1. 项目概述：从理论到实践的雷达信号仿真

在雷达系统、无线通信乃至当下的各种感知与测距应用中，信号是信息的载体，其波形设计直接决定了系统的探测能力、分辨率和抗干扰性能。无论是经典的线性调频（LFM）信号，还是用于承载信息的各种调制信号（如BPSK, QPSK, FSK），理解它们的产生原理、时频特性以及如何在仿真环境中精确构建，是每一位相关领域工程师和研究者必须掌握的核心技能。Matlab作为强大的数值计算和仿真平台，为我们提供了一个近乎理想的“数字实验室”，可以让我们脱离昂贵的硬件设备，在代码层面深入探究这些复杂信号的每一个细节。

这个项目，就是一次系统的雷达发射信号仿真实践。我们将聚焦于几种最典型、应用最广泛的信号形式：连续波（Cosine）、线性调频（LFM）、二进制相移键控（BPSK）、四相相移键控（QPSK）、频移键控（FSK），以及它们的混合调制形式（BPSK_FSK, QPSK_FSK）。我们的目标不仅仅是生成这些信号的波形数据，更要通过Matlab仿真，直观地观察它们的时域波形、频谱结构、模糊函数等关键特征，理解不同参数（如带宽、时宽、调制速率）对信号性能的影响。这对于雷达系统设计、通信协议验证、信号处理算法开发，乃至当前热门的毫米波雷达、TOF测距、卫星通信终端仿真等，都具有直接的指导意义。无论你是刚接触信号处理的学生，还是需要快速验证某个波形设计方案的工程师，这篇内容都将提供一套完整、可复现的仿真框架和深入的分析视角。

2. 核心信号原理与Matlab建模思路

在动手写代码之前，我们必须厘清每一种信号背后的数学模型和物理意义。仿真的第一步是建立准确的数学模型，Matlab代码只是对这个模型的数字化实现。

2.1 基础信号：连续波与线性调频

连续波（Cosine）信号是最简单的雷达信号，其数学表达式为：s(t) = A * cos(2πf_c t + φ_0)其中，A是幅度，f_c是载波频率，φ_0是初始相位。在仿真中，我们需要离散化处理，即在一个时间向量t上计算s(t)的值。它的频谱是在f_c处的一根谱线，能量集中，但距离分辨率和多普勒分辨率都很差，主要用于简单的测速或存在性检测。

线性调频信号则是现代雷达的基石。它的频率随时间线性变化，其复数形式（解析信号）可表示为：s(t) = rect(t/T) * exp(j*2π*(f_c t + 0.5 * K * t^2))其中，rect(t/T)是矩形窗函数，表示信号在时间长度T内存在；f_c是中心频率；K = B/T是调频斜率，B是信号带宽。LFM信号的核心优势在于其大的“时间-带宽积”（BT积），通过脉冲压缩处理，可以在接收端将长脉冲的能量压缩成窄脉冲，从而同时获得高的距离分辨率和大的作用距离。在Matlab中，我们通常生成其复包络（即基带信号），以简化计算和凸显其调频特性。

2.2 数字调制信号：BPSK, QPSK, FSK

这类信号的核心是将数字信息（0和1的序列）映射到载波信号的某个参数上。

BPSK（二进制相移键控）：用载波的0度和180度两种相位来分别表示二进制符号0和1。其表达式为：s(t) = A * cos(2πf_c t + φ_n)，其中φ_n ∈ {0, π}。在复基带表示中，这对应着符号映射到复平面上的+1和-1两个点。BPSK抗噪声性能好，但频谱利用率较低。

QPSK（四相相移键控）：是BPSK的扩展，每两个比特映射为一个符号，对应载波的四种相位（如45°，135°，225°，315°）。复基带映射为四个点（如(±√2/2, ±√2/2)）。它在相同带宽下能传输两倍于BPSK的数据率，但对相位噪声更敏感。

