学习笔记--FMCW基础知识(2)

学习笔记–FMCW基础知识(2)

IF signal的相位

傅里叶变换是将信号从时域变为频域,例如一个正弦信号其在频域具有一个峰值信息,而实际上傅里叶变换是将原信号转换到了复数域,不光含有峰值信息,还包含了相位信息。如下图所示,正弦信号频域峰值处的相位等于原始正弦信号的初始相位。
图2.1 正弦函数傅里叶变换后频域的峰值及相位信息
由于第一节提及混频器性质:1)其输出的瞬时频率为两个输入的频率之差;2)其输出的瞬时相位为两个输入的相位之差。因此,根据傅里叶变换后的相位信息依旧可以计算得出相应的内容。

如下图所示,假设接收信号产生了大小如Δτ的微小往返延迟,那么最终计算得出的f_IF信号也将随之改变。假设f_IF信号的格式为: A s i n ( 2 π f I F t + ϕ ) Asin(2πf_{IF} t+ϕ) Asin(2πfIFt+ϕ)那么有第一章的介绍可以知道 f I F = S 2 d c f_{IF}=\frac{S2d}{c} fIF=cS2d
而根据相位的计算公式 Δ ϕ = 2 π f c ∗ Δ t + ϕ 0 Δϕ=2πf_c*Δt+ϕ_0 Δϕ=2πfcΔt+ϕ0(正弦函数的相位计算 ϕ = ω t + ϕ 0 ϕ=ωt+ϕ_0 ϕ=ωt+ϕ0,角频率计算 ω = 2 π / t = 2 π f ω=2π/t=2πf ω=2π/t=2πf)可知,在初始相位 ϕ 0 ϕ_0 ϕ0为零的情况下, Δ ϕ = 2 π f c Δ t = ( 4 π f c Δ d ) / c Δϕ=2πf_c Δt=(4πf_c Δd)/c Δϕ=2πfcΔt=(4πfcΔd)/c。进一步带入光速波长间的关系 λ / t c = c ⟹ λ f c = c λ/t_c =c⟹λf_c=c λ/tc=cλfc=c,可以得到:
Δ ϕ = 2 π f c Δ t = 4 π f c Δ d c = 4 π Δ d λ Δϕ=2πf_c Δt=\frac{4πf_c Δd}{c}=\frac{4πΔd}{λ} Δϕ=2πfcΔt=c4πfcΔd=λ4πΔd
在这里插入图片描述
在这里插入图片描述
例如:
77GHz,S=50MHz/us,T_c=40us雷达前方物体位移了1mm(约为1/4波长),中频信号的变化具体为:
1)相位变化: Δ ϕ = 4 π Δ d λ = π = 180 ° Δϕ=\frac{4πΔd}{λ}=π=180° Δϕ=λ4πΔd=π=180°
2)频率变化: Δ f = S 2 d c = ( 50 ∗ 1 0 12 ∗ 2 ∗ 1 ∗ 1 0 − 3 ) / ( 3 ∗ 1 0 8 ) = 333 H z Δf=\frac{S2d}{c}=(50*10^{12}*2*1*10^{-3})/(3*10^8 )=333Hz Δf=cS2d=(50101221103)/(3108)=333Hz

注意:虽然频率变化信息很大,但是考虑到时宽T_c仅有40us,因此在观测窗长内(即有限长信号点数中),仅包含了周期信息中很小的一部分 ( Δ f T c = 333 ∗ 40 ∗ 1 0 − 6 = 0.013 (ΔfT_c=333*40*10^{-6}=0.013 ΔfTc=33340106=0.013个周期)。

所以可以得出结论:中频信号的相位相比于频率要对微小位移更加敏感。即:一定距离的物体会产生一个具有一定频率和相位的中频信号,如果物体仅产生微小位移,改变的是中频信号的相位而不是改变的频率。

FMCW测速(微位移)基本原理

基于2.1节关于中频信号相位的描述,在对物体的速度或者是微小位移进行检测时我们可以通过发射两个Chirp信号来进行检测,假设Chirp信号的时间间隔(前后发送的两个Chirp信号的间隔)为 Δ t Δt Δt,那么由于 Δ ϕ = 4 π Δ d λ = 4 π v Δ t λ Δϕ=\frac{4πΔd}{λ}=\frac{4πvΔt}{λ} Δϕ=λ4πΔd=λ4πvΔt
{ Δ d = λ Δ ϕ 4 π v = λ Δ ϕ 4 π Δ t \begin{cases} Δd=\frac{λΔϕ}{4π} & \\ v = \frac {λΔϕ}{4πΔt} &\end{cases} {Δd=4πλΔϕv=4πΔtλΔϕ

