[转] 雷达相关概念及知识点

Electrical_IT

已于 2022-09-07 08:55:43 修改

阅读量2.7k

点赞数 2

分类专栏： ROS 文章标签：计算机视觉

于 2020-08-05 18:29:11 首次发布

原文链接：https://zhuanlan.zhihu.com/p/102621881

版权

ROS 专栏收录该内容

9 篇文章 1 订阅

订阅专栏

转载链接：无人驾驶小知识系列(激光雷达篇) - 知乎
内容：视场角、周期采集点数、有效检测距离

视场角

我们都知道激光雷达视场角分为水平视场角和垂直视场角，激光雷达的水平视场角为360°，垂直视场角一般为40°。

水平视场角
激光雷达的水平视场角很好理解，激光雷达在水平旋转，旋转一周就是360°。
垂直视场角
激光雷达的垂直视场角是40°，这里要注意2点，一是视场角的偏置，二是激光雷达光束的分布。

视场角的偏置 - 视场角的偏置为5°，也就是说激光雷达在水平方向向上的扫描角度为15°，而在水平方向往下扫描的角度为25°。这也很好理解，我们主要是需要扫描路面上的障碍物，而不是把激光打向天空，为了良好的利用激光，因此激光光束会尽量向下偏置一定的角度。

光束的分布 - 曾几何时，我也认为激光光束的分布是均匀的，也就是说64线的激光雷达，40°的视场角，那么角度分辨率为40°/64=0.625°，但实际上，激光雷达的光束不是垂直均匀分布的，而是中间密，2边稀疏，还是为了达到既检测到障碍物，同时把激光束集中到中间感兴趣的部分，来更好的检测车辆。

周期采集点数

激光雷达采集的点数计算如下，首先看激光雷达的线数，比如32线，则垂直方向上会发出32个激光光束，采集32个点，而64线则是64个点，垂直方向上的点数和激光雷达的线数有关系。

因为激光雷达在旋转扫描，因此水平方向上扫描的点数和激光雷达的扫描频率有一定的关系，扫描越快则点数会相对较少，扫描慢则点数相对较多。一般这个参数也被称为水平分辨率，比如激光雷达的水平分辨率为0.2°，那么扫描的点数为360°/0.2°=1800，也就是说水平方向会扫描1800次。

那么激光雷达旋转一周，即一个扫描周期内扫描的点数为1800*64=115200。

有效检测距离

激光雷达的有效测量距离和最小垂直分辨率有关系，也就是说角度分辨率越小，则检测的效果越好。如图3所示，2个激光光束直接的角度为0.4°，那么当探测距离为200m的时候，2个激光光束之间的距离为200m*tan0.4°≈1.4m。也就是说在200m之后，只能检测到高于1.4m的障碍物了。

转载链接：自动驾驶毫米波雷达物体检测技术-算法 - 知乎
内容：啁啾和雷达分辨率的三个主要测量维度.多普勒傅里叶变换技术估计距离和速度的原理. 雷达分辨目标的能力对于准确的感知是非常关键的.

啁啾(Chirp)

是指频率随时间而改变（增加或减少）的信号, 这一术语可以与扫频信号(Sweep signal)互换使用. 它通常用于声纳、雷达和激光.

距离分辨率(Range Resolution)

雷达需要具备区分两个距离非常近的目标的能力. 比如, 当雷达的距离分辨率为4米时, 它就不能区分相距1m的行人和汽车. 距离分辨率d_res完全取决于chirp的带宽B_sweep.

速度分辨率(Velocity Resolution)

如果两个目标有相同的距离, 但是当它们以不同的速度移动, 它们仍然可以被区分开来. 速度分辨率取决于chirp的个数. 正如讨论我们的情况下, 我们选择发送128个chirp. 较高的chirp数量增加了速度分辨率, 但它也需要更长的时间来处理信号.

角度分辨率(Angle Resolution)

雷达能够在空间上分离两个目标. 即使两个目标在相同的距离以相同的速度运动, 它们仍然可以通过雷达坐标系中的角度分辨出来.

