复杂场景雷达信号处理与目标跟踪仿真系统

资 源 简 介

本项目旨在构建一个高保真的脉冲多普勒雷达信号处理全链路仿真平台，用于验证雷达算法在噪声和杂波环境下的稳健性。系统核心功能包含六大模块：首先是回波信号建模，能够模拟包含地杂波、海杂波或由于气象条件产生的杂波干扰下的多目标雷达回波信号，支持用户自定义设置目标的距离、速度、加速度及雷达截面积（RCS）的Swerling起伏模型。其次是信号预处理模块，实现正交解调与脉冲压缩（匹配滤波），通过线性调频信号（LFM）处理有效提高系统的距离分辨率和信噪比。第三是杂波抑制与动目标检测，利用动目标显示（MTI）和动目标检测（MTD）算法，通过多普勒滤波器组从强杂波背景中分离出微弱的运动目标信号。第四是恒虚警率检测（CFAR），集成单元平均（CA-CFAR）、最大选择（GO-CFAR）及最小选择（SO-CFAR）等多种自适应阈值算法，在非均匀背景噪声下保证稳定的虚警率。第五是目标跟踪与数据关联，采用卡尔曼滤波（Kalman Filter）及最近邻数据关联（NN）算法对检测到的目标点迹进行状态估计、平滑和预测，实现多目标的航迹起始与持续跟踪。最后是可视化分析模块，提供A-Scope（幅度-距离）、PPI（平面位置显示器）以及距离-多普勒（Range-Doppler）三维图谱的动态显示，并能计算检测概率（Pd）和虚警概率（Pfa）进行性能评估。

详 情 说 明

复杂场景下的雷达信号处理与目标跟踪仿真系统 - README

1. 项目介绍

本项目构建了一个高保真的脉冲多普勒（Pulse Doppler, PD）雷达信号处理全链路仿真平台。该系统旨在验证雷达算法在噪声和杂波环境下的稳健性，模拟了从雷达回波信号产生、信号预处理、杂波抑制、恒虚警检测（CFAR）到目标点迹提取与卡尔曼滤波跟踪的完整流程。项目代码基于MATLAB开发，适用于雷达系统参数设计验证及算法教学演示。

2. 主要功能特性

• 全链路仿真：涵盖信号产生、脉冲压缩、MTD处理、CFAR检测、数据关联与跟踪评估。
• 环境建模：包含热噪声建模及基于功率谱加权的相关高斯杂波（地/海杂波）建模。
• 目标模拟：支持多目标设置，包含Swerling RCS起伏模型（慢起伏与快起伏）及不同的运动轨迹（匀速、机动）。
• 信号处理：实现了频域匹配滤波（脉冲压缩）与加窗处理，有效抑制旁瓣。
• 多普勒处理：主要采用动目标检测（MTD）算法，通过慢时间维度的FFT及切比雪夫加窗提取速度信息。
• 检测与跟踪：集成2D CA-CFAR自适应阈值检测，并结合最近邻（NN）关联与卡尔曼滤波进行航迹平滑。
• 性能评估：实时计算均方根误差（RMSE）并统计检测概率（Pd）与虚警数。

3. 系统要求与使用方法

• 开发环境：MATLAB R2020b 或更高版本。
• 工具箱依赖：需要 Signal Processing Toolbox（用于窗函数、滤波等操作）。
• 运行方式：

1. 确保工作路径包含 main.m 及相关辅助函数文件。 2. 直接运行 main 函数即可启动仿真。 3. 控制台将输出系统参数初始化信息、每帧的仿真进度及检测到的目标数量。

4. 详细代码实现逻辑 (main.m)

代码执行流程严格遵循雷达信号处理链，主要包含以下逻辑阶段：

4.1. 初始化与参数配置

• 脚本开头通过 rng(1024) 设置随机种子，确保仿真结果具有可复现性。
• 系统参数：配置X波段（10GHz）载频，30MHz带宽，64个脉冲组成的相干处理间隔（CPI），以及满足奈奎斯特采样定理的采样率。
• 目标初始化：定义了两个典型目标，Target 1为Swerling 1型（慢起伏）做匀速运动，Target 2为Swerling 3型做机动运动。
• 容器初始化：预分配用于存储真实轨迹、量测数据、估计状态和RMSE统计的历史记录结构体。

