企业官网建设流程全解析

做SAR仿真的同学，十有八九卡在回波生成这一步。网上讲RD算法的资料不少，但很多上来就是一大坨二维傅里叶变换和驻定相位定理，看完公式还是不知道matlab里怎么写。这篇是SAR成像系列的第3篇，我把合成孔径雷达（SAR）的二维回波信号从头捋一遍，再把最经典的简单距离多普勒（RD）算法用matlab完整跑通，代码直接给全，照着抄就能出图。

内容主要面向两类人：第一类刚接触SAR成像、被"距离向/方位向"搞晕的新手，第二类是已经能跑通仿真、但想知道RD算法每一步到底在干嘛的进阶同学。我会把每个矩阵维度、每个fft放在哪个轴上、为什么要做距离徙动校正（RCMC）都讲清楚，而不是丢一个封装好的函数让你黑盒使用。看完你应该能自己改参数、加目标、调成像质量，甚至往星载SAR的正侧视模型上迁移。

1. 二维回波信号：SAR成像的起点

1.1 为什么SAR回波是"二维"的

普通雷达看的是一维距离像，发射一个脉冲，收到一列回波，横轴是距离。SAR不一样，它要利用平台运动合成一个大孔径，所以必须把同一场景在多个方位时刻照射的回波都记录下来。

于是就有了两个时间概念：

• 快时间：单个脉冲内的采样时间，对应距离向，单位通常是微秒级。
• 慢时间：脉冲之间的采样时间，对应方位向，单位是毫秒到秒级。

把快时间作为矩阵的列，慢时间作为矩阵的行，SAR回波就是一个二维复数矩阵。每一行是某个方位时刻收到的一串距离向回波，每一列则是同一距离单元在不同方位时刻的多普勒历史。

我用生活化一点的说法：一个脉冲像一次"拍照"，SAR是对同一片场景连续按了成百上千次快门，再把每次"照片"里的距离信息堆在一起。平台往前走，目标在每个脉冲里的回波延迟会变，距离向的位置会移动，这个移动就是后面要处理的距离徙动。

1.2 发射信号为什么选线性调频（LFM）

SAR要同时兼顾距离分辨率和作用距离，单频脉冲做不到。距离分辨率取决于信号带宽，而窄脉冲带宽大但能量低，于是就用线性调频信号（LFM，也叫chirp）把能量摊开在时间上，接收后再通过匹配滤波把脉冲压窄。

发射信号形式是：

s_t(t) = rect(t / Tp) · exp(jπKr t²)

其中 Tp 是脉冲宽度，Kr 是距离向调频率，等于带宽 B 除以 Tp。带宽决定距离分辨率：ρr = c / (2B)，这是SAR系统设计里绕不开的第一条公式。

注意这里的 Kr 是"二次相位变化率"，它决定了LFM信号在频域上扫过的范围。匹配滤波的核心思想，就是用一个与发射信号共轭反向的参考信号做卷积，把二次相位抵消掉，让能量集中到很窄的峰值上。后面仿真里距离压缩干的就是这件事。

1.3 点目标回波模型的逐项拆解

从发射到接收，信号经历了延迟、幅度衰减和相位调制。忽略天线方向图和大气衰减，一个点目标的基带回波可以写成：

s(t, τ) = rect((τ - τ_d) / Tp) · exp(jπKr(τ - τ_d)²) · exp(-j2πfc τ_d)

其中 τ 是快时间，τ_d = 2R(t) / c 是瞬时回波延迟，R(t) 是平台到目标的瞬时斜距，fc 是载频。

这个式子里有三块信息，拆开看就通了：

• rect(...) 项：脉冲包络，表示回波只存在于脉冲宽度内。
• exp(jπKr(τ - τ_d)²) 项：距离向的线性调频延迟，距离压缩要用的就是它。
• exp(-j2πfc τ_d) 项：载波相位随斜距变化的项，方位向多普勒信息的来源就在这。