FSK（频移键控）：用不同的频率来表示不同的符号。对于二进制FSK，表达式为：s(t) = A * cos(2π f_i t)，当发送符号i时。这里f_1和f_2是两个不同的频率。FSK的优点是对幅度波动不敏感，常用于信道条件较差的场景。

2.3 混合调制信号：BPSK_FSK与QPSK_FSK

混合调制结合了两种调制方式的优点，以实现更复杂的信号结构或满足特定系统需求。例如，BPSK_FSK可以理解为：先用BPSK对子脉冲进行相位调制，再用FSK在不同的子脉冲间进行频率跳变。这种信号兼具了相位调制的抗干扰性和频率跳变的低截获/抗干扰特性。QPSK_FSK则更为复杂，在子脉冲内采用QPSK调制以获得更高的数据率，在脉冲间进行频率跳变以增强安全性或抗干扰能力。在Matlab中建模这类信号，需要分层实现：先生成基带的相位调制序列，再将其调制到不同的载频上。

注意：在仿真混合信号时，要特别注意时间同步和相位连续性问题。频率跳变时，如果相位不连续，会在频谱上产生不必要的扩散。一种常见的处理方法是确保每个频率子脉冲的初始相位是上一子脉冲结束时的相位，或者使用统一的相位基准。

3. Matlab仿真实现：从代码到波形

理论清晰后，我们进入实战环节。我将分步骤展示如何在Matlab中生成这些信号，并附上关键代码和参数设置说明。我们假设一个统一的仿真环境：采样频率Fs = 100 MHz，仿真时间根据信号类型设定。

3.1 仿真环境与参数初始化

首先，我们定义一组基础参数。这些参数将作为我们所有信号生成的共同基准。

% 基础仿真参数 Fs = 100e6; % 采样频率 100 MHz Ts = 1/Fs; % 采样间隔 T_total = 100e-6; % 总仿真时间 100 us t = 0:Ts:(T_total-Ts); % 时间向量 N = length(t); % 采样点数 % 载波频率 fc = 10e6; % 载波频率 10 MHz % 信号幅度 A = 1; % 信号幅度归一化

3.2 基础信号生成

连续波信号生成：

% 连续波信号 phi0 = 0; % 初始相位 signal_cw = A * cos(2*pi*fc*t + phi0);

这可能是最简单的代码行。我们可以通过改变phi0来观察相位的影响。

线性调频信号生成：LFM信号的生成需要仔细计算频率变化。

% LFM信号参数 T_pulse = 20e-6; % 脉冲宽度 20 us B = 5e6; % 带宽 5 MHz K = B / T_pulse; % 调频斜率 % 生成一个LFM脉冲（复基带表示） t_pulse = -T_pulse/2 : Ts : T_pulse/2 - Ts; % 以脉冲中心为时间零点 lfm_pulse_base = exp(1j * pi * K * t_pulse.^2); % 复指数形式，忽略载波 % 将其嵌入到整个仿真时间中 signal_lfm_base = zeros(1, N); pulse_start_idx = floor(N/4); % 假设脉冲从1/4时间点开始 pulse_end_idx = pulse_start_idx + length(t_pulse) - 1; signal_lfm_base(pulse_start_idx:pulse_end_idx) = lfm_pulse_base; % 上变频到载频 signal_lfm = real(signal_lfm_base .* exp(1j*2*pi*fc*t));

这里首先生成了复基带信号lfm_pulse_base，它只包含频率变化信息。然后将其放置到时间序列的特定位置，最后通过乘以载波复指数项并取实部，得到实信号。这种方式便于后续进行脉冲压缩等基带处理。

3.3 数字调制信号生成

生成数字调制信号需要先产生随机的信息比特流。

% 通用参数 bit_rate = 1e6; % 比特率 1 Mbps samples_per_bit = floor(Fs / bit_rate); % 每比特采样点数 num_bits = floor(T_total * bit_rate); % 总比特数 bits = randi([0, 1], 1, num_bits); % 随机生成比特序列

