FMCW雷达距离估计

下面的模型显示了一个端到端的FMCW雷达系统。系统设置类似于MATLAB®基于FMCW技术的汽车自适应巡航控制的例子。这个模型和前面提到的例子的唯一区别是这个模型有一个围绕载波频率对称的FMCW波形扫频。

图中显示了模型中的信号流。组成模型金宝app的Simulink模块被分为两个主要部分雷达段和渠道和目标部分。左侧的阴影块表示雷达系统。在本节中，生成和传输FMCW信号。本节还包含捕获雷达回波的接收器，并执行一系列操作，例如DecHirping和Puls集成，以估算目标范围。右侧的阴影块模型信号通过空间和从汽车的反射传播。系统的输出，估计范围为米，显示在左侧的显示块中。

雷达

该雷达系统由一个共同定位的发射机和接收机安装在沿着笔直公路的车辆的移动。它包含以提取从返回的目标回波的信息所需要的信号处理组件。

在这内雷达时，目标回波经过几个信号处理步骤，才能估计出目标距离。信号处理子系统由两个高级处理阶段组成。

在第2阶段，每个检测与估计链块由3个处理步骤组成。

渠道和目标

的渠道和目标模型的一部分模拟离目标车辆的信号传播和反射。

在Car分系统中，目标车辆被建模为具有指定雷达截面的点目标。雷达截面用来测量从目标反射的功率。

在这个模型的场景中，雷达车辆从原点出发，以100公里/小时(27.8米/秒)的速度行驶，而目标车辆从雷达车辆前方43米出发，以96公里/小时(26.7米/秒)的速度行驶。利用雷达和目标车辆的位置和速度在传播信道中计算时延、多普勒和信号损失。

探索模型

模型的几个对话框参数由helper函数计算helperslexFMCWParam．要从模型中打开函数，请单击修改仿真参数块。加载模型时执行此功能。它导出到工作区的一个结构，该结构是由对话框引用的字段。要修改任何参数，请在命令提示符下更改结构中的值或编辑辅助功能并重新运行它以更新参数结构。

并显示结果

FMCW信号的谱图如下所示，该信号大约每7微秒线性扫频150 MHz。该波形的分辨率约为1米。

DecHird信号的频谱如下所示。该图表示目标引入的节拍频率约为100 kHz。注意，在DecHirp之后，信号仅具有单个频率分量。从上面的整体模型中显示的从该节拍频率计算的结果范围估计在1米范围内。

然而，这一结果是在自由空间传播信道中获得的。在现实中，车辆之间的传播往往涉及发射机和接收机之间的多条路径。因此，来自不同路径的信号可能会对接收器产生建设性或破坏性的影响。下面的部分将传播设置为双射线通道，这是最简单的多路径通道。

运行模拟并观察DecHirped信号的频谱。

注意，不再存在主导拍频，因为在此范围内，来自直接路径和反射路径的信号破坏性地相结合，从而互相消除。这也可以从估计范围内看到，这不再与地面真理相匹配。

多目标FMCW雷达距离和速度估计

下面的示例模型显示了类似的端到端FMCW雷达系统，用于模拟2个目标。该示例估计检测到的目标的范围和速度。

该模型与前面的示例本质上相同，但有4个主要区别。这个模型:

雷达

该模型使用范围多普勒联合处理在信号处理子系统。在距离多普勒域联合处理能够在多个扫描估计多普勒，然后使用该信息来解决距离多普勒耦合，从而获得更好的估计范围。

信号处理子系统被示于下面的细节。

组成信号处理子系统的各个阶段与前面的示例类似。每个阶段执行以下操作。

正如在例子的开始所提到的，FMCW雷达使用一个频移来推导目标的距离。然而，由于多普勒效应，目标的运动也会引起频移。因此拍频具有距离和速度信息的耦合。处理距离和多普勒同时让我们消除了这种模糊。只要扫频速度足够快，目标在几次扫频后保持在同一距离门，就可以计算多次扫频后的多普勒，然后用多普勒来校正初始距离估计。

渠道和目标

现在场景中有两辆目标车辆，分别标记为Car和Truck，每辆车都有一个相关的传播通道。该车在雷达车前方50米处启动，以60公里/小时(16.7米/秒)的速度行驶。卡车在雷达车辆前方150米处启动，以130公里/小时(36.1米/秒)的速度行驶。

探索模型

模型的几个对话框参数由helper函数计算helperslexFMCWMultiTargetsParam．要从模型中打开函数，请单击修改仿真参数块。加载模型时执行此功能。它导出到工作区的一个结构，该结构是由对话框引用的字段。要修改任何参数，请在命令提示符下更改结构中的值或编辑辅助功能并重新运行它以更新参数结构。