对于正侧视SAR，瞬时斜距近似为：

R(t) = sqrt(R0² + (Vr·t - X)²)

其中 R0 是场景中心斜距，Vr 是平台等效速度，X 是目标在方位向上的坐标。这个非线性关系既是SAR能形成方位向聚焦的基础，也是距离徙动的根源。

我在仿真里把点目标放在方位向零位置，平台在慢时间轴上匀速运动，每个脉冲时刻目标相对雷达的斜距都不同，回波延迟也随之变化，二维数据就这样生成了。

2. RD算法的核心思想：三步走的逻辑

2.1 距离压缩：先把能量压回一条线

距离压缩本质上是一个匹配滤波操作。发射信号是LFM，回波经过目标反射后仍然带着LFM的二次相位，只要在距离频域乘上参考信号的共轭频谱，再变回时域，就能把脉冲宽度从 Tp 压成 1/B 左右。

代码上的做法非常直接：

s_ref = exp(1j*pi*Kr*(tr - tau0).^2) .* ((abs(tr - tau0) <= Tp/2)); S_ref = conj(fft(s_ref, Nt)); s_rc = ifft(fft(s_raw, Nt, 2) .* S_ref, Nt, 2);

这里fft(s_raw, Nt, 2)表示沿距离向（第2维）做傅里叶变换，S_ref是参考信号的共轭频谱。做完之后，s_rc的每一行就是一条距离向压缩后的高分辨率距离线。

我经常看到有人直接拿发射信号做共轭匹配，忽略脉冲包络的rect窗，结果成像后距离旁瓣特别高。实际上参考信号应该包含矩形包络，匹配滤波后包络是sinc形状，旁瓣约-13dB，这是理论极限。想压低旁瓣就得在频域加窗，比如Hamming窗，代价是主瓣变宽，距离分辨率略微下降。这些是可以接受的经验取舍。

2.2 距离徙动：为什么不能直接做方位压缩

距离压缩做完后，目标能量在距离向上已经形成一个窄峰。但问题是，目标在合成孔径时间内斜距变化 R(t)，这个峰值在每个方位时刻会落在不同的距离单元上，这就是距离徙动（RCM）。

直观理解：你把一个点目标的回波按方位时刻排成二维矩阵，距离压缩后，能量沿距离向是尖峰，但沿方位向会走出一条弧线。如果直接沿方位向做匹配滤波，相当于拿一条直线去对齐一条弧线，能量无法完全聚焦，目标会散焦拖影。

RCM的量级有多大？在正侧视模型下，最大距离徙动量近似为：

ΔR_max ≈ (Vr·Ta)² / (8·R0)

Ta 是合成孔径时间。很多教材用二次项公式表达，实质一样。在小场景机载仿真里RCM可能只有几米，但在星载SAR里，RCM可以达到数百甚至上千个距离单元，不做校正根本没法成像。

RD算法的标志性一步，就是在距离多普勒域里完成RCMC。因为方位向做傅里叶变换后，每个多普勒频率对应一个固定的斜距偏移量，校正起来非常方便。

2.3 方位压缩：借用多普勒历史聚焦

方位压缩的原理和距离压缩类似，也是匹配滤波，只是这次压的是方位向的多普勒调频信号。

目标通过合成孔径时，斜距的二次变化在方位向产生一个近似线性的调频信号，调频率为：

Ka = 2Vr² / (λ·R0)

方位匹配滤波器的频域形式是：

H_az(f) = exp(-jπ f² / Ka)

在距离多普勒域中，把距离向数据沿方位向做完FFT，乘上这个滤波器，再做方位逆FFT，点目标就在方位向聚焦成一个窄峰。方位分辨率近似为：

ρa = Vr / (Ka·Ta) = λ·R0 / (2·Vr·Ta) = D / 2

如果知道天线真实孔径 D，这个式子能直接估算方位分辨率。仿真中我直接用合成孔径长度算，不必刻意套天线尺寸，因为点目标模型假设天线波束足够宽、全孔径内都能看到目标。