FMCW波(Frequency Modulated Continuous Wave 调频连续波)- 测时、测距

对于静止目标，发射点发送FMCW波（频率随时间变化的波形），通过接收信号和发送信号之间的频率差可以得到电磁波来回传播的时间，通过传播的速率可以计算出目标与发射点之间的距离。

如果目标是静止的，且发送频率一定的正弦波，那么发射频率和接收频率是相同的。但是，FMCW的斜坡频率是随时间不断变化的，所以，当我们取得接收频率和斜坡频率之间的差f_b(beat frequency, 拍频)，我们就得到了信号传输时间。
zhuanzai
如上图所示, 雷达发射信号的频率是77 GHz,　返回信号的频率是77.01GHz, 它们的差值f_b称为拍频, 拍频正比于t_d.
在这里插入图片描述
距离R正比于T_s，f_b，反比于基带宽度B_sweep（也是扫描波形的频率变化范围），c是光速（电磁波传播的速度）。

设置chirp周期(T_s)和带宽(B_sweep)

距离计算需要chirp时间T_s 和chirp带宽B_sweep, 而这些可以依据我们配置时的雷达距离分辨率和最大探测距离计算.

一般来说, 对于 FMCW 雷达系统, 扫描时间(T_s/T_chirp)至少应该是雷达最大距离往返时间的5-6倍.
此处我们假设是5.5倍：
在这里插入图片描述
B_sweep的计算公式为：

多普勒效应(Doppler Effect)-频移(Doppler Shift)测相对速度

拍频f_b不仅与目标距离有关，还与相对速度有关。
在这里插入图片描述
复习一下多普勒效应(Doppler effect)：

在运动的波源前面，波被压缩，波长变得较短，频率变得较高（蓝移blue shift）；在运动的波源后面时，会产生相反的效应。波长变得较长，频率变得较低（红移red shift）；波源的速度越高，所产生的效应越大。根据波红（蓝）移的程度，可以计算出波源循着观测方向运动的速度。
例：恒星光谱线的位移显示恒星循着观测方向运动的速度，除非波源的速度非常接近光速，否则多普勒位移的程度一般都很小。所有波动现象都存在多普勒效应。

频移与速度的关系：
频移与相对速度成正比。
在这里插入图片描述
f_D: 多普勒效应导致的传输频率频移
ν_r: 与目标的相对速度
λ: 信号的波长

因此，拍频f_d由两个频率分量组成: f_r(距离引起的频率增量)和 f_D(速度引起的频率偏移).

值得注意的是, 在汽车雷达的情况下, f_D与 f_r相比是非常小的. 因此多普勒速度是通过测量多个chirp之间的相位变化率来计算的. （在一个chirp的拍频中忽略f_D）相对速度的计算如下式：
在这里插入图片描述
相位变化率与频率之间成正比。

多普勒相移(Doppler phase shift)

运动目标在每次chirp持续时间内的微小位移会引起的相位变化. 由于每次chirp的持续时间一般是微秒(μs), 因此会导致毫米级(mm)的微小位移. 这可以用来计算相位变化率, 从而确定多普勒频率.
在这里插入图片描述
运动目标在每次chirp持续时间内的微小位移会引起的相位变化. 由于每次chirp的持续时间一般是微秒(μs), 因此会导致毫米级(mm)的微小位移. 这可以用来计算相位变化率, 从而确定多普勒频率.

