做雷达系统仿真这些年有一类问题我见得太多了波形设计做得漂漂亮亮脉冲压缩处理得干干净净可一到检测那一环就露馅——要么检测概率上不去要么虚警多得压不住。很多朋友卡在这里根源就是对“非相参累积和相参累积”的理解停留在概念层面一到仿真里就靠猜。这篇文章把我自己在仿真中建模、实现、验证这两种累积检测的完整过程摊开来讲包括公式推导、MATLAB代码、参数权衡和踩过的坑。这篇内容适合所有正在做雷达信号处理仿真、算法验证或者相关课程设计的人。你只需要有一点雷达基础最好写过简单的回波生成程序跟着走完一遍就能搞清楚两个问题为什么累积能提升检测性能相参和非相参到底差在哪、各自怎么用1. 为什么检测之前要先做累积——雷达检测的本质与单脉冲瓶颈1.1 检测问题的本质二元假设检验雷达检测本质上是一个二元假设检验问题。假设 H0 是“该距离单元只有噪声”假设 H1 是“噪声背景下存在目标回波”。检测器要做的事情就是根据接收信号 x 的能量或幅度跟一个预设门限做比较超过门限判为有目标没超过判为无目标。这个过程中有两个指标是绕不开的虚警概率 Pfa 和检测概率 Pd。Pfa 指在只有噪声时误判成有目标的概率Pd 指真有目标时正确检测出来的概率。这俩是互相矛盾的一对——门限放低了Pd 上去但 Pfa 也上去门限抬高Pfa 下来了Pd 也跟着垮。所以工程上都是先给定一个可接受的 Pfa比如 10^-6再去反推需要多少信噪比才能达到系统要求的 Pd比如 0.9 或 0.8。问题在于单脉冲检测在低信噪比下的性能非常有限。举个例子在 Pfa 10^-6 的条件下单脉冲要达到 Pd 0.9需要的信噪比大约是 13 dB 左右用马库姆 Q 函数反算。如果你的回波信噪比只有 5 dB单脉冲检测概率可能就只有 0.3 到 0.4根本没法用。这时候就需要累积把多个脉冲的信息合并到一起用时间换信噪比。1.2 累积的两种思路相参与非相参的本源区别累积的基本思想是目标回波在多个脉冲之间是有相关性的而噪声在不同脉冲之间是不相关的通过合并多个脉冲可以把目标信号的能量集中起来同时让噪声被平均掉从而实现信噪比提升。但“合并”的方式有两种截然不同的路径。相参累积发生在包络检波之前是在 I/Q 复信号域直接做幅度和相位的同时叠加。因为目标回波的相位在脉冲之间是确定演变的通常由多普勒频率决定只要你知道或能补偿这个相位就能让 N 个脉冲的信号幅度同相相加信号幅度变成原来的 N 倍信号功率变成 N² 倍而噪声的功率只按 N 倍增长因为噪声相位随机功率叠加是线性的。所以相参累积后信噪比改善为 N 倍换算成分贝就是 10log10(N) dB。非相参累积发生在包络检波之后这时候相位信息已经丢掉了只剩下幅度或功率。你在视频域把 N 个脉冲的包络或者功率加起来信号功率是 N² 倍因为都是正数同向累加噪声功率也近似 N 倍但这里有个关键区别——包络检波本身会引入非线性而且噪声包络不是高斯分布了累积完的等效信噪比改善达不到理想的 N 倍通常是 N 的 0.7 到 0.9 次方左右取决于 N 和检测条件。这个差距就叫“检波损耗”或“累积损耗”。我用一个生活化的类比帮大家记相参累积就像一队人抬大石头大家步调一致喊号子力量全往一个方向使效率最高非相参累积就像一群人各自搬砖每个人出力方向不完全一致但是数量多了总能搬完胜在不需要协调、谁都能干。2. 理论建模与检测概率公式——仿真前必须搞清楚的数学底子2.1 信号模型与噪声设定仿真第一步是建立信号模型。一个典型的脉冲雷达回波经过正交下变频和匹配滤波之后基带复信号可以写成s(t) A exp(j(2πfd·t φ0)) n(t)其中 A 是回波幅度fd 是目标多普勒频率φ0 是初始相位n(t) 是复高斯白噪声实部和虚部独立同分布均值为零方差为 σ²。单脉冲信噪比 SNR_1 A² / (2σ²)。在仿真里所有累积的起点都是这个复信号序列。相参累积处理的是复数序列本身非相参累积处理的是它的模值或模平方。这两个分支的数学工具完全不同下面分别展开。2.2 相参累积的检测概率计算相参累积在数学上非常简单假设你对 N 个脉冲进行了理想的相位补偿即多普勒频率已知且被精确补偿那么累积后的信噪比就是 SNR_N N × SNR_1。检测概率可以用马库姆 Q 函数直接算Pd Q(√(2·N·SNR_1), √(-2·ln(Pfa)))其中外面的 Q 是一阶马库姆 Q 函数第一个参数是累积后的信号幅度第二个参数是门限。这里要注意的是马库姆函数里用的 SNR 是功率比而且是复信号域的功率比。很多新手在代入公式时搞错 SNR 定义导致算出来的检测概率对不上。举个例子假设单脉冲 SNR 是 6 dB即功率比约 4Pfa 10^-6。单脉冲情况下 Pd 大概只有 0.35。如果做 16 个脉冲的相参累积SNR 变成 16 × 4 64也就是 18 dB这时的 Pd 已经超过 0.999。这就是相参累积的威力——每增加 3 dB 累积增益检测性能就跨一大步。