★ FEATURED ARTICLE 1. 为什么非要用 MATLAB/Simulink 做雷达仿真1.1 雷达仿真到底在仿什么先聊个实际的场景。我去年接手了一个车载毫米波雷达的项目硬件平台还没到位算法团队天天喊着要调参测试场地排期又遥遥无期。当时如果没有一套趁手的仿真工具整个项目进度基本就是卡死的状态。后来我花了大概两周时间用 MATLAB 和 Simulink 把从波形生成到目标检测的完整链路搭了出来算法团队在仿真环境里完成了大部分参数调优硬件回来之后联调周期压缩了将近一半。很多人一听到雷达仿真就觉得是高深莫测的东西其实拆开来看雷达系统建模的核心就是三件事信号怎么发出去、碰到目标怎么反射回来、接收端怎么从噪声里把目标捞出来。用 MATLAB/Simulink 做这件事的优势在于它的 Radar Toolbox、Phased Array System Toolbox 和 Simulink 的模型化仿真环境覆盖了从算法验证到系统集成的全流程你不需要在 Python、C 和专用仿真软件之间来回切换一套工具链就能把事干完。需要注意的是这里的仿真绝不等于照着公式画个曲线。真实的雷达系统里有天线方向图、有传播损耗、有杂波干扰、有硬件量化误差任何一个环节忽略掉到了实机上都会给你找麻烦。仿真模型的价值恰恰在于它能以可控的成本把你预期会碰到的坑提前暴露出来。1.2 三个工具链的取舍逻辑我自己用下来雷达仿真领域其实有三条路可以走纯算法仿真、半物理仿真、全数字孪生。这三条路分别对应不同的阶段和需求很多人一开始就选错了方向后面越走越痛苦。纯算法仿真基本只用 MATLAB 脚本适合做信号处理算法的验证。你写一个匹配滤波函数写一个 CFAR 检测器输入合成的中频信号看输出能不能检测到目标。优点是完全可控、速度快、调试方便缺点是不直观整个信号链路的信号流关系需要自己脑中构建而且后续很难直接往工程代码过渡。半物理仿真就是在 Simulink 里搭系统模型配合 Signal Processing Toolbox 和 Phased Array System Toolbox 的模块或者直接连接硬件在环HIL设备。这个层次比纯算法高一些模型本身就是系统的映射信号流、控制流、时序关系一目了然。团队协作的时候特别好用算法人员看信号处理部分系统人员看天线和波形部分各看各的模块接口对了就行。全数字孪生是更进一步的玩法用 Radar Toolbox 的场景生成器构建完整的环境模型包括路面、车辆、行人、建筑反射配合传感器模型输出理想的检测结果。这套东西主要用于测试感知算法和决策算法比如你做的不是信号处理而是融合定位那就不需要关心底层波形细节直接吃传感器级的仿真输出就够了。我个人的建议是如果你刚入门或者主要做信号处理算法从纯算法仿真入手跑通之后再把链路往 Simulink 里迁。如果一开始就扎进 Simulink 里搭模型信号处理的理论还不扎实的话很容易被模块数绕晕。如果项目已经是系统级的那直接上半物理仿真或全数字孪生别在纯算法里浪费时间。2. 搭建雷达模型前的准备工作2.1 先想清楚信号模型再动手在任何仿真项目里模型选型永远是第一步。雷达信号模型的核心是搞清楚你关注的是窄带信号还是宽带信号是相干处理还是非相干处理是单脉冲还是多脉冲积累。拿最常见的线性调频脉冲体制来说发射信号可以表示为% 线性调频信号参数 fc 77e9; % 载频 77 GHz车载毫米波常用频段 BW 150e6; % 带宽 150 MHz Tp 10e-6; % 脉冲宽度 10 微秒 PRF 1000; % 脉冲重复频率 1000 Hz fs 2*BW; % 采样率至少为带宽的两倍 % 生成基带线性调频信号 t 0 : 1/fs : Tp - 1/fs; phase 2*pi*(fc*t 0.5*(BW/Tp)*t.^2); s_tx exp(1j*phase);这段代码看着简单但里面有几个参数是互相牵制的。带宽决定距离分辨率带宽越大距离分辨率越高公式是 \( \Delta R c / (2BW) \)用 150 MHz 带宽算出来距离分辨率是 1 米。脉冲宽度决定发射能量和占空比占空比大了发射机平均功率扛不住。