2023年中国科学院文献情报中心期刊分区表
雷达领域相关SCI期刊的最新升级版结果
基础概念查漏
信噪比: 系统中信号与噪声的比,常常用分贝dB,
SNR
=
10
log
P
S
P
N
\text{SNR} = 10 \log \frac{P_S}{P_N}
SNR=10logPNPS
P
S
{P_S}
PS:信号的有效功率,
P
N
{P_N}
PN:噪声的有效功率
正弦信号的fft:
如上图所示,对于一个频率为5Hz的正弦波信号进行傅里叶变换,得到的峰值也就出现在5hz频率的附近
% 正弦波参数
A = 1; % 振幅
f = 5; % 频率 (Hz)
phi = 0; % 相位 (radians)
fs = 100; % 采样频率 (Hz)
t = 0:1/fs:1-1/fs; % 时间向量,为1秒
% 生成正弦波信号
signal = A * sin(2 * pi * f * t + phi);
% 进行傅里叶变换
signal_fft = fft(signal);
% 计算频率轴
N = length(signal); % 信号长度
f_axis = (0:N-1)*(fs/N); % 频率轴
% 计算单边频谱的幅度
signal_fft_mag = abs(signal_fft/N);
signal_fft_mag = signal_fft_mag(1:N/2+1); % 取 FFT 的一半
signal_fft_mag(2:end-1) = 2*signal_fft_mag(2:end-1); % 除了直流分量,其他都要乘2
% 绘制时间域信号
subplot(2,1,1);
plot(t, signal);
title('Time Domain Signal');
xlabel('Time (s)');
ylabel('Amplitude');
% 绘制频率域信号
subplot(2,1,2);
plot(f_axis(1:N/2+1), signal_fft_mag);
title('Magnitude Spectrum');
xlabel('Frequency (Hz)');
ylabel('|Y(f)|');
用matlab编写毫米波雷达测距程序,雷达设置的为一发一收模式,chirp参数配置如上图
毫米波雷达
多普勒效应: 波源和观察者有相对运动时,观察者接受到波的频率与波源发出的频率并不相同的现象。远方急驶过来的火车鸣笛声变得尖细(即频率变高,波长变短),而离我们而去的火车鸣笛声变得低沉(即频率变低,波长变长)
Parameter | Radar | Lidar |
---|---|---|
Wavelength | 3.8 mm | 905 nm and 1,550 nm |
Directional element | Antenna | Optics |
Illumination approach | Wide beam -> entire object | Narrow beam -> portion of the object |
Transmitted signal | Diffusive propagation | Direct propagation |
Two-way attenuation | 1/R^4 | 1/R^2 |
Major propagation effects | Multipath | Absorption, Diffusion, Speckle |
Interaction with objects | Specular: isolated detections | Diffusive: “image like” |
Received echo | Superposition of multiple reflectors | From a single reflector |
Output | Radar cube -> Point cloud | Point cloud |
Classification information | Statistics of point distribution, RCS, velocity | Object shape |
对于小孔径雷达,由于镜面反射的原因,大部分反射信号无法被雷达传感器接收;小孔径是低角分辨率,使得两个近距离物体无法有效分离。这两个特征使得雷达点云比激光雷达点云稀疏得多
FMCW雷达信号处理
FMCW(frequency modulated continuous wave)线性调频连续波,同时测量距离、角度和速度,目前76-77GHz用于长距离、77-81GHz用于短距离,高频率和带宽,可以带来高的多普勒分辨率、更小的天线
FMCW信号特征包括 起始频率(载波频率)
f
c
f_{c}
fc 、 扫频带宽
B
B
B、啁啾时间
T
c
T_{c}
Tc、斜率
S
S
S
可以使用多个接收或发射信道来获取角度信息。
参考论文:基于毫米波雷达的手势识别研究
压缩感知
传统的信号处理方式先用奈奎斯特采样定理采集数据,再采用压缩的方法去除冗余数据。这其实是将信号处理过程复杂化了,而且以两倍信号的带宽采集得到的数据,其中大部分数据对恢复信号是没有用的。于是,Candes、Donoho和Tao等人在2004年提出了压缩感知(Compressed Sensing,CS)理论,减轻了采集任务,且省去了压缩的麻烦。CS理论是一种全新的信号采集和编码理论,它将传统信号处理中的采样和压缩过程合并,只需用远小于传统采样方法所需的数据量就能准确恢复原信号,但这一理论使用的前提是信号具有可压缩性或者稀疏性
西电matlab毫米波数据处理
在对示例数据,也即matlab_1642文件夹下的数据,通过IWR1642_XDC110.m进行处理之后,可以得到一个RAD图像
%% 三维FFT(角度维)
Int_Chirp_FFT_3D_Num = 128; %构造二维FFT点数为2的幂次
window_3d = hamming(8); %窗函数
FFT_3D_DATA = zeros(128,Per_Channel_Frame_Num,Int_Chirp_FFT_2D_Num,Per_Chirp_FFT_1D_Num);%构造二维FFT结果保存数组
FFT_3D_DATA_abs = zeros(128,Per_Channel_Frame_Num,Int_Chirp_FFT_2D_Num,Per_Chirp_FFT_1D_Num);%构造二维FFT结果保存数组
for x = 1:1
for y = 1:128
for z = 1:256
retVal_4 = squeeze(FFT_2D_DATA(:,x,y,z)).*window_3d; %提取每个chirp相同点位的数据
FFT_3D_DATA(:,x,y,z) = fftshift(fft( retVal_4,Int_Chirp_FFT_3D_Num)); %进行FFT
FFT_3D_DATA_abs(:,x,y,z) = abs(FFT_3D_DATA(:,x,y,z)); %进行FFT
end
end
end
figure();
imagesc(abs((squeeze(FFT_3D_DATA(1,1,:,:)))));
滤波
下图所示,是对原始的毫米波雷达回波信号的RX1进行截取部分片段
窗函数
加窗后取绝对值
未加窗的数据