雷达信号处理：运动目标相参积累——Radon-Fourier算法，用于检测运动目标，实现距离和多普勒参数估计。 Matlab程序，包含函数文件和使用文件，代码简洁易懂，注释详细。

概述

在现代雷达信号处理中，对高速或远距离运动目标的有效检测始终是一项核心挑战。由于目标在相干处理间隔（CPI）内存在距离徙动（Range Cell Migration, RCM）和多普勒频移，传统匹配滤波或常规多普勒处理（如MTD）往往难以实现有效的能量积累，从而导致检测性能下降。为解决这一问题，Radon-Fourier 变换（RFT） 作为一种高效的相参积累方法被广泛应用于雷达运动目标检测领域。

本文基于提供的 MATLAB 代码实现，深入剖析 RFT 的整体处理流程、核心思想、关键参数设计及其在仿真与实测数据中的应用表现，旨在为雷达信号处理工程师提供一份清晰、实用的技术参考。

---

一、系统架构与处理流程

整个 RFT 实现包含三个主要模块：

1. 目标回波仿真模块（signal_generate.m）
   用于生成包含指定数量、速度、距离及信噪比的目标回波信号，并完成脉冲压缩处理，输出标准的二维雷达数据矩阵（慢时间 × 快时间）。

1. RFT 核心算法模块（RFT.m）
   接收脉冲压缩后的雷达数据，依据设定的速度搜索范围，对每个候选速度执行距离徙动校正与多普勒补偿，最终完成沿慢时间维度的能量积累。

1. 测试与验证模块（RFTfunctiontest.m 与 RFTrealdatatest.m）
   分别用于仿真场景与实测数据场景下的 RFT 算法调用、结果可视化与性能评估。

---

二、关键技术原理

2.1 距离徙动与多普勒耦合问题

对于匀速运动目标，其回波在快时间（距离维）上的延迟随慢时间（脉冲序号）线性变化，表现为“斜线”轨迹。若不做补偿，目标能量会分散在多个距离单元中，导致常规 FFT 积累失效。

雷达信号处理：运动目标相参积累——Radon-Fourier算法，用于检测运动目标，实现距离和多普勒参数估计。 Matlab程序，包含函数文件和使用文件，代码简洁易懂，注释详细。

RFT 的核心思想是：在速度-距离二维参数空间中，对每一种可能的速度假设，预先补偿其引起的距离徙动与多普勒频移，使目标回波在慢时间维度上对齐，从而实现相干积累。

2.2 RFT 的频域实现机制

RFT 算法在频域中执行补偿，具有计算效率高、物理意义清晰的优点。其关键步骤如下：

1. 快时间 FFT：将原始脉压数据变换至距离频率域（即信号频率域）。
2. 相位补偿：对每一个候选速度 \( v \)，构造与目标运动轨迹匹配的补偿相位因子：
   \[
   \phi(ta, fr) = \exp\left(j \frac{4\pi}{c} v ta (fr + fc)\right)
   \]
   其中 \( ta \) 为慢时间，\( fr \) 为基带信号频率，\( fc \) 为载频。
3. 相干积累：将补偿后的频域数据沿慢时间维度求和，相当于将目标多普勒频率搬移至零频。
4. 距离 IFFT：将积累结果变换回距离域，得到该速度假设下的积累能量分布。

通过遍历整个速度搜索空间，最终形成“速度-距离”二维积累图，峰值位置即对应目标的真实速度与距离。

---

三、模块功能详解

3.1 信号生成模块（`signal_generate.m`）

该模块模拟线性调频（LFM）脉冲雷达的回波生成过程，支持多目标、任意初距、速度及加速度（尽管 RFT 仅适用于匀速目标，故加速度通常设为 0）。主要功能包括：

• 根据雷达参数（载频、带宽、PRF、采样率等）构建快慢时间轴；
• 生成目标运动轨迹（考虑距离徙动）；
• 构造接收信号与参考信号，完成脉冲压缩；
• 叠加高斯白噪声以模拟指定信噪比（SNR）环境。

输出为标准的二维复数矩阵 data_r，维度为 Na × Nr（脉冲数 × 距离采样点数），可直接用于后续处理。

3.2 RFT 核心算法（`RFT.m`）

该函数是整个系统的核心，接收脉压数据与速度搜索向量，输出 RFT 积累结果。其设计特点包括：

• 频域补偿：避免时域插值带来的计算复杂度与精度损失；
• 矢量化相位计算：利用 MATLAB 矩阵运算高效生成补偿相位；
• 灵活的速度搜索范围：用户可自定义搜索步长与区间，平衡检测性能与计算开销；
• 自动距离 IFFT：输出结果直接对应物理距离单元，便于后续检测与参数估计。

3.3 测试与验证

• 仿真测试（RFTfunctiontest.m）：设置两个具有不同速度和距离的目标，验证 RFT 能否在存在多普勒模糊的情况下准确聚焦目标能量。
• 实测数据处理（RFTrealdatatest.m）：加载真实雷达采集数据（如无人机轨迹），对比传统 MTD 与 RFT 的积累效果，突出 RFT 在处理距离徙动目标时的优势。

实测案例中还引入了多普勒轴上采样（通过扩展 FFT 点数）以提升速度估计精度，进一步增强检测能力。

---

四、应用场景与优势

RFT 特别适用于以下场景：

• 高速目标检测：如弹道导弹、临近空间目标等，其距离徙动在一个 CPI 内不可忽略；
• 低 PRF 雷达系统：易出现多普勒模糊，传统 MTD 失效；
• 需要高精度速度-距离联合估计的任务，如目标跟踪、分类等。

相较于 Keystone 变换 + MTD 等两步法，RFT 实现了徙动校正与多普勒积累的一体化处理，结构简洁、积累增益高，且无需插值操作，具有良好的工程实用性。

---

五、总结

本文所解析的 RFT 实现方案，完整覆盖了从信号仿真、核心算法到实测验证的全流程，体现了现代雷达信号处理中对运动目标高效检测的典型思路。其频域补偿机制兼顾了计算效率与物理可解释性，适用于多种雷达体制与应用场景。

未来可进一步优化方向包括：引入并行计算加速速度搜索、结合 CFAR 检测实现自动化目标提取、或与深度学习方法融合以提升复杂杂波下的鲁棒性。

---

**注**：本文基于所提供代码进行功能与流程解析，未直接披露核心算法的具体实现细节，符合技术文档的保密与实用性平衡原则。