详细分析：FMCW雷达测距/测速原理，及典型应用场景 留言
雷达按照发射信号的种类可分成脉冲雷达和连续波雷达，常规脉冲雷达发射周期性的调制脉冲信号，而连续波雷达发射的是连续波信号。通常，脉冲雷达具有较高的峰值功率和较小的占空比，而连续波雷达则具有100%的占空比和较低的功率。
FMCW雷达基础
连续波雷达的发射信号可以是单频连续波(CW)或者调频连续波(FMCW)，调频方式也有多种，常见的有三角波、锯齿波、编码调制或者噪声调频等。单频连续波雷达仅可用于测速，无法测距，而FMCW雷达既可测距又可测速，在近距离测量上的优势日益明显。
FMCW雷达在扫频周期内发射频率变化的连续波，被物体反射后的回波与发射信号有一定的频率差，通过测量频率差可以获得目标与雷达之间的距离信息，该差频信号频率较低，一般为KHz，因此硬件处理相对简单、适合数据采集并进行数字信号处理。简单的结构框图如下：
高频信号由压控振荡器产生，通过功率分配器将一部分经过额外放大后馈送至发射天线，另一部分耦合至混频器，与接收的回波混频后低通滤波，得到基带差频信号，经过模数转换后送至信号处理器处理。
FMCW雷达的测距/测速原理
下面以三角波调频连续波为例来简单介绍雷达的测距和测速原理。如下图，红色为发射信号频率，绿色为接收信号频率，扫频周期为T，扫频带宽为B，发射信号经过目标发射，回波信号会有延时，在三角形的频率变化中，可以在上升沿和下降沿两者上进行距离测量。
如果没有多普勒频率，上升沿期间的频率差值等于下降沿期间的测量值。对于运动目标，则上升/下降沿期间的频率差不同，我们可以通过这二个频率差来计算距离和速度。
差频信号经低通滤波和放大后送数字信号处理器，完成对差频信号的FFT、检测，对目标数据进行处理后送显控终端显示。三角波调频连续波雷达正是通过采用正负调频斜率来消除距离与速度的耦合，进而进行目标速度的估计。
但是，往往为了获得目标的速度信息，雷达通常以帧为单位，均匀等时间间隔地发出一串chirps信号。然后利用信号相位差来测量出目标场中目标的速度。对与每个chirp对应的数字化采样点执行距离FFT，输出结果以连续行的形式存储在矩阵中。处理器接收并处理一帧中所有单个chirp后，开始对chirps串序列进行FFT(多普勒FFT)。
距离FFT(逐行)和多普勒FFT(逐列)的联合操作可视作每帧对应数字化采样点的二维FFT。二维FFT可同时分辨出目标的距离和速度。也就是说，二维FFT的峰值位置对应雷达前方目标的距离和速度。
对目标角度信息的解析需要多个RX天线。因此，处理器首先处理每个天线接收到的信号进行二维FFT。随后，对多个天线所得的二维FFT矩阵进行联合处理，最后得出目标的到达角。
通过以上处理，雷达可以解析出目标的距离、速度和角度等多维信息。雷达的性能指标取决于发射信号的选择。例如，随着chirp信号带宽的增加，距离分辨率随之提高；速度分辨率随着帧持续时间的增加而提高。
同样地，最大可测速度与相邻chirp信号之间的空间间隔成反比；TX/RX天线的数量对角度分辨率有着决定性的作用。FMCW雷达的有效噪声带宽与其调频时间成反比，调频时间越长，有效噪声带宽越低，分辨率越高。
连续波调频(FMCW)雷达已广泛应用于汽车领域，包括从安全到舒适性能的各个方面，例如盲点检测、换道辅助、自动巡航控制和停车辅助等。无论天气和周围的光照条件如何，雷达都能够可靠、准确地探测和定位障碍物。
FMCW雷达的优势
FMCW雷达收发同时，理论上不存在脉冲雷达所存在的测距盲区，并且发射信号的平均功率等于峰值功率，因此只需要小功率的器件，从而降低了被截获和干扰的概率；其缺点是测距量程较短，距离多普勒耦合以及收发隔离难等缺点。
FMCW雷达测量目标的距离和速度的性能与周围环境的光照情况无关，并不需要额外的辅助光源提供照明。其较高的工作频率意味着整体解决方案的尺寸更小。FMCW雷达具有容易实现、结构相对简单、尺寸小、重量轻以及成本低等优点，在民用/军事领域均得到了广泛的应用。
