注:本文并没有实现以下所述的目标,本打算删除,后来思考了一下可能有部分的参考价值(虽然失败了,但是至少证明了这条路可能是走不通的),就暂且保留。
本文最开始想依靠Ti的板子,虚拟设置一些信号,从而仿真验证下Ti介绍的感知算法。当写到需要设置信号的时候,发现,这几乎是不可能的,而且是没有意义的。首先,假设已知了物体的距离、速度和方位,那么可以反推出第一个chirp的内容,但是接下来的速度和方位角估算,需要设置的信号就包含N个Rx天线和N个chirp里面的采样值,这个工作量无疑目前是难以实现的。因此,暂且宣告本文失败,仅完成了对AWR 1843的感知能力参数的计算。真正要实现本文中的目标,还是需要一块板子来获取数据,从而校正迭代验证算法。
一、本文简介
由于板子太贵,基于Ti的视频及硬件参数,虚拟设定主车和从车的若干个参数,测试Ti的毫米波雷达感知算法。本文不会讲述相关的理论,默认读者已了解相关内容,也可以参考作者之前的文章(参考1)。
二、参考
- 小市民:TI的FMCW毫米波雷达原理培训解析
- william:自动驾驶毫米波雷达物体检测技术-算法 介绍了优达的一些课程,参考意义很大
三、环境参数
- 硬件:Ti AWR 1843,核心参数 76-81GHz(取77GHz-81GHz),B=4GHz, 3T4R, Fs=25Msps, IFmax=10MHz, Tc=40us, S=100 MHz/us,任意两根接收天线之间的距离是
,设定一个Frame内chirp的个数N=25
- 科学常数:电磁波速度
,取频率为77GHz,则波长
- 软件:语言julia,不限OS。没有用C的原因是仅为展示,没有找到一个合适的用于绘图显示的C/C++库。Python虽好,但最近发现julia的函数式编程不错,适合科学计算。
四、感知能力极限
由参考1及上述AWR 1843设定的参数,可以得出此毫米波雷达的感知极限如下:
-
--------------------------------距离分辨率
-
--------------------------------------------最大感知距离
-
---------------------------------速度分辨率
-
---------------------------最大速度
-
-----------方位角分辨率
-
--------------------------------------最大方位角
最大方位角决定了雷达的FOV,但是不可能是180,因为越接近正负90时,分辨率越差,越不准确。
五、模拟场景
如上图所示,共有环境中共有4个目标,给出了其相对雷达的距离、速度和方位,所以理论上中频信号由有4个余弦信号组成,实际上也是不可能实现的。以下图为例:
雷达的波形是一个扩展面,所有与波接触的表面(RCS反射面)都会发生反射,从而影响到接收到的信号,因此实际上接收到的信号是非常复杂的,反映在雷达的目标图中也会有一连串的目标,需要进一步做聚类操作等。