3. MATLAB仿真的完整流程

3.1 参数设计：先把物理量算明白

仿真不是上来就写代码，先把雷达参数和成像指标算清楚。我这次用的参数如下：

为什么选这组参数？有几个约束得对得上：

第一，PRF要大于方位多普勒带宽，否则方位向频谱混叠。先算出多普勒调频率 Ka = 2·20²/(0.03·2000) ≈ 13.33 Hz/s，合成孔径时间 Ta = Na/PRF ≈ 13.65s，多普勒带宽约 Ka·Ta ≈ 182 Hz，PRF取300Hz是够的，留了约1.6倍的余量。

第二，距离向时窗要能包住目标回波和RCM范围。Nt=2048时距离向时窗约17µs，对应约2.6km距离范围，而RCM最大只有几米，完全够。

第三，这个参数下最大RCM有4~5m，超过距离分辨率1.5m的3个单元，能直观看到RCMC的效果，适合教学演示。如果你想让它更快跑完，可以按比例减小Na、Nt，成像效果变化不大，只是看起来没那么细腻。

3.2 基础变量与时间轴生成

clear; clc; close all; %% 物理常量 c = 3e8; fc = 10e9; lambda = c / fc; %% 距离向参数 B = 100e6; Tp = 5e-6; Kr = B / Tp; Fs = 120e6; Nt = 2048; tr = (0:Nt-1) / Fs - Tp/2 + 2*R0/c; % 快时间轴，中心对准场景中心 %% 方位向参数 PRF = 300; Na = 4096; ta = (-Na/2:Na/2-1) / PRF; % 慢时间轴，中心为零 %% 平台与场景 Vr = 20; R0 = 2000;

这里有个细节必须说：快时间轴为什么加了一个2*R0/c的偏移？因为如果不加，回波延迟接近53.3µs，而你时窗才17µs，目标直接落在窗外。加上偏移量后，场景中心的回波大约落在时窗中间，方便后续处理。这是仿真里很常见但很容易被忽略的坑。

3.3 二维回波生成

%% 点目标位置（方位向坐标取0） R = sqrt(R0^2 + (Vr * ta).^2); % 瞬时斜距，Na×1 delay = 2 * R / c; % 瞬时延迟，Na×1 %% 生成二维回波矩阵：Na行 × Nt列 % 利用matlab隐式展开，tr(1×Nt) - delay(Na×1) 得到 Na×Nt s_raw = exp(1j*pi*Kr*(tr - delay).^2) ... .* ((abs(tr - delay) <= Tp/2)) ... .* exp(-1j*2*pi*fc*delay);

回波矩阵的行是方位向（慢时间），列是距离向（快时间）。abs(tr - delay) <= Tp/2这一项是矩形窗，模拟脉冲包络；没有它的话，整个时窗都会被LFM信号填满，与实际接收情况不符，成像后会出现一整条距离向亮线。

实际工程中回波还会叠加热噪声、系统噪声和干扰。仿真如果想更接近真实，可以在这一步加入高斯白噪声，比如s_raw = s_raw + 0.01*randn(size(s_raw))，这样能看到噪声对成像质量的影响。我在教学演示里先不给它加噪声，方便对比算法效果。

3.4 距离压缩的实现与验证

%% 距离匹配滤波 tau0 = 2 * R0 / c; s_ref = exp(1j*pi*Kr*(tr - tau0).^2) .* ((abs(tr - tau0) <= Tp/2)); S_ref = conj(fft(s_ref, Nt)); s_rc = ifft(fft(s_raw, Nt, 2) .* S_ref, Nt, 2);

这一步做完，检查一下压缩后的峰值是否出现在对应目标距离的位置。单点目标在 R0=2000m，所以峰值中心应在tr中对应延迟53.3µs附近。你可以画一行看看：

figure; plot((tr - tau0)*c/2, abs(s_rc(Na/2+1, :))); xlabel('距离偏移(m)'); ylabel('幅度'); grid on; title('距离压缩后剖面');

