简介面向西电通信工程学院学生的信号与系统大作业资源聚焦多普勒效应在通信系统中的原理推导、信号建模与仿真分析适合正在完成同类课程设计或希望结合实际问题巩固信号处理知识的本科学习者。压缩包共六个文件包括四个MATLAB脚本、一份PDF题目说明和一份DOCX报告模板整体仅1.03MB体积小巧目录结构一目了然便于下载后快速定位所需模块。目前已有1003人浏览学习说明其具备一定参考价值。资源覆盖了从多普勒效应理论理解、问题拆解、算法设计到代码实现与实验数据处理的完整流程四个脚本分别对应不同子问题可独立运行或组合调试说明文档与报告模板提供作业要求、实现思路以及报告撰写框架能帮助读者有效节省选题与排版时间在完成作业的同时提升信号仿真与工程实践能力。1. 通院指南针里的多普勒大作业这门课最难的不是公式是把公式变成频谱上的那根线打开「通院指南针」里信号与系统大作业的选题清单多普勒效应几乎是每年都有人挑、每年都有人做到一半卡死的经典题。卡点通常不在物理公式——多普勒频移谁都能写出fd 2v/c * f0——而在后面的链路怎么把频移量从一段时域信号里提取出来、怎么用这门课里学到的傅里叶变换、采样定理、滤波器设计把它做成一个能自圆其说的完整系统。这正是这类大作业真正要考察的东西不是背公式而是把公式翻译成频谱上那根看得见、测得出的线。这篇文章按「系统拆解 → 仿真代码 → 真实数据 → 高频翻车点 → 进阶展示」的顺序走让新手能照着复现让已经跑通的熟手能找到参数边界和可以拿去答辩的加分项。2. 多普勒大作业的完整系统拆解从物理公式到信号与系统课的四张关键图2.1 多普勒频移在课程里的标准形式两个公式和它们的适用边界信号与系统课里处理的多普勒效应和物理课上有微妙差别。物理课强调现象本身火车鸣笛靠近你音调变高、远离变低。信号与系统课则要求把这个现象表示成「频率搬移」——发射信号在频域上被平移了一个量。这个平移量就是多普勒频移标准写法是fd 2 * v * cos(theta) / c * f0其中 v 是目标运动速度theta 是运动方向与发射-目标连线的夹角c 是波速f0 是发射频率。注意这个「2」它默认收发共用位置波走了一个来回频移被累积了两次。如果作业里是分置收发雷达和接收机不在同一点公式要去掉这个 2退化成fd v * cos(theta) / c * f0。这两个形式必须在报告里写清楚你用的是哪一种——很多同学在这里混用导致最后算出来的速度差一倍还以为是代码问题。还有一点容易忽略公式里的 c 取决于波的传播介质。声学场景取 340 m/s电磁场景取 3e8 m/s。同一个 v 和 f0两种介质下的 fd 差六个数量级。如果你做大作业用的麦克风采集声波却拿电磁波的光速去算结果会是荒谬的每秒几百公里。这也是「通院指南针」这类课程导航里反复强调的先确认你模拟的是声波场景还是电磁波场景再确定公式形式。课程考核通常还要求说明奈奎斯特采样定理在这里的约束。回波信号的最高频率是 f0 fd采样率必须大于 2*(f0fd)。如果直接用基带处理那约束对象就换成混频后的信号带宽。写报告时把这条链路画出来发射信号 → 回波信号 → 混频 → 低通 → 采样 → FFT → 频率估计 → 速度反演。每一级对应信号与系统里的哪个知识点这就是这类大作业最值钱的部分。2.2 混频与低通滤波为什么「转基带」是大作业的主战场很多大作业的第一版实现是直接对回波信号做 FFT谱峰位置减去 f0 得到 fd。原理没错但处理 f0 本身会让 FFT 动态范围被载波分量占掉小频移量根本看不见。更稳妥的做法是混频把接收信号乘以一个本地参考信号利用积化和差把频谱搬移到基带。以声学场景为例设发射信号为 cos(2pif0t)回波为 cos(2pi*(f0fd)*t)。