简介本资源是一套完整的MATLAB FMCW雷达系统仿真代码包面向雷达信号处理初学者、通信与电子工程专业学生及雷达算法研发工程师用于理解FMCW原理、实现距离与速度联合估计、开展参数敏感性分析及算法验证。压缩包共13个文件包含10个核心MATLAB脚本如transmit.m、receiver.m、rangedoppler.m等分别实现信号发射、信道传播、混频解调、距离-多普勒成像等关键环节、2个预置数据文件clutter.mat、filter.mat用于杂波建模与滤波器加载以及1份README.md说明文档整体大小为7.41MB。已有641人学习下载代码结构模块清晰、注释规范覆盖从chirp信号生成、回波建模、FFT频谱分析到峰值检测与参数提取的全流程可直接运行复现典型FMCW雷达信号处理链路并支持快速修改扫频带宽、斜率、目标距离/速度等参数进行对比实验。 最近不少朋友私信问我Matlab里怎么写FMCW雷达仿真代码正好手头有个之前调通的工程借着这篇文章把核心思路和可直接跑的代码都梳理一遍。FMCWFrequency Modulated Continuous Wave体制在车载毫米波雷达、工业测距、液位计里用得非常多而Matlab凭借矩阵运算和信号处理工具箱成了验证算法最顺手的工具。这篇文章适合两类人一类是想快速理解FMCW测距测速原理、又不想只看公式的学生另一类是已经在做雷达数据处理但想搭一套仿真环境来验证算法的工程师。读完你不仅能跑通一个完整的仿真还能明白每个参数为什么要这么设。1. 仿真整体设计思路与模块拆分1.1 FMCW雷达基本原理一句话说清楚测距测速FMCW雷达发射的信号频率随时间线性变化最常见的调制方式是锯齿波。发射一个频率从 f0 扫到 f0B 的Chirp遇到目标后反射回来接收信号和发射信号混频得到的中频信号频率就携带了目标的距离信息。速度信息则通过多个Chirp之间中频信号的相位差来提取。用人话讲距离对应的是“同一时刻发射和接收频率的差值”这个差值转成中频频率而速度对应的是“同一个目标在相邻两个Chirp之间相位的变化量”这个相位变化转成多普勒频率。用公式表达会更直观。假设发射信号频率随时间线性增加回波延时为 tau中频信号频率 f_IF S * tau其中 S 是调频斜率带宽除以Chirp周期。因为 tau 2R/c所以距离 R f_IF * c / (2S)。多普勒频率则通过慢时间维FFT提取fd 2v/lambdav 是径向速度lambda 是载波波长。1.2 为什么用Matlab做FMCW仿真很多硬件工程师习惯直接用FPGA做实时处理但算法验证阶段用Matlab效率高得多。Matlab里可以直接用向量化操作生成成千上万个采样点信号处理工具箱提供了FFT、CFAR、滤波器设计等现成函数改动参数后马上能看到波形变化。相比C/C和PythonMatlab在雷达信号处理上最大的优势是调试方便随时可以画图看中间结果。而且做硬件在环仿真时Matlab生成的IQ数据可以直接导出成bin文件喂给AWR2243或者其他毫米波雷达芯片的采集板链路非常顺。1.3 仿真系统的四个核心模块我把整套仿真拆成四个部分参数配置模块、信号生成模块、回波处理模块、检测输出模块。参数配置模块负责定义雷达发射参数和目标场景信号生成模块产生发射波形、目标回波以及混频后的中频信号回波处理模块做距离FFT、多普勒FFT和CFAR检测最后输出目标的距离、速度、角度信息。这种拆法方便后期替换任何一环节比如想换成三角波调制只需要改信号生成模块想加入杂波模拟也只需要在回波生成时叠加。模块之间通过数据结构传递主脚本非常干净。2. 核心参数设计与信号生成实现2.1 雷达参数怎么定从系统指标反推设计一套FMCW仿真首先要把雷达参数定下来。参数之间不是独立的最大探测距离、距离分辨率、最大速度这三者会互相制约。以下是我常用的一组参数直接拿来做仿真测试参数数值说明载波频率 f077 GHz毫米波频段车载雷达常用带宽 B4 GHz距离分辨率 c/(2B) 3.75 cmChirp周期 T_chirp40 us包含ADC采样窗口和空闲时间ADC采样率 Fs20 MHz中频带宽对应最大探测距离采样点数 N800一个Chirp内采样 40us * 20MHzChirp数量 M128慢时间维长度决定多普勒分辨率最大速度 Vmax约14.6 m/s由Chirp周期和载波波长共同决定这里重点说一下最大速度的约束。FMCW雷达不模糊速度由多普勒采样率决定而多普勒采样率等于 1/T_chirp所以 Vmax lambda/(4*T_chirp)。