PRF 决定最大不模糊距离 \( R_{max} c / (2 \cdot PRF) \)1000 Hz 的 PRF 对应的最大不模糊距离是 150 公里对车载雷达来说绰绰有余但对天波超视距雷达这种远距离探测场景就完全不够了需要降 PRF 或改用编码波形。我在这个环节吃过亏刚开始想当然地选了一组参数带宽 500 MHz、PRF 10 kHz结果仿真跑出来距离模糊目标明明在 50 公里外检测结果却显示在 20 公里处。后来才发现是 PRF 选得太高最大不模糊距离只有 15 公里。所以参数设计一定要从系统需求倒推先确定要探测的最远距离、最小可分辨距离、最大目标速度再反算波形参数不要反过来。2.2 工具箱与 App 选型MATLAB 雷达仿真涉及的关键工具箱有这么几个工具箱用途我的使用频率Phased Array System Toolbox波形设计、波束形成、天线阵列、信号收发极高Radar Toolbox场景生成、雷达跟踪、检测算法、点迹处理高Signal Processing Toolbox滤波、变换、检测后续处理高Simulink系统级建模、与硬件在环联调中看需求除此之外还有一个非常实用的信号分析器 App在 App 面板里可以直接打开加载仿真信号看频谱、时域包络、模糊函数图比写一大堆 plot 代码高效得多。我个人特别推荐从 Phased Array System Toolbox 的波形设计器开始玩起。它支持图形化配置波形参数直接预览脉冲波形和频谱还能一键生成对应的 MATLAB 代码。对于新手来说这个工具能帮你在没有强大信号处理背景的情况下先把波形这块看明白。在真正动手搭系统之前花几个小时把 Phased Array System Toolbox 的例程跑一遍非常值得。官方文档里的Radar System Design系列例程从单目标检测一直做到多目标跟踪代码质量很高结构也很清晰直接在上面做修改往往比自己从零写要稳得多。2.3 三类关键参数的工程计算雷达系统建模里最容易被忽视但影响最大的是链路预算。你设计的接收机能不能检测到目标最终由信噪比决定而信噪比由雷达方程决定。雷达方程的标准形式是\[ SNR \frac{P_t \cdot G_t \cdot G_r \cdot \lambda^2 \cdot \sigma}{(4\pi)^3 \cdot R^4 \cdot k \cdot T \cdot B \cdot F \cdot L} \]这个公式看着长拆开理解其实不难。发射功率提高一倍信噪比提高 3 dB天线增益提高一倍信噪比提高 6 dB发射和接收各贡献 3 dB目标距离翻倍信噪比下降 12 dB这就是为什么远距离探测是最难的事情距离就是信噪比最狠的杀手。我在 MATLAB 里会直接用工具箱提供的函数来算比如radareqsnrlambda physconst(LightSpeed) / fc; snr radareqsnr(lambda, 100e3, 1000, 5e-3, ... Gain, 10, Loss, 6, Ts, 290, NoiseFigure, 4);这里的 100e3 是目标距离 100 公里1000 是雷达截面积RCS1 平方米5e-3 是峰值功率 5 kW。算出来的 SNR 如果低于检测门限那就得回炉调整参数或者增加脉冲积累数。第二个关键的参数是多普勒分辨率。多普勒频率和径向速度的关系是 \( f_d 2v / \lambda \)在 77 GHz 频段1 m/s 的速度对应的多普勒频率大约是 513 Hz。如果目标是低速目标比如行人大约 1-2 m/s而你的多普勒分辨率不够就很难从杂波中区分出来。多普勒分辨率由相干积累时间决定公式是 \( \Delta f_d 1 / (N \cdot PRI) \)想要分辨出 1 m/s 的速度差相干积累时间至少需要 2 ms。第三个参数是天线阵列的方向图。相控阵雷达的波束方向由阵元间相位差控制副瓣电平决定了抗干扰能力。在 Phased Array System Toolbox 里可以用phased.URA或phased.UCA创建阵列对象然后用pattern函数画方向图。