2、FMCW雷达信号模型：线性调频连续波（LFMCW）信号表达式、参数及其对距离、速度、角度测量的影响

FMCW（Frequency Modulated Continuous Wave，调频连续波）雷达的核心在于发射频率随时间线性变化的连续波信号，即线性调频连续波（LFMCW）。与脉冲雷达不同，LFMCW雷达通过发射与接收信号的频率差（差拍频率）来同时解算目标的距离、速度和角度信息。本章将深入剖析LFMCW信号的数学表达式、关键参数（带宽、调频斜率、周期）的物理含义，并系统阐述这些参数如何直接决定距离分辨率、最大无模糊速度、速度分辨率以及角度测量精度。理解这些参数间的耦合与制约关系，是设计联合测试矩阵、制定有效测试用例的理论基石。

上图清晰地展示了LFMCW雷达信号参数与三大测量维度之间的内在联系。带宽B直接决定距离分辨率，调频周期T同时影响速度分辨率和最大无模糊速度，而天线阵列的物理尺寸与阵元数则主导角度测量能力。这些参数并非独立变量，它们共同受限于硬件采样率、处理能力和系统功耗，构成了一个多目标优化问题。本章后续内容将逐一展开这些关系的数学推导与工程实践意义。

2.1 LFMCW信号数学表达式与物理含义

核心原理：从时域表达式到差拍频率

LFMCW雷达发射信号的瞬时频率随时间线性变化。设起始频率为f₀（单位Hz），调频带宽为B（单位Hz），调频周期为T（单位s），则调频斜率k = B/T（单位Hz/s）。发射信号的瞬时频率可表示为：

f_tx(t) = f₀ + k·t,  0 ≤ t ≤ T

对应的发射信号时域表达式为：

s_tx(t) = A_tx · cos(2πf₀t + πk·t² + φ₀)

其中A_tx为发射幅度，φ₀为初始相位。当该信号遇到距离为R、径向速度为v的目标后，回波信号存在时间延迟τ = 2R/c（c为光速）和多普勒频移f_d = 2v·f₀/c。接收信号可写为：

s_rx(t) = A_rx · cos[2πf₀(t-τ) + πk(t-τ)² + φ₀ + φ_target]

将发射信号与接收信号进行混频并经过低通滤波后，得到差拍信号（beat signal）：

s_IF(t) = A_IF · cos[2π(k·τ - f_d)·t + 2πf₀τ - πkτ²]

差拍频率f_b = k·τ - f_d。在大多数短距离场景中，k·τ远大于f_d，因此距离信息主要包含在f_b中。值得注意的是，当目标运动速度较高时，f_d会对f_b产生偏移，这正是速度与距离耦合的根源，也是联合测试矩阵需要重点覆盖的场景。

参数对测量的影响机制

案例拆解：77GHz车载雷达参数设计

以典型77GHz车载长距雷达为例，设计参数为：B=1GHz，T=40μs，f₀=76.5GHz。计算可得：

• 距离分辨率 ΔR = c/(2B) = 3×10⁸/(2×10⁹) = 0.15m，满足目标分辨需求。
• 调频斜率 k = 1GHz/40μs = 2.5×10¹³ Hz/s，差拍频率与距离的比例为 2k/c ≈ 1.67×10⁵ Hz/m，即每米对应约167kHz差拍频率。
• 最大无模糊距离 R_max = c·T/(2B) = 3×10⁸×40×10⁻⁶/(2×10⁹) = 6m，显然不足。实际中需通过多周期处理或降低带宽来扩展。
• 最大无模糊速度 v_max = λ/(4T) = (3×10⁸/76.5×10⁹)/(4×40×10⁻⁶) ≈ 24.5m/s ≈ 88km/h，对于高速场景可能不足。

该案例揭示了参数间的矛盾：增大T可提升速度分辨率，但会降低v_max；增大B可提升距离分辨率，但会缩小R_max。实际系统常采用三角波调制或多斜率分段设计来解耦这些矛盾。

常见误区与总结复盘

• 误区一：认为带宽越大越好。实际上，带宽增加会提高ADC采样率要求、增加处理负担，且受限于法规频段。
• 误区二：忽略调频非线性。实际VCO（压控振荡器）存在非线性，导致k不是常数，产生距离测量偏差。测试中需加入线性度校准项。
• 误区三：将距离和速度测量完全独立。在快扫模式下，f_d对f_b的影响不可忽略，需使用三角波或锯齿波联合解算。

总结：LFMCW信号参数是雷达性能的“基因”，每个参数都同时影响多个测量维度。测试矩阵设计必须从信号模型出发，明确每个参数的理论边界和实际约束。

2.2 距离测量原理与带宽的深度影响

核心原理：差拍频率与距离的线性映射

在静止目标场景下（f_d=0），差拍频率f_b = k·τ = 2kR/c。通过FFT对差拍信号进行频谱分析，峰值频率对应的距离为：

R = c·f_b/(2k) = c·f_b·T/(2B)

