FMCW 全面解析

基本概念

调频连续波雷达，普通CW雷达发送的是固定频率的波形，FMCW发送的是频率随时间变化的波形，通常是线性变化的，也称LFMCW。

通常有三角波调制和锯齿波调制。锯齿波调制主要用来测量物体的距离，而三角波调制可以同时得到物体的距离和速度信息。

它们的频域波形长这样，第一个只有向上调频，样子像锯齿，叫做锯齿波；第二个在一个调频周期内，先向上调频再向下调频，叫做三角波。一个调频周期一般也叫做一个chirp。

两种调制方式一个chirp中对应的时域波形如下

测距原理

FMCW雷达每次发射上面的信号波形，当遇到静止目标后，会反射回来并被雷达接收机接收（类似激光被镜子反射），此时接收信号和发射信号从波形上来看是完全一样的，只不过有个延时，电磁波和光一样传播是有时间的，速度为光速。从频域上来看，如图

延时$\tau =\frac{2R}{c}$，根据这个公式。知道了延时$\tau$就能计算出目标的距离。

混频

实际当中是没办法直接求出$\tau$的，接收机只负责接收信号，本身是判断不出来什么时候有信号什么时候没有信号。所以通常都是要先对接收信号做进一步处理，即用发射信号与接收信号混频。

从频域来看，将发射信号和接收信号相减（取绝对值，信号没有负频率）下图，可以得到两个频率$f_b$和$f_c-f_b$，$f_c$通常是几G或者是几十G的载频，远高于$f_b$，通过一个低通滤波器的话就可以去除$f_c-f_b$，只剩下$f_b$。$f_b$有什么用呢，看右边的三角形，根据相似三角形，有$\frac{\tau }{T}=\frac{f_b}{B}$，而$B$和$T$都是已知信息，所以知道了$f_b$就能求出$\tau$，从而得到目标的距离。求出$f_b$的过程就叫做混频，$f_b$也叫做差拍频率，简称差频。

但是雷达接收到的都是时域信号，下面用公式推导一下时域信号的处理过程：

设中心频率$f_c$，调频周期为$T$，频率随时间变化为$$f(t)=f_c+\frac{B}{T}t$$，$B$为带宽，设$\alpha =\frac{B}{T}$，即调频斜率。

发射信号：$$x_{tx}(t)=A\cos (2\pi f(t)t+{\phi }_0)=A\cos \left(2\pi \left(f_{c}t+\frac{\alpha t^2}{2}\right)+{\phi }_0\right)$$

回波信号：$$x_{rx}(t)=B\cos (2\pi f(t-\tau )(t-\tau )+{\phi }_0)=B\cos \left(2\pi \left(f_c(t-\tau )+\frac{\alpha (t-\tau {)}^2}{2}\right)+{\phi }_0\right)$$

频域相加减对应时域的相乘，$x_{tx}(t)$和$x_{rx}(t)$相乘，利用积化和差公式，$\cos (\alpha )cos(\beta )=\frac{1}{2}(\cos (\alpha -\beta )+\cos (\alpha +\beta ))$，因为$f_c$频率很高，相加之后频率更高，后一项可以通过低通滤波器滤掉，只剩下一个频率相减项，即混频信号为

$x_{mx}=x_{tx}(t)x_{rx}(t)=\frac{AB}{2}\cos (2\pi (f_c\tau +\alpha \tau t-\frac{\alpha {\tau }^2}{2})$

可以发现$x_{mx}$的频率就是$ \alpha\tau = f_b$，再带入$\tau = \frac{2R}{c}$计算目标距离。

混频的意思其实很简单，就是发射信号与接收信号时域相乘再滤波，对应到频域上就是频率相减。混频信号经过AD采样后，就得到我们常说的雷达的原始数据，对雷达来说，我们能拿到的数据就是指的这个。

举个例子，理想情况下，一个静止点目标，得到的混频信号就是个固定频率的正弦波，计算这个正弦波的频率就能得到它的距离，如果两个不同距离的目标呢，就是两个不同频率的正弦波相加的结果。

距离门和距离分辨率

对FMCW的数据进行处理都是以chirp为单位的，以一个静止点目标为例，雷达最终输出的数据就是上图中正弦波的离散信号，如果要知道它的距离，就要用FFT计算出$f_d$，假设采样率为$f_s$，采样点数为32，FFT结果可能如下，得到$f_d=f_s\ast 8/32$。

注意，FFT是由频率分辨率的，如上图中只能得到32种频率，即$f_d$的取值只有32种可能。

FFT的频率分辨率计算公式：$\Delta f=f_s\frac{1}{N_f}$，其中$f_s$是采样频率，$N_f$是FFT点数，又有$f_s=\frac{N}{T}$，时长为T的信号采样N个离散点。
$$\Delta f=f_s\frac{1}{N_f}=\frac{N}{N_f}\frac{1}{T}$$
知道了$\Delta f$就能求出$\Delta R$
$$\Delta R=\frac{c}{2B}T\Delta f=\frac{c}{2B}\frac{N}{N_f}$$
这就是距离分辨率，但是一般我们说FMCW的距离分辨率都是$\Delta R=\frac{c}{2B}$，原因在于$\Delta f>=\frac{1}{T}$这个公式是恒成立的，FFT的频率分辨率要大于输入信号时长的倒数。