我调试的时候习惯把主瓣宽度和副瓣电平放在一起看主瓣窄了搜索慢副瓣高了容易假目标这个平衡要在仿真里反复试。这三个参数定下来之后模型的骨架基本就成型了后面就是往里面填模块的事。3. 从零搭一个脉冲多普勒雷达模型3.1 发射信号链路的搭建现在开始实操。我们用一个脉冲多普勒雷达的完整例子把发送端、接收端、信号处理三部分跑通。这三个部分在 Simulink 里分别对应三个不同层级的子系统后面代码生成和团队协作都方便。发射链路的核心模块有三个波形生成器、发射天线、发射波束。在 Phased Array System Toolbox 里波形生成可以用phased.LinearFMWaveform也可以直接在 Simulink 里用 Phased Array 工具箱的波形模块。waveform phased.LinearFMWaveform(... SampleRate, fs, ... PulseWidth, Tp, ... PRF, PRF, ... SweepBandwidth, BW, ... SweepDirection, Up, ... SweepInterval, Symmetric); signal waveform(); % 可视化模糊函数 fuzzy ambgfun(signal, fs, [1 1]);这里需要注意SweepInterval的选项。选Positive和Symmetric得到的频谱形状有差异Symmetric会让基带信号的中心频率在零频后面做 I/Q 解调的时候更方便。有些老教程用的是Positive从实信号处理的角度也能走通但代码的一致性会稍差。在 Simulink 里建模发射链路时我推荐用 Simulink 的 Phased Array 模块库它提供了现成的发射模块信号源、采样率和波形参数的配置在模块参数里统一管理比在 MATLAB 脚本里散着写要好。发射天线选phased.IsotropicAntennaElement或带增益的定向天线如果是阵列那就要用phased.URA配置几何结构。3.2 接收链路与匹配滤波的完整实现接收链路比发射复杂得多它是整个雷达系统的核心。信号从目标散射回来之后经历了路径损耗、多普勒频移、噪声叠加、天线接收增益等环节最后要经过匹配滤波和相参积累才能把目标提取出来。在接收机的各个模块配置上我要特别说说匹配滤波的实现方式。从理论上讲匹配滤波器的频响是发射信号的共轭倒序在白噪声背景下它就是最优的线性滤波器。对应到线性调频信号匹配滤波可以通过脉冲压缩来实现使得接收信号的带宽从 150 MHz 压缩到 \( 1/Tp \) 的量级从而获得距离分辨能力。在 MATLAB 里做匹配滤波有两种路径。一种是直接在时域用xcorr或filter函数简单直观但计算量大另一种是转到频域做用fft和ifft对大点数信号效率高很多。对于 Simulink 里的实时仿真或硬件在环必须用频域实现或 FIR 滤波器 IP 核否则跑不动。看一段实际代码% 假设已经通过 freeSpace 信道传播得到接收信号 % rx_signal 是接收信号waveform() 是参考发射信号 matchingCoeff conj(fliplr(waveform())); filtered filter(matchingCoeff, 1, rx_signal); % 频域脉冲压缩方式 nfft length(rx_signal); X fft(rx_signal, nfft); H fft(matchingCoeff, nfft); compressed ifft(X .* conj(H), nfft);两种方式跑出来的结果是一致的但频域做法更接近工程实现。在 Simulink 里这一步对应的是匹配滤波 脉冲压缩子系统通常会用 FFT、IFFT、乘法器三个模块搭。配置不对常常会出现输出波形幅度异常的问题排查时先要看 FFT 的长度是否覆盖完整的脉冲宽度再看是否有加窗。匹配滤波做完之后信号从宽带变成了窄带脉冲接下来要做的就是把多个脉冲进行相参积累。这一步在 Simulink 里可以用Buffer模块或Delay Line模块实现把 N 个脉冲按距离门对齐产生距离-多普勒矩阵。