简介：这份资源围绕雷达信号处理中的匹配滤波展开，面向对脉冲压缩与线性调频信号感兴趣的学习者，重点解决匹配滤波增益如何推导、归一化系数如何确定的问题。作者从信号与白噪声两条路径分别推导增益公式，并用Matlab仿真加以验证，适合具备数字信号处理基础、希望把公式与代码对应起来的中级读者。压缩包共14个文件，约1.6MB，包含2个m脚本、1份docx分析文档，以及8张bmp与3个fig结果图，脚本可直接运行复现，图片与fig文件便于对照不同带宽、时宽、加窗与归一化条件下的脉压输出。已有615人学习，读者可据此掌握增益计算思路、归一化处理方式及算法实现细节，并借助文档与仿真结果排查理解偏差。

1. 匹配滤波不是“玄学调参”：从一段雷达回波说起

刚接触雷达信号处理的人，十有八九会在匹配滤波这一步卡住。仿真跑出来了，波形也对，可一旦问“增益到底是多少 dB”“归一化系数为什么取这个值”，就开始含糊。我见过不少工程代码，匹配滤波直接调一个conv或者filter，输出幅度随手一除，结果换一组脉宽参数就全乱套。这份资源要解决的正是这个痛点：它把线性调频（LFM）信号下的匹配滤波仿真、处理增益推导、归一化系数计算三件事串成一条线，让你不仅能把图跑出来，还能说清每个数字从哪来。适合做数字信号处理课程设计的学生，也适合刚转雷达信号处理、需要把脉冲压缩链路搭起来的工程师。关键词里那几个词——脉冲压缩、匹配滤波、线性调频——本质是同一件事的三个侧面，下面拆开讲。

2. 匹配滤波的理论底座：为什么 LFM 能压出增益

2.1 从卷积到相关：匹配滤波器的数学定义

匹配滤波器的冲激响应，是输入信号的时间反转共轭。对实信号就是反转，对复基带信号要取共轭。写成式子，若发射信号为 $s(t)$，匹配滤波器 $h(t) = s^*(T-t)$，输出就是 $s(t)$ 与 $h(t)$ 的卷积。很多新手在这里翻车：直接拿conv(s, s)去算，得到的是自相关，对实 LFM 勉强能看，一旦信号带复调制或加了多普勒，结果就偏了。正确做法是先构造共轭反转的参考信号，再做卷积或频域相乘。

为什么用频域？因为卷积在时域是 $O(N^2)$，频域只需两次 FFT 加一次点乘，$O(N\log N)$。资源里的仿真主流程就是走频域：发射信号 FFT、参考信号 FFT 取共轭、点乘、IFFT。这条链路是脉冲压缩的标准骨架，后面所有增益和归一化的讨论都挂在它上面。

2.2 线性调频的时宽带宽积决定压缩比

LFM 信号的关键参数是脉宽 $T$ 和调频带宽 $B$。时宽带宽积 $D = BT$ 就是理论压缩比，也是匹配滤波能拿到的处理增益（功率意义下）。举个例子，$T=10\mu s$、$B=10MHz$，$D=100$，压缩后脉宽约 $1/B=0.1\mu s$，峰值功率相对输入提升约 $10\log_{10}(100)=20dB$。这个 20dB 不是拍脑袋来的，是 $D$ 直接换算的。

资源里把 $D$ 作为核心参数暴露出来，改 $T$ 或 $B$ 就能看到压缩后主瓣宽度和峰值的变化。这里有个容易忽略的点：压缩比说的是主瓣宽度变窄的倍数，而峰值增益在离散仿真里还受采样率、点数、窗函数影响，不能简单拿 $D$ 当唯一答案。后面讲增益推导时会把这个区别掰开。

2.3 离散仿真里“连续公式”失效的三个位置

理论公式假设连续时间、无限带宽，落到 Matlab 离散仿真，至少三处会失真。第一，采样率不够时 LFM 瞬时频率超过奈奎斯特，产生混叠，压缩后旁瓣乱飞。第二，FFT 点数不等于信号长度时，循环卷积和线性卷积不等价，必须补零到 $N_1+N_2-1$。第三，参考信号和回波的长度、时延对齐没处理好，峰值位置会偏移，增益算出来对不上。