2.3 非相参累积的等效信噪比与 Albersheim 经验公式非相参累积的精确检测概率计算要复杂得多。因为包络检波之后噪声包络服从瑞利分布信号加噪声的包络服从莱斯分布N 个这样的随机变量相加分布函数没有闭式表达式只能数值积分或者用近似公式。工程上最常用的近似是 Albersheim 经验公式SNR_N(dB) α(N, Pd) β(N, Pfa)具体形式是SNR_N -5·log10(N) [6.2 4.54/√(N0.44)]·log10(A 0.12·A·B 1.7·B)其中 A ln(0.62 / Pfa)B ln(Pd / (1 - Pd))。这个公式在 Pfa 从 10^-3 到 10^-7、Pd 从 0.1 到 0.9 的范围内误差小于 0.2 dB是仿真验证时非常好用的对标工具。从公式可以看出非相参累积的增益不是严格的 10log10(N)而是有一个损耗因子。实际算一下会发现N 16 时理论相参增益是 12 dB但非相参累积的等效增益大概只有 10.5 到 11 dB损失了 1 到 1.5 dBN 100 时相参增益是 20 dB非相参大概只有 17 dB 左右。这个损耗随着 N 增大而增大所以不能想当然地把非相参累积增益当成理想值。2.4 为什么不能用“功率直接相加”来近似非相参累积我见过不少仿真代码把非相参累积直接写成把所有脉冲的功率谱相加然后用 SNR_total N × SNR_1 去算检测概率。这在理论上是有问题的。原因是包络检波引入了非线性变换信号和噪声的相互作用不再是简单的线性叠加噪声项里会带有信号乘噪声的交叉项。尤其是低信噪比场景下这种近似会严重高估检测性能仿真出来的 Pd 虚高一到外场实测就露馅。正确的做法是要么用蒙特卡洛仿真统计出真实的检测概率要么用 Albersheim 公式或查表获得等效信噪比再代入单脉冲公式。我在仿真里通常两种方法都做——先用 Albersheim 公式算一遍理论曲线再用蒙特卡洛验证两边对得上才敢把结果交给下一级。3. 仿真设计与核心代码实现——从参数设定到蒙特卡洛统计的完整过程3.1 仿真场景参数怎么定仿真不是上来就写代码先把场景参数定清楚。我做了一个典型的中程警戒雷达检测场景参数如下表参数数值说明载频 fc3 GHzS 波段脉冲宽度 τ10 μs决定距离分辨率脉冲重复频率 PRF1000 Hz决定最大无模糊距离/多普勒相干处理脉冲数 N16相参与非相参累计统一用这个数单脉冲信噪比 SNR_10 ~ 15 dB扫描用来画出检测性能曲线目标多普勒频率 fd200 Hz对应径向速度约 10 m/s虚警概率 Pfa10^-6系统指标蒙特卡洛次数10^5保证统计精度这套参数比较常规。选 N 16 是因为它在仿真中既有代表性又不至于让计算量太大而且 16 是 2 的整数次幂方便用 FFT 做多普勒滤波器组来验证相参累积的结果。3.2 相参累积的核心代码实现相参累积的仿真核心生成 N 个脉冲的复基带回波叠加复高斯白噪声然后直接把 N 个脉冲的复数据相加理想相位补偿情况下再做幅度检测。代码如下%% 参数初始化 clear; clc; rng(2024); % 固定随机种子保证可复现 fc 3e9; % 载频 3 GHz prf 1000; % 脉冲重复频率 1000 Hz N 16; % 累积脉冲数 fd 200; % 多普勒频率 200 Hz Ts 1 / prf; % 脉冲重复周期 Pfa 1e-6; % 虚警概率 snr_dB 6; % 单脉冲信噪比 6 dB snr_lin db2pow(snr_dB); % 转线性值 A sqrt(2 * snr_lin); % 信号幅度噪声功率设为1 %% 生成 N 个脉冲的复基带信号简化模型每个脉冲取一个采样点 phase 2 * pi * fd * (0:N-1) * Ts; % 各脉冲的相位演变 s A * exp(1j * phase); % 理想回波复包络 noise (randn(1, N) 1j * randn(1, N)) / sqrt(2); % 复高斯白噪声功率为1 x s noise; % 接收信号 %% 相参累积理想相位补偿后直接相加 x_coh sum(x); % 复信号域直接相加 det_coh abs(x_coh)^2; % 累积后取功率 %% 检测门限Pfa1e-6噪声功率为1复信号域 % 相参累积后噪声为复高斯功率为 N % 门限 N * (-2 * ln(Pfa)) 的推导见正文 threshold_coh N * (-2 * log(Pfa)); %% 判决 if det_coh threshold_coh disp(相参累积检测到目标); else disp(相参累积未检测到目标); end这段代码是单次快照的演示。实际蒙特卡洛统计时要把“生成信号—累积—判决”循环 M 次统计超过门限的次数占比就是 Pd。注意门限公式里乘了 N因为是 N 个复数相加后噪声功率变为原来的 N 倍。