以上就是信号处理链路的骨架。加窗抑制距离副瓣、多普勒滤波器组加权、CFAR 检测这些模块都可以在这个骨架上逐步叠加。3.3 目标检测与 CFAR 门限的设置目标检测这一块CFAR 是绕不开的内容。CFAR恒虚警检测器的思想是自适应地估计背景噪声和杂波电平然后根据这个估计值设置检测门限从而保证虚警概率恒定。CA-CFAR即单元平均 CFAR是最基础也是最常用的一种。它的做法是取待检测单元两侧若干个参考单元的平均值作为噪声估计再乘一个比例因子得到门限。这个比例因子由参考单元数和期望虚警概率决定\[ T \alpha \cdot P_n, \quad \alpha N_{ref} \cdot (P_{fa}^{-1/N_{ref}} - 1) \]其中 \( N_{ref} \) 是参考单元总数\( P_{fa} \) 是期望虚警概率。如果你设 \( P_{fa} 10^{-4} \)参考单元 16 个比例因子算出来大约是 36.5这个值在 MATLAB 里有现成函数cfarThreshold可以直接算。在实际工程里CA-CFAR 的问题在于多目标环境会抬高噪声基底导致某些弱小目标被淹没。这时候就要换成 GO-CFAR最大选择或者 OS-CFAR有序统计。Phased Array System Toolbox 里直接提供了可配置的 CFAR 检测器可以设置训练单元数、保护单元数、虚警概率、CFAR 方法等参数。用 Toolbox 自带检测器做距离-多普勒谱检测的代码也很规整detector phased.CFARDetector2D(... Method, CA, ... TrainingBandSize, [2 2], ... ThresholdFactor, Auto, ... ProbabilityFalseAlarm, 1e-4); [detections, noise] detector(rdMap, rangeGrid, dopplerGrid);这里的TrainingBandSize配置的是距离维和多普勒维的训练单元数目取值太小噪声估计不准太大又容易在目标密集场景下盖掉真实目标。我习惯先在 MATLAB 脚本里跑一组不同取值做对比选好之后再固化到 Simulink 模型里。CFAR 在 Simulink 里的模块化实现可以直接用 DSP System Toolbox 的 CFAR 模块配置项和 MATLAB 版几乎一致。需要注意的点是保护单元的设置如果在主目标旁边紧挨着一个稍弱的目标保护单元设得太小会把强目标的旁瓣当成噪声导致弱目标漏检。3.4 用 Simulink 搭出层次分明的系统模型脚本思维和模型思维是两种不同的东西。在脚本里信号从发射到接收再用一个长长的处理链变量名和结构还能自己控制。但到了 Simulink 里如果不用子系统把模型分层画到最后满屏都是线连作者自己都看不下去。我搭雷达模型时习惯分成四个层级第一层是顶层模型放着信号源、发射子系统、信道子系统、接收处理子系统和显示评估子系统信号流向从左到右一目了然。第二层是功能子系统比如发射子系统里面包含了波形生成、功率放大、天线发射三个模块。第三层是算法子系统比如接收处理子系统里面包含了匹配滤波、脉冲压缩、相参积累、CFAR 检测四个模块每个模块内部是纯数学运算。第四层是参数配置层用 MATLAB 脚本统一管理所有参数变量。这种分层方式的核心价值在于算法人员和系统人员可以并行工作各自负责自己的子系统接口信号只在局部发生变化排查问题的时候通过信号显示模块逐层查看很快就能定位到是哪个环节出的问题到后面做 C 代码生成时子系统直接对应生成函数代码结构跟模型一一对应后续集成验证省了很多力气。Simulink 里的信号显示也是一个很大的优势不需要像纯脚本那样反复 fprintf 或画图。在信号线上接一个 Scope 模块或者用 Simulink Data Inspector就可以看到每个中间节点的时域波形、频谱和星座图。排查问题的时候我基本上是把接收信号、匹配滤波输出、距离-多普勒谱、CFAR检测结果这四个信号放在 Data Inspector 里一起对比哪个环节异常一眼就能看出来。