速度：
在这里插入图片描述
T_c为观测时间长度。

转载链接：雷达无线电系列（二）经典CFAR算法图文解析与实现（matlab） - 万雨 - 博客园
内容：均值类CFAR：CA-CFAR, GO-CFAR, SO-CFAR。统计有序CFAR：OS-CFAR。杂波图CFAR。各类CFAR的分类及优缺点概述，MATLAB仿真代码及效果图。

CFAR(constant false alarm rate 恒虚警率)检测技术

恒虚警检测技术是指雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的技术。

常见CFAR算法的英文全称及缩写： cell averaging (CA)/ordered statistics (OS)/Smallest Order (SO)/Greatest Order (GO)/Noise Reference (NR)/Weighted CA(WCA)/对数检波的CA-CFAR

均值类CFAR
核心思想是通过对参考窗内采样数据取平均来估计背景功率。
CA-CFAR、GO-CFAR、SO-CFAR算法这三个是最经典的均值类CFAR算法，后续有其变形log-CFAR算法但是原理是相同的。原理见下图。
统计有序CFAR
核心思想：通过对参考窗内的数据由小到大排序选取其中第K个数值假设其为杂波背景噪声。
如OS-CFAR(Ordered Statistics CFAR)。
自适应CFAR
针对不同的杂波选用不同的决策方法来进行。如HCE-CFAR检测器、VI-CFAR检测器。
杂波图CFAR
经典的空域杂波图CFAR算法，假设每个距离元和方位角上的平方率值遵从独立同分布，通过对时间维上的数据进行遗忘迭代来拟合杂波背景噪声。

CFRA发展：均值类-统计有序类-自适应-杂波图-变换域-压缩感知-神经网络

在CFAR处理器性能分析中，Rohling定义了一个平均判决阈值(average decision threshold, ADT)，标称化的量，是计算检测性能损失的一种度量。ADT越小，检测概率越高。

检测概率不仅取决于ADT值，还决定于对杂波功率水平估计的方差。

CA-CFAR单元平均恒虚警

cell averaging (CA)

优点：损失率最少的一种算法

缺点：多目标遮掩，杂波边缘性能也欠佳

GO-CFAR最大选择恒虚警

Greatest Order (GO)
取两个局部估计最大者作为检测器总的杂波估计。

Z = max(X, Y)

针对杂波边缘设计，在均匀杂波背景中，取两个局部估计的较大者作为检测器总的杂波功率水平估计。

优点：杂波边缘区域虚警概率降低

缺点：多目标遮掩

SO-CFAR最小选择恒虚警

Smallest Order (SO)
取两个局部估计最小者作为检测器总的杂波估计。

Z = min(X, Y)

解决单边滑窗中出现多个干扰目标时引起的检测性能下降的问题。当雷达检测特定距离的目标时，需要降低临近干扰目标的影响，取局部估计中的最小者作为总的杂波功率水平估计。

优点：多目标效果有改进

缺点：杂波边缘区域虚警概率提升

WCA-CFAR

weighted cell-averaging CFAR
总的杂波功率水平估计，由对前沿滑窗和后沿滑窗的局部估计按照杂波强度加权得到。

Z = aX + bY

采用对数检波的CA-CFAR检测器

相比传统CA-CFAR的优点：

可以在很大的背景杂噪动态范围内工作
归一化过程由减法电路实现，易实现

缺点：
相同采样数时性能更差。

作用：
改善目标检测过程中信号的动态范围。

杂波图恒虚警算法

优点：通过提高累积帧数，杂波背景噪声功率趋近于理论值

缺点：对于慢移动目标有自遮掩效果

NR-CFAR

Noise Reference CFAR
NR-CFAR是Calterah专有的CFAR算法

CA-CFAR、GO-CFAR、SO-CFAR对比

来源：何友等著《雷达目标检测与虚警率处理》清华大学出版社

CA-CFAR在检测杂波边缘中会引起虚警率的过分上升，而在多目标环境中将导致检测性能的下降，这些不足促进了对其他CFAR方案的研究。GO-CFAR和SO-CFAR是由CA-CFAR修正而来，但它们各自只能解决其中一个问题，而且还带来了一定的附加检测损失，GO在杂波边缘环境中能保持良好的虚警控制性能，但在多目标环境中会出现“目标遮蔽现象”；当干扰目标只位于前沿滑窗或后沿滑窗时，SO具有良好的多目标分辨能力，但是它的虚警控制有很差。