《雷达入门课 》系列文章（5）线性调频连续波雷达基本原理（第2讲）

本文编辑：调皮哥的小助理

话接上文，本文主要讲解一下几个知识点：

（1）中频信号采样与雷达作用距离、带宽之间的关系；

（2）中频信号的相位信息；

（3）速度估计与最大不模糊速度。

1. 中频信号采样

中频信号还是模拟信号，要送入处理器处理必须经过ADC采样成数字信号。

（图1.1 ADC采样）

目标具有最大距离，回波信号与发射信号混频后的中频信号也有最大的频率，中频信号的最大值如下：

$f_{IF\max }=\frac{S2d_{\max }}{c}$

但是，雷达的中频带宽却被ADC的采样频率所限制，因为ADC为IQ双路采集，所以ADC的最高采样率就要大于等于最大的中频频率，这一点在之前的文章中提到过。所以ADC的最高采样率为：

${\mathrm{F}}_{\mathrm{S}}\ge \frac{{\mathrm{S}}_2{\mathrm{d}}_{\max }}{\mathrm{c}}$

因此可以推出最大探测距离为：

$d_{\max }=\frac{F_{s}c}{2S}$

雷达的最大探测距离被ADC的最大采样率限制。同时这个公式也能够证明，在ADC采样率不变的情况下，雷达的探测距离随着信号的斜率成反比关系，如果发射周期固定不变，那么雷达探测距离和信号的带宽成反比关系。所以，限制雷达探测距离的因素主要有发射功率、ADC采样率，以及调频斜率（带宽、发射周期等），往往几个因素是相互矛盾的，需要折中选择。

另外，如果两个发射脉冲具有相同的距离分辨率，对于相同的最远探测距离，斜率大的脉冲所需要的ADC采样率更高，但是换来的好处是脉冲周期短。斜率小的脉冲所需要的ADC采样率更低，但是脉冲周期长。因此在选择和设计的时候，需要平衡选择。

（图1.2 脉冲选择）

2.中频信号的相位信息

傅里叶变换除了将时域信号体现出频率信息之外，还有相位信息。正弦函数，有频率，有相位，这一点是客观真理，如下图所示。

（图2.1 傅里叶变化频率与相位）

如果两个频率一样但相位不一样的信号的频率谱是相同的，因此不利用相位这个维度的信息我们无法区分这样的信号。也就是说两个目标的距离相同但是运动速度不一样，我们应该如何区分的问题。

（图2.2 同频不同相）

回想一下，混频器输出信号的初始相位是两个输入的初始相位之差。中频信号函数表达式为：

$x(t)=A\sin \left(2\pi ft+{\varphi }_0\right)$

其中，f为中频频率，具体表达式为：

$f=S\tau =\frac{S2d}{c}$

τ为发射信号往返时间。

（图2.3 中频信号相位）

如图2.4所示，Δτ是雷达发射信号与回波信号之间的时间差，上一篇文章讲过，其计算公式为：

$\Delta \tau =\frac{2\ast \Delta d}{c}$

（图2.4 中频信号相位）

因此，脉冲从A点变化到D点后之间的相位变化是：

$\Delta \varphi =2\pi f_c\Delta \tau =\frac{4\pi \Delta d}{\lambda }$

其中fc是发射信号载频，λ为发射信号波长，所以AD之间的相位差就是CF两个脉冲之间的相位差。

中频信号的实际函数表达式为：

下面做一个实际例子的计算：

（图2.5 调频信号模型）

如图2.5所示，假设雷达前方的目标微动Δd=1mm（频段77GHz）,根据上面的相位计算公式：

$\Delta \varphi =2\pi f_c\Delta \tau =\frac{4\pi \Delta d}{\lambda }=180^{\circ }$

此时的中频信号的频率差为：

$\Delta f=\frac{S2\Delta d}{c}=333\mathrm{Hz}$

那么，此时我们的雷达是否能够分辨这个频率差呢？

答案是不可以的。因为Δf*Tc=0.013个调频周期。所以我们更是需要利用相位信息，因为在此处相位已经足够使我们用来判断目标的运动了，这就是相位信息对微多普勒目标敏感的优势。巧妙的是，目前基于毫米波雷达呼吸心跳检测的基本原理就是利用目标微动产生的相位差信息进行解算。