正常会看到一个主瓣宽度约1.5m的尖峰。如果主瓣展开或者峰值位置偏移，先检查参考信号是否带包络，再看快时间轴是否对准。

3.5 距离徙动校正：频域相位补偿法

RCMC是RD算法的核心特色。这里我用二维频域的线性相位补偿来做，比时域sinc插值更精确，代码也更短：

%% 进入距离-多普勒域 S_rd = fftshift(fft(s_rc, Na, 1), 1); % 沿方位向FFT fa = (-Na/2:Na/2-1) * (PRF / Na); % 方位频率轴 %% 距离频率轴 fr = (0:Nt-1) * (Fs / Nt) - Fs/2; %% 计算每个多普勒频率对应的距离徙动量（米） delta_r_fa = lambda^2 * R0 * fa.^2 / (8 * Vr^2); delta_tau_fa = 2 * delta_r_fa / c; % 转换为时间延迟 %% 二维频域相位补偿 S_2df = fftshift(fft(S_rd, Nt, 2), 2); % 进入二维频域 phaseRCM = exp(1j * 2 * pi * (delta_tau_fa * fr)); % Na×Nt S_2df_corr = S_2df .* phaseRCM; %% 回到距离-多普勒域 S_rd_corr = ifft(ifftshift(S_2df_corr, 2), Nt, 2);

原理上，回波在距离频域的相位项包含exp(-j2π f_r · 2ΔR/c)，只要乘上对应的反向相位就能把徙动补偿掉。注意我这里delta_tau_fa * fr用到了矩阵外积，delta_tau_fa是Na×1，fr是1×Nt，结果正好是Na×Nt的相位矩阵，维度不会乱。

这里有两个点容易出错，我踩过坑：

• 必须在距离压缩之后再做RCMC。如果直接对原始回波做，LFM的二次相位还在，频域相位补偿会被chirp项干扰。
• 方位向FFT后，频域轴要把fftshift处理好。fa和delta_tau_fa的索引顺序必须与S_rd的行一一对应，否则补偿方向会反，目标会越校越散。

3.6 方位压缩与成像输出

%% 方位匹配滤波 Ka = 2 * Vr^2 / (lambda * R0); H_az = exp(-1j * pi * fa.^2 / Ka); % Na×1 S_az = S_rd_corr .* H_az; %% 方位逆FFT，得到图像 img = ifft(ifftshift(S_az, 1), Na, 1); %% 显示 img_abs = abs(img); img_db = 20*log10(img_abs / max(img_abs(:)) + 1e-12); figure; imagesc((tr - tau0)*c/2, ta, img_db); colormap(jet); colorbar; axis xy; xlabel('距离向偏移(m)'); ylabel('方位向偏移(m)'); title('RD成像结果'); xlim([-10 10]); ylim([-5 5]);

这一步跑完，图像上应该看到一个聚焦好的点目标亮点。我实测这组参数下，方位向峰值位置在0附近，没有偏移；距离向也在中心位置。

如果方位压缩后目标散焦，先看H_az的Ka符号对不对。Ka是正数还是负数取决于多普勒调频率的正负定义，我这里用正斜距二次模型得到Ka为正，H_az取负相位。你把Ka符号换一下，图像就会变成中间凹的十字形，这是新手最容易犯的错。

3.7 不加RCMC会怎样

为了验证RCMC的必要性，我把RCMC那一段注释掉，直接做方位压缩，成像结果是目标在方位向发生展宽，峰值幅度明显下降，图像上能看到一条沿距离向的弧形拖尾。

这算是RD算法的"对照组"。实际星载SAR的RCM可以达到几十甚至上百个距离单元，不做这一步，方位聚焦完全失效。这也是为什么RD算法被称为距离多普勒算法，它把二维聚焦分解成两个一维匹配滤波，中间用RCMC把距离徙动修正掉，思路清晰，计算量又可控。

