简介一份用于MATLAB环境下的雷达模糊函数AF分析代码包面向雷达信号处理学习者、科研人员以及需要快速评估信号分辨率的工程师。代码实现了从定义发射信号、计算卷积、设定时延与多普勒参数到绘制二维/三维模糊函数图的完整流程支持自行输入不同信号序列进行对比可扩展覆盖矩形脉冲、线性调频、伪随机码等常见波形帮助直观理解模糊函数与雷达距离/速度分辨率的关系。资源包为zip压缩格式内部仅含1个m脚本文件体量约3KB结构紧凑、核心逻辑清晰便于查看与二次修改。目前已有259人学习使用可作为MATLAB雷达信号分析实验参考脚本也可作为课程设计或项目验证的基础模板。1. 为什么要用MATLAB计算雷达信号的模糊函数模糊函数是雷达信号设计中绕不开的二维度量它同时回答两个问题信号对时延的分辨能力有多强对多普勒失配又有多宽容。很多刚接触雷达的工程师习惯先跑通一个固定波形再去看模糊图结果换一个自定义序列就要重写一遍计算和画图逻辑。MATLAB的优势在于矩阵运算和绘图管线都能一次搭好把模糊函数计算抽成一个接受任意信号序列的函数后面无论对比LFM、Barker码还是随机序列都只是换一行输入的事。下面按“定义→离散实现→自定义输入→典型信号对比→加速与画图细节”展开适合要做波形参数选择和毕业设计仿真的人也适合想把模糊函数做成内部工具的工程师。2. 模糊函数的数学定义与离散化实现原理2.1 连续定义时延-多普勒的二维相关雷达信号的模糊函数在连续域中定义为χ(τ, f_d) ∫_{-∞}^{∞} s(t) s^*(t - τ) e^{j2π f_d t} dt其中 τ 是回波相对发射信号的时延f_d 是目标运动引起的多普勒频率s^*(t) 表示复共轭。这个积分实际上是在计算“经过多普勒失配后的回波”与“不同时延下的发射副本”之间的相关性。当 τ0、f_d0 时|χ|² 取到最大值等于信号总能量当 τ 或 f_d 偏离 0输出下降得越快说明对应维度的分辨力越好。对这个定义有两点需要提前说明。第一不同教材里有的把共轭放在 s(t-τ) 上有的把相位写成 e^{-j2πf_d t}这会带来模糊函数关于原点的对称方向变化但旁瓣结构和峰值位置不会改变。第二MATLAB 的 Phased Array System Toolbox 中现成的ambgfun函数采用另一种符号约定实测时看到图形左右镜像或者上下镜像不要觉得奇怪只要关注幅度分布即可。2.2 离散公式与序列约定计算机仿真必须把积分变成求和。设采样序列为 s(n)n 1,2,…,N归一化多普勒频率 ν f_d / f_s取值区间通常取 [-0.5, 0.5]对应奈奎斯特范围。离散模糊函数写成χ(k, ν) Σ_{n} s(n k) s^*(n) e^{j2πν (n-1)}其中 k 是整数时延采样点取值范围 -(N-1) 到 N-1。n 的求和范围要保证 s(nk) 和 s(n) 都在序列范围内越界样本按 0 处理。这个式子保留了连续定义中“时延维 多普勒维”的二维相关结构也是后面所有 MATLAB 代码的基准公式。这里把时间基准取为第一个采样点 n1相位因子写成 exp(j2πν(n-1))这样 s(1) 的相位贡献始终为 1画图时峰值位置与序列起始位置对齐。如果你更喜欢从 0 开始索引把 (n-1) 改成 n 也可以但所有切片和峰值位置都会平移半个采样点验证代码要对应调整。2.3 双重循环最小实现先把公式跑通写一个最直接的三重循环版本虽然慢但公式和代码一一对应适合做正确性验证。function chi ambgfun_manual(s, num_fd) % 手动三重循环版仅用于验证离散公式 N numel(s); s s(:); % 统一为列向量 fd linspace(-0.5, 0.5, num_fd); tau -(N-1):(N-1); chi zeros(numel(tau), num_fd); for kIdx 1:numel(tau) k tau(kIdx); for mIdx 1:num_fd sumVal 0; for n 1:N nPlusK n k; if nPlusK 1 nPlusK N sumVal sumVal s(nPlusK) * conj(s(n)) ... * exp(1j * 2 * pi * fd(mIdx) * (n - 1)); end end chi(kIdx, mIdx) abs(sumVal)^2; end end end代码说明外层循环遍历时延 k中层循环遍历多普勒频率 fd内层循环逐个采样点累加相关值。第 8 行的if判断就是为了剔除越界的 nk这与公式中“越界补 0”一致。返回值 chi 的行对应时延轴列对应多普勒轴这样后续surf(tau, fd, chi.)可以直接转置使用。参数 num_fd 控制多普勒轴的采样点数不是分辨率越高越好序列很短时取 64 已经能看清形状常用值是 256 或 512。