下图展示了微小振动(位移量小于波长)的某一震荡运动的物体的时间演化过程,此时如果在该震荡运动的物体前面放置一个雷达,并等时间间隔发送多个Chirp信号,那么我们可以得到一个频率几乎不变,但相位不断变化的信号,而根据相位的时间演化,则可以用来估计振动的振幅和周期性。
在这里插入图片描述
注:离散信号的长度越长(可供FFT的点数越多,分辨率越好)。通常,长度为N的序列可以分离大于2π/N rad/sample的相位差。
频率分辨准则:
连续信号:Δf=1/T cycles/sec;离散信号:Δω=2π/N rad/sample=1/N cycles/sample.

FMCW最大不模糊速度(最大不模糊微小位移)

由前面2节可知,在进行速度(微位移)计算时是通过相位求解获取目标信息。如下图所示,假设相位变化为正,目标前移;假设目标为负,目标后移。因此,为了判断成功判断目标的唯一方向,需要满足|ω|<π。例如,假设位移变化为200°,那么该值是否可能为160°呢?
在这里插入图片描述
{ Δ d = λ Δ ϕ 4 π ⇒ Δ ϕ = 4 π Δ d λ v = λ Δ ϕ 4 π Δ t ⇒ Δ ϕ = 4 π v Δ t λ \begin{cases} Δd=\frac{λΔϕ}{4π}⇒Δϕ=\frac{4πΔd}{λ} \\v=\frac{λΔϕ}{4πΔt}⇒Δϕ=\frac{4πvΔt}{λ}&\end{cases} {Δd=4πλΔϕΔϕ=λ4πΔdv=4πΔtλΔϕΔϕ=λ4πvΔt
因为要满足 ∣ ω ∣ < π |ω|<π ω<π,所以:
{ ∣ Δ ϕ ∣ < π ⇒ ∣ Δ d ∣ < λ / 4 ∣ Δ ϕ ∣ < π ⇒ ∣ v ∣ < λ / 4 Δ t \begin{cases}|Δϕ|<π⇒|Δd|<λ/4 \\ |Δϕ|<π⇒|v|<λ/4Δt&\end{cases} {∣Δϕ<π∣Δd<λ/4∣Δϕ<πv<λ/4Δt
基础参数记录:
77GHz雷达-波长是4mm
此时,针对微位移测量而言,可靠的检测范围仅为1mm,超过1mm将无法判断位移的方向。当然,如果考虑采样频率的话,可以将检测的最大不模糊距离进行提升。

但是当在同一距离处具有两个目标,且目标速度不一致时,仅发射两个Chirp信号观察相位就不可行了。如下图所示,此时相当于峰值处有来自两个对象的相位分量,如法准确判断出两个物体的速度各自是多少对应多少。
在这里插入图片描述
针对同一距离处的多个目标的速度检测,可以采用发送N个等时间间隔的Chirp信号来进行处理,然后通过傅里叶变换即可得到相位信息。
在这里插入图片描述

FMCW速度分辨率

由于长度为N的序列上进行FFT可以将两个频率 ω 1 ω_1 ω1 ω 2 ω_2 ω2分开的原因是 ∣ ω 1 − ω 2 ∣ > 2 π / N |ω_1-ω_2 |>2π/N ω1ω2>2π/N,因此这对于速度(微位移)的分辨率有了一定的限制,具体如下,其中 T f = N ∗ Δ t T_f=N*Δt Tf=NΔt
{ ∣ Δ ϕ ∣ > π 2 N ⇒ ∣ Δ d ∣ > λ 4 N ∣ Δ ϕ ∣ > π 2 N ⇒ ∣ v ∣ > λ 2 N Δ t = λ 2 T f \begin{cases} |Δϕ|> \frac{π}{2N} ⇒ |Δd| > \frac{λ}{4N} \\ |Δϕ| > \frac{π}{2N} ⇒ |v| > \frac{λ}{2NΔt} = \frac{λ}{2T_f }&\end{cases} {∣Δϕ>2Nπ∣Δd>4Nλ∣Δϕ>2Nπv>2NΔtλ=2Tfλ