3.3 非相参累积的核心代码实现非相参累积的代码差异主要在两点一是取包络abs或功率abs 的平方二是在包络域设置门限。平方率检波情况下N 个噪声包络平方之和服从自由度为 2N 的中心卡方分布门限是threshold_env chi2inv(1 - Pfa, 2*N) / 2对应的代码段如下%% 非相参累积平方率检波 N 个脉冲累积 x_env_sq abs(x).^2; % 每个脉冲取功率 x_noncoh sum(x_env_sq); % 功率域直接相加 %% 检测门限平方率检波 N 个脉冲 % 噪声功率为1自由度为2N的中心卡方分布 threshold_noncoh chi2inv(1 - Pfa, 2*N) / 2; %% 判决 if x_noncoh threshold_noncoh disp(非相参累积检测到目标); else disp(非相参累积未检测到目标); end这里有个容易踩坑的地方线性检波取模后相加和平方率检波取模平方后相加的门限分布不一样。线性检波时噪声包络服从瑞利分布N 个瑞利变量相加没有闭式分布只能数值求平方率检波正好对应卡方分布工程上又好算又常用所以仿真里我默认用平方率检波。如果你更习惯用 abs() 而不是 abs().^2门限计算方法就完全不同千万别混着用。3.4 蒙特卡洛统计检测概率的完整流程单次判决没有统计意义必须跑蒙特卡洛。我一般这样组织仿真流程第一步在给定 SNR_1 下循环 M 次我习惯用 10^5 次每一次都重新生成信号和噪声第二步分别计算相参累积和非相参累积的检测统计量第三步判断是否超过各自门限记录命中次数第四步M 次结束后命中次数除以 M 就是该 SNR 下的 Pd第五步把 SNR_1 从 0 扫到 15 dB得到整条检测概率曲线。完整框架如下%% 蒙特卡洛检测概率统计 M 1e5; % 蒙特卡洛次数 snr_vec 0:1:15; % 单脉冲SNR扫描范围 Pd_coh zeros(size(snr_vec)); Pd_noncoh zeros(size(snr_vec)); for k 1:length(snr_vec) snr_lin db2pow(snr_vec(k)); A sqrt(2 * snr_lin); hits_coh 0; hits_noncoh 0; for m 1:M phase 2 * pi * fd * (0:N-1) * Ts; s A * exp(1j * phase); noise (randn(1, N) 1j * randn(1, N)) / sqrt(2); x s noise; % 相参累积判决 x_coh sum(x); if abs(x_coh)^2 threshold_coh hits_coh hits_coh 1; end % 非相参累积判决 x_noncoh sum(abs(x).^2); if x_noncoh threshold_noncoh hits_noncoh hits_noncoh 1; end end Pd_coh(k) hits_coh / M; Pd_noncoh(k) hits_noncoh / M; end跑完这组数据把两条 Pd-SNR 曲线画出来就能直观看到非相参和相参的性能差距。我的实测结果是在 Pd 0.9 的位置上16 脉冲相参累积比 16 脉冲非相参累积大约好 1.2 到 1.5 dB跟理论预期吻合。4. 仿真结果解读与工程实现中的折中策略4.1 检测概率曲线怎么读仿真实测画出来的典型曲线有三个特征值得注意。第一单脉冲曲线在低 SNR 区域非常平缓从 Pd 0.1 到 Pd 0.9 要跨越大约 8 到 10 dB相参累积曲线的过渡带明显变陡说明性能提升不但来自整体信噪比右移还来自检测统计量分布的“锐化”。第二两条累积曲线在低 SNR 区域几乎重合这个现象很多人不理解——其实是因为低信噪比时包络检波损耗很小非相参累积的等效增益接近相参信噪比越高非线性损耗越明显曲线才开始分开。第三相参累积曲线在 Pd 接近 1 时快速饱和而非相参累积会拖一条“长尾巴”在高 SNR 下依然存在少量漏检。这几条曲线就是整个仿真的核心交付物。如果你跑的曲线出现明显异常——比如非相参累积反而比相参还好——基本可以断定代码里门限或者检波方式出了问题。4.2 处理增益的“含金量”相参有前提非相参更鲁棒很多人看了上面的结果会觉得“相参累积全面碾压那还做什么非相参”。这种想法在实际工程里要不得因为相参累积有一个严苛前提相位必须对齐。在前面的仿真里我假设目标多普勒频率精确已知相位被完美补偿。但实际系统中目标速度是未知的多普勒频率也是未知的。如果你直接拿 N 个脉冲的原始数据相加目标回波的相位在不同脉冲之间是旋转的累加的结果可能相互抵消——尤其是当 fd 接近 PRF 的整数倍时N 个脉冲的信号相位均匀分布在 0 到 2π 之间累加后信号幅度趋近于零检测性能比单脉冲还差。