BPSK信号生成：

% 将比特映射到BPSK符号：0 -> +1, 1 -> -1 bpsk_symbols = 2*bits - 1; % 将符号序列扩展到采样率 bpsk_symbols_upsampled = repelem(bpsk_symbols, samples_per_bit); % 确保长度匹配，可能需截断 bpsk_symbols_upsampled = bpsk_symbols_upsampled(1:min(length(bpsk_symbols_upsampled), N)); % 生成基带信号（矩形脉冲成形） signal_bpsk_base = bpsk_symbols_upsampled; % 上变频 signal_bpsk = real(signal_bpsk_base .* exp(1j*2*pi*fc*t));

repelem函数用于将每个符号重复samples_per_bit次，实现矩形脉冲成形。更复杂的成形（如升余弦）可以在此步骤引入。

QPSK信号生成：

% 将比特流两两分组，映射到QPSK符号（Gray编码） % 映射关系：00->exp(j*pi/4), 01->exp(j*3pi/4), 11->exp(j*5pi/4), 10->exp(j*7pi/4) paired_bits = reshape(bits(1:2*floor(num_bits/2)), 2, []).'; qpsk_symbols = zeros(1, size(paired_bits,1)); for i = 1:size(paired_bits,1) if isequal(paired_bits(i,:), [0 0]) qpsk_symbols(i) = exp(1j*pi/4); elseif isequal(paired_bits(i,:), [0 1]) qpsk_symbols(i) = exp(1j*3*pi/4); elseif isequal(paired_bits(i,:), [1 1]) qpsk_symbols(i) = exp(1j*5*pi/4); elseif isequal(paired_bits(i,:), [1 0]) qpsk_symbols(i) = exp(1j*7*pi/4); end end % 上采样和上变频（类似BPSK） qpsk_symbols_upsampled = repelem(qpsk_symbols, samples_per_bit/2); % 注意符号率是比特率一半 qpsk_symbols_upsampled = qpsk_symbols_upsampled(1:min(length(qpsk_symbols_upsampled), N)); signal_qpsk_base = qpsk_symbols_upsampled; signal_qpsk = real(signal_qpsk_base .* exp(1j*2*pi*fc*t));

FSK信号生成：

% FSK参数 f0 = fc - 1e6; % 符号0对应频率 f1 = fc + 1e6; % 符号1对应频率 % 生成FSK信号 signal_fsk = zeros(1, N); for bit_idx = 1:num_bits bit = bits(bit_idx); start_sample = (bit_idx-1)*samples_per_bit + 1; end_sample = min(bit_idx*samples_per_bit, N); if start_sample > N, break; end t_bit = t(start_sample:end_sample); if bit == 0 signal_fsk(start_sample:end_sample) = A * cos(2*pi*f0*t_bit); else signal_fsk(start_sample:end_sample) = A * cos(2*pi*f1*t_bit); end end

这里采用了一个循环来逐比特生成信号，确保在每个比特持续时间内频率恒定。这种方法直观但效率较低，对于长序列可以考虑向量化操作。

3.4 混合调制信号生成

混合调制信号的生成需要更精细的时序控制。我们以BPSK_FSK为例，设计一个信号：它将时间分成多个子脉冲，每个子脉冲内是BPSK调制的码片序列，而不同的子脉冲采用不同的载波频率。