77GHz对应的波长约为3.9mmT_chirp 40us时Vmax大约14.6m/s约合52.5km/h。如果你要测高速公路场景这个值还不够需要把Chirp周期缩短到20us以内或者采用多帧联合解速度模糊算法。距离分辨率由带宽决定带宽4GHz对应3.75cm。如果把带宽提高到4GHz以上距离分辨率能进一步做细但ADC采样率和数据处理量都会相应增大。这是工程上的典型权衡。2.2 信号生成代码从发射波形到中频信号参数定好以后下一步是生成发射信号和目标回波。我用Matlab函数封装了一个信号生成脚本核心思路是先生成时间轴再分别计算发射信号、接收信号以及混频后的中频信号。因为目标有多个所以回波按照时延叠加幅度用雷达方程近似设定。下面是完整的代码function [iq, t] generateFMCWIF(params, targets) % params: 雷达参数结构体 % targets: 目标列表每行为 [距离(m), 速度(m/s), RCS(归一化幅度)] % iq: 中频复数信号size [numSamplesPerChirp, numChirps] c 3e8; lambda c / params.f0; % 时间轴单个chirp的ADC采样时间 t (0 : params.N - 1) / params.Fs; % 调频斜率 S params.B / params.T_chirp; % 多普勒频移 fd 2 * targets(:,2) / lambda; % 时延 tau 2 * targets(:,1) / c; % 发射信号未使用只用于分析相位关系 % tx exp(1j * 2*pi * (params.f0 * t 0.5 * S * t.^2)); % 为每个chirp生成接收信号混频后的相位 iq zeros(params.N, params.M); for m 0 : params.M - 1 t_m t m * params.T_chirp; for k 1 : size(targets, 1) % 中频信号的相位发射相位减去接收相位 phase 2*pi * (S * tau(k) * t_m params.f0 * tau(k) - 0.5 * S * tau(k)^2 fd(k) * t_m); iq(:, m1) iq(:, m1) targets(k,3) * exp(1j * phase); end end end这段代码里最关键的是相位表达式。很多人一开始直接写成exp(1j*2*pi*S*tau*t)那只考虑了距离项丢掉了多普勒频移项和高阶项。实际中频信号是从发射信号和接收信号混频得到的相位中包含距离延时和多普勒两个分量。我简化之后保留了 S * tau * t_m 和 fd * t_m这两个项分别用于距离维FFT和速度维FFT。目标幅度项用RCS归一化值代替真正做系统级仿真时可以换成雷达方程计算得到的功率。2.3 目标场景设置单目标和多目标为了方便验证算法我通常设置几个不同距离和速度的目标来观察——比如一个静止目标放在10米处一个运动目标以8m/s的速度靠近雷达。静止目标只出现在距离维FFT的固定位置运动目标在距离维FFT上会稍微偏移并且在多普勒维上移动。设置代码如下params.f0 77e9; params.B 4e9; params.T_chirp 40e-6; params.Fs 20e6; params.N 800; params.M 128; targets [10, 0, 1.0; % 10m处静止目标 20, 8, 0.8; % 20m处速度8m/s目标 30, -5, 0.5]; % 30m处速度-5m/s目标 [iq, t] generateFMCWIF(params, targets);3. 距离-多普勒处理与CFAR检测3.1 距离维FFT与速度维FFT的顺序问题生成中频信号后接下来做二维FFT。数据矩阵的维度是 [采样点数N x Chirp数M]第一维是快时间对应距离第二维是慢时间对应多普勒。我习惯先对每一列的快时间维做FFT再对每一行的慢时间维做FFT得到距离-多普勒图。先做距离维FFT得到每个chirp的距离维频谱再做多普勒维FFT才能准确提取每个距离单元上的多普勒频率。如果顺序反了理论上结果也能出但不直观而且加窗时也不方便。距离维FFT的分辨率是 Fs/N对应到距离分辨率可以用 c/(2B) 算。