4. 系统级仿真场景的扩展4.1 多目标场景与目标生成单目标仿真验证完算法逻辑之后一定要尽快转向多目标场景因为单目标场景掩盖了太多问题。在 Radar Toolbox 的场景生成器里构建多目标环境很简单。每个目标有位置、速度、雷达截面积RCS这三个属性它们决定回波的延迟、多普勒频移和幅度。你可以把目标位置写成时间函数这样就能模拟目标的运动轨迹比如一辆车在十字路口转弯、行人横穿马路等。我记得有一次调到头疼的案例三个目标在距离上非常接近速度和 RCS 差异也小距离-多普勒谱看起来就是一个大峰包。这时候单目标的 CFAR 检测可以检测到但无法把三个目标分辨开。后来在仿真里验证了使用更宽的带宽提高距离分辨率配合多普勒超分辨算法比如 MUSIC 或 Root-MUSIC才能勉强分辨出来这个结论直接影响了后续硬件选型。如果没有仿真环境这种问题是很难在项目早期暴露的。4.2 杂波与干扰建模的实操细节真实雷达系统里地面、海面、建筑物、雨雪都会产生强烈的反射这些杂波会把目标淹没在背景中。杂波建模是雷达仿真里最复杂也最考验经验的环节之一。工具箱里的杂波建模通常采用统计模型常用的是 Weibull 分布或 K 分布它们能够较好地描述幅度起伏特性。在 Phased Array System Toolbox 中可以用phased.ConstantGammaClutter或者phased.BarrageJammer等模块来模拟杂波和干扰具体参数包括杂波后向散射系数、擦地角、极化方式等。干扰建模是另一个重点。最常见的干扰类型是压制式干扰噪声调频干扰、噪声调幅干扰和欺骗式干扰。在仿真中加入干扰源之后你会发现原本设计得很好的 CFAR 检测器瞬间失效——强干扰会抬高整个谱底弱小目标直接消失。这就要求接收机加入抗干扰措施比如旁瓣对消、自适应波束形成、脉冲压缩编码抗干扰等。我自己的感觉是能跑通干净场景不算本事能把带杂波带干扰的场景跑下来才叫入门。所以强烈建议仿真时直接建立一个带地面杂波和一部干扰机的基准场景算法验证在这个场景上做宁可一开始性能差点也不要活在理想世界里。4.3 从单雷达走向多传感器融合雷达系统的最终归宿往往不是单打独斗而是多传感器融合。车载领域把雷达、摄像头、激光雷达的数据融合在一起安防领域把多部不同频段的雷达组网协同。利用 Radar Toolbox 做多传感器融合仿真的操作路径是先用场景生成器定义多个传感器雷达、摄像头、惯导等每个传感器各自进行检测和跟踪产生各自的点迹或航迹然后送到融合模块进行时间对齐和空间对齐最后输出统一的融合轨迹。这一步如果纯用 MATLAB 脚本写数据处理时序、坐标系转换和不同传感器量测噪声的匹配会消耗大量精力。而在 Simulink 中可以用 Simulink 的子系统把这些传感器模型和融合算法组织成不同的模块链每个模块链独立运行数据通过总线信号交互。调试时通过 Data Inspector 查看每个传感器分支的数据逻辑清晰得很。这个方向也是我认为雷达仿真最有价值的应用场景之一。因为多传感器融合的问题天然是系统级的单靠算法原理很难发现接口上的问题只有通过系统级仿真把各个传感器模型放在同一个时空坐标下验证才能真正提前暴露隐患。5. 调试仿真模型时踩过的坑5.1 采样率与数据长度的连带问题我在做雷达仿真时最开始踩的坑就是采样率设置有误导致频谱混叠。MATLAB 和 Simulink 里采样率往往会通过参数继承隐式传递给各个模块如果信号源模块的采样率和滤波器模块的采样率不匹配处理结果会出现各种诡异现象——目标距离偏移、多普勒频率折叠、噪声底不平坦等等。排查这种问题有一个固定套路。第一步在可疑节点接一个频谱分析仪查看信号带宽是否超过奈奎斯特频率。第二步检查每个模块的采样时间设置Simulink 里可用Sample Time Display功能把各模块的采样时间直接标在图标上。第三步确认信号边界处理方式——是截断、补零还是循环前缀这一步在脉冲压缩处理里影响很大。数据长度方面也容易栽跟头。做距离-多普勒处理的时候如果选用的 FFT 点数不是 2 的幂次计算效率会明显下降而如果用 2 的幂次但补零太多距离谱上会出现明显的 sinc 旁瓣伪峰容易和真实目标混淆。