4. 常见问题与调参经验实录

4.1 成像散焦与参数失配速查表

我把自己在调试RD仿真时遇到过的典型问题整理成一张表，每一类都有明确的排查方向。

4.2 参数选择的两个硬约束

调参时最核心的两条边界，一个是PRF下限，一个是距离窗口长度。

多普勒带宽的计算方法：先算Ka，再乘合成孔径时间，得到的值必须明显小于PRF。经验上留1.2到2倍余量。如果PRF太低，方位频谱混叠会在图像上产生重影，而且很难通过算法弥补。

距离窗口长度要覆盖目标斜距变化范围加上一个脉冲宽度。如果窗口太短，回波截断，压缩后峰值会变形；窗口太长，计算量增大但分辨率不变。我的经验是先算理论最大RCM，再加2到3个脉冲宽度的富余量。

另外注意，把PRF调高会导致系统数据率上升，在仿真里看不出来，真实系统里要考虑存储和传输。仿真归仿真，但养成设计余量的习惯没坏处。

4.3 运行速度太慢怎么办

这组参数是4096×2048的复数矩阵，在普通笔记本上跑完整个流程大约需要十几秒到一分钟，取决于FFT库和内存。如果觉得慢，有几种降速方式：

一是减少方位向点数Na，比如从4096降到1024，合成孔径时间变短，RCM变小，但处理流程一样。二是减少距离向点数Nt，时窗变短，只要别截断回波就行。三是在生成回波时用单精度single类型，内存减半，FFT也会快一些。

但别为了速度把点数压得太狠，距离分辨率和方位分辨率都会变差，演示效果会打折扣。建议先克隆一份参数，跑通后再慢慢加。

4.4 从单点目标扩展到多点目标

单点目标跑通之后，把代码扩到多个点目标并不难。在回波生成阶段，把每个目标的回波叠加起来就行：

s_raw = zeros(Na, Nt); targets = [0, 2000; % 第一个目标方位向0，距离偏移0 10, 2005; % 第二个目标方位向10m，距离偏移+5m -10, 1995]; % 第三个目标方位向-10m，距离偏移-5m for t = 1:size(targets,1) Xt = targets(t,1); Rt = R0 + targets(t,2); % 目标实际斜距 R_tmp = sqrt(Rt^2 + (Vr*ta - Xt).^2); delay_tmp = 2*R_tmp/c; s_raw = s_raw + exp(1j*pi*Kr*(tr - delay_tmp).^2) ... .* ((abs(tr - delay_tmp) <= Tp/2)) ... .* exp(-1j*2*pi*fc*delay_tmp); end

这里的延迟基准是场景中心R0，所以每个目标的快时间偏移是相对R0的距离差。多点目标能明显看出成像后的相对位置关系，是验证二维分辨率是否达标的直观手段。

5. 我个人实操中的一点补充

最后说个经验：RD算法跑通只是第一步，我强烈建议你拿到代码后，先把距离向剖面和方位向剖面单独画出来，测量一下3dB主瓣宽度。

我在自己仿真的参数下，距离向剖面主瓣宽度大约1.5m，方位向剖面大约0.11m，都和理论公式对得上。对不上就说明某个环节还藏着bug，这时候去翻参数、查fft轴，比直接改图像显示效果有用得多。

另外，如果你后面要往星载SAR方向走，RD算法这套流程的框架仍然适用，但需要多考虑几个因素：地球自转导致的多普勒中心偏移、距离向大RCM带来的距离方位耦合、二次距离压缩（SRC）、以及在更大的距离弯曲下用分块处理或非线性CS类算法。这篇的仿真模型是正侧视机载几何，但RD的思想——先在距离多普勒域做校正，再在两个方向分别匹配滤波——是所有SAR成像算法理解的基础，扎实吃透这套流程，后面读CSA、ωK算法都会轻松很多。