距离分辨率由FFT的频率分辨率决定。若采样时长为T，FFT点数N，采样率f_s，则频率分辨率Δf = f_s/N = 1/T。对应的距离分辨率为：

ΔR = c·Δf/(2k) = c/(2B)

这一公式表明，距离分辨率仅取决于带宽B，与周期T无关。这是LFMCW雷达最核心的特性之一。

操作流程：距离测量参数选择步骤

1. 确定距离分辨率需求：根据应用场景（如自动驾驶需区分相邻车道车辆），设定ΔR目标值，反推所需带宽B ≥ c/(2ΔR)。
2. 确定最大探测距离：根据R_max = c·T/(2B)，在B已定时选择足够大的T。但需注意T增大会降低v_max。
3. 验证ADC采样率：最大差拍频率f_b,max = 2k·R_max/c = 2B·R_max/(c·T)，需满足f_b,max < f_s/2。
4. 加窗与FFT：选择汉宁窗或布莱克曼窗抑制旁瓣，FFT点数N ≥ 2·f_s·T（零填充可提高插值精度）。

案例拆解：距离分辨率验证实验

某雷达系统B=500MHz，ΔR理论值为0.3m。测试中放置两个角反射器，间距分别为0.5m、0.3m、0.2m。实测结果：

• 间距0.5m：频谱出现两个清晰峰值，分离度良好。
• 间距0.3m：两个峰值刚好可分辨，但旁瓣有轻微重叠。
• 间距0.2m：两个峰值合并为一个宽峰，无法分辨。

该实验验证了ΔR=c/(2B)的理论极限。进一步分析发现，当使用矩形窗时旁瓣较高，导致弱目标被强目标旁瓣淹没；改用汉宁窗后，0.3m间距的分辨能力明显改善，但主瓣展宽约1.5倍。这说明窗函数选择对实际分辨率有显著影响，测试矩阵中应包含不同窗函数的对比用例。

常见误区与总结复盘

• 误区一：认为FFT点数越多分辨率越高。实际上，FFT点数只影响插值精度，不改变物理分辨率ΔR=c/(2B)。
• 误区二：忽略调频非线性导致的频谱展宽。VCO非线性会使单目标频谱展宽，降低有效分辨率。测试中应使用延迟线自校准。
• 误区三：未考虑多目标间的遮蔽效应。强目标旁瓣可能淹没弱目标，测试矩阵需包含不同RCS（雷达散射截面）目标组合。

总结：距离测量是LFMCW雷达最基础的功能，带宽B是决定距离分辨率的唯一参数。测试设计需围绕B展开，同时关注窗函数、非线性校准和动态范围的影响。

2.3 速度测量原理与周期T的双重角色

核心原理：多普勒频移与相位差测速

LFMCW雷达测速有两种途径：一是利用多普勒频移f_d = 2v·f₀/c，通过差拍频率的偏移量计算速度；二是利用相邻两个调频周期之间回波信号的相位差Δφ = 4πv·T/λ，通过相位变化计算速度。后者精度更高，但存在速度模糊问题。

对于锯齿波调制，单周期内无法区分距离和速度的耦合。通常采用多周期FFT（即二维FFT）来分离距离和速度：第一维FFT沿快时间（单周期内采样点）得到距离，第二维FFT沿慢时间（多个周期）得到速度。速度分辨率Δv = λ/(2·T_total)，其中T_total为总观测时间。若使用N个周期，则T_total = N·T，Δv = λ/(2N·T)。

判断方法：速度模糊与解模糊策略

案例拆解：高速目标测速失败分析

某雷达T=50μs，f₀=24GHz，λ=12.5mm。v_max = λ/(4T) = 12.5×10⁻³/(4×50×10⁻⁶) = 62.5m/s = 225km/h。测试中一辆摩托车以80m/s（288km/h）驶离，速度谱显示目标出现在-45m/s位置，明显错误。分析发现，实际多普勒频移f_d = 2×80×24×10⁹/(3×10⁸) = 12.8kHz，而PRF = 1/T = 20kHz，f_d > PRF/2，发生混叠。解决方案：将T缩短至30μs，v_max提升至104m/s，问题解决。但T缩短导致速度分辨率Δv = λ/(2N·T)下降，需增加周期数N来补偿。

常见误区与总结复盘

• 误区一：只关注单周期差拍频率，忽略多周期相位信息。实际中相位测速精度远高于频率测速。
• 误区二：未考虑加速度影响。目标加速时，多普勒频率随时间变化，导致速度谱展宽。测试中应加入匀加速运动目标。
• 误区三：忽略相位噪声。VCO相位噪声会降低慢时间维的信噪比，影响弱目标检测。