这段代码的缺点是三重循环在 N512、num_fd512 时已经非常慢。不要把慢当成 MATLAB 不行它只是把公式原样搬进来了。第 5 章会解释如何用矩阵和 FFT 把复杂度降下来。2.4 零时延、零多普勒切片验证模糊函数里有三个特殊位置可以直接用 MATLAB 自带函数验证。第一个是零多普勒切片 χ(k,0)它退化为信号自相关可以用xcorr对照第二个是零时延切片 χ(0,ν)它只和信号幅度模值有关第三个是原点 χ(0,0)它等于信号能量。切片数学表达式对应 MATLAB 操作零多普勒Σ s(nk)s^*(n)abs(xcorr(s)).^2零时延Σs(n)原点峰值Σs(n)具体验证代码我一般写成下面这样序列取简单的四比特相位码s [1 1 -1 1].; [tau, fd, chi] ambgfun_manual(s, 64); [~, fdZeroIdx] min(abs(fd)); % 找到最接近 0 的多普勒点 zeroSlice chi(:, fdZeroIdx) / max(chi(:, fdZeroIdx)); % 归一化 plot(tau, zeroSlice, o-, LineWidth, 1.5); hold on; xcorrSlice abs(xcorr(s)).^2; xcorrSlice xcorrSlice / max(xcorrSlice); plot(-(numel(s)-1):(numel(s)-1), xcorrSlice, r--); legend(自定义实现, xcorr);这段代码把自定义函数的零多普勒切片和xcorr放在同一张图里两条线应当完全重合。如果只差左右翻转说明时延方向约定不同不影响模糊函数幅度分布。用这个办法验证过一次后面改用矩阵或 FFT 版本是否写对就有了基准。3. 用MATLAB实现自定义信号序列输入与模糊函数画图3.1 主程序框架用input读取任意信号序列标题里“可以自行输入不同的信号序列”是最核心的需求。常见做法是直接把它做成一个脚本入口用户粘贴一个向量就能出图。clear; clc; s input(请输入信号序列示例[1 1 -1 1] 或 [1 1i -1 -1i]); s s(:); % 转成列向量后续计算统一 if isempty(s) || ~isnumeric(s) error(必须输入数值序列); end num_fd 512; % 多普勒轴采样点数这里input的返回结果可能是行向量也可能是列向量s(:)强制转列避免后面矩阵乘法维度不一致。复数信号也可以直接写比如[1 exp(1j*pi/4) -1]MATLAB 识别没有问题。num_fd暂时固定为 512实际长序列可以降到 256 以节省内存。如果不想每次在命令行输入也可以把序列放在一个.m文件或.mat文件里用load读入。对入门来说input最直观对批量仿真来说文件输入更可靠。3.2 矩阵化模糊函数函数保留时延循环多普勒维向量化第 2 章的三重循环不适合作为主程序调用。我一般会把计算部分抽成一个矩阵化函数时延维仍然循环但多普勒维用矩阵乘法一次算完。function chi ambgfun_matrix(s, num_fd) % 矩阵化实现保留时延维循环多普勒维用矩阵乘法 N numel(s); s s(:); fd linspace(-0.5, 0.5, num_fd); tau -(N-1):(N-1); chi zeros(numel(tau), num_fd); for kIdx 1:numel(tau) k tau(kIdx); n max(1, 1-k):min(N, N-k); % 有效样本下标 r s(n k) .* conj(s(n)); % 时延相关序列 phase exp(1j * 2 * pi * fd(:) * (n - 1).); % num_fd x length(n) chi(kIdx, :) abs(phase * r).^2; end end代码说明第 6 行n的取值同时保证了 s(nk) 和 s(n) 都在 1..N 以内比三重循环里的if判断更简洁。第 8 行phase是一个num_fd × length(n)的复指数矩阵每一行对应一个多普勒频率每一列对应一个采样点。phase * r是在一次矩阵乘法里完成对所有多普勒频率的求和返回长度为num_fd的复数向量再取模平方。这个版本的耗时远低于三重循环又比第 5 章的 FFT 版本容易理解适合 N 在几千以下的场景。一个容易踩的坑是(n - 1).必须转置成行向量fd(:)必须是列向量否则矩阵维度不匹配。另一个坑是当 num_fd 比较小比如小于 64模糊图会显得很粗糙伪峰增多这是因为多普勒维采样不足。3.3 画图三维曲面与等高线对照计算完成后画图部分要同时给出三维图和等高线图分别看峰值锐度和旁瓣分布。