工程上的解决办法是用多普勒滤波器组也就是对 N 个脉冲做 FFT把回波按多普勒频率分到 N 个通道里每个通道等效于补偿了该通道对应的相位再做相参累积。这就是 MTDMoving Target Detection的核心原理。代价是需要付出额外的计算量并且目标多普勒频率落在两个滤波器之间时会有跨越损失通常 1 到 2 dB。非相参累积没有这个问题因为幅度相加不依赖相位。所以实际雷达系统里通常的做法是先用相参处理把多普勒维分辨出来、获得相参增益再用非相参累积把多个通道或多次扫描的结果进一步合并弥补相参处理在不同通道之间可能引入的损失。4.3 实际信号处理链中是怎么串起来用的一个典型的脉冲多普勒雷达检测链路是这样的回波经过脉冲压缩之后做 MTD——即对一组 N 个脉冲做加窗 FFT得到每个距离单元在不同多普勒通道上的相参累积结果然后对每个多普勒通道做恒虚警检测CFAR如果系统还有扫描间累积的需求再把多次扫描的 CFAR 输出或幅度图做非相参累积进一步压低虚警、提升稳定检测概率。仿真时把这个链路拆成两步很有必要先单独验证相参处理模块的增益是否达到理论值再单独验证非相参累积在不同快慢起伏目标模型下的表现。两个模块分别达标后再联调。我做仿真时习惯在链路的每一级都设置一个监测点——比如在 MTD 输出端打印该距离-多普勒单元的 SNR在 CFAR 输出端统计虚警率——这样一旦结果不对能快速定位是哪个模块引入的问题。5. 常见问题与排查技巧实录5.1 门限设置错误虚警概率的定义没搞清这是仿真里最普遍的错误。很多朋友直接把门限设成“噪声功率的某个倍数”比如 3 倍、4 倍然后就说虚警概率是多少——这是不对的。Pfa 的定义是“噪声超过门限的概率”必须从噪声概率分布去反推门限。对于复高斯白噪声的功率检测门限和 Pfa 的关系是 Pfa exp(-threshold / noise_power)所以 threshold -noise_power × ln(Pfa)。公式本身很简单但如果你忘了把门限里的噪声功率乘进去或者把 Pfa 和漏警率搞混仿真曲线的形态就会完全走形。排查技巧先跑一个纯噪声的仿真不叠加任何信号统计超过门限的频率。如果这个统计值偏离你设定的 Pfa 超过一个数量级门限公式一定有问题。这个自检步骤在正式跑 Pd 曲线之前一定要做。5.2 “伪相参累积”相位没补偿就硬加还有一种情况是代码里确实把 N 个复数相加了但目标信号本身是多普勒信号每个脉冲的相位在旋转。如果直接相加信噪比不但不提升还可能出现负增益。我之前遇到过一位朋友写的目标检测程序N 设得越大性能越差查了半天最后发现问题就出在这里——他压根没对多普勒相位做补偿所谓的“相参累积”实际上是在做随机相位叠加。解决方法是先对目标可能的径向速度范围做搜索用一组不同频率的复指数对 N 个脉冲做相关这等价于 FFT 滤波器组。在仿真里可以用一个简化的验证方法把目标多普勒频率设成 0再跑累积如果性能提升符合理论值说明累积逻辑没问题然后把多普勒频率设成非零用 FFT 处理看看峰值是否出现在对应的多普勒通道。5.3 起伏目标模型没引入仿真结果过于乐观前面所有仿真都假设目标回波幅度恒定也就是“斯威林 0”模型。但真实目标通常存在起伏最常见的斯威林 1 模型是慢起伏——在一个相干处理间隔内幅度恒定但不同扫描之间幅度独立随机服从瑞利分布。仿真时只需要把信号幅度 A 从常数改成一个服从瑞利分布的随机变量你就会发现检测性能明显下降达到相同 Pd 需要的 SNR 大约要多 3 到 5 dB。引入起伏模型后蒙特卡洛的收敛速度会变慢。因为大幅度的目标回波在少数样本里主导了检测统计量导致 Pd 估计值的方差变大。我建议起伏模型下把蒙特卡洛次数提高到 10^6 量级并且每跑完一次都画一下 Pd 的收敛曲线确认统计量稳定了再继续。5.4 累积脉冲数不是越多越好仿真调参时很容易陷入一个误区为了提高检测概率不断增加累积脉冲数。增加了 N相参增益确实按 10log10(N) 提升但与此同时你又引入了两个新问题一是距离走动——目标在累积时间内跨过了不止一个距离单元相参累积的相位假设失效二是目标起伏——在较长的累积时间内目标回波幅度可能发生显著变化快起伏目标斯威林 2下累积效率进一步下降。我在仿真中确定 N 的做法是先算出允许的最大相干处理时间用“目标最大径向速度 × 累积时间 距离分辨率的四分之一”来约束保证目标不会跨距离单元然后在这个上限内选择满足检测指标的最小 N。这个“够用就好”的原则比一味堆脉冲数要务实得多。最后分享一个我做这类仿真多年养成的习惯每一个模块都会单独写一个验证脚本先跟理论值对齐再接入主链路。相参累积对理论值非相参累积用 Albersheim 公式对理论值对齐了再往下走。虽然前期多花一点时间但后期联调时省下的时间是以“天”为单位的。遇到检测性能不对的情况先别急着怀疑算法从门限公式开始逐级排查多半问题就出在那些你自以为“肯定没问题”的细节上。 雷达检测中的相参与非相参累积：原理、仿真与工程实践