% BPSK_FSK 参数 num_subpulses = 5; % 子脉冲数量 subpulse_duration = 10e-6; % 每个子脉冲时长 10 us chip_rate = 5e6; % 子脉冲内的码片速率 5 MHz chips_per_subpulse = chip_rate * subpulse_duration; % 每个子脉冲的码片数 freq_hop_sequence = fc + [-2e6, -1e6, 0, 1e6, 2e6]; % 频率跳变序列 % 初始化信号 signal_bpsk_fsk_base = zeros(1, N); t_base = 0:Ts:(subpulse_duration - Ts); % 一个子脉冲的时间向量 for sp_idx = 1:num_subpulses % 1. 生成当前子脉冲的BPSK码片序列 chips = 2*randi([0,1], 1, chips_per_subpulse) - 1; % 随机BPSK码片 % 矩形脉冲成形 chip_upsampled = repelem(chips, floor(Fs/chip_rate)); chip_upsampled = chip_upsampled(1:min(length(chip_upsampled), length(t_base))); % 2. 生成当前频率的复载波 current_freq = freq_hop_sequence(sp_idx); carrier = exp(1j*2*pi*current_freq*t_base); % 3. 生成当前子脉冲的基带信号（实际上已是带通信号的一部分） subpulse_signal = chip_upsampled .* carrier(1:length(chip_upsampled)); % 4. 将子脉冲信号放入总信号中的对应位置 start_idx = (sp_idx-1)*length(t_base) + 1; end_idx = min(sp_idx*length(t_base), N); if start_idx > N, break; end valid_len = end_idx - start_idx + 1; signal_bpsk_fsk_base(start_idx:end_idx) = subpulse_signal(1:valid_len); end signal_bpsk_fsk = real(signal_bpsk_fsk_base);

这段代码清晰地展示了混合调制的层次结构：内层是BPSK的码片序列成形，外层是子脉冲级的频率跳变。QPSK_FSK的实现思路类似，只需将内层的BPSK码片生成替换为QPSK符号生成即可。

实操心得：在编写混合调制信号代码时，最易出错的是索引对齐。子脉冲的起始/结束索引、码片上采样后的长度、时间向量的长度必须仔细计算和匹配。我习惯在关键步骤后使用assert语句检查向量长度，或者预先分配好所有时间向量，确保采样点总数一致。例如，assert(length(t_base) == floor(subpulse_duration*Fs))可以快速发现参数计算错误。