4.2. 主仿真循环

程序通过 while 或 for 循环按帧（时间步）推进，每一帧代表一个CPI的处理过程：

第一步：目标状态更新 调用内部逻辑更新目标的物理位置（基于速度和时间间隔），并记录当前的真实位置（Ground Truth）。

第二步：回波信号建模 (GenerateRadarEcho)

• 生成基底噪声：功率受 Env.NoisePower 控制的复高斯白噪声。
• 生成杂波：通过在频域对复高斯噪声应用高斯谱（Gaussian Spectrum）滤波器，模拟具有时间相关性的瑞利分布杂波，并根据杂波目标比（TCR）调整功率。
• 生成目标回波：依据雷达方程计算回波幅度（包含路径损耗和RCS起伏），利用LFM信号模型结合目标的距离延迟和多普勒频移生成相位信息。

第三步：信号预处理 (脉冲压缩)

• 构建参考信号：生成与发射信号参数一致的理想线性调频信号。
• 频域匹配滤波：对参考信号加Hamming窗以抑制距离旁瓣，然后利用FFT/IFFT实现快速卷积，显著提高信噪比和距离分辨率。

第四步：动目标检测 (MTD)

• 虽然代码中保留了三脉冲对消器（MTI）的注释，但实际逻辑主要执行MTD处理。
• 对慢时间维度（脉冲维）的数据应用切比雪夫窗（Chebyshev Window）以控制多普勒旁瓣，随后进行FFT变换，得到距离-多普勒（Range-Doppler）二维图谱。

第五步：恒虚警检测 (CFAR)

• 采用单元平均恒虚警检测器（CA-CFAR）处理RD图谱。
• 设置保护单元、参考单元和虚警概率（Pfa），自适应计算检测门限，输出二值化的检测结果。

第六步：量测提取与数据关联

• 量测转换：从CFAR结果中提取目标的斜距和径向速度。
• 模拟测角：由于仿真器主要处理RD数据，代码采用了一种“仿真特权”策略，通过寻找最近的真实目标来模拟雷达的测角过程，并人为添加测角噪声，最终转换为笛卡尔坐标系下的（x, y）量测值。
• 虚警统计：未关联到真实目标的检测点被计为虚警。

第七步：跟踪与评估

• 调用 UpdateTracker 函数（基于卡尔曼滤波）利用当前量测更新目标航迹状态。
• 计算估计位置与真实位置之间的欧氏距离，统计均方根误差（RMSE）。

4.3. 可视化

仿真结束后，调用 VisualizeResults 函数对脉冲压缩结果、RD图谱、CFAR检测结果以及最终的航迹跟踪效果进行绘图展示。

5. 关键算法与实现细节

• LFM脉冲压缩

代码采用频域实现方式，相比时域卷积效率更高。为了解决匹配滤波带来的旁瓣问题，在频域参考信号上加了Hamming窗，权衡了主瓣宽度与旁瓣电平。

• 相关杂波生成

代码没有使用简单的加性高斯白噪声作为杂波，而是通过 fft -> spectral weighting -> ifft 的过程生成了“色噪声”。这种方法正确地模拟了杂波的频谱特性（通常为低通特性），使得杂波在多普勒域集中在零频附近，验证了MTD/MTI滤波器的必要性。

• MTD 加窗处理

在进行多普勒维度的FFT之前，代码使用了 chebwin（切比雪夫窗）。这是雷达信号处理中的关键步骤，用于防止强杂波（如地杂波）的能量通过多普勒旁瓣泄漏到目标所在的多普勒通道，从而淹没微弱目标。

• CA-CFAR 实现

代码实现了2D CA-CFAR，这意味着参考单元不仅在距离维上滑动，也在多普勒维上滑动，这种处理方式更适合复杂的RD图谱背景。

• 仿真测角逻辑

代码中包含一段特殊的逻辑：if best_idx > 0 ... true_az + noise。这说明该仿真主要是为了验证信号处理链路（距离-多普勒），对于角度测量采用了简化的模拟方式，即利用真值辅助生成带噪的角度观测，从而完成后续的TWS（Track While Scan）跟踪演示。