tau -(length(s)-1):(length(s)-1); chi ambgfun_matrix(s, num_fd); fd linspace(-0.5, 0.5, num_fd); figure(Color, w, Position, [100 100 1200 450]); subplot(1,2,1); surf(tau, fd, chi., EdgeColor, none); colormap(jet); xlabel(时延 \tau / 采样点); ylabel(归一化多普勒 f_d); zlabel(|\chi|^2); set(gca, FontName, SimHei); % 避免中文乱码 colorbar; title(模糊函数三维图); subplot(1,2,2); contour(tau, fd, chi., 32); xlabel(时延 \tau / 采样点); ylabel(归一化多普勒 f_d); set(gca, FontName, SimHei); colorbar; title(模糊函数等高线图);surf 的 Z 矩阵要求行对应 Y、列对应 X而我们的chi行对应时延、列对应多普勒所以必须用chi.转置。很多“MATLAB画图”新手在这里搞反结果坐标轴和图像完全对不上。contour 的参数 32 是等高线层数层数越多越能分辨低旁瓣细节但太密会让图面发黑一般 20 到 40 之间。中文字体设置是画图时绕不开的坑。MATLAB 默认字体在部分 Windows 版本上显示中文会变成方框set(gca, FontName, SimHei)是最直接的解决办法。如果你同时也在用 Python 的 matplotlib类似问题是plt.rcParams[font.sans-serif] [SimHei]但 Python 还经常要操作字体缓存MATLAB 不需要改完立刻生效。3.4 自定义输入参数速查表参数默认值作用注意事项s无输入信号序列支持复数建议列向量num_fd512多普勒轴点数太密耗时太粗丢细节tau自动推导时延轴范围不要手动改避免越界FontName系统默认画图字库中文乱码时设为 SimHei这个表放在脚本注释里也很合适。实际做仿真时我一般把num_fd也改成input输入因为长序列使用 512 点会让第 5 章的 FFT 版本内存压力增大但如果只是画个示意64 点就够了。4. 典型雷达信号的模糊函数实测对比4.1 构造单脉冲、Barker码和LFM信号有了统一的ambgfun_matrix函数对比三种经典信号只需要构造序列。下面的代码把三个信号都补到同等长度 N32方便横向比较。N 32; % 单脉冲第一个采样点为 1其余补零 s1 [1; zeros(N-1, 1)]; % Barker13 码补零到 N barker13 [1 1 1 1 1 -1 -1 1 1 -1 1 -1 1]; s2 [barker13(:); zeros(N - numel(barker13), 1)]; % LFM 信号归一化带宽因子 B tn (0:N-1).; B 4 / N; % 4/N 表示整个脉宽内频率变化 4 个周期 s3 exp(1j * pi * B * tn.^2);代码说明单脉冲的模糊函数是最标准的“刀刃型”主峰在时延轴方向张得很宽Barker13 补零后等于在 13 个真实码片后面加了零模糊函数计算时相关长度仍然是全序列长度因此旁瓣会比实际 13 位码更低这一点对比时要注明LFM 的相位是时间的二次函数所以瞬时频率线性变化模糊图中会看到明显的斜脊。B的大小决定频率变化快慢B 越大时延分辨率越好但旁瓣也会越高。4.2 三种信号的模糊图画法对比把三个信号依次送入ambgfun_matrix用等高线图并排展示。signals {s1, s2, s3}; names {单脉冲, Barker13, LFM}; fd linspace(-0.5, 0.5, 512); figure(Color, w, Position, [100 100 1400 420]); for i 1:3 chi ambgfun_matrix(signals{i}, 512); subplot(1,3,i); contour(-(N-1):(N-1), fd, chi., 24); xlabel(时延 / 采样点); ylabel(归一化多普勒); set(gca, FontName, SimHei); title(names{i}); colorbar; end从图里能直接读出三个特性单脉冲在多普勒方向几乎不变说明多普勒容限很高但时延主瓣很宽Barker13 的时延主瓣窄而且近区旁瓣低但多普勒维稍微偏一点输出就下降很快是典型的多普勒敏感信号LFM 的等高线呈斜椭圆时延和多普勒之间存在耦合所以既能通过窗函数压低距离旁瓣又能容忍一定多普勒失配这也是脉压雷达大量使用 LFM 的原因。