那如果当$N_f$大于$N$的话不是矛盾了吗？

对FFT来说，当FFT点数超过采样点数的时候，会自动补零到FFT的长度，如下图，当采用32点FFT时，针对的是第一个信号，当采用64点FFT时，针对的是第二个信号，哪怕只是补零，这两个输入信号也是不同的，第二个信号，你可以看作是$T$变成了$2T$，采样点数也变成了$2N$，所以$\Delta f>=\frac{1}{T}$依旧是对的。

$\Delta R=\frac{c}{2B}$是FFT点数不超过采样点数的情况，如果超过，信号都不一样了。不过，实际中一般可以通过增大FFT点数来提高分辨率的，因为不会相差太多，最好是原信号采样点数的2的N次幂倍数，但看似提高了频率分辨率，实际上并没有，因为针对的信号都不一样。

再看上面的频谱图，知道了距离和频率的对应关系，可以将坐标换成距离，$R_0$表示距离分辨率，即目标在位置$8R_0$，下图中的一个个小方格，就叫做距离门，也说目标在第8个距离门。

有多个目标可能是这样的

所以说，对混频信号，即拿到的雷达原始数据，以chirp为单位，做FFT之后的结果，得到距离信息，所以也叫做距离维FFT，或者一维FFT。

这是一个chirp的结果，雷达会发射多个chirp，将多个chirp信号排列起来，排成二维矩阵

矩阵的每一行代表一个chirp，一行中每个点都是混频信号的采样点，由于一个chirp中采样点的间隔远小于chirp之间的间隔，即矩阵中左右两个点的时间间隔小于上下两个点的时间间隔，所以横轴也叫做快时间维，竖轴也叫做慢时间维。对每一行做FFT，即对快时间维做FFT，也叫做快时FFT，同时将坐标换成距离，如下

从图中看，在时刻5之前，距离$8R_0$处有一面墙，时刻5之后$5R_0$处出现了一个人，这个图也叫做时间距离图，能够观察到随时间不同距离上的变化情况。

测速原理

上面针对的都是静止目标，现在讲讲如何测量运动目标的速度。

当目标运动时，因为有多普勒效应，得到的回波信号有所不同，体现在回波信号有个频率的偏移，比如面向雷达运动，向上偏移。

进行测速讲解之前，需要修改一下上面的混频信号公式，上面的表达式只能表示一个chirp的信号，为了表示任意一个chirp，用$nT+t_s$代替$t$，其中$n$为大于等于0的整数，$0<=t_s<T$。

但这里需要$t_s$代替$A\cos (2\pi f(t)t+{\phi }_0)$中$f(t)$的$t$，用$nT+t_s$代替另一个$t$。因为要保证每个调频周期内调频是相同的，即$$f(t)=f_c+\frac{B}{T}t$$不能随着$T$的改变而改变，假如用$nT+t_s$代替其中$t$的话，当n无穷大时，调频的斜率也无穷大了，显然是不对的。所以要消除$T$的影响，即$$f(t-nT)=f_c+\frac{B}{T}(t-nT)$$，等效为$$f(t_s)=f_c+\frac{B}{T}{t}_s$$。

所以将上面的公式修改为（这里用$f(t)\ast t$不是很严谨，应为$f(t)$的积分）

发射信号：$$x_{tx}(t)=A\cos (2\pi f(t_s)t+{\phi }_0)=A\cos \left(2\pi \left(f_{c}t+\frac{\alpha t_s^2}{2}\right)+{\phi }_0\right)$$

回波信号：$$x_{rx}(t)=B\cos (2\pi f(t_s-\tau )(t-\tau )+{\phi }_0)=B\cos \left(2\pi \left(f_c(t-\tau )+\frac{\alpha (t_s-\tau {)}^2}{2}\right)+{\phi }_0\right)$$

混频信号：$x_{mx}=x_{tx}(t)x_{rx}(t)=\frac{AB}{2}\cos (2\pi (f_c\tau +\alpha \tau t_s-\frac{\alpha {\tau }^2}{2})$

其中，$t=nT+t_s$，$0<=t_s<T$，n表示第n个chirp。

对静止目标来说，$\tau =\frac{2R}{c}$，如果是运动目标，则是$\tau =\frac{2(R+vt)}{c}$，$v$表示目标的速度，为正表示远离雷达。

将$\tau =\frac{2(R+vt)}{c}$和$t=nT+t_s$带入混频信号公式，得到
$$x_{mx}=\frac{AB}{2}\cos (2\pi (\frac{2R{f}_c}{c}+\frac{2f_{c}v}{c}nT+\frac{2f_{c}v}{c}{t}_s+\frac{2R\alpha }{c}{t}_s+\frac{2\alpha (r^2+2Rvt+t^2)}{c^2}))$$
后面有一项分母为$c^2$可以忽略，$\frac{2f_{c}v}{c}$相对$\frac{2R\alpha }{c}$也要小得多，也可以忽略，因为$f_c$通常是几十G量级，而$\alpha =\frac{B}{T}$，$B$可能达到G量级，$T$通常是ms量级。最终得到如下公式
$$x_{mx}=\frac{AB}{2}\cos (2\pi (\frac{2R{f}_c}{c}+\frac{2f_{c}v}{c}nT+\frac{2R\alpha }{c}{t}_s))$$
其中，$f_d=\frac{2f_{c}v}{c}$，也叫多普勒频率。

