从静态方向图到动态信号链：MATLAB相控阵雷达系统级仿真实战

相控阵雷达技术正逐步从军事领域渗透到民用场景，无论是自动驾驶的毫米波雷达，还是5G Massive MIMO系统，其核心都离不开阵列天线的波束控制原理。传统教学实验中，我们往往止步于绘制几个静态方向图，这就像只学会了画汽车外观却不懂发动机原理——能展示基础概念，却难以应对真实工程挑战。

今天，我们将用MATLAB搭建一个完整的相控阵雷达信号处理链路。不同于简单的方向图仿真，这个实验将包含：

• 线性调频(LFM)信号的生成与发射
• 多目标回波的空间传播建模
• 动态波束形成与干扰抑制
• 距离-多普勒处理链的实现

1. 构建雷达信号系统框架

1.1 系统参数设计

相控阵雷达仿真的第一个挑战是如何选择合理的参数体系。以下是一组典型参数配置：

matlab复制% 基本参数初始化
c = 3e8;            % 光速(m/s)
fc = 10e9;          % 载频(Hz) 
lambda = c/fc;      % 波长(m)
B = 100e6;          % 带宽(Hz)
Tp = 10e-6;         % 脉宽(s)
fs = 120e6;         % 采样率(Hz)
N = 16;             % 阵元数
d = lambda/2;       % 阵元间距(m)

1.2 LFM信号生成

线性调频信号因其大带宽、高多普勒容限等特性，成为现代雷达的主流波形。其数学表达式为：

$$
s(t) = \exp\left(j2\pi\left(f_c t + \frac{K}{2}t^2\right)\right), \quad 0 \leq t \leq T_p
$$

其中调频斜率$K=B/T_p$。MATLAB实现时需要特别注意时间轴的精确对齐：

matlab复制function [signal,t] = generate_LFM(fc,B,Tp,fs)
    K = B/Tp;                       % 调频斜率
    t = 0:1/fs:Tp-1/fs;             % 时间轴
    signal = exp(1j*2*pi*(fc*t + K/2*t.^2));
end

提示：实际工程中还需考虑窗函数应用以降低频谱泄露，常用Hamming或Taylor窗

2. 多目标场景建模

2.1 目标与信道特性

假设场景中存在三个不同特性的目标：

回波信号需考虑：

• 距离衰减（与$R^4$成反比）
• 多普勒频移：$f_d = 2v/\lambda$
• 阵列空间相位差：$\Delta\phi = 2\pi d\sin\theta/\lambda$

matlab复制function echo = target_response(tx_signal, target, fs, fc, c)
    R = target.R;       % 目标距离
    v = target.v;       % 目标速度
    theta = deg2rad(target.theta); % 方位角
    
    td = 2*R/c;         % 时延
    fd = 2*v*fc/c;      % 多普勒频移
    
    % 考虑脉压后的信号长度
    N = length(tx_signal);
    echo = zeros(1, 2*N);
    
    % 加入时延和多普勒
    t = (0:N-1)/fs;
    shifted_signal = tx_signal .* exp(1j*2*pi*fd*t);
    
    % 放置到正确位置
    start_idx = round(td*fs);
    echo(start_idx:start_idx+N-1) = shifted_signal;
    
    % 加入距离衰减
    echo = echo * sqrt(target.rcs) / R^2;
end

2.2 干扰模拟

现实环境中常见的干扰类型包括：

1. 噪声干扰：宽带高斯白噪声

   matlab复制noise_power = 0.1; % 噪声功率
   noise = sqrt(noise_power/2)*(randn(size(signal)) + 1j*randn(size(signal)));
   

2. 欺骗式干扰：延迟转发信号

   matlab复制jammer_delay = 100e-6; % 干扰延迟
   jammer_signal = [zeros(1,round(jammer_delay*fs)), signal(1:end-round(jammer_delay*fs))];
   

3. 阻塞式干扰：窄带连续波

   matlab复制jammer_freq = fc + 10e6; % 干扰频偏
   t = (0:length(signal)-1)/fs;
   cw_jammer = 0.5*exp(1j*2*pi*jammer_freq*t);
   