信号类型模糊图特征时延分辨率多普勒容限单脉冲平行刀刃型差高Barker13正交主峰旁瓣低较好低LFM斜脊型好中加窗后更好表格里的“多普勒容限”是指主峰在多普勒轴下降的快慢不是绝对数值。实际参数设计时如果目标高速运动单脉冲和Barker码都容易失配LFM 则可以通过改变调频斜率来平衡。4.3 随机序列和自定义波形输入标题强调“自行输入不同的信号序列”这一步可以用随机二相码验证工具通用性。s_rand sign(randn(N, 1)); % 随机二相编码 chi_rand ambgfun_matrix(s_rand, 512); figure; imagesc(-(N-1):(N-1), fd, chi_rand.); axis xy; xlabel(时延 / 采样点); ylabel(归一化多普勒); set(gca, FontName, SimHei); colorbar;随机二相码的模糊图通常在大部分区域散布着比较均匀的旁瓣主峰突出类似图钉型。这种信号适合用来做统计意义上的波形分析比如比较不同随机序列的峰值旁瓣比。你会发现只要序列换一个旁瓣分布就会完全改变这正说明“信号序列输入”接口的价值不需要修改任何计算函数只替换 s 就能观察新波形。5. 模糊函数计算加速与画图细节排错5.1 三重循环慢在哪里三重循环的复杂度是 O(N × (2N-1) × num_fd)大约等于 O(2N²·num_fd)。当 N1024、num_fd512 时内层需要执行超过十亿次复数乘加MATLAB 的循环解释执行会非常慢。这不是 MATLAB 性能差而是算法结构没有利用到 MATLAB 的向量化能力。解决方案有两条路第 3 章保留时延循环、多普勒维用矩阵乘法更进一步把时延和多普勒维都用 FFT 批量处理。矩阵乘法版本适合序列长度 N 在几千以下FFT 版本适合 N 上万或者要批量对比很多序列的场景。5.2 用 FFT 把多普勒维变成批量频谱观察离散公式可以发现固定时延 k 后定义 r_k(n) s(nk)s^*(n)则 χ(k,ν) 就是 r_k(n) 的离散傅里叶变换。因此对每个时延 k只要对 r_k(n) 做一次 FFT就能得到所有多普勒频率上的值。function chi ambgfun_fft(s, num_fd) % FFT加速版先构造时延相关矩阵再沿多普勒维做FFT N numel(s); s s(:).; if nargin 2 || isempty(num_fd) num_fd max(256, 2^nextpow2(2*N)); % 自动补到2的幂 end tau -(N-1):(N-1); L numel(tau); R zeros(N, L); for kIdx 1:L k tau(kIdx); n max(1, 1-k):min(N, N-k); % 有效样本 R(n, kIdx) s(n k) .* conj(s(n)); % 列向量存入矩阵 end AF fft(R, num_fd, 1); % 沿第一维多普勒维做FFT AF fftshift(AF, 1); % 把零频移到中心 chi abs(AF.).^2; % 转置为时延 x 多普勒 end代码说明R 是 N × (2N-1) 的矩阵第 kIdx 列保存固定时延下的相关序列无效位置为 0。fft(R, num_fd, 1)对每一列沿第一维做 num_fd 点 FFT一次处理所有时延列。fftshift把零多普勒频率从频谱两端移到中心对应画图时 fd 坐标从 -0.5 到 0.5 的排列。最后AF.转置成行对应时延、列对应多普勒的矩阵。使用 FFT 版本时要注意 num_fd 不能小于 N否则时域 N 个点补零到少于 N 的 FFT 长度会产生时域混叠模糊图会完全失真。我一般取 2 的幂且不小于 2N这样能保证多普勒轴有足够分辨率。实现方式时间复杂度适合场景三重循环O(N²·num_fd)公式验证序列极短矩阵乘法O(N² N·num_fd)中等长度便于阅读FFTO(N² log(num_fd))长序列批量对比这一版的提速效果非常明显。N1024、num_fd1024 时三重循环可能需要几分钟FFT 版本在我的笔记本上是零点几秒量级。具体数字依赖机器读者可以用tic和toc自己测重点是把 33 行循环降到 12 行向量化实现。5.3 画图常见的三个坑中文、横轴过密、峰值不对称第一个坑是“MATLAB画图”中文乱码。除了第 3 章的set(gca, FontName, SimHei)最好在脚本开头加一句全局设置set(0, DefaultAxesFontName, SimHei); set(0, DefaultTextFontName, SimHei);这样所有新开的图都会使用中文字体。