总结：速度测量依赖周期T和载波频率f₀，T的选择需在v_max和Δv之间权衡。测试矩阵应包含低速、高速、负速度（远离）、以及速度模糊边界用例。

2.4 角度测量原理与天线阵列参数

核心原理：相位差测角与波束形成

FMCW雷达通常采用多通道天线阵列进行角度测量。设天线阵元间距为d，目标到达角为θ，则相邻阵元间的波程差为d·sinθ，对应的相位差为：

Δφ = 2π·d·sinθ/λ

通过测量各通道间的相位差，即可反推角度θ。角度测量范围受限于相位差不超过π，即：

θ_max = arcsin(λ/(2d))

角度分辨率取决于阵列孔径长度L = N·d（N为阵元数）：

θ_res ≈ λ/(N·d·cosθ)

在法线方向（θ=0）分辨率最高，随θ增大而恶化。

操作流程：角度测量参数设计

1. 确定角度视场（FOV）：根据应用需求设定θ_max，反推d ≤ λ/(2·sinθ_max)。
2. 确定角度分辨率：根据θ_res需求，计算所需阵元数N ≥ λ/(d·θ_res)。
3. 验证相位一致性：各通道的幅相一致性直接影响测角精度，测试中需进行通道校准。
4. 选择测角算法：FFT波束形成、MUSIC、ESPRIT等，不同算法对信噪比和阵元数要求不同。

案例拆解：天线间距选择对角度测量的影响

某雷达工作频率77GHz（λ≈3.9mm），要求FOV为±60°，则d ≤ λ/(2·sin60°) = 3.9/(2×0.866) ≈ 2.25mm。若选择d=2mm，则θ_max = arcsin(3.9/(2×2×2)) = arcsin(0.4875) ≈ 29.2°，远小于60°需求。实际中需采用d=1.95mm（略小于λ/2）来满足FOV。但d过小会增大阵元间互耦，降低测角精度。测试中发现，当d从2.5mm减小到1.95mm时，测角误差从0.5°增大到1.2°，需通过校准算法补偿。

常见误区与总结复盘

• 误区一：认为阵元数越多越好。实际上，阵元数增加会提高成本和功耗，且受限于物理空间。
• 误区二：忽略通道间幅相不一致。实际硬件存在幅度和相位偏差，需在测试前进行校准。
• 误区三：未考虑多径反射。在室内或城市环境，多径会导致角度测量出现虚假峰值。

总结：角度测量依赖天线阵列的物理参数（d、N）和信号处理算法。测试矩阵需覆盖不同角度、不同距离、不同速度的组合场景，验证系统在复杂环境下的测角鲁棒性。

2.5 参数联合优化与测试矩阵设计要点

核心原理：多目标约束下的参数权衡

LFMCW雷达的参数设计是一个典型的多目标优化问题。距离分辨率要求B大，但B增大会提高ADC采样率要求；速度分辨率要求T大，但T增大会降低v_max；角度分辨率要求N大，但N增大会提高硬件复杂度。此外，所有参数还受限于系统功耗、散热和成本。联合测试矩阵的核心目标，就是验证系统在参数边界条件下的性能表现，确保在极端工况下仍能满足指标要求。

判断方法：参数耦合关系矩阵

案例拆解：多目标联合测试场景设计

设计一个综合测试场景：两个目标分别位于R₁=20m、R₂=20.3m（间距0.3m，接近ΔR边界），速度分别为v₁=10m/s、v₂=-15m/s（方向相反），角度分别为θ₁=5°、θ₂=-5°。该场景同时考验距离分辨率、速度分辨率和角度分辨率。测试中需记录：

• 距离维FFT是否能区分两个峰值（验证B是否足够）。
• 速度维FFT是否能区分两个多普勒频率（验证T是否合适）。
• 角度维是否能正确估计两个角度（验证N和d是否合理）。

实测发现，当两个目标距离接近ΔR时，距离维峰值合并，导致速度维和角度维的关联错误。解决方案是采用超分辨算法（如MUSIC）替代FFT，但计算量增加。测试矩阵应包含此类“极限耦合”场景，验证系统在参数边界下的鲁棒性。

常见误区与总结复盘

• 误区一：将距离、速度、角度测试完全独立进行，忽略了它们之间的耦合。实际中，目标运动会导致距离测量偏差，目标角度变化会影响多普勒频率。
• 误区二：只测试标称参数，不测试边界参数。系统在参数边界处往往性能急剧恶化，测试矩阵必须包含这些“压力测试”用例。
• 误区三：未考虑环境因素（温度、湿度、振动）对参数的影响。例如，温度变化会导致VCO频率漂移，影响B和f₀的准确性。

总结：联合测试矩阵设计的核心是理解参数间的耦合关系，并针对性地设计边界条件和组合场景。只有通过系统性的参数扫描和组合验证，才能确保FMCW雷达在各种工况下都能满足性能指标。