毫米波雷达||基础知识2（ADC、DFT和加窗）

1.ADC采样

通过采样和量化将模拟信号转换为数字信号。采样率的选择主要受信号频率范围影响。

为了避免混叠，奈奎斯特采样定理给出了最小采样频率的定义，基带、带限信号必须以大于信号中最大频率成分两倍的速率（fs>2fmax）进行采样以准确保留所有的频率内容。如果不满足该条件，则所有高于fs/2的频率成分将受到混叠的影响，因此奈奎斯特频率通常被定义为2fmax。

①采样率fs，采样M个实数，进行N点（补零为2的整数次幂）FFT变换，则实采样（双边谱）的最大可观测频率是采样率的一半(fs/2)，N点FFT的频率分辨率是fs/N。

②在采样长度一致的情况下，提高采样率并不能提高频率分辨率。

③IQ正交双通道比单通道平均有3dB SNR改善。为什么采用复基带架构：①可以提高大概3dB增益；②不存在相位模糊；③采样频率能降低一半。缺点：①多一路混频+中频+滤波+adc硬件 成本增加；②尺寸增加；③实际链路中I路和Q路对信号的时延和增益不完全相等，会导致实部虚部幅相不一致；④功耗增加。

④ADC采样率提高一倍，采样率平均有3dB SNR改善。这个问题是过采样提高量化信噪比的问题，不考虑其他因素，理论上增加采样率确实可以使得信号的量化信噪比提升，相当于ADC有效位数提高半个bit位,公式为

每增加四倍的采样频率,就会提高信噪比6dB,相当于提高了ADC 1个bit。

2.DFT和加窗

①快速傅里叶变换（FFT）主要利用了旋转因子（也称为复指数函数或复数根）的对称性和周期性来减少运算量。

②影响DFT（FFT）分辨率最本质的物理机制在于DFT的积累时间，分辨率为积累时间Ts的倒数。

所以在满足奈奎斯特定理前提下，补零并不会提高频率分辨率，从信息论的角度来讲，补零并没有增加任何有用信息，而增加积累时间可以增加有用的信息。用MATLAB做FFT并不要求数据点个数必须为以2为基数的整数次方。控制数据点数为以2为基数的整数次方，这样就能采用以2为基的FFT算法，提升运算性能。

补零对原数据起到了做插值的作用，克服“栏栅”效应，使谱的外观平滑。另外，由于对数据截短时引起的频谱泄漏，有可能在频谱中出现一些难以确认的谱峰，补零后有可能消除这种现象。最后，补零确实可以提高频率的估计精度。

②实际FFT计算时一般要对数据进行加窗，窗函数的作用是降低频谱泄露。

非整周期采样（信号截断），就会产生频谱能量的泄漏。从信号处理本身的过程，能量泄漏到底是怎么发生的？注意：傅里叶变换和FFT，这是两个不同的概念。傅里叶变换是对连续时间信号x(t)进行积分，得到频域的连续函数X(f)。

 而FFT是DFT（离散傅里叶变换）的一种快速算法实现，公式中N为采样点数，Δt为采样时间间隔，Δf为频率分辨率。因此FFT是基于时域离散采样点数据x(nΔt)，计算出频域离散函数X(kΔf)的过程。那么FFT或DFT，与连续函数的傅里叶变换是什么关系呢？实际上，FFT是对连续傅里叶变换得到频域连续函数，在频域进行离散采样，所得到的一个近似的分析结果。

所谓能量泄漏，是由于信号被人为截断后，改变了原始周期信号的频率特征。如果是等周期采样，那么FFT的频域离散采样结果，仍然能够准确复现原始周期信号的频谱特征；但如果是非等周期采样，FFT分析结果就将无法准确复现原始周期信号的频谱特征，而表现为信号中真实频率成分的能量，被分散到了主瓣上的两条谱线上，并且有一部分能量被泄漏到了周边的旁瓣上。

加窗会使得旁瓣降低。能量守恒定律，旁瓣降低主瓣频谱就会展宽，展宽频谱也就意味着频谱分辨率下降，因此对于多目标的分辨力下降。在给定旁瓣高度下，Chebyshev窗的主瓣宽度最小，具有等波动性，也就是说，其所有的旁瓣都具有相等的高度。

3.杂波、噪声和干扰

简单的理解，杂波是不需要的目标（海杂波、地杂波、雨雪冰包杂波等），噪声是不需要的信号成分，干扰是受到了其他电磁信号的干扰。

1、在杂波背景中进行目标检测时，为了提高目标检测性能，可以①提高信号带宽；②提高角度分辨率；③提高脉冲重复频率；④增加积累时间。这是需要围绕提高信杂比和目标分辨率的角度思考。信杂比提高需要窄脉冲和窄波束宽度，窄脉冲可以等效为高带宽，窄波束宽度可以等效为高角度分辨率。单纯提高发射功率，杂波的功率也会提高。

2、在噪声背景中进行目标检测时，为了提高目标检测性能，可以提高发射功率、提高信号带宽、提高角度分辨率、提高脉冲重复频率、增加积累时间。需要围绕提高信噪比和加强目标信号出发考虑。

参考文章：

雷达校招 | 往年雷达芯片头部厂商算法校招笔试题分析

窗函数浅谈 - 1

 为什么要加窗? 关于FFT, 频谱泄露和加窗问题