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: FMCW测速(Moving Target Indication, MTI)是一种通过频率调制连续波(CW)来实现目标测速的技术。它在雷达测速、无人驾驶车辆和航空航天等领域应用广泛。MATLAB是一种强大的科学计算软件,可以提供用于实现FMCW测速算法的工具和函数。 使用MATLAB实现FMCW测速主要包括以下步骤: 首先,我们需要定义并生成FMCW信号。FMCW信号包括一个线性变化的频率扫描信号和一个连续的波形信号。我们可以使用MATLAB中的信号处理工具箱来生成这样的信号。 然后,我们需要实现FMCW信号的发送和接收。根据FMCW原理,我们需要在发送端将FMCW信号发送出去,然后在接收端接收反射回来的信号。这可以通过MATLAB中的信号处理函数来完成。 接下来,我们需要对接收到的信号进行处理。通常,我们会进行频谱分析和目标检测。MATLAB提供了丰富的信号处理函数和算法,可以帮助我们对接收到的信号进行频谱分析和目标检测。 最后,我们可以根据目标的频谱特征进行速度计算。在FMCW测速中,我们通过测量目标的多普勒频移来计算目标的速度。MATLAB提供了多种频谱分析算法,并可以帮助我们进行目标的速度计算。 总的来说,使用MATLAB实现FMCW测速需要定义和生成FMCW信号、进行信号发送和接收、信号处理和目标检测,以及速度计算等步骤。通过MATLAB强大的功能和丰富的算法库,我们可以轻松实现FMCW测速算法,并应用于相关的领域。 ### 回答2: FMCW是一种测速技术,其全称是频率调制连续波 (Frequency Modulated Continuous Wave)。它基于连续波信号的频率调制,利用信号的频率差异来测量目标物体的速度。 MATLAB是一种强大的数学和工程计算软件,能够进行各种信号处理和数据分析。因此,我们可以使用MATLAB来实现FMCW测速算法。 实现FMCW测速算法的基本步骤如下: 首先,我们需要设计一个FMCW信号。这个信号由一个连续波信号和一个线性调制信号组成。我们可以使用MATLAB中的信号处理工具箱来生成这个信号。 接下来,我们需要将FMCW信号发送到目标物体上,并接收回来的信号。这里涉及到雷达系统的硬件设计和信号处理的问题。我们可以使用MATLAB中的雷达信号处理工具箱来完成这个步骤。 然后,我们需要对接收到的信号进行处理,以提取目标物体的速度信息。这一步骤通常涉及到频谱分析和相关运算。在MATLAB中,我们可以使用FFT (Fast Fourier Transform)函数来进行频谱分析,使用相关函数来进行相关运算。 最后,我们可以利用得到的速度信息来进行目标物体的测速。根据FMCW原理,我们可以通过测量信号的频率差异来计算目标物体的速度。 通过以上步骤,我们可以实现FMCW测速算法。MATLAB提供丰富的信号处理和数据分析工具,可以方便地进行相关操作。使用MATLAB完成FMCW测速算法的开发,能够快速准确地获取目标物体的速度信息,具有较高的实用性和可行性。 ### 回答3: FMCW(Frequency-Modulated Continuous Wave)全称为频率调制连续波,在雷达测速中常常用于测量目标物体的速度。而MATLAB则是一种常用的科学计算软件,对于FMCW测速算法的实现和仿真具有很高的便捷性和灵活性。 在MATLAB中实现FMCW测速算法涉及到两个主要的步骤:信号生成和信号处理。 首先是信号生成,MATLAB提供了丰富的函数和工具箱用于生成FMCW信号。可以根据需要选取适当的参数,如中心频率、频率扫描范围、载频信号周期等。生成的FMCW信号可以用于后续的测速过程。 接下来是信号处理,MATLAB提供了很多信号处理函数和工具箱用于对FMCW信号进行分析和处理。在FMCW测速中,一般采用动态调整的频率扫描信号与接收到的回波信号进行混频操作,得到中频信号。然后通过对中频信号进行频谱分析,可以提取出目标物体的相对速度信息。 在MATLAB中,可以使用FFT(快速傅里叶变换)算法对中频信号进行频谱分析,获取目标物体的相对速度信息。同时,也可以在MATLAB中绘制波形图、频谱图等,帮助理解和分析测速结果。 总结来说,MATLAB作为一种强大的科学计算软件,提供了丰富的函数和工具箱,可以方便地实现和仿真FMCW测速算法。通过合理选取参数和使用适当的函数,可以生成FMCW信号并进行信号处理,得到目标物体的速度信息。同时,MATLAB还提供了数据可视化的功能,帮助用户更直观地理解和分析测速结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值