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。
雷达传感器的独特优势
除此之外,雷达传感器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。
FMCW雷达可以测量目标的距离和速度。它的性能与周围环境的光照无关,并且不需要额外的辅助光源提供照明。其较高的工作频率(77GHz)意味着整体解决方案的尺寸更小。
FMCW雷达信号可穿透塑料,这使得传感器可安装在外观立面的后侧,比如汽车保险杠、仪表盘或者电镀覆盖层等,以增强解决方案的美观性。
TI系列的单芯片毫米波(mmWave)传感器引入了FMCW雷达的优势,这种传感器具有小封装、低功耗、最佳增益带宽(4GHz带宽对应4cm分辨率)等优点,并且满足上述应用需求所需的芯片计算和内存资源。
AWR1443有一个射频(RF)前端,支持三个发射(TX)和四个接收(RX)天线[1]。该器件拥有一个工作频率为200MHz的程控式ARM®Cortex®R4F处理器,0.5MB的芯片内存和一个硬件加速器以执行较低级别的雷达信号处理。
AWR1642的RF前端支持两个TX和四个RX天线。该器件配有一个可编程的Arm Cortex-R4F(200MHz);一个C6748数字信号处理器(DSP)内核(600MHz),为实现信号处理算法提供了充分的灵活性和1.5MB的芯片内存[2]。
FMCW概述
图1是 FMCW 雷达的框图,显示了单个典型的TX链路和RX链路(而实际应用中存在多个链路,以支持多个TX和RX天线)。本地振荡器(LO)产生一个线性调频信号(也称chirp)通过TX天线向外发射。
RX天线接收到的雷达前方目标场的反射信号与发射信号发生混叠,从而产生一个中频(IF)信号。然后,模数转换器(ADC)将接收到的中频信号进行数字化,以供后续处理。
对数字化采样点进行快速傅立叶变换(FFT)处理解析出探测目标的距离信息,这样,FFT频带内的峰值频率直接对应于目标场景中不同目标的距离,如图1右侧所示。
图1. FMCW雷达框图
虽然在距离FFT中峰值频率直接对应于目标的距离,但该峰值的相位对目标距离的微小变化极为敏感。例如,目标位置改变四分之一波长(77GHz时约为1毫米)就意味着相位反转了180度。对相位的这种敏感性是雷达估计目标振荡频率的依据,同样也是速度估计的基础。
为了解析出目标场中的速度信息,雷达通常以帧为单位,均匀等时间间隔地发出一串chirps信号(图2)。利用chirps信号的相位差解析测量出目标场中目标的速度。
图2. N个等间隔的单帧chirps信号串
在典型的信号处理链路中,器件对与每个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(如图3中的矩阵A)。处理器接收并处理一帧中所有单个chirp后,开始对chirps串序列(矩阵A中的列)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。2-D FFT可同时分辨出目标的距离和速度;也就是说,2-D FFT的峰值位置对应雷达前方目标的距离和速度(图3中的矩阵B)。
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以创建2-D FFT,如上所述(参见图3)。随后,对多个天线所得的2-D FFT矩阵进行处理,最后得出目标的到达角。
图3. FMCW雷达的距离和多普勒处理
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[3]。例如,随着chirp信号带宽的增加,距离分辨率随之提高;速度分辨率随着每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。关于FMCW雷达工作模式的深入讨论,可参见文献[4]和[5]。
邻近感测
邻近感测传感器扩展了雷达探测障碍物的原始能力,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4所示,邻近感测也可用于泊车辅助。
图4. 邻近感测功能的应用实物图
图5描述了一个典型邻近感测功能的处理链路。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。
基于移动雷达(比如安装在门上),多普勒分辨力也有助于目标物的辨识,尽管它们是静止的,但相对于雷达而言,它们的相对速度是不同的。通过不同天线间2D FFT矩阵的非相干累积生成一个距离-多普勒热点图,然后由检测算法进行处理。
图5. 邻近感测功能典型数据处理链路示意图
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[6]。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。
通过对2D FFT矩阵中相应的子元进行处理,以估计出被检测目标的到达角。为了充分利用现有的TX/RX天线,建议在多输入/多输出(MIMO)模式下运行该系统[7]。角度估计模块在虚拟天线上使用的是2D FFT处理所得的信号,这些虚拟天线是由MIMO模式合成的。
角度估计算法可采用基础的快速傅立叶变换或波束形成算法,更加复杂的算法,如多重信号分类算法(MUSIC),可得到更高的角度分辨率[8]。在邻近感测的实际应用中,天线配置的选择和天线元件的视场(FOV)是重要的考虑因素。
一般来说,在仰角FOV和地杂波抑制之间,以及在仰角估计能力和方位角分辨力之间需要进行折衷考虑。虽然在设计上存在许多选择的可能性,这里仅对其中的两种方法进行详细地分析。一种选择是设计出在方位角和仰角上都具有宽视场(FOV)的天线。
这时,通过合适的天线配置,使其在MIMO模式下工作并合成一个2D虚拟阵列,从而实现仰角和方位角的估计。图6列举了一些设计样例。虽然方位角和仰角的广角FOV都提供了真实的3D感测,但雷达的位置仍需仔细考虑,以尽量减少地杂波。
图6. 2D天线配置图(a和b:TI的AWR1642;c:TI的AWR1443)
另一种选择是设计仰角具有窄FOV的天线,同时在方位角上保持宽的FOV,并设计合理的天线配置(如图7所示)以确保在方位角上获得最大分辨率。
图7. 1D天线配置图
表1列举了一些应用于邻近感测的chirp信号参数配置案例。
指标参数 |
值 |
Chirp带宽 |
4GHz |
Chirp周期 |
100ms |
每帧中chirps个数 |
32(TX1和TX 2的间隔) |
最大速度 |
17kmph |
距离分辨率 |
~4cm |
最大作用距离 |
4m |
速度分辨率 |
1kmph |
内存需求 |
~100KB |
原文始发于微信公众号(雷达通信电子战)