4. 信号分析与可视化：时域、频域与模糊函数

生成信号只是第一步，更重要的是分析其特性。Matlab强大的绘图功能让我们可以直观地验证信号是否正确，并深入理解其性能。

4.1 时域与频域波形绘制

对于任何信号，首先观察其时域波形和功率谱密度（PSD）。

% 以LFM信号为例进行分析 figure('Position', [100, 100, 1200, 800]); % 1. 时域波形（实部） subplot(3,2,1); plot(t*1e6, real(signal_lfm(1:min(5000, N)))); % 只绘制前5000点以便观察细节 xlabel('时间 (\mus)'); ylabel('幅度'); title('LFM信号时域波形（片断）'); grid on; % 2. 瞬时频率（对复基带信号相位求导） phase = unwrap(angle(signal_lfm_base)); % 解缠相位 instantaneous_freq = diff(phase) / (2*pi) / Ts; subplot(3,2,2); plot(t(2:end)*1e6, instantaneous_freq / 1e6); xlabel('时间 (\mus)'); ylabel('频率 (MHz)'); title('LFM信号瞬时频率'); grid on; % 3. 频谱（使用pwelch方法估计PSD） subplot(3,2,3); [pxx, f] = pwelch(signal_lfm, hanning(1024), 512, 1024, Fs, 'centered'); plot(f/1e6, 10*log10(pxx/max(pxx))); xlabel('频率 (MHz)'); ylabel('归一化功率谱密度 (dB)'); title('LFM信号功率谱'); grid on; xlim([fc-B/2-2e6, fc+B/2+2e6]/1e6); % 聚焦在信号带宽附近 % 4. 模糊函数（简化版，计算二维相关） % 模糊函数是雷达信号分析的核心工具，表征了信号的分辨力和模糊度。 % 这里计算自相关函数作为距离模糊函数的近似。 range_window = 100; % 距离窗采样点数 delay_lags = -range_window:range_window; ambiguity = zeros(1, length(delay_lags)); lfm_pulse_for_amb = lfm_pulse_base; % 使用之前生成的基带脉冲 for idx = 1:length(delay_lags) lag = delay_lags(idx); if lag >= 0 ambiguity(idx) = sum(lfm_pulse_for_amb(1:end-lag) .* conj(lfm_pulse_for_amb(1+lag:end))); else ambiguity(idx) = sum(lfm_pulse_for_amb(1-lag:end) .* conj(lfm_pulse_for_amb(1:end+lag))); end end subplot(3,2,4); delay_time = delay_lags * Ts * 3e8 / 2; % 将延迟转换为距离（光速c=3e8 m/s） plot(delay_time, 20*log10(abs(ambiguity)/max(abs(ambiguity)))); xlabel('距离 (m)'); ylabel('归一化幅度 (dB)'); title('LFM信号距离自相关（脉冲压缩后）'); grid on; xlim([-150, 150]); % 5. 星座图（针对PSK信号） % 以QPSK信号为例，需要先下变频并采样到符号点 subplot(3,2,5); % 下变频（假设载波同步完美） signal_qpsk_base_down = signal_qpsk .* exp(-1j*2*pi*fc*t); % 在符号中心点采样 symbol_sampling_points = samples_per_bit/2 : samples_per_bit/2 : length(signal_qpsk_base_down); symbol_sampling_points = floor(symbol_sampling_points(1:length(qpsk_symbols))); % 对齐符号数 received_symbols = signal_qpsk_base_down(symbol_sampling_points); scatter(real(received_symbols), imag(received_symbols), 'filled'); xlabel('同相分量 I'); ylabel('正交分量 Q'); title('QPSK信号星座图（加噪前）'); axis equal; grid on; xlim([-1.5 1.5]); ylim([-1.5 1.5]); % 6. 眼图（针对数字调制信号，观察码间串扰） subplot(3,2,6); % 以BPSK基带信号为例，绘制眼图 eyediagram(real(signal_bpsk_base(1000:end)), samples_per_bit*2, samples_per_bit); % 每个眼图展示2个符号周期 title('BPSK信号眼图');

这张综合性的图集提供了对信号的全面“体检报告”。时域波形看形状，瞬时频率图验证LFM的线性度，频谱看能量分布和带宽，模糊函数评估雷达分辨性能，星座图看调制质量，眼图看传输后的码间串扰。对于FSK信号，可以绘制其频率随时间变化的轨迹；对于混合调制信号，可以分别绘制其子脉冲的频谱和整体的时频分布图（使用spectrogram函数）。

4.2 关键性能指标计算

除了看图，我们还需要定量计算一些指标。

1. 带宽测量：对于LFM信号，理论带宽是B。我们可以从功率谱中测量-3dB带宽。

[pxx, f] = pwelch(signal_lfm, hanning(2048), 1024, 2048, Fs); pxx_norm = pwelch(signal_lfm, hanning(2048), 1024, 2048, Fs, 'centered'); % 找到峰值和-3dB点 [max_pwr, max_idx] = max(pxx); thresh_pwr = max_pwr / 2; % -3 dB idx_3db = find(pxx >= thresh_pwr); bandwidth_measured = (max(idx_3db) - min(idx_3db)) * (Fs/2048); fprintf('LFM信号理论带宽: %.2f MHz, 实测-3dB带宽: %.2f MHz\n', B/1e6, bandwidth_measured/1e6);

2. 时间-带宽积：这是LFM信号的重要参数，等于脉冲宽度T和带宽B的乘积。

TB_product = T_pulse * B; fprintf('LFM信号时间-带宽积: %.0f\n', TB_product);

大的TB积意味着通过脉冲压缩可以获得高的处理增益。

3. 调制误差率（MER）与误差向量幅度（EVM）：对于PSK信号，在加入噪声前，理论上EVM应为0。我们可以计算理论符号点的误差。

% 计算QPSK信号的EVM ideal_symbols = qpsk_symbols; % 之前生成的理论符号 received_symbols_sampled = received_symbols(1:length(ideal_symbols)); % 对齐 evm = sqrt(mean(abs(received_symbols_sampled - ideal_symbols).^2)) / sqrt(mean(abs(ideal_symbols).^2)); fprintf('QPSK信号误差向量幅度 (EVM): %.4f%%\n', evm*100);