两者相乘得到cos(2*pi*f0*t) * cos(2*pi*(f0fd)*t) 0.5*cos(2*pi*fd*t) 0.5*cos(2*pi*(2*f0fd)*t)第一项是我们想要的低频差频项频率等于 fd第二项是和频项频率在 2*f0fd 附近要用低通滤波器干掉。混频后信号带宽从 f0fd 下降到 fd 附近采样率要求大幅降低FFT 的分辨率利用率也更高。这段分析是信号与系统课程最核心的考点大作业报告里必须出现。滤波器设计在这一步变成关键环节。常见的做法是用 Butterworth 低通阶数取 4~5 阶截止频率设在比 fd 大 2~3 倍、但又远小于 2f0 的位置。如果 fd 只有几十赫兹而 f0 是 2 kHz这个截止频率有非常宽的选择区间设计难度不大难的是 fd 本身就很高、和 2f0 靠得很近的场景这时就需要提高滤波器阶数或者改用椭圆滤波器。这种参数权衡是做这个方向最值得花时间琢磨的地方。2.3 系统框图与模块划分仿真先跑通再谈真实数据这类大作业的系统框图通常长这样发射信号源正弦振荡器 → 目标模拟器对发射信号做频率偏移 → 混频器 → 低通滤波器 → ADC 采样 → FFT 频谱分析 → 峰值检测与频率估计 → 速度换算显示。仿真阶段目标模拟器就是一个cos(2*pi*(f0fd)*t)的生成器到了真实采集阶段这个模块换成实际物理场景移动的喇叭、麦克风、或者中频采集设备录下来的音频文件。我一般建议分两步走。第一步纯仿真所有信号都是代码里生成的先验证混频、滤波、FFT 整条链路逻辑是否正确。第二步换数据源把仿真里的回波信号替换成录音文件处理链路保持相同看算法在真实噪声下还能不能工作。两个阶段的边界在信号与系统课程里对应「理想系统」与「带噪系统」的差异报告里用一页对比就很有说服力。3. 用 FFT 把多普勒频移从噪声里捞出来最小可用代码与参数设计3.1 信号生成在仿真里构造发射波、回波与目标速度先给定一个具体的声学仿真的参数集。设采样率fs 40000采样时长T 2秒载波频率f0 2000Hz目标径向速度v 3m/s声速c 340m/s则多普勒频移约为 35.3 Hz。这段代码生成发射信号、理想回波信号和带噪声回波信号fs 40000; % 采样率 40 kHz满足奈奎斯特约束 T 2; % 采样时长 2 s频率分辨率 0.5 Hz t (0:1/fs:T-1/fs).; % 时间列向量 f0 2000; % 载波频率 2 kHz v 3; % 目标径向速度 3 m/s步行速度 c 340; % 声速 340 m/s fd 2 * v / c * f0; % 理论多普勒频移 ≈ 35.29 Hz tx cos(2 * pi * f0 * t); % 发射信号 rx_ideal cos(2 * pi * (f0 fd) * t); % 理想回波信号已含频移 rx_noisy rx_ideal 0.02 * randn(size(t)); % 加入小噪声模拟真实环境发射信号与回波信号都是单频余弦为什么要用列向量因为后面混频和滤波都涉及矩阵或向量运算统一成列向量能避免维度不一致的报错。fd是理论值后续 FFT 测出来的估计值要和它对比误差控制在 0.5 Hz 以内就算合格。噪声幅度 0.02 是经验值对应信噪比大约 34 dB够干净但不至于理想到失真。这段信号生成代码本身就是大作业报告里「目标模拟器」的实现。要改目标速度只动v一个变量要改运动方向接近或远离把fd取负号即可。作业里常见的加分项是把v设成随时间变化的函数比如匀加速运动此时回波变成调频信号处理难度上一个台阶——这是后话基础版先把匀速场景跑通。3.2 混频、滤波与 FFT三段式提取频移的核心代码本地参考信号取cos(2*pi*f0*t)把它和接收信号相乘再用低通滤波器滤掉和频分量。