我这里N800Fs20MHz距离维频域间隔为25kHz对应距离间隔3.75cm。多普勒维FFT的点数等于Chirp数M可以补零到256或512来使曲线更平滑但补零不提高分辨率分辨率依然由实际的M决定。3.2 二维FFT的Matlab实现直接调用fft函数即可注意把FFT结果做一些去斜处理。一般流程是先对快时间维加窗如汉宁窗抑制旁瓣再沿慢时间维加窗然后分别做FFT。完整处理代码% 距离维加窗 window_r hann(params.N); window_d hann(params.M); % 生成2D窗矩阵 win2d window_r * window_d; iq_win iq .* win2d; % 距离维FFT range_fft fft(iq_win, params.N, 1); % 多普勒维FFT rd_map fftshift(fft(range_fft, params.M, 2), 2); % 幅度谱 rd_abs abs(rd_map); % 转成距离轴和多普勒轴 range_axis (0 : params.N-1) * params.Fs / params.N * c / (2*params.S); doppler_axis (-params.M/2 : params.M/2-1) * (1 / (params.T_chirp * params.M)) * c / (2*params.f0);这里有个细节多普勒轴的计算用到了中心频点公式是fd_axis (-M/2 : M/2-1) / (M*T_chirp)速度轴再乘上 lambda/2因为 fd 2v/lambda。很多初学者会把速度轴单位搞错导致显示速度与实际设置差两倍这里要特别留意。3.3 CFAR检测在多目标环境中降低虚警二维FFT做完雷达信号处理里不能直接取最大值作为目标因为旁瓣、噪声和杂波会干扰。工程上最常用的是CFARConstant False Alarm Rate检测它根据噪声背景自适应地设置检测门限保证虚警概率恒定。Matlab里有phased.CFARDetector2D函数可以直接调用但我更喜欢手写一个简单的一维CA-CFAR便于理解参数含义。CA-CFAR的核心思想是在检测单元周围取若干个参考单元求平均功率作为噪声估计再用门限系数乘上噪声功率得到检测门限。保护单元用来避免目标自身泄漏进参考单元。我写了个简易CFAR函数function det cfar_2d(rd_abs, guardBand, refBand, Pfa) % 简化版2D CA-CFAR % guardBand: [距离维保护单元数, 多普勒维保护单元数] % refBand: [距离维参考单元数, 多普勒维参考单元数] [Nr, Nd] size(rd_abs); det zeros(Nr, Nd); % 门限因子 alpha (refBand(1)*refBand(2)) * (Pfa^(-1/(refBand(1)*refBand(2))) - 1); for ii 1refBand(1)guardBand(1) : Nr-refBand(1)-guardBand(1) for jj 1refBand(2)guardBand(2) : Nd-refBand(2)-guardBand(2) refBlock rd_abs(ii-refBand(1)-guardBand(1):iirefBand(1)guardBand(1), ... jj-refBand(2)-guardBand(2):jjrefBand(2)guardBand(2)); refBlock(refBlock 1e-12) 1e-12; noiseAvg mean(refBlock(:)); threshold alpha * noiseAvg; if rd_abs(ii,jj) threshold det(ii,jj) rd_abs(ii,jj); end end end end这个函数写得比较粗糙但足够演示CFAR原理。实际工程中还需要考虑参考窗长度与目标密集程度的关系参考单元太多会导致多目标遮蔽参考单元太少则噪声估计不准。CFAR的细节在雷达专著里能写一整章这里只点出最关键的几个坑保护单元要大于目标在频谱上的扩散宽度参考单元需要覆盖若干倍主瓣宽度门限因子可以根据虚警概率反算。3.4 峰值提取与目标参数换算检测得到的目标点在距离-多普勒图上只是一个坐标需要换算成物理量。