在没有噪声和失真的仿真中，EVM应该极小（数量级在1e-15左右），这验证了我们调制和解调过程的正确性。

5. 高级仿真场景与性能评估

在基本波形生成和分析的基础上，我们可以构建更接近真实世界的仿真场景，评估信号在特定应用中的性能。

5.1 构建雷达回波仿真场景

假设一个简单的脉冲雷达场景，发射LFM信号，存在一个静止点目标和一个运动点目标。

% 场景参数 c = 3e8; % 光速 target1_range = 3000; % 目标1距离 3 km target2_range = 3050; % 目标2距离 3.05 km target2_velocity = 100; % 目标2径向速度 100 m/s (朝向雷达) % 1. 生成发射信号（一个LFM脉冲） tx_signal = signal_lfm; % 使用之前生成的完整时间序列中的脉冲部分 % 我们需要提取出脉冲部分 tx_pulse = tx_signal(pulse_start_idx:pulse_end_idx); % 2. 计算回波延迟和多普勒频移 delay1_samples = round(2*target1_range / c * Fs); delay2_samples = round(2*target2_range / c * Fs); doppler_shift2 = 2 * target2_velocity / c * fc; % 多普勒频移 % 3. 生成回波信号（简化，忽略幅度衰减和噪声） echo_signal = zeros(1, N); % 目标1回波（静止） echo_signal(delay1_samples + (1:length(tx_pulse))) = echo_signal(delay1_samples + (1:length(tx_pulse))) + tx_pulse; % 目标2回波（运动，引入多普勒频移） t_pulse_for_target2 = t_pulse; % 使用相同的时间基 tx_pulse_doppler = real( (lfm_pulse_base .* exp(1j*2*pi*doppler_shift2*t_pulse_for_target2)) .* exp(1j*2*pi*fc*t_pulse_for_target2) ); echo_signal(delay2_samples + (1:length(tx_pulse))) = echo_signal(delay2_samples + (1:length(tx_pulse))) + tx_pulse_doppler; % 4. 加入高斯白噪声 SNR_dB = 20; % 信噪比 signal_power = mean(abs(tx_pulse).^2); noise_power = signal_power / (10^(SNR_dB/10)); noise = sqrt(noise_power/2) * (randn(size(echo_signal)) + 1j*randn(size(echo_signal))); % 复噪声 echo_signal_noisy = echo_signal + noise; % 5. 脉冲压缩处理（匹配滤波） % 匹配滤波器是发射脉冲的共轭翻转 matched_filter = conj(fliplr(lfm_pulse_base)); % 注意是基带信号的共轭翻转 % 对回波信号下变频到基带（假设载波完全同步） echo_baseband = echo_signal_noisy .* exp(-1j*2*pi*fc*t); % 进行卷积（匹配滤波） compressed_output = conv(echo_baseband, matched_filter, 'same'); % 6. 绘制脉冲压缩结果 figure; range_axis = (0:length(compressed_output)-1) * c / (2*Fs); % 将时间转换为距离 plot(range_axis, 20*log10(abs(compressed_output)/max(abs(compressed_output)))); xlabel('距离 (m)'); ylabel('归一化幅度 (dB)'); title('LFM脉冲压缩输出（含两个目标）'); grid on; xlim([2900, 3200]);