滤波器用 Butterworth截止频率取 200 Hz远大于 35 Hz 的 fd又远小于 2*f04000 Hz留足过渡带空间。% 混频接收信号乘以本地参考信号 mix rx_noisy .* cos(2 * pi * f0 * t); % 设计低通滤波器截止频率 200 Hz4 阶 Butterworth [b_filt, a_filt] butter(4, 200 / (fs / 2), low); baseband filtfilt(b_filt, a_filt, mix); % 零相位滤波避免相位失真 % 加窗后做 FFT取单边谱 N length(t); win hann(N); spectrum fft(baseband .* win, N); f_axis (0:N-1) * fs / N; % 频率轴单位 Hz half_N floor(N / 2) 1; % 搜索基带频谱峰值避开 0 Hz 附近的直流残留 search_range 1:200; % 只在 0~200 Hz 内找峰排除高频干扰 [~, idx_peak] max(abs(spectrum(search_range))); fd_est f_axis(search_range(idx_peak)); v_est fd_est * c / (2 * f0); % 反演速度 fprintf(理论频移: %.2f Hz, 估计频移: %.2f Hz, 估计速度: %.2f m/s\n, fd, fd_est, v_est);filtfilt比filter好在零相位保证滤波后信号的峰值位置不偏移对后面 FFT 测频更友好。混频后这步是关键本地参考频率如果和发射频率不一致fd_est里会叠加上一个固定偏差这在真实采集场景会是最大的坑之一第 5 章会专门聊。FFT 搜索范围限制到 0~200 Hz 是一个工程习惯省得把滤波器没滤干净的高频残余也统计进来。窗函数用汉宁窗。为什么加窗FFT 隐含周期延拓如果信号在截断边界不连续频谱会出现泄漏。加窗能压低旁瓣但主瓣会展宽一点。这里 N80000 点、频率分辨率 0.5 Hz主瓣展宽造成的测频误差在可控范围。如果直接用矩形窗谱峰旁瓣会高到可能掩盖真实的 fd 小峰——这是常见翻车点后面避坑章节第一条详细展开。3.3 三个必须动过的参数采样率、时长、窗函数先看参数表再做解释参数本文取值调整方向与影响采样率 fs40 kHz降低到 10 kHz 可减少点数但回波信号最高频率 f0fd 必须低于 fs/2升高到 96 kHz 则点数变大FFT 更慢采样时长 T2 s决定频率分辨率 df1/T。T 越大分辨率越高但目标非匀速时长时间窗会让频移「糊」掉窗函数hann换 blackman 旁瓣更低但主瓣更宽换矩形窗泄漏严重但峰值尖锐滤波器截止频率200 Hz必须大于 fd 且远小于 2*f0否则滤不掉和频项或把 fd 衰减T2秒带来的频率分辨率是 0.5 Hz对应速度分辨率大约 0.085 m/s用v_res df * c / (2*f0)算。如果作业要求区分两个速度差 0.5 m/s 的目标频率分辨率至少要 5.9 Hz采样时长就要拉到 0.17 秒以上。这个换算关系报告中一定要写它是采样定理和不确定原理在工程上的直接体现想分辨更细的频率就要观察更长的信号。窗函数的选择和信号特征相关。纯单频信号用汉宁窗足够如果回波里还有二次谐波或干扰 tone黑曼窗的旁瓣抑制更好。代价是主瓣宽度从 2 个频率格变成 3~4 个FFT 峰值搜索时要注意多峰值出现。我一般建议固定用汉宁窗优先跑通再根据谱线形状微调不要一上来就追求极端窗函数。4. 