距离维索引为ir多普勒维索引为id换算公式为distance ir * c / (2 * params.B); % 这里用的是带宽B因为距离分辨率c/(2B) velocity (id - params.M/2) * params.lambda / (2 * params.T_chirp * params.M);需要注意这个距离换算是理想的没有考虑中频信号初始相位、非线性调频、目标速度对距离的耦合。实际结果会因为速度耦合产生一些微小偏移常见做法是执行距离-多普勒耦合校正。如果你需要高精度的距离值可以再通过插值相位精确估计峰值位置。4. 完整仿真流程与运行结果解析4.1 可复现的主程序把上面几段拼到一起就是一套可运行的完整仿真流程。我整理了一个主程序方便直接复制测试clear; close all; clc; % 参数定义 params.f0 77e9; params.B 4e9; params.T_chirp 40e-6; params.Fs 20e6; params.N 800; params.M 128; params.lambda 3e8 / params.f0; params.S params.B / params.T_chirp; % 目标设置 [距离, 速度, 幅度] targets [10, 0, 1.0; 20, 8, 0.8; 30, -5, 0.5]; % 生成中频信号 [iq, t] generateFMCWIF(params, targets); % 加窗 二维FFT window_r hann(params.N); window_d hann(params.M); win2d window_r * window_d; iq_win iq .* win2d; range_fft fft(iq_win, params.N, 1); rd_map fftshift(fft(range_fft, params.M, 2), 2); rd_abs abs(rd_map); % CFAR检测 det cfar_2d(rd_abs, [4,4], [8,8], 1e-4); % 找到目标位置 [ri, di] find(det 0); for k 1:length(ri) distance ri(k) * 3e8 / (2 * params.B); velocity (di(k) - params.M/2) * params.lambda / (2 * params.T_chirp * params.M); fprintf(目标%d: 距离%.2fm, 速度%.2fm/s, 幅度%.1f\n, k, distance, velocity, det(ri(k), di(k))); end % 绘图 figure; imagesc((-params.M/2:params.M/2-1) * (1/(params.T_chirp*params.M)) * params.lambda/2, ... (0:params.N-1) * params.Fs / params.N * 3e8 / (2*params.S), ... 20*log10(rd_abs eps)); xlabel(速度 (m/s)); ylabel(距离 (m)); title(距离-多普勒谱 (dB)); colorbar;运行后正常情况下应该能输出三个目标估计信息距离误差在分米级以内速度误差也很小。如果检测结果不对第一步先看看rd_abs图像是否出了三个亮点如果只有两个先检查后处理代码再检查目标参数设置。4.2 运行结果怎么判断从图像到数值通常运行完看到距离-多普勒图后第一眼应该能看到三个亮峰分别落在对应的距离和速度坐标上。静止目标的峰在0速度线上运动目标的峰移到了正负速度区间。如果某个目标的峰不见了大概率是被旁瓣遮蔽或者信号幅度太低。正常幅度设计下相隔20cm以上的两个目标在距离维可以分开这是由距离分辨率决定的。再一个是看峰值是否在预期的网格上如果峰值出现明显偏移考虑目标速度带来的距离-多普勒耦合。我这个3目标例子里20m处8m/s的目标距离维会出现大约0.2m的偏移这是可以算出来的距离偏移量 fd * T_chirp * c / (2*B)所以仿真里看到目标位置略微偏移是正常现象。4.3 信号生成模块中常被忽略的相位项我在最开始的代码里特意保留了-0.5 * S * tau^2这一项。很多简化版的仿真把这一项丢掉了因为数值很小。但当目标距离很大或调频带宽很大时这一项会带来不可忽略的相位误差。