做雷达系统仿真这些年有一类问题我见得太多了波形设计做得漂漂亮亮脉冲压缩处理得干干净净可一到检测那一环就露馅——要么检测概率上不去要么虚警多得压不住。很多朋友卡在这里根源就是对“非相参累积和相参累积”的理解停留在概念层面一到仿真里就靠猜。这篇文章把我自己在仿真中建模、实现、验证这两种累积检测的完整过程摊开来讲包括公式推导、MATLAB代码、参数权衡和踩过的坑。这篇内容适合所有正在做雷达信号处理仿真、算法验证或者相关课程设计的人。你只需要有一点雷达基础最好写过简单的回波生成程序跟着走完一遍就能搞清楚两个问题为什么累积能提升检测性能相参和非相参到底差在哪、各自怎么用1. 为什么检测之前要先做累积——雷达检测的本质与单脉冲瓶颈1.1 检测问题的本质二元假设检验雷达检测本质上是一个二元假设检验问题。假设 H0 是“该距离单元只有噪声”假设 H1 是“噪声背景下存在目标回波”。检测器要做的事情就是根据接收信号 x 的能量或幅度跟一个预设门限做比较超过门限判为有目标没超过判为无目标。这个过程中有两个指标是绕不开的虚警概率 Pfa 和检测概率 Pd。Pfa 指在只有噪声时误判成有目标的概率Pd 指真有目标时正确检测出来的概率。这俩是互相矛盾的一对——门限放低了Pd 上去但 Pfa 也上去门限抬高Pfa 下来了Pd 也跟着垮。所以工程上都是先给定一个可接受的 Pfa比如 10^-6再去反推需要多少信噪比才能达到系统要求的 Pd比如 0.9 或 0.8。问题在于单脉冲检测在低信噪比下的性能非常有限。举个例子在 Pfa 10^-6 的条件下单脉冲要达到 Pd 0.9需要的信噪比大约是 13 dB 左右用马库姆 Q 函数反算。如果你的回波信噪比只有 5 dB单脉冲检测概率可能就只有 0.3 到 0.4根本没法用。这时候就需要累积把多个脉冲的信息合并到一起用时间换信噪比。1.2 累积的两种思路相参与非相参的本源区别累积的基本思想是目标回波在多个脉冲之间是有相关性的而噪声在不同脉冲之间是不相关的通过合并多个脉冲可以把目标信号的能量集中起来同时让噪声被平均掉从而实现信噪比提升。但“合并”的方式有两种截然不同的路径。相参累积发生在包络检波之前是在 I/Q 复信号域直接做幅度和相位的同时叠加。因为目标回波的相位在脉冲之间是确定演变的通常由多普勒频率决定只要你知道或能补偿这个相位就能让 N 个脉冲的信号幅度同相相加信号幅度变成原来的 N 倍信号功率变成 N² 倍而噪声的功率只按 N 倍增长因为噪声相位随机功率叠加是线性的。所以相参累积后信噪比改善为 N 倍换算成分贝就是 10log10(N) dB。非相参累积发生在包络检波之后这时候相位信息已经丢掉了只剩下幅度或功率。你在视频域把 N 个脉冲的包络或者功率加起来信号功率是 N² 倍因为都是正数同向累加噪声功率也近似 N 倍但这里有个关键区别——包络检波本身会引入非线性而且噪声包络不是高斯分布了累积完的等效信噪比改善达不到理想的 N 倍通常是 N 的 0.7 到 0.9 次方左右取决于 N 和检测条件。这个差距就叫“检波损耗”或“累积损耗”。我用一个生活化的类比帮大家记相参累积就像一队人抬大石头大家步调一致喊号子力量全往一个方向使效率最高非相参累积就像一群人各自搬砖每个人出力方向不完全一致但是数量多了总能搬完胜在不需要协调、谁都能干。2. 理论建模与检测概率公式——仿真前必须搞清楚的数学底子2.1 信号模型与噪声设定仿真第一步是建立信号模型。一个典型的脉冲雷达回波经过正交下变频和匹配滤波之后基带复信号可以写成s(t) A exp(j(2πfd·t φ0)) n(t)其中 A 是回波幅度fd 是目标多普勒频率φ0 是初始相位n(t) 是复高斯白噪声实部和虚部独立同分布均值为零方差为 σ²。单脉冲信噪比 SNR_1 A² / (2σ²)。在仿真里所有累积的起点都是这个复信号序列。相参累积处理的是复数序列本身非相参累积处理的是它的模值或模平方。这两个分支的数学工具完全不同下面分别展开。2.2 相参累积的检测概率计算相参累积在数学上非常简单假设你对 N 个脉冲进行了理想的相位补偿即多普勒频率已知且被精确补偿那么累积后的信噪比就是 SNR_N N × SNR_1。检测概率可以用马库姆 Q 函数直接算Pd Q(√(2·N·SNR_1), √(-2·ln(Pfa)))其中外面的 Q 是一阶马库姆 Q 函数第一个参数是累积后的信号幅度第二个参数是门限。这里要注意的是马库姆函数里用的 SNR 是功率比而且是复信号域的功率比。很多新手在代入公式时搞错 SNR 定义导致算出来的检测概率对不上。举个例子假设单脉冲 SNR 是 6 dB即功率比约 4Pfa 10^-6。单脉冲情况下 Pd 大概只有 0.35。如果做 16 个脉冲的相参累积SNR 变成 16 × 4 64也就是 18 dB这时的 Pd 已经超过 0.999。这就是相参累积的威力——每增加 3 dB 累积增益检测性能就跨一大步。