从仿真到真实数据把麦克风、喇叭或中频采集设备接进同一套流程4.1 仿真信号和采集信号的本质差异相位连续性与噪声基底仿真里生成的回波信号相位是严格按照(f0fd)*t演化的没有突变没有相位噪声。真实采集的信号完全不同采样时钟存在微小抖动麦克风或传感器有本底噪声环境里还有各种杂散干扰。更关键的是真实信号不会像仿真那样恰好从一个整周期开始文件开头和结尾的相位是不连续的。这意味着仿真代码里「直接乘本地参考信号再 FFT」的做法在真实数据上往往得不到干净的谱峰。我见过不少人把仿真代码原封不动套到录音上结果频谱图上一片杂峰根本认不出哪个是 fd。解决思路不是改算法而是调整预期真实场景做短时傅里叶变换STFT把 2 秒的数据切成多个小段逐段处理观察 fd 随时间的变化而不是指望一次 FFT 就得到干净的峰值。另外仿真时信噪比 34 dB 很轻松真实麦克风在普通室内环境信噪比可能只有 20 dB 甚至更低。噪声不再是均匀的白噪声而是包含低频嗡声、人的说话声、物体碰撞声。所以处理真实数据之前先做一个环境噪声的采集和频谱摸底是值得多花十分钟做的功课。4.2 用录音文件验证频移提取的通用处理链路假设你有一个 WAV 文件doppler_test.wav里面录的是一段载波音频从接近到远离的过程——比如某个同学用手机扬声器播放 2 kHz 纯音然后拿着手机沿直线走过麦克风。处理链路如下import numpy as np from scipy.io import wavfile from scipy.signal import stft, butter, sosfilt fs, data wavfile.read(doppler_test.wav) data data / (2**15) # 归一化到 [-1, 1] if data.ndim 1: data data.mean(axis1) # 双声道取平均 # 混频到基带先乘本地参考 t np.arange(len(data)) / fs ref np.cos(2 * np.pi * 2000 * t) mix data * ref # 低通滤波截止 500 Hz抑制和频项 sos butter(5, 500 / (fs / 2), low, outputsos) baseband sosfilt(sos, mix) # 短时傅里叶变换看频移随时间的演变 f, t_stft, Zxx stft(baseband, fs, nperseg4096, noverlap3072) # Zxx 是复数谱取幅值找每帧峰值这里nperseg4096对应约 0.1 秒的时间分辨率每帧频率分辨率约 10 Hz。如果目标运动速度变化较快可以缩小到 2048 点如果追求频率精度而牺牲时间分辨率可以加大到 8192 点。STFT 相当于是把第 3 章的 FFT 装进一个滑动窗口里逐帧执行。做完 STFT 后对每一帧在 0~500 Hz 范围内找峰值把峰值位置连成一条曲线就能看到频移从负到正穿越零点的过程——这是报告里最直观的成果图。混频参考频率仍然是 2000 Hz。问题来了如果实际录音里载波不是精确的 2000 Hz手机扬声器播放时可能偏了 20 Hz那整条 fd 曲线都会平移 20 Hz。真实数据验证多一个步骤先从录音里找一段没有频移的静止段量出实际载波频率再用这个实测值作为参考频率。这叫基线校准属于务必写进报告里的环节。4.3 边界条件检查信噪比、动态范围与目标径向视角真实场景有三个参数决定算法成败。第一是信噪比。当目标远离到一定程度回波幅度下降fd 谱峰低于噪声本底时峰值搜索就会抓到随机噪声峰。仿真里可以任意调 SNR 找出算法能工作的下限但真实采集里只能通过控制测量距离来保证。一般经验是回波峰值至少比噪声本底高 10 dB否则 STFT 里看不到可追踪的谱线。第二是动态范围。