比如目标距离100m带宽4GHz这一项算出来大约是0.0178 rad看起来不大但在高精度测距场景下会影响相位解缠。如果你用相位法测距一定要保留。这里给个建议仿真代码里尽量保留完整相位项评估哪一项重要时再单独忽略不要一开始就用过度简化的模型否则后面切到真实数据时会发现仿真跟实测对不上。5. 常见问题排查与调试心得5.1 典型问题速查表我在调仿真和实测数据时遇到过不少问题这里做一个常见的排查速查表方便你对照。问题现象、可能原因、解决方法三列现象可能原因解决方法距离-多普勒图上出现整条竖向亮线直流偏置或信号泄漏对中频信号去直流或加高通滤波目标速度翻倍速度轴换算多乘了2检查速度换算公式是否用了 lambda/2距离维峰值严重偏移距离-多普勒耦合未校正通过多chirp联合估计校正或插值目标峰值之间出现“鬼影”多普勒模糊或距离模糊检查最大速度、最大距离设置考虑解模糊算法目标在CFAR后消失目标幅度低于门限或参考窗太长降低门限系数缩短参考窗增加保护单元运行结果每次不同随机噪声或未固定随机种子设置rng(0)复现结果FFT后幅度不对忘记加窗或窗函数增益差异统一用hann窗计算归一化因子5.2 我的几个调试习惯第一先跑单目标。我每次改完参数第一件事是放一个幅度为1的目标在10米处速度0跑通整个链路后再加目标。直接上多目标一旦结果不对很难定位是信号生成问题还是检测问题。单目标跑通了再逐步增加目标。第二把每个中间步骤的图形都画出来。至少画发射信号时域、中频信号幅度谱、二维FFT结果、CFAR检测结果。每次修改代码后先看图形对不对不要直接看命令行输出数字。图形能很快暴露问题比如信号没算对、频谱没搬移、窗函数没对齐。第三用真实采集数据验证仿真模型。手头有毫米波雷达硬件的朋友可以把AWR2243或IWR1443采集到的原始数据拿来用同一套Matlab流程跑一遍对比仿真和实测的差异。常见差异包括系统噪声底、非理想天线方向图、反射体扩展等这些在纯仿真里看不出来。如果仿真和实测对不上优先检查中频滤波器带宽和ADC采样率是否匹配。5.3 参数设计中的隐藏坑采样率、带宽和最大距离很多人一开始会把最大探测距离直接代入中频频率算采样率。中频频率为f_IF S * 2R/c我们用的参数S100MHz/usR40m时f_IF4MHz采样率20MHz看起来够了。但实际系统的低通滤波器会限制中频带宽如果你的中频带宽小于最高中频频率远距离目标就会被滤掉。仿真里没有滤波器所以不会报错但真实系统里就会出问题。建议仿真里也加入一个中频带通滤波器来模拟真实情况。另一个容易忽略的是Chirp周期里的空闲时间。有些人对T_chirp的定义是ADC采样窗口长度实际上完整的Chirp周期包括采样窗口和关断/复位时间。如果两个目标速度相同但距离差小于距离分辨率是无法区分的如果速度差小于多普勒分辨率也无法区分。多普勒分辨率等于1/(M*T_chirp)我们这里M128、T_chirp40us分辨率约为195Hz对应速度分辨率约0.38m/s。如果两个目标速度相差不到0.38m/s雷达图上就会混成一个点。这是在高速场景下容易遇到的问题我一般会调整Chirp周期或增加慢时间维点数来解决但代价是处理实时性变差。5.4 代码效率与后续扩展上面这套循环版本大概有几百毫秒能跑完对于参数级探索已经足够。如果要做几千帧的批量蒙特卡洛仿真建议减少内部循环尽量用矩阵化向量操作。比如每个chirp的中频信号可以一次性生成别用双重循环。另外Matlab的phased.RadarTarget和phased.FMCWWaveform工具箱自带仿真功能适合不想看底层细节的人用但如果你要做算法级改进还是手写代码更容易控制。这个仿真框架后续可以往两个方向扩展一个是加角度维用阵列天线把M个chirp和N天线的数据一起处理就能做二维角度估计另一个是换波形把锯齿波改成三角波或者调频步进波形信号生成模块改起来比较方便。我之前把三角波加上去后测距精度和抗速度模糊能力都有了明显改善后续如果大家有兴趣我可以再写一篇三角波和锯齿波的对比分析。最后再分享一个心得做雷达仿真最忌讳只看最终目标检测结果每个中间量都要能解释得通。比如某一个峰值你能画出它的时域波形、频谱、经过距离FFT后的位置这样debug的时候思路才会清晰。我从接触FMCW到现在踩过的坑大多不是算法本身而是参数一致性问题比如波长算错、速度轴标反、采样点数没对齐。希望这篇Matlab FMCW雷达仿真代码整理能帮你少走一些弯路。本文还有配套的精品资源点击获取