并显示结果

下面示出的FMCW信号是相同的如前面的模型。

这两个目标可以在下面的距离-多普勒图中显示出来。

地图正确地显示两个目标：一个是在50米，在一个150米。因为雷达只能测量的相对速度，这两个车辆的预期速度值是11.1米/ s和-8.3米/秒，分别，其中负号表示卡车移动从雷达车辆的路程。确切的速度估计可能难以从距离多普勒图来推断，但是所估计的范围和速度以在左侧的模型显示块以数字形式显示。可以看出，速度估计与期望值相符很好。

多目标MFSK雷达距离和速度估计

为了能够使用上述方法进行联合范围和速度估计，扫描需要相当快，以确保车辆在扫描期间近似静止。这通常会转化为更高的硬件成本。MFSK是一种专为汽车雷达设计的新型波形，它可以同时实现距离和速度估计，同时扫描距离更长。

下面的例子展示了如何使用MFSK波形来执行距离和速度估计。场景设置与之前的模型相同。

此模型和先前之间的主要差异是在波形块和信号处理子系统。的MFSK波形基本上由两个FMCW扫描具有固定频率偏移的。在这种情况下，扫发生在不连续的步骤。从MFSK波形块的参数，扫描时间可被计算为的步骤时的产品和的每次扫描的步数。在此实例中，扫描时间是略超过2毫秒，这是比7微秒在先前模型中使用的FMCW大几个数量级。有关MFSK波形的详细信息，请参阅使用MFSK波形同时进行距离和速度估计的例子。

信号处理子系统描述了如何处理MFSK波形的信号。信号首先在每一步的末尾被采样，然后通过FFT转换到频域。一维CA CFAR探测器用来识别光谱中与目标相对应的峰值。然后利用每个峰值位置的频率和两次扫描之间的相位差来估计目标车辆的距离和速度。

探索模型

模型的几个对话框参数由helper函数计算helperslexMFSKMultiTargetsParam．要从模型中打开函数，请单击修改仿真参数块。加载模型时执行此功能。它导出到工作区的一个结构，该结构是由对话框引用的字段。要修改任何参数，请在命令提示符下更改结构中的值或编辑辅助功能并重新运行它以更新参数结构。

并显示结果

估计的结果显示在模型中，从匹配以前的模型获得的结果。

FMCW雷达距离，速度和多目标的角度估计

我们可以通过使用一组天线来提高雷达的角度分辨率。这个例子展示了如何解决三个目标车辆在单独的车道行驶，前面的车辆携带一个天线阵列。

在这种情况下，雷达是在高速公路的中心车道在100公里/小时（27.8米/ s）的行进。第一目标车辆在85公里/小时（23.6米/ s）的前方行驶20米在同一车道的雷达。第二目标车辆在125公里/小时（34.7米/ S）在右车道上行驶，并提前40米。第三目标车辆在110公里/小时（30.6米/ S）在左车道中行驶，并提前80米。雷达车辆的天线阵列是4元件统一线性阵列（ULA）。

场景坐标系统的原点在雷达载具上。目标车辆相对于雷达的地面真实距离、速度和角度为

范围(m)速度(米/秒)角(度 ) --------------------------------------------------------------- 汽车1 20 4.2 0 2 3 80.03 -2.8 1.4 40.05 -6.9 -2.9车

除了距离和多普勒处理外，信号处理子系统现在还包括到达方向估计。

处理非常类似于之前讨论的FMCW多目标模型。然而，在这个模型中，有5个阶段，而不是4。

探索模型

模型的几个对话框参数由helper函数计算helperslexFMCWMultiTargetsDOAParam．要从模型中打开函数，请单击修改仿真参数块。加载模型时执行此功能。它导出到工作区的一个结构，该结构是由对话框引用的字段。要修改任何参数，请在命令提示符下更改结构中的值或编辑辅助功能并重新运行它以更新参数结构。

并显示结果

估计结果显示在模型中，与预测值吻合较好。

总结

第一模型示出了如何使用FMCW雷达来估计目标车辆的范围内。从回波中得到的信息，如到目标车辆的距离，是必要的输入，以一个完整的汽车ACC系统。

通过算例，讨论了如何进行距离-多普勒联合处理，得到目标车辆的距离和速度信息。然而，值得注意的是，当扫描时间较长时，系统估计速度的能力会下降，联合处理可能无法再为距离-多普勒耦合提供精确补偿。关于这个话题的更多讨论可以在MATLAB中找到基于FMCW技术的汽车自适应巡航控制的例子。

以下模型显示了如何使用MFSK波形执行相同的范围和速度估计。该波形可以通过更长的扫描来实现接头范围和速度估计，从而降低硬件要求。

最后一个模型是一个FMCW雷达，具有一个天线阵列，执行距离，速度和角度估计。