和脉冲雷达系统相比，调频连续波雷达的一大优势是发射功率低，尺寸小，成本低廉，雷达在发射机和接收机均工作时可实现零盲区，且可直接测量多普勒频移和静态目标概率，这点非常符合车载雷达和工业雷达的性能需求。
除通用指标外，该类雷达核心性能指标还包括分辨率、模糊度以及距离和径向速度的精度。分辨率由信号带宽和相干处理间隔决定，参数估计的精确程度由雷达回波信号的信噪比高低决定。
FMCW雷达的应用场景
现代汽车随着其发展包含了越来越复杂的电子设备，汽车制造商正将高级驾驶辅助系统(ADAS)配置在其新开发的型号上，通过增加汽车的安全性以获得更高的安全率。
大多数交通事故的发生是由于驾驶人员的错误，ADAS通过提出各种各样的问题，包括碰撞避让、胎压过低，来警醒和辅助驾驶人员，被证明可减小伤亡。
ADAS使用的雷达技术主要聚焦在频率76-81GHz。这些雷达需要面对各种各样的应用、工作条件和目标检测的挑战，以提供特定驾驶人员辅助功能所需要的可靠覆盖范围(距离)和视场(角度)。
高级驾驶辅助系统(ADAS)
目前，制造商主要基于视觉传感器技术和工作于24GHz与/或77GHz的雷达系统来实现驾驶辅助。视觉系统检测道路标识，处理其他的可视化道路信息，但是容易受到降水特别是雾与雪导致的性能下降的影响，也容易受距离的影响。
远距离雷达(LRR)支持多种功能，能轻松处理30到200米的距离，近距离雷达(SRR)能检测低于30米的距离。目前混合结构中广泛使用的用于SRR检测的24GHz频段，到2022年在新的汽车上要逐渐淘汰。同时，支持LRR的77GHz频段(76-81GHz)预期将为未来的汽车同时提供近距离和远距离检测。
77GHz频段的技术优点包括：天线较小(只有目前24GHz的三分之一)、允许的发射功率较高，更重要的是可以得到较宽的带宽，从而获得较高的目标分辨率。雷达调制技术、天线波束控制、系统结构以及半导体技术的进步，促使人们在未来ADAS汽车中快速选择毫米波雷达。
对于自适应巡航控制(ACC)，为了处理高速公路上的多目标场景，目标测距和速度测量要同时进行，要求既有高分辨率又有准确性。目前的ACC系统使用相对熟悉的波形，具有较长测量时间(5-100ms)。与之相比，未来针对安全应用的开发，如避免碰撞(CA)或自动驾驶(AD)，要求具有更高的可靠性(极低的虚警率)和极快的反应时间。
对汽车雷达系统的重要要求包括：ACC的最大探测范围近似为200m，测距精度大约1m，速度分辨率2.5km/h。为满足这些系统要求，已实现了各种波形调制技术和结构，包括连续波(CW)发射信号或经典的具有超窄脉宽的脉冲波形。
对于固定的高分辨率测距系统而言，与脉冲波形相比CW雷达系统的主要优点是测量时间相对较低和计算复杂。文献中常见的两类CW波形包括线性频率调制(LFMCW)和移频键控(FSK)，移频键控技术至少使用两种不同的离散频率。
对于ACC应用，同时进行测距和相对速度的测量极其重要。LFMCW和FSK可满足这些要求。LFMCW需要多个测量周期和数学计算以解决模糊性，而FSK测距精度则差了点。结果，一种将LFMCW和FSK结合在一起称为多频移键控(MFSK)的单波形信号令人们极其感兴趣。
FMCW雷达的独特优势也可以满足其他一些应用的需求(即使是在汽车内部)，这包括：邻近感测；驾驶员生命体征监控；手势识别；占位检测。
邻近感测
邻近感测传感器扩展了雷达探测障碍物的能力，比如开车门或后备箱时的防撞功能。这一应用功能利用了雷达的高距离分辨率及其近距离探测障碍物的能力(障碍物包括电线杆、停车障碍物、墙壁、邻近停放的车辆等)。如图所示，邻近感测也可用于泊车辅助。
下图描述了一个典型邻近感测功能的处理流程。处理器通过执行2D FFT处理帧间的模数转换(ADC)数据，该过程可解析出目标的距离和多普勒信息，并区分出附近的运动物体和静止的障碍物。