2.3 非相参累积的等效信噪比与 Albersheim 经验公式非相参累积的精确检测概率计算要复杂得多。因为包络检波之后噪声包络服从瑞利分布信号加噪声的包络服从莱斯分布N 个这样的随机变量相加分布函数没有闭式表达式只能数值积分或者用近似公式。工程上最常用的近似是 Albersheim 经验公式SNR_N(dB) α(N, Pd) β(N, Pfa)具体形式是SNR_N -5·log10(N) [6.2 4.54/√(N0.44)]·log10(A 0.12·A·B 1.7·B)其中 A ln(0.62 / Pfa)B ln(Pd / (1 - Pd))。这个公式在 Pfa 从 10^-3 到 10^-7、Pd 从 0.1 到 0.9 的范围内误差小于 0.2 dB是仿真验证时非常好用的对标工具。从公式可以看出非相参累积的增益不是严格的 10log10(N)而是有一个损耗因子。实际算一下会发现N 16 时理论相参增益是 12 dB但非相参累积的等效增益大概只有 10.5 到 11 dB损失了 1 到 1.5 dBN 100 时相参增益是 20 dB非相参大概只有 17 dB 左右。这个损耗随着 N 增大而增大所以不能想当然地把非相参累积增益当成理想值。2.4 为什么不能用“功率直接相加”来近似非相参累积我见过不少仿真代码把非相参累积直接写成把所有脉冲的功率谱相加然后用 SNR_total N × SNR_1 去算检测概率。这在理论上是有问题的。原因是包络检波引入了非线性变换信号和噪声的相互作用不再是简单的线性叠加噪声项里会带有信号乘噪声的交叉项。尤其是低信噪比场景下这种近似会严重高估检测性能仿真出来的 Pd 虚高一到外场实测就露馅。正确的做法是要么用蒙特卡洛仿真统计出真实的检测概率要么用 Albersheim 公式或查表获得等效信噪比再代入单脉冲公式。我在仿真里通常两种方法都做——先用 Albersheim 公式算一遍理论曲线再用蒙特卡洛验证两边对得上才敢把结果交给下一级。3. 仿真设计与核心代码实现——从参数设定到蒙特卡洛统计的完整过程3.1 仿真场景参数怎么定仿真不是上来就写代码先把场景参数定清楚。我做了一个典型的中程警戒雷达检测场景参数如下表参数数值说明载频 fc3 GHzS 波段脉冲宽度 τ10 μs决定距离分辨率脉冲重复频率 PRF1000 Hz决定最大无模糊距离/多普勒相干处理脉冲数 N16相参与非相参累计统一用这个数单脉冲信噪比 SNR_10 ~ 15 dB扫描用来画出检测性能曲线目标多普勒频率 fd200 Hz对应径向速度约 10 m/s虚警概率 Pfa10^-6系统指标蒙特卡洛次数10^5保证统计精度这套参数比较常规。选 N 16 是因为它在仿真中既有代表性又不至于让计算量太大而且 16 是 2 的整数次幂方便用 FFT 做多普勒滤波器组来验证相参累积的结果。3.2 相参累积的核心代码实现相参累积的仿真核心生成 N 个脉冲的复基带回波叠加复高斯白噪声然后直接把 N 个脉冲的复数据相加理想相位补偿情况下再做幅度检测。代码如下%% 参数初始化 clear; clc; rng(2024); % 固定随机种子保证可复现 fc 3e9; % 载频 3 GHz prf 1000; % 脉冲重复频率 1000 Hz N 16; % 累积脉冲数 fd 200; % 多普勒频率 200 Hz Ts 1 / prf; % 脉冲重复周期 Pfa 1e-6; % 虚警概率 snr_dB 6; % 单脉冲信噪比 6 dB snr_lin db2pow(snr_dB); % 转线性值 A sqrt(2 * snr_lin); % 信号幅度噪声功率设为1 %% 生成 N 个脉冲的复基带信号简化模型每个脉冲取一个采样点 phase 2 * pi * fd * (0:N-1) * Ts; % 各脉冲的相位演变 s A * exp(1j * phase); % 理想回波复包络 noise (randn(1, N) 1j * randn(1, N)) / sqrt(2); % 复高斯白噪声功率为1 x s noise; % 接收信号 %% 相参累积理想相位补偿后直接相加 x_coh sum(x); % 复信号域直接相加 det_coh abs(x_coh)^2; % 累积后取功率 %% 检测门限Pfa1e-6噪声功率为1复信号域 % 相参累积后噪声为复高斯功率为 N % 门限 N * (-2 * ln(Pfa)) 的推导见正文 threshold_coh N * (-2 * log(Pfa)); %% 判决 if det_coh threshold_coh disp(相参累积检测到目标); else disp(相参累积未检测到目标); end这段代码是单次快照的演示。实际蒙特卡洛统计时要把“生成信号—累积—判决”循环 M 次统计超过门限的次数占比就是 Pd。