越能分辨强信号背后的弱信号。

1.2 两个核心指标：峰值旁瓣电平和积分旁瓣电平

量化自相关好坏，工程上常用两个指标。

第一个叫峰值旁瓣电平（PSLR，Peak SideLobe Ratio），定义是最大旁瓣幅度和主瓣幅度的比值，通常换算成分贝。这个指标衡量的是“最坏情况有多差”，雷达目标检测最关心这个，因为任何一个高旁瓣都可能变成虚假目标。

第二个叫积分旁瓣电平（ISL，Integrated SideLobe Level），定义是除主瓣外所有旁瓣能量之和与主瓣能量的比值。这个指标衡量的是“旁瓣总能量有多大”，它跟杂波抑制能力、信道估计精度关系更密切。

我做的项目里，两个指标都要求。但在用梯度下降优化时，先优化哪个、用什么目标函数，学问很大，这个后面详细展开。

这里还有个大背景：经典波形方案都存在各自的局限。巴克码自相关旁瓣均匀，但最长只有13位，码长不够时没法直接用。线性调频信号（LFM）技术很成熟，但存在距离-多普勒耦合的问题，而且加窗压低旁瓣会以展宽主瓣为代价。m序列、Gold码在扩频通信里用得多，自相关性能也不错，但灵活性和相位自由度不如连续相位编码。

我当时的判断是，相位编码波形自由度最高，每个码片的相位都可以独立设计，正好适合用梯度下降这种数值优化方法去搜索。只要把目标函数和梯度定义清楚，剩下的交给迭代就行。

2. 梯度下降之前：目标函数与梯度推导

2.1 为什么选ISL做代价函数，而不直接优化PSLR

这是我踩的第一个坑。最开始我天真地想，既然雷达关心峰值旁瓣电平，那直接把PSLR当目标函数不就好了？结果一跑就发现梯度下降根本走不动。

原因不难理解。PSLR用的是max运算，它只关注最大旁瓣的那一个点。max函数