我一般会在仿真开头固定三个量：采样率 $f_s$、脉宽点数 $N=T f_s$、FFT 点数 $N_{fft}\ge 2N-1$。资源里的脚本也是这个套路，先把这三个量算清楚再往下走，避免后面反复调。

3. 在 Matlab 里把脉压链路搭起来：从参数到波形

3.1 参数初始化与 LFM 复基带生成

先把仿真参数集中定义，后面所有计算都引用这些变量，改一处全链路生效。下面这段是资源里参数区的典型写法，我按自己的习惯补了注释和边界检查。

% 雷达 LFM 脉压仿真参数区 fs = 20e6; % 采样率，需 >= 2B，留余量取 2 倍带宽 T = 10e-6; % 脉宽 10us B = 10e6; % 调频带宽 10MHz K = B / T; % 调频斜率 N = round(T * fs); % 脉宽内采样点数 t = (0:N-1) / fs; % 时间轴 % 复基带 LFM：实部余弦、虚部正弦，注意相位是 pi*K*t^2 s_tx = exp(1j * pi * K * t.^2); % 边界检查：瞬时频率范围是否落在奈奎斯特内 f_inst = K * t; % 0 到 B assert(max(abs(f_inst)) < fs/2, '调频带宽超出奈奎斯特，需提高 fs');

这段代码的逻辑很直白：先定 $f_s$、$T$、$B$，由 $K=B/T$ 得调频斜率，$N$ 是脉宽内点数。s_tx用复指数生成，相位项 $\pi K t^2$ 是 LFM 的标准形式，别写成 $2\pi K t^2$，否则调频斜率翻倍，压缩比全错。最后的assert是我加的后悔药，很多人 $f_s$ 只取 $B$ 的 1.2 倍，瞬时频率一超就混叠，波形看着还行，一算增益就露馅。

参数怎么改：想观察压缩比变化，固定 $B$ 改 $T$，或固定 $T$ 改 $B$，每次只动一个。$f_s$ 建议取 $2.5B$ 到 $4B$，太低主瓣采样不足，太高点数暴涨、仿真变慢。

3.2 频域匹配滤波的实现与补零策略

参考信号取发射信号的共轭反转，频域里等价于取共轭。补零到 $N_{fft}$ 后做点乘，再 IFFT 回时域。资源里的核心几行如下。

Nfft = 2^nextpow2(2*N - 1); % 保证线性卷积不混叠 S_tx = fft(s_tx, Nfft); % 发射信号频谱 H_ref = conj(S_tx); % 匹配滤波器频域响应（共轭） S_out = S_tx .* H_ref; % 频域相乘 y = ifft(S_out, Nfft); % 回到时域，得到脉压输出 % 峰值与主瓣位置 [peak_val, idx] = max(abs(y)); fprintf('峰值 %.3f，位置 %d\n', peak_val, idx);

逻辑说明：Nfft取不小于 $2N-1$ 的 2 的幂，是为了让循环卷积等价于线性卷积，同时 FFT 效率高。H_ref = conj(S_tx)对应时域的反转共轭，这一步是匹配滤波的灵魂，写成S_tx就成了自卷积，峰值和旁瓣都不对。S_out点乘后 IFFT，y就是压缩后的复包络。

参数说明：Nfft不能小于 $2N-1$，否则首尾缠绕，峰值附近出现虚假旁瓣；取 2 的幂只是习惯，取任意不小于 $2N-1$ 的整数也行，只是 FFT 慢一点。idx是峰值采样点，理论位置在 $N$ 附近（对应零时延），偏移量反映时延对齐是否做好。

3.3 画图验证：主瓣宽度、旁瓣电平与压缩比

跑完上面两段，必须画三张图确认链路没搭错：发射信号实部、脉压输出幅度（dB）、局部放大看主瓣。资源里的绘图部分我一般会加一条理论主瓣宽度参考线。

y_db = 20*log10(abs(y) / max(abs(y))); % 归一化 dB figure; subplot(2,1,1); plot(t*1e6, real(s_tx)); xlabel('时间 / us'); title('LFM 实部'); subplot(2,1,2); plot((0:Nfft-1)/fs*1e6, y_db); xlabel('时间 / us'); ylabel('幅度 / dB'); title('脉压输出'); ylim([-60 0]); grid on;