注意门限公式里乘了 N因为是 N 个复数相加后噪声功率变为原来的 N 倍。3.3 非相参累积的核心代码实现非相参累积的代码差异主要在两点一是取包络abs或功率abs 的平方二是在包络域设置门限。平方率检波情况下N 个噪声包络平方之和服从自由度为 2N 的中心卡方分布门限是threshold_env chi2inv(1 - Pfa, 2*N) / 2对应的代码段如下%% 非相参累积平方率检波 N 个脉冲累积 x_env_sq abs(x).^2; % 每个脉冲取功率 x_noncoh sum(x_env_sq); % 功率域直接相加 %% 检测门限平方率检波 N 个脉冲 % 噪声功率为1自由度为2N的中心卡方分布 threshold_noncoh chi2inv(1 - Pfa, 2*N) / 2; %% 判决 if x_noncoh threshold_noncoh disp(非相参累积检测到目标); else disp(非相参累积未检测到目标); end这里有个容易踩坑的地方线性检波取模后相加和平方率检波取模平方后相加的门限分布不一样。线性检波时噪声包络服从瑞利分布N 个瑞利变量相加没有闭式分布只能数值求平方率检波正好对应卡方分布工程上又好算又常用所以仿真里我默认用平方率检波。如果你更习惯用 abs() 而不是 abs().^2门限计算方法就完全不同千万别混着用。3.4 蒙特卡洛统计检测概率的完整流程单次判决没有统计意义必须跑蒙特卡洛。我一般这样组织仿真流程第一步在给定 SNR_1 下循环 M 次我习惯用 10^5 次每一次都重新生成信号和噪声第二步分别计算相参累积和非相参累积的检测统计量第三步判断是否超过各自门限记录命中次数第四步M 次结束后命中次数除以 M 就是该 SNR 下的 Pd第五步把 SNR_1 从 0 扫到 15 dB得到整条检测概率曲线。完整框架如下%% 蒙特卡洛检测概率统计 M 1e5; % 蒙特卡洛次数 snr_vec 0:1:15; % 单脉冲SNR扫描范围 Pd_coh zeros(size(snr_vec)); Pd_noncoh zeros(size(snr_vec)); for k 1:length(snr_vec) snr_lin db2pow(snr_vec(k)); A sqrt(2 * snr_lin); hits_coh 0; hits_noncoh 0; for m 1:M phase 2 * pi * fd * (0:N-1) * Ts; s A * exp(1j * phase); noise (randn(1, N) 1j * randn(1, N)) / sqrt(2); x s noise; % 相参累积判决 x_coh sum(x); if abs(x_coh)^2 threshold_coh hits_coh hits_coh 1; end % 非相参累积判决 x_noncoh sum(abs(x).^2); if x_noncoh threshold_noncoh hits_noncoh hits_noncoh 1; end end Pd_coh(k) hits_coh / M; Pd_noncoh(k) hits_noncoh / M; end跑完这组数据把两条 Pd-SNR 曲线画出来就能直观看到非相参和相参的性能差距。我的实测结果是在 Pd 0.9 的位置上16 脉冲相参累积比 16 脉冲非相参累积大约好 1.2 到 1.5 dB跟理论预期吻合。4. 仿真结果解读与工程实现中的折中策略4.1 检测概率曲线怎么读仿真实测画出来的典型曲线有三个特征值得注意。第一单脉冲曲线在低 SNR 区域非常平缓从 Pd 0.1 到 Pd 0.9 要跨越大约 8 到 10 dB相参累积曲线的过渡带明显变陡说明性能提升不但来自整体信噪比右移还来自检测统计量分布的“锐化”。第二两条累积曲线在低 SNR 区域几乎重合这个现象很多人不理解——其实是因为低信噪比时包络检波损耗很小非相参累积的等效增益接近相参信噪比越高非线性损耗越明显曲线才开始分开。第三相参累积曲线在 Pd 接近 1 时快速饱和而非相参累积会拖一条“长尾巴”在高 SNR 下依然存在少量漏检。这几条曲线就是整个仿真的核心交付物。如果你跑的曲线出现明显异常——比如非相参累积反而比相参还好——基本可以断定代码里门限或者检波方式出了问题。4.2 处理增益的“含金量”相参有前提非相参更鲁棒很多人看了上面的结果会觉得“相参累积全面碾压那还做什么非相参”。这种想法在实际工程里要不得因为相参累积有一个严苛前提相位必须对齐。在前面的仿真里我假设目标多普勒频率精确已知相位被完美补偿。但实际系统中目标速度是未知的多普勒频率也是未知的。如果你直接拿 N 个脉冲的原始数据相加目标回波的相位在不同脉冲之间是旋转的累加的结果可能相互抵消——尤其是当 fd 接近 PRF 的整数倍时N 个脉冲的信号相位均匀分布在 0 到 2π 之间累加后信号幅度趋近于零检测性能比单脉冲还差。