深圳建设项目信息网,seo公司官网,vs 2015 网站开发,建设工程信息平台官网本文通过对车载毫米波雷达信号流程和链路的仿真#xff0c;建立基本的算法框架#xff0c;可用于算法性能的验证。并提供基础MATLAB仿真代码#xff0c;作为分享和参考。
一、信号的产生 车载毫米波雷达广泛使用线性调频连续波雷达#xff0c;也即发射信号频率随时间线性变… 本文通过对车载毫米波雷达信号流程和链路的仿真建立基本的算法框架可用于算法性能的验证。并提供基础MATLAB仿真代码作为分享和参考。
一、信号的产生 车载毫米波雷达广泛使用线性调频连续波雷达也即发射信号频率随时间线性变化 (1) 其中fc为载波频率k是调频斜率。 发射信号可以表示为 (2) 其中A为信号幅度。 接收信号经过延迟后得到 (3) 其中α为信号衰减系数τ为信号延迟。 将(3)式展开可得 (4) 再和发射机本振进行混频滤波后得到拍频信号 5 这里Ar为混频滤波后的信号幅度最后得到的拍频信号进行后续的处理5中的t即为快时间维度。 发射N个chirp则能得到N个rb(t)再将它们组合即形成了原始数据。然后再对原始数据做快速傅里叶变换取峰值即可得到目标的距离和速度。原理推导可参考《Modern Radar for Automotive Applications》中第2.4节整体处理如下图所示。 二、接收信号的处理 由于每个chirp之间有一点时间差定义为Tp则不同chirp对目标的探测距离需要一定补偿也即 (6) 其中R0是目标的实际距离R是第n个chirp检测到的距离v是目标速度t是第n个chirp的时延且t (n-1)*Tp。 若存在m个目标则可以将目标的参数写成矩阵形式叠加到回波中。
1.距离分布和距离维FFT 对目标进行一维FFT选择第一列数据绘制距离分布图峰值即代表了真实目标。 每一列的数据做FFT可以得到类似的结果如下图所示三维图和俯视图。 2.二维FFT和RD图 然后在一维FFT的基础上做二维FFT得到下面的三维图和俯视图。 3.恒虚警检测 再沿着距离和速度维分别使用CA-CFAR超过门限的置为1未超过门限的置为0则可以得到二维FFT的检测结果下图分别为三维图和俯视图。 4.检测结果对比 可以清晰的看到CFAR检测后的结果最后将结果与真实值进行对比如下图所示。 三、TDM-MIMO工作体制 MIMO是提高孔径的常用方法而MIMO体制要求通道之间是正交的分时复用是最典型的波形正交方法以当前角雷达2发4收为例可通过TDM-MIMO工作体制虚拟出8个通道。 以均匀阵为例上图为实际天线通道TX0发射信号被RX0~RX4接收相位差为0~3wTX1发射信号也被RX0~RX1接收由于TX1和TX0间距4d2λ相位差为4w~7w。由此2发4收的实际天线虚拟成1发8收的天线如下图所示。 由于目标回波到不同接收天线的相位略有差异因此这里需要对接收信号的模型进行修改增加相位信息φ(n)。对于每个TX和RX相位信息φ(n)均不同和实际天线位置有关按照上述排列方式相位信息可以表示为 (7) TDM可以采用慢时间分时发射也可以采用前后chirp组分时发射这里选择慢时间分时发射示意图如下所示。两根发射天线分时发射TX0发射时TX1不工作目标回波被RX0~RX3接收存储为Matrix1~Matrix4然后TX1发射时TX0不工作目标回波同样被RX0~RX3接收存储为Matrix5~Matrix8。 Matrix1~Matrix8是原始ADC数据每个矩阵即是MIMO虚拟后的通道数据经过类似上述的二维FFT后得到RD频谱图。 与上述单天线形式不同的是这里多个通道的RD图可以进行非相干积累改善目标信号质量提升目标信噪比。 从积累后的RD图中检测出目标再索引目标在Matrix1~Matrix8的数值组成一维向量即是目标的角度信息然后通过DBF或DML等测角方法估计其角度。 第一根天线和第二根天线之间存在相位偏差Δφ如下图所示。速度为Vr的运动目标产生多普勒频移Δf和多普勒相位偏差Δφ可以用公式表示 (8) (9) 四、TDM-MIMO仿真