如果你在 Linux 上使用 MATLAB系统可能没有 SimHei要先用listfonts查看可用字体名换成如Noto Sans CJK SC。第二个坑是序列很长时横坐标太密集。时间轴点数有几十个时标签还能看清几百个时就会叠成一片黑色。解决办法是手动指定刻度数量xticks(linspace(tau(1), tau(end), 9)); xtickangle(45);这对应很多人搜索的“matlab画图横坐标太密集”问题本质是刻度过密而不是坐标轴问题。多普勒轴同样可以用yticks控制。第三个坑是峰值不对称。如果实现定义里没有把共轭放在正确位置或者时延方向写反模糊图可能呈现左右不对称。验证方法回到第 2.4 节用xcorr对照零多普勒切片。两个曲线只允许左右翻转不应有幅度差异。如果幅度都不一致优先检查 R 矩阵中s(nk)和conj(s(n))的先后顺序。5.4 该用矩阵版还是FFT版我自己的选择标准很简单N 小于 256 时用矩阵版因为代码更直观别人接手时容易看懂N 超过 1024 或者要循环比较几百个序列时用 FFT 版因为计算时间的差距会放大到让人无法等待。FFT 版唯一的副作用是 num_fd 不能随意指定为任意整数建议在函数内部自动向上取到 2 的幂避免外面传 500 这种长度造成性能回退。6. 把模糊函数计算封装成交互工具批量对比与验证6.1 用 inputdlg 做一个可复用的参数面板命令行input适合自己用团队协作时最好做成对话框。MATLAB 自带的inputdlg就能完成这个需求不需要额外安装 App Designer。function ambgfun_tool() prompt {信号序列一行数字, 多普勒点数, 采样率}; dlgtitle 雷达模糊函数计算; dims [1 60]; definput {[1 1 -1 1], 512, 1}; answer inputdlg(prompt, dlgtitle, dims, definput); if isempty(answer) return; end s str2num(answer{1}); num_fd str2num(answer{2}); if isempty(s) || numel(s) 2 errordlg(序列至少需要两个采样点); return; end [tau, fd, chi] ambgfun_fft(s(:), num_fd); % 后面接第 3 章画图代码 endstr2num可以解析[1 1 -1 1]这种向量比直接eval更安全。对话框返回空值时直接退出避免后续参数访问出错。把画图代码放在函数内团队里即使不熟悉 MATLAB 的人也能粘一个序列出来图。6.2 用单脉冲的解析解做回归验证封装工具最大的风险是改函数时把符号方向改错。单脉冲序列的模糊函数有解析解零多普勒切片是一个三角包络峰值在原点两边线性下降到 0。这是最快的回归测试样本。N 32; s [1; zeros(N-1, 1)]; [tau, fd, chi] ambgfun_fft(s, 256); [~, idx] min(abs(fd)); % 取零多普勒附近 zeroSlice chi(:, idx) / max(chi(:, idx)); theoretical (N - abs(tau)) / N; plot(tau, zeroSlice, o-, tau, theoretical, r--); legend(计算值, 解析值);计算值和解析值应当几乎重合。如果出现偏差先检查ambgfun_fft里R(n, kIdx) s(n k) .* conj(s(n))的顺序再检查fftshift是否正确。这个测试脚本应该和计算函数放在同一目录每次改完先跑一遍。6.3 批量对比多个序列最后把工具扩展成批量模式。把待对比的序列放进元胞数组循环调用同一个计算函数就能一次生成多张子图。seqs {s1, s2, s3}; names {单脉冲, Barker13, LFM}; figure; for i 1:numel(seqs) [~, fd, chi] ambgfun_fft(seqs{i}, 512); subplot(1, numel(seqs), i); imagesc(tau, fd, chi); axis xy; title(names{i}); set(gca, FontName, SimHei); end批量对比时一定要保证所有序列长度一致或者至少 num_fd 一致否则时延轴长度不同图与图之间就没法直接比分辨率。这个批量模式配合 inputdlg 对话框可以做到“手工输入一个新序列自动刷新三张对比图”整个工具的核心代码控制在 80 行左右。实际使用中把验证脚本和批量脚本同时保留既能快速确认函数没改坏又能应对任意自定义波形需求。本文还有配套的精品资源点击获取