基于雷达的移动，多普勒分辨也有助于对静止目标物的辨识，因为相对于雷达而言，它们的相对速度是不同的。通过不同天线间二维 FFT矩阵的非相干累积生成一个距离-多普勒图，然后由检测算法进行处理。
检测算法可用一种基本的恒定虚警率-单元平均(CFAR-CA)检测器。诸如CFAR有序统计(CFAR-OS)等更复杂的变形也有助于改善存在地杂波情况下的检测。
驾驶员生命体征监测
FMCW雷达技术的一项重要应用是提高道路安全性，它可通过精确监测驾驶员的心率和呼吸频率来持续监测驾驶员的生命体征。这种小尺寸传感器简单易用，比如它可以嵌入到驾驶员座椅的靠背中。
FMCW雷达接收信号的相位对目标位置的微小变化极为敏感(如前所提及的相位灵敏度，目标每移动1mm，经过距离FFT处理数据的相位就会变化180度)。利用这一特性可估计出目标的振动频率(比如由呼吸和心跳引起的振动)。
该器件发出一串chirps信号，随之利用距离FFT中的峰值识别来自驾驶员胸部的强烈反射。通过算法跟踪这个峰值的相位，并对该相位序列进行频谱分析，以提取驾驶员的心脏和呼吸频率。
注意，由呼吸引起的胸部运动可达到12mm量级，这是雷达工作波长(77GHz时约为4mm)的好几倍。因此，为了更准确地测量出结果，需要对相位进行合适的解卷绕处理。
随后，器件中的算法对相位序列进行带通滤波处理，提取出目标频谱(呼吸频率为0.1-0.5Hz，心跳频率为0.8-2Hz)。然后，对输出结果进行频谱分析，测量出心率和呼吸率。
为了提高鲁棒性，可选择性地使用运动检测模块来检测驾驶员的内部运动，并对其进行适当地动态补偿，或者放弃读取。
手势识别
使用FMCW雷达可实现较高的距离和速度(或多普勒)分辨率，使其非常适合于基于手势的非接触式界面。应用于汽车的案例包括基于手势打开车门/后备箱和基于手势控制信息娱乐系统(例如通过挥手切换屏幕，或者通过捻转手指控制音量)。
特征处理方法有很多种。一种方法是将特定的时间窗内提取的特征发送给机器学习算法，例如人工神经网络、决策树或支持向量机等，然后再进行分类。另一种方法是利用手工编写的逻辑来识别提取的特征中的各种手势。混合解决方案也是一种可能的方法。
特征处理的输出是检测到手势的类型。此外，特征处理还可以输出与手势有关的其他指标(例如手势速度)，利用这些指标可改善用户体验。
占位检测
被锁在车内的儿童和动物可能会很快死于高温。安装在驾驶室中的FMCW雷达可以在无人照看的车辆中检测到它们的存在，从而能够及时采取措施。该应用主要取决于雷达是否具备精细的速度分辨率。雷达必须能够将即使最轻微运动(例如熟睡中的孩子)的目标与车内静止的杂物区分开。
所有天线的距离FFT被传递到角谱估计模块，该模块对每个距离单元的角谱进行估计。目标的微小运动有助于距离FFT峰值相位(多个chirps信号序列计算所得)的去相关运算，这反过来有助于提高角度分辨率。
如果距离FFT解析出了信号的距离，而角谱估计解析出了角度，后续处理可以基于检测算法(例如CFAR)，或者更复杂的特征提取和分析技术检测出该图中的目标。后处理的输出可以是一个标识，指示目标对象的存在或不存在。另外，后处理模块还可以输出目标的空间位置。
在航空航天和国防应用中，雷达大多使用脉冲、脉冲压缩信号，甚至频率捷变来进行远程侦察，而如提供高精度定位的工业雷达传感器、飞机高度计和车载雷达传感器等均使用连续波雷达信号。
车载雷达市场中，往往要求成本低，性能突出，可靠稳定，在成本的限制下，雷达必须进行高效的研发和生产，雷达传感器的测试与测量必须实时可靠，产品必须物美价廉、前景明朗。
线性调频连续波雷达信号应用于多种雷达系统中。尽管调频连续波技术已推广使用多年，但其在车载雷达领域的应用最为广泛。
原文始发于微信公众号（雷达通信电子战）：射频易商城