发射源音量固定、接收端增益固定时近处目标的回波可能比远处大 30 dB 以上。如果一次采集里既想要近处又想要远处AGC自动增益控制就必不可少。但很多课程大作业没有条件做 AGC常见做法是选择合适的距离让回波在整个运动过程中不削顶也不沉底。削顶会产生谐波谐波在频谱上长成额外谱线会让 fd 峰值附近出现「假目标」。第三是径向视角。cos(theta)这一项在真实运动里不是常数目标从正前方横向掠过麦克风时距离变化率在中间时刻为零两侧为正负fd 曲线是一条从正、到零、到负的平滑过零曲线。很多同学按匀速率直线运动算预期频移但实际测出来是一条「弯」的曲线因为 theta 在变。报告里如果能把理论曲线按fd(t) 2*v*cos(theta(t))/c*f0推导出来再和实测叠加对比效果会非常有说服力。5. 多普勒大作业的 5 个高频翻车点与排查路径5.1 翻车点一直流分量没去掉0 Hz 附近混成一团现象混频后的频谱在 0 Hz 附近有一个巨大峰值把旁边的 fd 谱峰完全淹没峰值搜索每次都在 0 Hz 停住不出来。原因混频器是非理想乘积乘法器或 WAV 文件读取时引入的直流偏置会在 0 Hz 处产生一个尖峰此外滤波器对直流份量的泄漏也会在 0 Hz 附近形成高基底。fd 只有几十 Hz 时这个峰和直流峰之间只有十几个频率格很容易被覆盖。解决混频前先用data - mean(data)去直流同时在 FFT 峰值搜索时把 0~3 Hz 区间强制跳过不参与搜索。更稳妥的做法是先把基带信号通过一个高通滤波器截止 5 Hz把直流和超低频干扰滤干净再看谱。这个操作在仿真里可能看不出差别放到真实录音里是必需品。5.2 翻车点二混频后的二倍频分量把峰值顶歪现象频谱图上在 2*f0 附近出现一个高且宽的峰现实的滤波似乎没滤干净基带区域里还能看到它的旁瓣爬过来导致 fd 估计偏大或偏小几十赫兹。原因低通滤波器截止频率选得离 2*f0 太近或者滤波器阶数太低过渡带衰减不够。比如 f02000 Hz截止 500 Hz、4 阶 Butterworth 理论上不会让 4000 Hz 的分量漏过来但如果你把截止频率调到 1500 Hz 就会出问题——过渡带不够宽和频项只能被衰减 20~30 dB旁瓣仍然可见。解决把低通截止频率压到 fd 的 3~5 倍同时保证小于 2f0 的三分之一以上。可以在滤波后补一句检查fprintf(最大幅度对应的频率: %.2f Hz\n, f_axis(idx_peak))如果最大峰值落在 2f0 附近说明滤波器没起到作用。调大阶数到 5~6 阶或者换用cheby2滤波器获得更陡的滚降。5.3 翻车点三FFT 分辨率不够频移量小于一个频率格现象理论 fd 只有 0.8 Hz但 FFT 的频率分辨率是 1 Hz。频谱上找不到 0.8 Hz 的峰最大峰值出现在 1 Hz 或 0 Hz 上速度反演结果严重偏离设定值。原因频率分辨率由总观察时长决定df 1/T。如果 T1 秒分辨率 1 Hzfd 小于 1 Hz 时根本无法分辨。这是 FFT 的硬限制不是算法或者窗函数的问题。解决延长采样时长。fd0.8 Hz 至少要 T2 秒分辨率 0.5 Hz能分辨但不算稳推荐 T5 秒以上。如果大作业规定不能延长采样那就改变载波频率f0 提高到 20 kHz声学场景的上限附近同样的 v3 m/s 下 fd 变成 352.9 Hz远大于分辨率。调 f0 比调 T 更符合实际需求——多普勒频移本身就和载波频率成正比。5.4 翻车点四频谱泄漏把主瓣展宽峰值偏移现象谱峰很宽像一个「小土包」峰值位置读不准同一段数据换一种窗函数峰值移动了 0.3 Hz。原因信号截断导致频谱泄漏矩形窗旁瓣高多个旁瓣叠加后可能把主瓣「顶歪」。真实录音里常有非目标频率的强分量它们的泄漏旁瓣会叠加在 fd 峰附近导致峰值位置偏移。