毫米波雷达学习（一）——范围估计

系列文章目录

毫米波雷达学习（一）——范围估计
毫米波雷达学习（二）——IF信号相位
毫米波雷达学习（三）——速度估计
毫米波雷达学习（四）——系统设计讨论
毫米波雷达学习（五）——角度估计

---

---

前言

今天开始我将同步更新学习毫米波雷达的文章，目前跟随TI的官方视频进行学习，大家可以自行去看，本文所有图片也均是取自TI官方视频，链接如下http://training.eeworld.com.cn/TI/video/10162

---

FMCW

FMCW:调频连续波
作用：测量前方物体距离、速度和到达角。

雷达如何估算它和物体之间的距离？

FMCW雷达的核心是线性调频脉冲的信号。
线性调频脉冲是频率随时间以线性方式增长的正弦波

一个FMCW雷达具有单个TX和单个RX天线。
工作原理：合成器生成一个线性调频脉冲。TX将该线性脉冲发射出去，遇见物体后反射回来，RX接收反射的脉冲，当RX和TX信号混合在一起时，生成的信号叫IF（IF表示中频信号）

什么是混频器？

混频器两输入一输出，向混频器两输入口输入正弦波，混频器输出的正弦波具有这两条正弦波的性质
1.瞬时输出频率=正弦波1输入频率-正弦波2输入频率
2.起始位置=正弦波1相位-正弦波2相位

雷达前面仅有一个物体时，接收信号是输入信号的延时，形状一样。
即IF频率不变，在f-t图像中是一条横线。

t为往返的延迟，t=2d/c。
注意：当使用ADC时，确保IF信号仅在RX天线接收到反射信号时才有效，也就是仅经过时间t之后再接收样本（之前接收到的肯定是杂波），并且只能持续到TX消失之前。

由于调频时间很短，对于300m距离，且脉冲时间Tc仅为40微秒的雷达，则t/Tc=5%

FMCW中的傅里叶变化

傅里叶变换在FMCW中非常重要，我们用它来估算距离、速度、角度。

傅里叶变换将时域信号转换到频域中，傅里叶变化可以参考这篇通俗易懂的文章，傅里叶变化。

如果你所谓的上帝是一个人形状的，那我想是没有的。如果你问有没有一个造物者，那我想是有的。因为整个世界的结构不是偶然的。——杨振宁

前面提到了雷达前方有一个物体的情况，当现在雷达前方有多个物体时，情况如下图。

距离越远，对应的IF越大，下图是三个物体对应的IF频谱。

当两个正弦波非常靠近时（两个物体的反射信号非常靠近时），我们可以通过延长IF信号的长度来扩展正弦波的观测窗口，而通过扩展线性调频脉冲的时间就可以扩展IF。
由此可知，更大的带宽可能会有更好的距离分辨率，这和我们的感知也是一样的，检测的时间越久，越能分辨出来物体距离。

S=B/T（S是斜率，Tc是雷达调频时间宽度，B是雷达覆盖的频率宽度）
两个间距为Δd的物体
Δf=S2Δd/c（Δf是两物体之间的频率间隔）
Δf>1/Tc
由上面两式可得
Δd>c/2B 这个公式的含义是：雷达面前两个物体的间距大于c/2B

故可估计两物体之间的距离为d=c/2B
由此可以看出距离分辨率仅仅取决于带宽。
这样来看，理论上两个带宽B相同的雷达，他们的距离分辨率应该是相同的，但是实际上，脉冲持续时间更长的那个雷达，具有更长时间的IF信号去观测窗口，考虑傅里叶变换的性质，我们会选择雷达A。

雷达处理信号
在大多数雷达中，雷达会对信号进行处理，首先会进行低通滤波，然后ADC进行数字化，再被发送到合适的处理器，例如DSP，DSP先进行傅里叶变化，来估算物体距离，随后再进行其他处理，用来估算速度与到达角。

在对目标进行数字化的时候，我们需要知道目标带宽，便于设置低通滤波器和ADC采样率。

低通滤波器的截止频率需要高于max频率，且ADC采样率要>=该max频率

当有入下两个雷达时，由上方公式可得，A的斜率是B的两倍，那么B的f(IFmax)的值也是A的两倍，这样在dmax值相同的情况下，A仅需要一半的IF带宽，也就是更小的采样率，但是B仅需要一半的采样时间。

dmax=Fs*c/s(Fs是ADC的采样率)

对于射频带宽和IF带宽我们需要分辨清楚，射频带宽决定距离分辨率，IF带宽可以让雷达看见更广的范围。

总结

后续我会学习并记录FFT（快速傅里叶转换）等知识，非常感谢各位的观看。