所以选择 NFFT 时要结合距离窗口和速度搜索范围综合决定并注意加窗抑制旁瓣。5.2 仿真速度与内存控制的取舍Simulink 雷达模型跑起来之后经常会遇到越跑越慢、到最后内存报警的问题。深层原因是雷达数据本身量大——假设采样率 300 MHz脉冲宽度 10 微秒一个脉冲就有 3000 个采样点积累 128 个脉冲就是将近 40 万个点如果再叠加多个目标、多通道数据量成倍增长。几个我实测有效的提速办法第一能用单精度尽量用单精度。Simulink 模型里把数据类型设置为single仿真速度能提升一到两倍而且和硬件更贴近——大部分雷达 DSP 和 FPGA 处理都是单精度或定点仿真就应该用相应的精度。第二用小规模先验证再放大。先把脉冲积累数设成 16验证算法逻辑正确之后再增加到 128 或 256。千万不要一开始就追求完整规模调一次参要等半小时除了浪费生命没有任何价值。第三把不必要的信号显示模块去掉。Scope 或 Data Inspector 在线显示非常消耗仿真资源。需要看波形的时候再临时加平时保持模型简洁。第四考虑使用sim的命令行参数或者 Simulation Stepping 功能用步进方式分段验证逐段看信号是否正确而不是一步跑完再查问题。5.3 从仿真模型走向 C 代码生成仿真只是第一步很多项目的最终目标是让模型里的算法跑进真实的 DSP 或 FPGA 芯片里。MATLAB 和 Simulink 的 Embedded Coder 工具链支持从模型直接生成可读的 C 代码这一步做得好能省掉大量的手写代码工作。但代码生成有一个很大前提模型必须使用支持代码生成的模块。很多可视化调试模块如 Scope、Display是不支持代码生成的所以如果你打算做代码生成从一开始建模就要注意模块的可生成性。在 Simulink 里可以用Embedded Coder Support检查器来分析模型它会标记哪些模块不支持代码生成。另外我强烈建议在模型里把数据类型显式声明好。Simulink 默认的 double 类型生成出来的代码在嵌入式中往往不可用你需要把关键信号定义为single或fixdt定点类型。定点转换是个细致活建议先用 Fixed-Point Designer 工具做自动定标再手工核对关键节点避免溢出和精度不足的问题。最后要注意的是Simulink 模型里不要用不必要的连续时间模块。雷达信号处理本质上是离散系统用离散模块如单位延迟、离散滤波器生成的代码直接映射到寄存器级实现效率远高于模拟连续系统生成的代码。6. 回看这套工具链的边界说句实在话MATLAB 和 Simulink 在雷达仿真上的能力很强但它也不是万能的。有些场景它的效率反而不如专用工具。比如需要高精度电磁场全波仿真的天线设计HFSS、CST 这类工具显然更适合MATLAB 的天线工具箱在复杂天线结构的物理建模上精度有限。再比如超大规模雷达组网的分布式协同仿真Simulink 在一台机器上的性能还是有瓶颈更多要借助分布式计算架构或者专门的作战仿真平台。但这并不影响 MATLAB/Simulink 在雷达系统建模中系统集成者的定位。天线设计师可以用 HFSS 做详细设计然后把方向图数据导出成 .mat 文件系统工程师在 MATLAB 里直接读取这个文件用于链路预算和波束扫描仿真。这种各用所长、文件衔接的工作流在工程实践中非常普遍也是我认为最务实的工具链使用方法。我个人在实际项目里的体会是雷达系统仿真最大的成本不是软件授权费也不是学习曲线而是你对系统本身的理解深度。工具只是把你脑中的系统模型具象化的手段。刚开始做仿真的时候可以多花时间把基础模块的参数含义弄清楚把雷达方程、模糊函数、CFAR 门限这些基本概念玩熟比追求模型花哨实用得多。最后再分享一个小技巧当你调试一个仿真模型怎么也找不到问题的时候试着把一个极简的已知信号注入系统——比如一个幅度恒定、无多普勒频移的点目标然后逐级查看处理结果和理论值是否吻合。如果这一步都不吻合大概率是参数配置或数据维度的问题而不是算法逻辑的问题。这个退回到最简单的思路帮我解决过好几次看起来极其复杂的问题。
阅读完成 · 觉得有帮助？
