agv ti 毫米波雷达_Ti毫米波雷达培训后记

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

1. 小市民：TI的FMCW毫米波雷达原理培训解析
2. 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。

chirp参数图

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。