详情可以阅读这篇文章：

[https://www.zhihu.com/question/4382

3. 速度估计与最大不模糊速度

假设一系列信号都具有相同的角频率w，FFT之后其频谱峰值处于同一位置，如下图所示：

（图3.1 相同角频率FFT）

如果信号的组成有两个不同角频率w的信号组成，那么FFT之后的频谱峰值如下图所示：

（图3.2 不同角频率FFT）

设ω1=0，ω2=π/N。在k=N个信号序列上，第2个信号的相位比第1个信号的多走过半个周期（π rads），因此不足以在频域中解析两个对象，如图3.3所示。

（图3.3 N个信号序列）

在k=2N个信号序列中，第2个信号的相位经过了一个完整的周期（2π rads），超过了第1个信号的相位，因此两个对象可以在频域中被分解。

（图3.4 2N个信号序列）

因此，我们得到的结论是：信号序列个数越多，信号的频谱分辨率越大。这个结论和之前文章的结论完全一致，

连续和离散信号的频域分辨率准则比较：

• Continuous signals : $\Delta \mathrm{f}=\frac{1}{\mathrm{T}}$ cycles/sec
• Discrete signals: $\Delta \omega =\frac{2\pi }{\mathrm{N}}$ radians/sample $=\frac{1}{N}$ cycles/sample

信号序列长度越长分辨率越高。通常，长度为N的序列可以分离角频率，该角频率相隔2π/ N（ rad / sample）以上。

发射两个chirp信号，相隔时间为Tc。其傅里叶变换的峰值处于同一位置，但是相位不同。我们可以利用其相位差来计算速度。公式如下，这里的测速含义是在Tc这段时间内目标运动了多远，然后大致估算的，而且这里的速度是平均速度，不是瞬时速度。

$\omega =\frac{4\pi v{T}_c}{\lambda }=>v=\frac{\lambda \omega }{4\pi T_c}$

上述所讨论的多个信号序列可以增加分辨率，那么多个调频脉冲信号自然可以用来增加速度的分辨率。首先，了解一下最大不模糊速度。最大不模糊速度通俗一点来说就是雷达分不清楚你的速度了，是因为你的速度太快，导致雷达跟不上，在工程上必然会计算错误。我们来看看是怎么产生的。根据公式：

$v=\frac{\lambda \omega }{4\pi T_c}$

假设Tc恒定不变，当目标运动速度增大时，w会随着增大，但是达到一定程度w会超过180°。这个时候雷达不知道这个w是目标正向运动的角频率还是反向运动的角频率，因此陷入两难，无法判别。

（图3.4 角频率无法判断）

由此要求|ω | < π，进而：

$\frac{4\pi v{\mathrm{T}}_{\mathrm{c}}}{\lambda }<\pi \Rightarrow \mathrm{v}<\frac{\lambda }{4{\mathrm{T}}_{\mathrm{c}}}$

故而，最大不模糊速度为：

$v_{\max }=\frac{\lambda }{4T_c}$

上述就是对最大不模糊速度的来源以及推导过程，Tc是调频周期。

那么，实际生活中的多个目标测速我们如何进行呢？答案是：通过发射N个相同的调频信号，然后通过积累，比如说一帧发射128个chirp信号，每个脉冲信号采样128个点。距离维度的FFT只能够求出其距离值，而要求速度就必然需要在速度维再做一次FFT。

（图3.5 2D FFT）

这里可能深入理解起来不太那么容易，需要多次反复地看以及思考才能够明白这其中深刻的道理。

（图3.6 目标速度）

速度分辨率是v1和v2之间的最小间隔，以便它们在多普勒FFT中显示为两个峰值。回想一下，长度为N的序列上的FFT可以将两个频率ω1和ω2分离为|ω1–ω2 |>2π/N，所以有：

$\Delta \omega =\frac{4\pi \Delta v{\mathrm{T}}_{\mathrm{c}}}{\lambda }$
$\Delta \omega >\frac{2\pi }{\mathrm{N}}$
$\Rightarrow \Delta v>\frac{\lambda }{2{\mathrm{NT}}_{\mathrm{c}}}$

故而，雷达的速度分辨率为：

$\Delta v=\frac{\lambda }{2T_f}=\frac{\lambda }{2N{T}_c}$

速度分辨率只与每一个帧的时间有关，即每一帧所有发射脉冲的时间总和，Tf = N*Tc。未完，待续。。。