3. 相控阵信号处理链路

3.1 数字波束形成(DBF)

相控阵的核心是通过相位控制实现波束扫描。对于N元线阵，波束形成权重为：

$$
w_n = \exp\left(-j\frac{2\pi}{\lambda}nd\sin\theta_0\right), \quad n=0,1,...,N-1
$$

MATLAB实现时需要处理多个接收通道的数据：

matlab复制function beamformed = DBF(rx_signals, theta_scan, fc, d)
    [N, L] = size(rx_signals); % N阵元，L采样点
    lambda = 3e8/fc;
    
    % 生成波束形成权重
    n = 0:N-1;
    steering_vector = exp(-1j*2*pi*d*n'*sin(theta_scan)/lambda);
    
    % 应用权重
    beamformed = steering_vector' * rx_signals;
end

注意：实际系统中还需考虑通道不一致性校准，可通过内置测试信号定期校正

3.2 脉冲压缩处理

利用匹配滤波器实现距离维高分辨率：

matlab复制function [compressed, t_axis] = pulse_compression(rx_signal, tx_signal, fs)
    % 生成匹配滤波器
    h = conj(fliplr(tx_signal));
    
    % 脉冲压缩
    compressed = conv(rx_signal, h, 'same');
    
    % 生成距离轴
    t_axis = (0:length(compressed)-1)/fs * 3e8/2;
end

3.3 多普勒处理

通过FFT实现速度维分析：

matlab复制function [doppler_fft, vel_axis] = doppler_processing(pulses, PRF, fc)
    [N_pulses, N_samples] = size(pulses);
    
    % 沿脉冲维FFT
    doppler_fft = fftshift(fft(pulses, [], 1), 1);
    
    % 生成速度轴
    lambda = 3e8/fc;
    vel_axis = (-N_pulses/2:N_pulses/2-1)/N_pulses * PRF * lambda/2;
end

4. 完整仿真流程与结果分析

4.1 端到端处理链

整合前述模块构建完整处理流程：

1. 发射端：

   matlab复制[tx_signal, t] = generate_LFM(fc, B, Tp, fs);
   

2. 空间传播：

   matlab复制rx_signals = zeros(N, length(tx_signal)*2); % 多通道接收
   for i = 1:length(targets)
       target_echo = target_response(tx_signal, targets(i), fs, fc, c);
       for ch = 1:N
           phase_shift = exp(-1j*2*pi*(ch-1)*d*sin(targets(i).theta)/lambda);
           rx_signals(ch,:) = rx_signals(ch,:) + target_echo * phase_shift;
       end
   end
   

3. 接收处理：

   matlab复制% 波束形成
   beamformed = DBF(rx_signals, scan_angle, fc, d);
   
   % 脉冲压缩
   [compressed, t_axis] = pulse_compression(beamformed, tx_signal, fs);
   
   % 多普勒处理
   [doppler_map, vel_axis] = doppler_processing(reshape(compressed, [], N_pulses), PRF, fc);
   

4.2 典型结果可视化

通过以下代码可生成三维距离-多普勒图：

matlab复制figure;
imagesc(t_axis, vel_axis, 20*log10(abs(doppler_map)));
xlabel('距离(m)'); ylabel('速度(m/s)');
title('距离-多普勒图');
colorbar;
axis xy;

调试过程中常见的几个问题：

• 栅瓣现象：阵元间距过大导致
• 距离模糊：PRF选择不当引起
• 速度模糊：多普勒频率超过PRF/2

在最近的一个自动驾驶雷达项目中，我们发现当目标RCS差异超过20dB时，强目标的旁瓣可能掩盖邻近弱目标。这时需要采用自适应波束形成技术，如MVDR算法：

matlab复制function weights = mvdr_beamformer(R, steering_vector)
    inv_R = inv(R + 1e-6*eye(size(R))); % 对角加载提高稳定性
    weights = inv_R * steering_vector / (steering_vector' * inv_R * steering_vector);
end