解决加汉宁窗或布莱克曼窗旁瓣降低后偏移量变小。如果峰值仍然偏移明显改用能量重心校正在峰值附近取 3 个点做抛物线插值把插值顶点作为真实峰值位置。这个技巧在大作业报告里写清楚直接体现你对 FFT 隐含处理的掌握程度属于性价比很高的加分点。5.5 翻车点五真实数据里「测出来的速度」对不上现象仿真里 fd_est 和理论值吻合得很好换成真实录音后反演速度比理论快一倍或慢一半甚至出现负速。原因第一是公式用错分置收发用了单基地的 2 倍系数。第二是本地参考频率与载波实际频率有偏差。真实录音的载波不是 2000 Hz 而是 1990 Hz混频后所有 fd 都会多出 10 Hz 的固定偏置速度反演自然错。第三是运动方向判断弄反了接近和远离的符号约定不统一。解决按顺序做三件事——校核公式系数从录音静止段实测载波频率作为参考频率用一个已知速度的场景比如拿着手机匀速走路先验证整条链路确认符号、数值都对后再去测未知目标。这一套「校准-验证-未知测量」的流程是真实数据处理的基本素养。6. 让大作业从「做完」到「做好」CZT 细化频谱与微多普勒展示FFT 测频受限于频率分辨率想继续提高精度而不增加采样时长可以用 Chirp-Z 变换在局部频段细化。思路是先用 FFT 粗找峰值位置再用 CZT 在峰值附近一个小频段内细算频谱得到亚分辨率精度的频率估计。% 在粗测峰值附近 ±2 Hz 范围内细化 f_center fd_est; % 粗测峰值频率 f_span 2; % 细化范围 ±2 Hz M 4096; % 细化点数越多越精确 w exp(-1j * 2 * pi * (f_center - f_span) / N_fine); a exp(1j * 2 * pi * f_center / N_fine); % 起点在 f_center 处 % 假设已有基带信号 baseband先粗测得到 fd_est [spectrum_fine, f_fine] czt(baseband, M, w, a); % 在细化谱上重新找峰值 [~, idx_fine] max(abs(spectrum_fine)); fd_refined f_center - f_span (idx_fine - 1) * (2 * f_span / M);M4096时细化范围内的频率格间距约为 0.001 Hz比原始 FFT 的 0.5 Hz 精细约三个数量级。CZT 适合已经跑通基础链路后做精度提升但要控制细化范围范围太大时 CZT 退化成普通 FFT范围太小可能漏掉真实峰值。我一般取 ±5 倍粗测频率分辨率作为细化范围然后逐步缩小再算一次。答辩时如果被问到「你怎么保证测频精度」把这段 CZT 代码和误差对比表摆出来比单纯贴 FFT 结果有说服力得多。另一个提升展示层次的进阶方向是微多普勒。匀速目标的回波是一条谱线但如果目标是运动的且带旋转部件——比如转动的风扇、摆动手臂的人——回波里除了主频移还会有一组围绕主频移两侧对称的边带。用 STFT 做时频图看这件事比任何文字描述都直观主频线随时间缓慢变化边带线在两侧周期性抖动抖动频率就是旋转周期。这是多普勒大作业里效果最好、最出彩的演示场景设备只需要一个小风扇和麦克风成本几乎为零。我的习惯是先把匀速场景按第 3 章的仿真跑通得到干净的 fd_est再换真实录音做 STFT 跟踪频移曲线最后用 CZT 精细化做精度展示。如果时间有余加一个旋转部件的微多普勒时频图整个大作业的内容深度和答辩表现至少上一个台阶。这个顺序走下来每一步都在前一步的基础上增加一个维度不会出现做到一半推倒重来的情况。希望你按这个路径做完后能感受到「信号与系统」这门课的知识点是怎样在一条完整的处理链路里协作的——希望帮到你。本文还有配套的精品资源点击获取