1.多通道二维FFT 类似单通道的信号处理这里MIMO虚拟出的8个通道做二维FFT可以得到RD图如下图所示每个虚拟的通道都检测出了目标。 单独看第8通道除了由于时宽展宽导致的最大不模糊速度减小外其二维FFT的结果和单发单收模式下几乎一样。 2.多通道非相干积累 由于所有虚拟通道检测的目标在RD图的同一位置可以通过非相干积累提高信噪比对比单通道的结果积累后二维FFT频谱图目标的峰值更高。 3.恒虚警检测和RD检测结果 类似地对积累后的二维FFT频谱图进行CFAR检测得到检测结果如下。 4.角度估计 根据检测的距离和速度索引提取每个通道的数据使用DBF进行角度估计并和目标实际角度对比可以看到目标速度越快目标角度偏差越大。 5.多普勒补偿和角度估计 由于存在相位偏差角度估计有偏差经过多普勒补偿后可以缩小角度估计误差。 五、BPM-MIMO工作体制 BPM不同于TDM的分时发射它的多个天线同时发射波形但对每个发射天线使用二进制相位相位0°和180°编码然后再接收端进行解调分离发射示意图如下。 S1是TX1发射信号的chirp相位为0因此 (10) S2是TX2发射信号的chirp第n个chirp的相位为(n-1)π因此 11 接收天线收到的第1个和第2个chirp为Sa和Sb则有 因此有 以此类推则可以解调所有通道的chirp。
六、BPM-MIMO仿真
1.一维FFT和二维FFT 在BMP解调前对接收通道数据做一维和二维FFT可以看到距离维的峰值对应于真实的目标而多普勒维最大不模糊速度为TDM模式下的2倍主要是chirp周期只有TDM模式的一半但解调后最大不模糊速度相同。 2.多通道二维FFT 解调后各通道的二维FFT结果和TDM模式相同如下图。 第8通道的数据也和TDM模型下类似。 后续的检测估计算法和TDM模式相同下面给出仿真结果。
3.多通道非相干积累 4.恒虚警检测和RD检测结果 5.角度估计 BPM发射波形不存在时延因此不需要像TDM做补偿直接做角度估计即可。 七、TDM和BPM增益分析 TDM分时发射假设和BPM使用相同的chirp则如下图所示则TX0在4个chirp周期发送了2个chirpTX1也是如此。 因此对于TDM而言两个发射天线在4个chirp周期总共发射了4个chirp。 而BPM同时两个天线发射不同相位编码的chirp在2个chirp周期内发送了4个chirp如下图所示。 也就是说对于BPM两个发射天线在2个chirp周期可以发送4个chirp仅为TDM发射时间的一半效率提升一倍。如果BPM和TDM发射相同的时间则根据上述的FFT积累增益可知BPM有约10*log10(2) 3dB的增益。同理DDM也有同样的增益。 仿真信号单个发射天线的信号为384个采样点512个chirp2发4收形式BPM耗时为TDM一半但信号处理后二维FFT的峰值相同。以下仿真说明了这一点。
1. TDM积累后增益仿真 对接收信号做二维FFT和多通道积累可以看到峰值为123.9dB噪声功率为70.0dB信噪比为53.9dB。 2. BPM积累后增益仿真 BPM同样做二维FFT和多通道积累其目标峰值为117.9dB噪声功率为64.0dB信噪比为53.9dB。 参考资料
《基于 AWR1642 汽车雷达的速度扩展算法研究》
《Modern Radar for Automotive Applications》
MIMO雷达TI文档-CSDN博客
加特兰毫米波雷达技术文档
FMCW雷达信号处理基本流程_matlab绘制雷达常规脉冲信号波形资源-CSDN文库