通过这个仿真，我们可以清晰地看到脉冲压缩后两个目标在距离维上的分辨情况。改变目标的距离差或LFM信号的带宽，可以直观观察到距离分辨率的变化。

5.2 通信系统误码率仿真

对于BPSK/QPSK信号，我们可以在AWGN（加性高斯白噪声）信道下仿真其误码率性能。

% BPSK误码率仿真 EbN0_dB_range = 0:2:10; % 信噪比范围 num_trials = 1e5; % 蒙特卡洛仿真次数 ber_simulated = zeros(size(EbN0_dB_range)); for idx = 1:length(EbN0_dB_range) EbN0_dB = EbN0_dB_range(idx); num_errors = 0; num_bits_total = 0; for trial = 1:num_trials % 生成随机比特和BPSK信号（基带） tx_bits = randi([0,1], 1, 100); tx_symbols = 2*tx_bits - 1; % 计算比特能量 Eb = mean(abs(tx_symbols).^2); % 符号能量，对于BPSK即比特能量 % 根据Eb/N0计算噪声功率 N0 = Eb / (10^(EbN0_dB/10)); noise = sqrt(N0/2) * (randn(size(tx_symbols)) + 1j*randn(size(tx_symbols))); % 通过AWGN信道 rx_symbols = tx_symbols + noise; % 解调：判决 rx_bits = real(rx_symbols) > 0; % BPSK判决 % 计算误码数 num_errors = num_errors + sum(rx_bits ~= tx_bits); num_bits_total = num_bits_total + length(tx_bits); end ber_simulated(idx) = num_errors / num_bits_total; end % 理论误码率曲线 EbN0_linear = 10.^(EbN0_dB_range/10); ber_theoretical = 0.5 * erfc(sqrt(EbN0_linear)); % 绘图 figure; semilogy(EbN0_dB_range, ber_simulated, 'bo-', 'LineWidth', 1.5, 'MarkerFaceColor', 'b'); hold on; semilogy(EbN0_dB_range, ber_theoretical, 'r--', 'LineWidth', 2); xlabel('E_b/N_0 (dB)'); ylabel('误码率 (BER)'); title('BPSK在AWGN信道下的误码率性能'); legend('仿真结果', '理论值'); grid on;

将上述代码中的调制和解调部分替换为QPSK，即可得到QPSK的误码率曲线。通过对比，可以验证QPSK在相同Eb/N0下误码率略高于BPSK（因为符号能量相同，但QPSK每符号承载2比特），但在相同带宽下数据率翻倍。

5.3 混合调制信号的抗干扰分析

对于BPSK_FSK这类混合信号，我们可以仿真其在部分频带干扰下的性能。假设干扰信号是某个频点的连续波。

% 测试BPSK_FSK抗单频干扰能力 jammer_freq = freq_hop_sequence(3) + 0.5e6; % 干扰频率在第三个子脉冲频率附近 jammer_power_dB = -10; % 干扰功率（相对于信号） jammer_signal = sqrt(10^(jammer_power_dB/10)) * cos(2*pi*jammer_freq*t); % 接收信号 = 信号 + 干扰 + 噪声 rx_signal_with_jamming = signal_bpsk_fsk + jammer_signal + noise; % 解调分析（这里简化，仅做频谱观察） figure; subplot(2,1,1); pwelch(signal_bpsk_fsk, hanning(1024), 512, 1024, Fs, 'centered'); title('BPSK_FSK信号原始频谱'); subplot(2,1,2); pwelch(rx_signal_with_jamming, hanning(1024), 512, 1024, Fs, 'centered'); title('BPSK_FSK信号受单频干扰后频谱');

通过对比频谱，可以观察到干扰在特定频点造成的尖峰。由于FSK的频率跳变，只有部分子脉冲会受到该固定频点干扰的影响，其他子脉冲可能完好无损，这体现了混合调制在抗窄带干扰方面的优势。更完整的评估需要实现其专用的解调器，并计算在有/无干扰下的误码率。

6. 常见问题、调试技巧与扩展方向

在实际仿真过程中，你肯定会遇到各种预期之外的结果。这里分享一些我踩过的坑和调试技巧。

6.1 频谱泄露与窗函数选择

当你绘制信号的频谱时，可能会发现频谱并不干净，主瓣周围有很多“毛刺”（频谱泄露），或者边沿不陡峭。这通常是因为我们对有限长度的信号进行了FFT，相当于对无限长信号加了一个矩形窗。