通过这个公式再去理解一下距离维FFT的含义，距离维FFT其实就是对$t_s$做FFT，得到的就是距离信息。而当对距离维做完FFT之后，$\frac{2R{f}_c}{c}+\frac{2f_{c}v}{c}nT$其实是作为一个相位信息保存在了当前的距离门内。

以一个简单的matlab仿真来说明，一个固定频率的正弦信号，相位随着时间变化，从第一副图中可以看出频率在50Hz附近，观察50Hz附近幅度的变化趋势，即第二幅图

fs = 1000;
t = (1:1024)/fs;
y = 1:200;
for i = 1:200
    x = cos(2*pi*50*t+i*pi/100);
    res(i,:) = abs(fft(x));
end
figure
mesh(res)
xlim([0 100])
zlim([477 480 ])
xlabel("频率")
ylabel("时间")

从图中可以发现，FFT之后 幅值也是受到相位的调制的。

所以，距离维FFT之后，相应的距离门内存放着相位信息$\frac{2f_{c}v}{c}nT$，可以简单理解为FFT之后的幅度是$x+cos(\frac{2f_{c}v}{c}nT)$

假如有一个目标在第四个距离门内匀速运动，先画出时间距离图，在第四个距离门能检测到目标，并且幅度是受$cos(\frac{2f_{c}v}{c}nT)$调制的，所以对第四列进行FFT，可以看到目标的多普勒速度，如右图，同时把坐标换算成速度，便可求出目标的速度。

对每一列做FFT之后，此时二维矩阵竖轴单位不再是时间，而是速度（或者是多普勒频率），从图中可以看出在距离$4R_0$处，有目标以速度$v$在运动。

这个二维矩阵叫做距离多普勒矩阵或者是距离速度矩阵，画出来的图叫做距离多普勒图。沿着竖轴做FFT，也叫做二维FFT、速度维FFT、慢时间维FFT。

生命体征探测

以简单的呼吸检测为例，雷达是通过检测呼吸带来的胸腔或者腹部起伏来检测呼吸。胸腔起伏其实就可以当作一个运动目标，吸气相当于面向雷达运动，呼吸相当于远离雷达运动。一般是通过解相位获取呼吸运动的轨迹，这里求的是$\frac{2f_{c}v}{c}nT$的值而不是速度，因为$\frac{2f_{c}v}{c}nT$可以表征出呼吸的运动轨迹。

最简单的解相位方法就是atan函数，一维FFT之后的结果有实部和虚部，直接利用atan就能获得$\frac{2f_{c}v}{c}nT$的值。

实际上解的相位是$x_{mx}=\frac{AB}{2}\cos (2\pi (\frac{2R{f}_c}{c}+\frac{2f_{c}v}{c}nT+\frac{2R\alpha }{c}{t}_s))$中的$2\pi (\frac{2R{f}_c}{c}+\frac{2f_{c}v}{c}nT)$，但前一项是定值，不影响，需要的是相位的变化情况，而不是相位的具体值。

IQ、复数FFT

IQ调制通信方面用的更多一些。不同的雷达，可能有的雷达拿到的原始数据是IQ两路，有的是一路。

IQ的作用是保证相位的一致性，比如$sinx$信号和$sin(x+pi)$信号，从波形上是完全区别不出来的，但如果这两个信号都经过一个移相器，分别得到$cosx$和$cos(x+pi)$，通过$sinx$和$cosx$确定相位，另一个通过$sin(x+pi)$和$cos(x+pi)$确定相位，就能区分开了。

对雷达来说，拿到的信号是一路还是两路感觉关系不是那么大，对生命体征探测来说这个相位不重要，需要的是相位的变化趋势。

对于实数FFT来说，频谱的一半是没有意义的。

比如$cos(ft)$，FFT并作FFTshift，得到的频谱范围是$-\frac{f_s}{2}$ 到$\frac{f_s}{2}$，有用的只有0到$\frac{f_s}{2}$

对于复数FFT来说，频谱都是有意义的。

比如$exp(\frac{2f_{c}v}{c}t)$，FFT并作FFTshift，得到的频谱范围是$-\frac{f_s}{2}$ 到$\frac{f_s}{2}$，拿二维FFT来说，它就是复数FFT，如果速度为正，就落在0到$\frac{f_s}{2}$，如果速度为负，就落在$-\frac{f_s}{2}$ 到0。

而对于一维FFT，如果有两路信号，即$exp(\frac{2R\alpha }{c}t)$，虽然此时$-\frac{f_s}{2}$ 到0是有意义的，但因为表达式中距离R不可能是负的，所以只会落在0到$\frac{f_s}{2}$。