FMCW雷达技术的多种应用场景 留言

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。器件中的算法通过chirps信号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。

图8. 驾驶员生命体征监测功能应用的典型信号处理链路示意图

图8是典型信号处理简化示意图。首先，器件对与每个已发送chirp信号相对应的ADC数据进行距离FFT；识别出相关峰值后，记录下该峰值在chirps信号中的相位。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。在这个特殊的功能应用中，没有帧的概念。相反地，chirps信号以连续流的形式发送，并在动态窗口上进行处理。

表2 应用于驾驶员生命体征监测功能的典型chirp信号配置参数

表2列出了该功能应用的典型chirp参数配置。为获得最佳性能，可选择使用chirps信号以使距离分辨率最大化。这有助于区分胸腔的反射信号和附近的其他杂波信号。使用多个RX天线进行角度测量可进一步将驾驶员与周围的杂波区分开，甚至可以同时测量多人的生命体征。

由于心跳和呼吸都是低频的，所以chirps信号在空间上可以有较大的间隔。每秒20个chirps的速率足以确保采样间隔之间没有相位翻转。每秒以较高的速率发射chirps信号有益于测量心率的瞬时性(心跳间隔的瞬时变化)，研究表明这与疲倦有关。

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)。

图9. 手势识别在打开车门/后备箱中的应用实物图

图10介绍了一种实现手势识别应用的信号处理链路。首先，器件对每帧中通过发射chirps信号收集的ADC数据实施2D FFT。这样可以解析出场景中的距离和多普勒信息。然后，计算出每个RX天线(或者每个虚拟天线，此时雷达工作在MIMO模式)对应的2D FFT。利用天线间2D FFT的非相干累积形成一幅距离-多普勒热点图。

下一步，从距离-多普勒热点图中提取多个有用特征。将某个特征(例如平均多普勒或者平均距离)看作是从距离-多普勒热点图中提取的单个数字，其值反映了特定参数的加权平均值。特征提取通常发生在距离-多普勒热图中预计会出现手势的区域(例如距离在半米以内，多普勒为±2m/s)。这一区域既可以预先固定，也可以动态地进行调整。

雷达的单帧为每个特征产生对应的单个值。帧序列为每个特征生成对应的时间序列。接着，挖掘出对应于多个提取特征的时间序列，进而识别分类出各种手势。图10特征处理模块中这一处理过程进行了描述。

图10.一种典型的手势识别应用程序的处理链路示意图

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。

较高的距离和速度分辨率是准确进行手势识别的关键，因此需要选择一个较大带宽的chirp信号。为了提高速度分辨率，需要较大帧时。由于最大速度要求不高，可以增加chirps信号之间的空间间隔，这有助于将chirps数量保持在最小值，同时仍能确保较大的帧时。表3列举了一个chirp信号参数配置的样例。

表3 应用于手势识别的典型chirp信号指标参数

单芯片雷达的AWR系列可用于实现经济高效的手势识别解决方案。对于单手势应用，例如打开车门或后备箱的手势，AWR1443可能是一个合适的选择。对于需要在更宽泛的手势集上进行分类的应用，例如信息娱乐界面，带有内置C674x DSP的AWR 1642将是一个很好的选择。

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。

一种典型的处理链路如图11所示。这种类型的帧由一系列在MIMO模式下等间距的chirps信号组成的，同时在TX1(蓝色)和TX2(红色)之间交替。每对chirps信号之间的较大间隙有助于延长帧时，同时提高速度分辨率。

首先，该器件计算出每帧中所有chirps的距离FFT。将距离FFT的输出发送到杂波滤除模块，该模块剔除产生平稳杂波的噪声信号，以便后续模块对目标信号(即对应于慢/间歇性移动目标的信号)进行处理。后续模块估计出每个距离库(chirps信号序列所构成距离库的平均值)中的DC分量，并从相应的距离库(帧中所有距离FFT)中将其剔除。

图11.一种典型的占位检测应用程序的处理链路示意图

所有天线的距离FFT被传递到角谱估计模块，该模块对每个距离库的角谱进行估计。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，则空间热点图可在2D x-y坐标系上，或者在距离-方位坐标系上画出信号的强度分布。随后，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热点图中的目标。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对象的空间位置。

表4应用于占位检测的典型chirp信号参数配置

高度集成的AWR系列雷达器件可用于开发极小封装的“芯片级雷达”，以增强超出ADAS之外的汽车体验，包括邻近感测、驾驶员生命体征监测、手势识别和占位检测。

原文始发于微信公众号（雷达通信电子战）