工程上的解决办法是用多普勒滤波器组也就是对 N 个脉冲做 FFT把回波按多普勒频率分到 N 个通道里每个通道等效于补偿了该通道对应的相位再做相参累积。这就是 MTDMoving Target Detection的核心原理。代价是需要付出额外的计算量并且目标多普勒频率落在两个滤波器之间时会有跨越损失通常 1 到 2 dB。非相参累积没有这个问题因为幅度相加不依赖相位。所以实际雷达系统里通常的做法是先用相参处理把多普勒维分辨出来、获得相参增益再用非相参累积把多个通道或多次扫描的结果进一步合并弥补相参处理在不同通道之间可能引入的损失。4.3 实际信号处理链中是怎么串起来用的一个典型的脉冲多普勒雷达检测链路是这样的回波经过脉冲压缩之后做 MTD——即对一组 N 个脉冲做加窗 FFT得到每个距离单元在不同多普勒通道上的相参累积结果然后对每个多普勒通道做恒虚警检测CFAR如果系统还有扫描间累积的需求再把多次扫描的 CFAR 输出或幅度图做非相参累积进一步压低虚警、提升稳定检测概率。仿真时把这个链路拆成两步很有必要先单独验证相参处理模块的增益是否达到理论值再单独验证非相参累积在不同快慢起伏目标模型下的表现。两个模块分别达标后再联调。我做仿真时习惯在链路的每一级都设置一个监测点——比如在 MTD 输出端打印该距离-多普勒单元的 SNR在 CFAR 输出端统计虚警率——这样一旦结果不对能快速定位是哪个模块引入的问题。5. 常见问题与排查技巧实录5.1 门限设置错误虚警概率的定义没搞清这是仿真里最普遍的错误。很多朋友直接把门限设成“噪声功率的某个倍数”比如 3 倍、4 倍然后就说虚警概率是多少——这是不对的。Pfa 的定义是“噪声超过门限的概率”必须从噪声概率分布去反推门限。对于复高斯白噪声的功率检测门限和 Pfa 的关系是 Pfa exp(-threshold / noise_power)所以 threshold -noise_power × ln(Pfa)。公式本身很简单但如果你忘了把门限里的噪声功率乘进去或者把 Pfa 和漏警率搞混仿真曲线的形态就会完全走形。排查技巧先跑一个纯噪声的仿真不叠加任何信号统计超过门限的频率。如果这个统计值偏离你设定的 Pfa 超过一个数量级门限公式一定有问题。这个自检步骤在正式跑 Pd 曲线之前一定要做。5.2 “伪相参累积”相位没补偿就硬加还有一种情况是代码里确实把 N 个复数相加了但目标信号本身是多普勒信号每个脉冲的相位在旋转。如果直接相加信噪比不但不提升还可能出现负增益。我之前遇到过一位朋友写的目标检测程序N 设得越大性能越差查了半天最后发现问题就出在这里——他压根没对多普勒相位做补偿所谓的“相参累积”实际上是在做随机相位叠加。解决方法是先对目标可能的径向速度范围做搜索用一组不同频率的复指数对 N 个脉冲做相关这等价于 FFT 滤波器组。在仿真里可以用一个简化的验证方法把目标多普勒频率设成 0再跑累积如果性能提升符合理论值说明累积逻辑没问题然后把多普勒频率设成非零用 FFT 处理看看峰值是否出现在对应的多普勒通道。5.3 起伏目标模型没引入仿真结果过于乐观前面所有仿真都假设目标回波幅度恒定也就是“斯威林 0”模型。但真实目标通常存在起伏最常见的斯威林 1 模型是慢起伏——在一个相干处理间隔内幅度恒定但不同扫描之间幅度独立随机服从瑞利分布。仿真时只需要把信号幅度 A 从常数改成一个服从瑞利分布的随机变量你就会发现检测性能明显下降达到相同 Pd 需要的 SNR 大约要多 3 到 5 dB。引入起伏模型后蒙特卡洛的收敛速度会变慢。因为大幅度的目标回波在少数样本里主导了检测统计量导致 Pd 估计值的方差变大。我建议起伏模型下把蒙特卡洛次数提高到 10^6 量级并且每跑完一次都画一下 Pd 的收敛曲线确认统计量稳定了再继续。5.4 累积脉冲数不是越多越好仿真调参时很容易陷入一个误区为了提高检测概率不断增加累积脉冲数。增加了 N相参增益确实按 10log10(N) 提升但与此同时你又引入了两个新问题一是距离走动——目标在累积时间内跨过了不止一个距离单元相参累积的相位假设失效二是目标起伏——在较长的累积时间内目标回波幅度可能发生显著变化快起伏目标斯威林 2下累积效率进一步下降。我在仿真中确定 N 的做法是先算出允许的最大相干处理时间用“目标最大径向速度 × 累积时间 距离分辨率的四分之一”来约束保证目标不会跨距离单元然后在这个上限内选择满足检测指标的最小 N。这个“够用就好”的原则比一味堆脉冲数要务实得多。最后分享一个我做这类仿真多年养成的习惯每一个模块都会单独写一个验证脚本先跟理论值对齐再接入主链路。相参累积对理论值非相参累积用 Albersheim 公式对理论值对齐了再往下走。虽然前期多花一点时间但后期联调时省下的时间是以“天”为单位的。遇到检测性能不对的情况先别急着怀疑算法从门限公式开始逐级排查多半问题就出在那些你自以为“肯定没问题”的细节上。