问题表现：LFM信号的频谱理论上应该是近似矩形的，但仿真出来主瓣两侧有起伏的旁瓣。解决方案：使用pwelch函数（Welch功率谱估计）而不是简单的fft。pwelch通过将数据分段、加窗、平均，能有效减少频谱泄露，得到更平滑的谱估计。在之前的代码中我们已经使用了pwelch。对于时域波形，如果希望减少截断效应，可以在信号两端加窗（如汉明窗），但要注意这会改变信号的时域特性，在雷达脉冲压缩等应用中需谨慎。

6.2 采样频率与混叠

这是数字信号处理中最经典的错误之一。问题表现：高频信号的频谱出现折叠；FSK信号的频率跳变处波形畸变。解决方案：确保采样频率Fs至少大于信号最高频率成分的两倍（奈奎斯特准则）。对于载频为fc，带宽为B的信号，其最高频率成分约为fc + B/2。因此，Fs > 2*(fc + B/2)。在实际中，我通常选择Fs >= 2.5 * (fc + B/2)以留有余量。在仿真开始前，务必用这个公式校验参数。

6.3 复数信号与实信号处理

在通信和雷达仿真中，我们经常使用复信号（解析信号）来简化分析和计算，因为它只包含正频率分量。问题表现：直接用cos函数生成实信号，然后进行下变频等复运算，结果混乱。解决方案：建立清晰的信号处理流程。对于调制信号，通常在基带进行复数运算（如exp(1j*phi)表示相位调制），最后再上变频为实信号（取实部）。对于解调，先将实信号下变频为复基带信号，再进行后续处理。记住，real()和imag()函数、angle()函数只对复数输入才有意义。

6.4 混合调制信号的同步难题

仿真BPSK_FSK或QPSK_FSK时，解调需要准确的频率跳变图案和子脉冲起始时刻同步。调试技巧：在发射端，为每个子脉冲添加一个独特的、能量很低的同步头（例如一个短LFM或特定的Barker码）。在接收端，先进行同步头检测，来确定子脉冲的起始位置和当前使用的频率。在仿真中，可以先在理想同步条件下验证解调算法正确，再加入同步头进行非理想同步的仿真。

6.5 性能评估的蒙特卡洛仿真

计算误码率、捕获概率等统计性能时，需要足够的仿真次数才能使结果可靠。经验法则：对于误码率，通常要求至少出现100个错误，仿真结果才具有统计意义。例如，要仿真BER=1e-4的性能，至少需要发送1e6个比特。使用蒙特卡洛循环时，如果num_trials很大，注意向量化操作以提高Matlab运行效率，避免在循环内进行大量重复计算。

6.6 扩展方向：结合热门应用

基于这个仿真框架，你可以轻松地向当前热门领域延伸：

• 毫米波雷达：将载频fc设置为77GHz或24GHz，并增大带宽B（如4GHz），仿真其极高的距离分辨率。研究相位编码（如BPSK）在毫米波雷达中的应用以降低峰值平均功率比。
• TOF雷达/激光雷达：将信号模型改为短脉冲（可视为带宽极大的信号），仿真其在高斯白噪声和背景光噪声下的测距精度。
• 卫星通信：仿真QPSK、8PSK甚至更高阶QAM在存在多普勒频移和相位噪声的卫星信道中的性能。可以加入锁相环的仿真来跟踪载波。
• 抗干扰通信：深入研究BPSK_FSK、QPSK_FSK，甚至更复杂的直接序列扩频与跳频混合系统，定量分析其在单音干扰、部分频带干扰、脉冲干扰下的误码率性能。

仿真不仅仅是生成波形，更重要的是构建一个可控、可观测的“数字沙盘”，让你能够以极低的成本深入理解复杂系统的内在机理。当你能够游刃有余地修改参数、观察现象、分析性能时，你就真正掌握了这些信号背后的奥秘。