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节和渠道和目标部分。左边阴影部分表示雷达系统。在本节中，FMCW信号的产生和传输。这部分还包含了接收机，它捕获雷达回波并执行一系列操作，如解密和脉冲积分，以估计目标距离。右边的阴影块模拟了信号在空间中的传播和它在汽车上的反射。系统的输出，以米为单位的估计距离，显示在左边的显示块中。

雷达

该雷达系统由安装在沿直线道路移动的车辆上的发射机和接收机组成。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。

在阶段2中，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的传播和对目标车辆的反射。

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。该函数在加载模型时执行一次。它将其字段被对话框引用的结构导出到工作空间。要修改任何参数，可以在命令提示符处更改结构中的值，或者编辑helper函数并重新运行它来更新参数结构。

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。

解码信号的频谱如下图所示。图中显示，目标引入的拍频大约为100 kHz。请注意，在解码后，信号只有一个单一的频率成分。从这个拍频计算出的距离估计值，如上面的整体模型所示，完全在1米的距离分辨率之内。

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。

运行模拟并观察解码信号的频谱。

注意，不再有一个主导拍频，因为在这个范围内，来自直接路径和反射路径的信号会破坏性地结合，从而相互抵消。这也可以从估计的范围看出，它不再符合地面的真相。

多目标FMCW雷达距离和速度估计

下面的示例模型显示了一个类似的端到端FMCW雷达系统，模拟2个目标。这个例子估计了被探测目标的距离和速度。

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。在距离-多普勒域的联合处理使得在多次扫描中估计多普勒，然后使用该信息来解决距离-多普勒耦合，从而得到更好的距离估计。

信号处理子系统如下图所示。

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。该函数在加载模型时执行一次。它将其字段被对话框引用的结构导出到工作空间。要修改任何参数，可以在命令提示符处更改结构中的值，或者编辑helper函数并重新运行它来更新参数结构。

并显示结果

下面所示的FMCW信号与上一个模型相同。

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，另一个在150米。由于雷达只能测量相对速度，所以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很难从距离-多普勒图推断出来，但估计的距离和速度用数字显示在左边模型的显示块中。可以看出，速度估计值与期望值吻合得很好。

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。

该模型与前一模型的主要区别在于波形块和信号处理子系统。MFSK波形本质上包括两个固定频率偏移的FMCW扫频。在这种情况下，扫描发生在离散的步骤。从MFSK波形块的参数，扫描时间可以计算为步长时间和每次扫描的步长数的乘积。在本例中，扫描时间略高于2毫秒，这比前一个模型中使用的FMCW的7微秒大了几个数量级。有关MFSK波形的更多信息，请参见使用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。该函数在加载模型时执行一次。它将其字段被对话框引用的结构导出到工作空间。要修改任何参数，可以在命令提示符处更改结构中的值，或者编辑helper函数并重新运行它来更新参数结构。

并显示结果

估计结果显示在模型中，与前一个模型的结果相匹配。

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。

在这个场景中，雷达以100公里/小时(27.8米/秒)的速度行驶在高速公路的中央车道上。第一辆目标车辆以85公里/小时(23.6米/秒)的速度与雷达在同一车道前进20米。第二辆目标车辆以125公里/小时(34.7米/秒)在右车道行驶，并在前方40米。第三辆目标车辆以110公里/小时(30.6米/秒)的速度行驶在左车道，并在前方80米。雷达车辆的天线阵列是四元均匀线性阵列(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。

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。该函数在加载模型时执行一次。它将其字段被对话框引用的结构导出到工作空间。要修改任何参数，可以在命令提示符处更改结构中的值，或者编辑helper函数并重新运行它来更新参数结构。

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

第一个模型显示了如何使用FMCW雷达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，是一个完整的汽车ACC系统的必要输入。

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。

下面的模型展示了如何使用MFSK波形进行相同的距离和速度估计。该波形可以实现较长扫描距离和速度的联合估计，从而降低了对硬件的要求。

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。