看什么：主瓣 -3dB 宽度应接近 $1/B$（本例约 0.1us），第一旁瓣约 -13.2dB（未加窗的 sinc 旁瓣），压缩比看主瓣相对发射脉宽窄了多少倍。如果主瓣明显宽于 $1/B$，先查 $f_s$ 是否够、$K$ 是否写错；如果旁瓣高于 -13dB 很多，查补零和参考信号共轭。这三张图过了，才轮到算增益和归一化。

4. 增益与归一化系数：把 dB 数算到能对账

4.1 处理增益的两种口径：功率比与幅度比

处理增益常被混用。功率口径下，匹配滤波输出峰值功率与输入信号平均功率之比约等于 $D=BT$，换算 dB 是 $10\log_{10}D$。幅度口径下是 $\sqrt{D}$，换算 dB 是 $20\log_{10}\sqrt{D}=10\log_{10}D$，数值一样，但中间量不同。资源里把两种口径都列出来，避免有人拿幅度比去对功率 dB 对不上。

实操中更可靠的是用仿真值反算：输入信号平均功率 $P_{in}=\text{mean}(|s_{tx}|^2)$，输出峰值功率 $P_{out}=|y(idx)|^2$，增益 $G=10\log_{10}(P_{out}/P_{in})$。这个值和 $10\log_{10}D$ 会有偏差，偏差来源就是离散化、补零、窗函数。我一般要求偏差在 1dB 以内才算链路干净。

4.2 归一化系数的推导：让峰值回到 1 或 0dB

归一化系数的作用是让脉压输出峰值有明确物理意义。常见两种：按 FFT 点数归一，除以 $N_{fft}$；按信号能量归一，除以 $\sum|s_{tx}|^2$。资源里推导的是后者，因为能量归一后峰值幅度对应匹配滤波的理论最大信噪比输出，跨参数可比。

推导思路：匹配滤波输出峰值 $y_{peak}=\sum |s_{tx}[n]|^2$（零时延、无噪声时），所以归一化系数 $c=1/\sum|s_{tx}[n]|^2$，乘上去峰值就是 1。若想峰值等于输入幅度，则除以 $\sqrt{\sum|s_{tx}|^2}$。下面代码把两种都算出来对比。

E = sum(abs(s_tx).^2); % 信号能量 c_energy = 1 / E; % 峰值归一化到 1 c_amp = 1 / sqrt(E); % 峰值归一化到幅度量纲 y_norm1 = y * c_energy; y_norm2 = y * c_amp; fprintf('能量归一峰值 %.4f，幅度归一峰值 %.4f\n', ... max(abs(y_norm1)), max(abs(y_norm2)));

参数说明：E是离散能量，和采样率有关，换 $f_s$ 会变，所以跨采样率比较时要固定归一化口径。c_energy适合做检测门限、CFAR 前处理；c_amp适合和发射幅度直接对比。资源里强调一点：归一化系数必须在补零之前按有效信号长度算，不能拿补零后的长度算，否则峰值随 $N_{fft}$ 漂移，这是最常见的翻车点。

4.3 用一组数字对账：T=10us、B=10MHz 的完整核算

拿本例走一遍：$D=100$，理论功率增益 20dB。仿真里 $N=200$（$f_s=20MHz$），补零到 $N_{fft}=512$。输入平均功率约 1（复指数模为 1），输出峰值理论约 $N=200$，即 $10\log_{10}200\approx 23dB$。注意这里 23dB 不是 20dB，因为离散峰值是 $N$ 而不是 $D$，$N=T f_s$ 包含了采样率因子。这正是前面说的“连续公式失效”的位置之一。

所以对账时要么统一用 $D$ 做理论、接受 1 到 3dB 偏差，要么用 $N$ 做离散理论、把 $f_s$ 纳入核算。资源里的表格把 $T$、$B$、$f_s$、$N$、$N_{fft}$、理论增益、仿真增益列在一起，改参数时逐行对，比凭感觉调靠谱得多。

