FMCW雷达距离估计

以下模型显示了端到端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示例。该模型与上述示例之间的唯一区别在于，该模型具有围绕载波频率对称的FMCW波形扫描。

该图显示了模型中的信号流。构成模型的Simulink块分为两个主要部分，即金宝app雷达第节和渠道和目标部分。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

雷达系统由安装在沿直线道路行驶的车辆上的同一位置发射器和接收器组成。它包含从返回的目标回波中提取信息所需的信号处理组件。

在雷达时，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

的渠道和目标部分模型模拟了信号在目标车辆上的传播和反射。

在Car子系统中，目标车辆被建模为具有指定雷达横截面的点目标。雷达横截面用于测量目标可反射的功率。

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

模型的多个对话框参数由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。

结果和显示

下面FMCW信号的频谱图显示，该信号大约每7微秒线性扫描150 MHz的范围。该波形提供了大约1米的分辨率。

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

该模型在信号处理子系统中采用距离-多普勒联合处理。距离-多普勒域中的联合处理使得能够跨多个扫描估计多普勒，然后使用该信息来解析距离-多普勒耦合，从而产生更好的距离估计。

信号处理子系统如下所示。

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

模型的多个对话框参数由helper函数计算HelpersLexFMCW多目标SPARAM．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。

结果和显示

下面显示的FMCW信号与前一型号相同。

这两个目标可以在下面的距离-多普勒图中显示出来。

地图正确显示了两个目标：一个在50米处，一个在150米处。由于雷达只能测量相对速度，这两辆车的预期速度值分别为11.1 m/s和-8.3 m/s，其中负号表示卡车正在远离雷达车。精确的速度估计可能难以从距离多普勒图中推断，但估计的距离和速度以数字形式显示在左侧模型的显示块中。可以看出，速度估计值与预期值非常匹配。

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距离和速度估计，扫描需要相当快，以确保车辆在扫描过程中大致静止。这通常会导致更高的硬件成本。MFSK是专为汽车雷达设计的一种新波形，因此它可以同时进行距离和速度估计用较长的扫掠时间进行扫描。

下面的示例显示了如何使用MFSK波形来执行范围和速度估计。场景设置与以前的模型相同。

此模型与以前的模型的主要区别在于波形块和信号处理子系统。MFSK波形基本上由两个固定频率偏移的FMCW扫描组成。在这种情况下，扫描以离散的步骤进行。根据MFSK波形块的参数，可以将扫描时间计算为步长时间和每次扫描的步长数的乘积。在本例中，扫描时间略大于2 ms，比先前模型中使用的FMCW的7微秒大几个数量级。有关MFSK波形的更多信息，请参阅利用MFSK波形同时估计距离和速度实例

信号处理子系统描述如何处理MFSK波形的信号。信号首先在每个步骤结束时采样，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

模型的多个对话框参数由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。

结果和显示

模型中显示了估计结果，与从先前模型中获得的结果相匹配。

多目标FMCW雷达距离、速度和角度估计

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，雷达以100 km/h（27.8 m/s）的速度在高速公路的中心车道上行驶。第一辆目标车以85公里/小时（23.6米/秒）的速度在与雷达相同的车道上向前行驶20米。第二辆目标车辆在右车道上以125 km/h（34.7 m/s）的速度行驶，并且在前方40米处。第三辆目标车辆在左车道以110 km/h（30.6 m/s）的速度行驶，并且在前面80米处。雷达车的天线阵为4单元均匀线阵（ULA）。

场景坐标系的原点位于雷达车辆。目标车辆相对于雷达的地面真实距离、速度和角度如下所示：

范围（m）速度（m/s）角度（deg）-----------------------------------------汽车1204.20汽车2405-6.9-2.9汽车3800.03-2.81.4

信号处理子系统现在除了距离和多普勒处理外，还包括到达方向估计。

处理过程与前面讨论的FMCW多目标模型非常相似。然而，在这个模型中，有5个阶段而不是4个阶段。

探索模型

模型的多个对话框参数由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。

结果和显示

模型中给出了估计结果，与期望值吻合较好。

总结

第一个模型展示了如何使用FMCW雷达来估计目标车辆的距离。从回波中获得的信息（如到目标车辆的距离）是完整汽车ACC系统的必要输入。

该示例还讨论了如何执行组合距离-多普勒处理，以获得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降低，并且联合处理可能不再能够为距离-多普勒耦合提供精确补偿。有关此主题的更多讨论可在MATLAB中找到基于FMCW技术的汽车自适应巡航控制实例

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。