5. 避坑与排查：五条血泪经验

5.1 现象：压缩后峰值位置漂移，增益对不上

原因：参考信号和回波没做时延对齐，或补零长度不足导致循环卷积缠绕。解决：固定Nfft >= 2N-1，参考信号用同一时间轴生成，峰值索引减去理论零时延位置再判断偏移。我习惯在 IFFT 后加一句[~,idx]=max(abs(y)); assert(abs(idx-N)<3,...)，偏移超过几个点就报错。

5.2 现象：旁瓣异常高，主瓣旁边出现对称假峰

原因：H_ref忘了取共轭，或者 LFM 相位写成 $2\pi K t^2$ 导致调频斜率翻倍。解决：检查conj是否在位，核对相位系数是 $\pi K t^2$。假峰对称出现基本就是共轭或斜率问题，改完立刻恢复 -13dB 旁瓣。

5.3 现象：换采样率后归一化峰值跟着变

原因：归一化系数用了补零后的长度或 FFT 点数，而不是有效信号能量。解决：按sum(abs(s_tx).^2)算能量，且s_tx只取脉内有效点。这条坑最隐蔽，因为单组参数下看着正常，一换 $f_s$ 就露馅。

5.4 现象：加窗后增益下降，dB 数比理论少一截

原因：加窗（Hamming、Taylor）压低旁瓣的同时展宽主瓣、损失峰值，窗损失要单独核算。解决：把窗损失作为独立项列出来，别混进匹配滤波增益里。资源里建议先不加窗跑通基线，再加窗对比，差值就是窗损失。

5.5 现象：多普勒频移下峰值明显下降

原因：LFM 对多普勒有耦合，频移会让压缩峰值偏移、幅度下降，匹配滤波器按零多普勒设计时失配。解决：小频移下可接受，大频移要加多普勒补偿或改用多通道匹配。仿真时给回波乘exp(1j*2*pi*fd*t)观察峰值随 $f_d$ 的变化，别默认匹配滤波对多普勒免疫。

6. 进阶：把单点仿真扩成参数扫描与验证脚本

单组参数跑通只是起点，真正能拿去做设计参考的是参数扫描。我一般固定一套归一化口径，扫 $T$ 或 $B$，把理论增益、仿真增益、主瓣宽度、旁瓣电平一起打表，看偏差是否稳定。下面这段是资源里扫描框架的简化版，外层循环改参数，内层复用前面的脉压函数。

B_list = [5e6, 10e6, 20e6]; T_fix = 10e-6; for k = 1:numel(B_list) B = B_list(k); K = B / T_fix; N = round(T_fix * fs); t = (0:N-1) / fs; s = exp(1j*pi*K*t.^2); Nfft = 2^nextpow2(2*N-1); y = ifft(fft(s,Nfft) .* conj(fft(s,Nfft)), Nfft); G_sim = 10*log10(max(abs(y))^2 / mean(abs(s).^2)); G_th = 10*log10(B * T_fix); fprintf('B=%.0fMHz 理论%.2fdB 仿真%.2fdB 偏差%.2fdB\n', ... B/1e6, G_th, G_sim, G_sim-G_th); end

这段的价值在于把“偏差”变成可观测指标。正常情况下偏差随 $B$ 变化不大；如果某一档突然跳变，多半是那一档 $f_s$ 相对 $B$ 不够、开始混叠。扫描时把 $f_s$ 固定，$B$ 一路加大，就能找到这套采样率下的带宽上限，这比拍脑袋定参数靠谱。

验证方法上，我习惯做两件事：一是用解析自相关（sinc 形式）和仿真输出叠图，看主瓣和第一旁瓣是否吻合；二是把归一化后的峰值和理论 $N$ 对比，偏差超过 1dB 就回头查补零和能量口径。这两步走完，这套仿真才算能拿去支撑课程设计或链路预算。

从那以后我每次搭脉压仿真，都先把 $f_s$、$N$、$N_{fft}$、归一化口径这四个量写在脚本最上面，跑完先对账再画图，省得后面返工。希望帮到你。

本文还有配套的精品资源，点击获取