4、速度测量原理：多普勒FFT、速度分辨率、最大无模糊速度、速度模糊解算及多帧处理
在FMCW雷达的测量体系中，速度维度的提取是继距离维之后第二个关键信号处理环节。与距离测量依赖差频频率不同，速度测量完全建立在多普勒效应引起的相位变化之上。本章将系统阐述从多普勒FFT的物理含义、速度分辨率与最大无模糊速度的数学约束，到速度模糊解算的工程方法，以及多帧处理在微弱目标检测与动态跟踪中的核心作用。理解这一链路，是设计联合测试矩阵、制定雷达标定方案的基础。
4.1 多普勒FFT的物理本质与实现路径
FMCW雷达发射一系列线性调频连续波（chirp），每个chirp的持续时间通常为几十微秒。当电磁波照射到运动目标时，回波信号与发射信号混频后得到的中频信号，其相位不仅包含距离信息，还携带了目标径向运动引起的多普勒相位增量。关键在于：同一距离单元内，相邻两个chirp之间的相位差Δφ与目标径向速度v成正比，即Δφ = 4π·v·T_chirp / λ，其中T_chirp为chirp周期，λ为载波波长。
多普勒FFT的实现过程如下：首先对每个chirp的回波做距离维FFT，得到距离-时间（range-time）复数矩阵；然后沿chirp维度（即慢时间维）对每个距离单元再做一次FFT，即可得到距离-多普勒（Range-Doppler Map, RDM）二维谱图。RDM上的峰值位置对应目标的距离和速度，峰值幅度反映目标反射强度，峰值相位则可用于后续的角度估计。
4.2 速度分辨率与最大无模糊速度的数学约束
速度分辨率Δv定义为多普勒FFT能区分两个不同速度目标的最小间隔，其表达式为：
Δv = λ / (2 · T_chirp · N_doppler) = λ / (2 · T_frame)其中T_frame = T_chirp × N_doppler为一帧的总时长。物理含义是：观测时间越长，多普勒频率分辨越精细。例如，77GHz雷达（λ≈3.9mm），若T_chirp=50μs，N_doppler=128，则T_frame=6.4ms，Δv≈0.305m/s。
最大无模糊速度v_max由奈奎斯特采样定理决定，多普勒频率f_d = 2v/λ的采样率是1/T_chirp，因此：
v_max = λ / (4 · T_chirp)继续上述参数，v_max = 3.9mm / (4×50μs) = 19.5m/s ≈ 70km/h。这意味着当目标速度超过70km/h时，其多普勒频率会折叠（aliasing），在RDM上显示为错误的速度值。
| 参数 | 符号 | 公式 | 典型值（77GHz） | 设计权衡 |
|---|---|---|---|---|
| 速度分辨率 | Δv | λ/(2·T_frame) | 0.3 m/s | T_frame↑ → Δv↓（更精细） |
| 最大无模糊速度 | v_max | λ/(4·T_chirp) | 19.5 m/s | T_chirp↓ → v_max↑（更大量程） |
| chirp周期 | T_chirp | — | 50 μs | 受距离分辨率与ADC采样率约束 |
| 帧时长 | T_frame | T_chirp×N | 6.4 ms | 帧率与实时性要求 |
4.3 速度模糊解算：从理论到工程实践
当目标实际速度超过v_max时，RDM上检测到的速度v_det与真实速度v_true满足：v_true = v_det + 2k·v_max（k为整数）。速度模糊解算的目标就是确定k值。工程中常用的方法有以下三种：
- 多chirp组非均匀采样法：在一帧内交替使用两种不同的chirp周期T1和T2（如T1=50μs，T2=60μs），分别得到两个模糊速度v1和v2。由于两者的模糊周期不同，通过中国剩余定理（CRT）可解算出真实速度。该方法无需额外硬件，但会降低帧率。
- 多帧速度连续性跟踪法：利用目标在相邻帧间的速度变化有限这一物理约束，通过跟踪滤波器预测当前帧速度，与模糊速度比较后选择最接近预测值的k。该方法依赖目标运动模型，对机动目标可能失效。
- 波长分集法：使用双载频（如76GHz和77GHz）交替发射，两个频率下的v_max不同，联合解算可扩展无模糊速度范围。该方法需要额外的射频通道，成本较高。
案例拆解：高速公路场景下的速度模糊解算
背景与约束：某77GHz车载前向雷达，T_chirp=50μs，N_doppler=128，v_max=19.5m/s。测试车辆以30m/s（108km/h）匀速行驶，前方200m处有一辆以25m/s（90km/h）行驶的卡车。雷达需要准确测量两车的相对速度（5m/s）及自车速度。
初始现象：RDM上检测到两个峰值，一个位于v_det=+5m/s（对应卡车相对速度），另一个位于v_det=-10.5m/s（对应静止目标如护栏）。但自车速度30m/s远超v_max，在RDM上表现为v_det=30-2×19.5=-9m/s的模糊值。
分析判断：静止目标的模糊速度-9m/s与卡车相对速度5m/s在RDM上可能混淆。若不进行解模糊，系统会将静止目标误判为反向运动目标，导致AEB（自动紧急制动）误触发。
操作步骤：
- 将chirp周期切换为T1=50μs和T2=65μs交替发射，每帧各64个chirp。
- 分别对两组chirp做多普勒FFT，得到两个模糊速度：v1=-9m/s，v2=-4.6m/s。
- 根据CRT计算：v_true ≡ v1 (mod 2v_max1)，v_true ≡ v2 (mod 2v_max2)。其中v_max1=19.5m/s，v_max2=15m/s。
- 解得k=1，v_true=30m/s，确认自车速度。
- 将解算后的速度送入跟踪滤波器，与GPS/轮速传感器数据交叉验证。
结果对比：解模糊后，自车速度测量误差从19.5m/s（模糊值）降低到0.2m/s以内，卡车相对速度5m/s准确提取。系统在10帧内完成稳定跟踪，无虚警。
风险与代价：非均匀采样使帧率从156Hz降至128Hz（损失18%），且CRT解算在低SNR时可能出错。为此增加了跟踪滤波器的速度预测门限（±3m/s），超出门限的候选值直接丢弃。
复盘经验：速度模糊解算不能孤立进行，必须与距离-角度信息联合验证。本案例中，若仅依赖速度维，静止目标与卡车的模糊速度可能重叠；但结合距离维（200m vs 0m）即可轻松区分。
4.4 多帧处理：从单帧检测到稳定跟踪
单帧RDM检测存在两个固有缺陷：一是噪声背景下弱目标可能漏检；二是目标速度在帧间存在波动，单帧测量方差大。多帧处理通过时间维度的信息积累与关联，显著提升检测概率和测速精度。
多帧非相干积累：将连续M帧的RDM幅度谱逐点相加（或取最大值），可有效提升SNR。对于高斯噪声，M帧积累后SNR提升约10·log10(M) dB。例如，4帧积累可提升6dB，相当于将检测距离延长约40%。但需注意，目标在帧间可能移动多个距离单元，直接相加会模糊峰值，因此需先进行距离走动补偿（Keystone变换或包络对齐）。
多帧跟踪滤波：在检测到目标后，采用卡尔曼滤波（KF）或α-β滤波器对速度进行平滑。以匀速模型为例，状态向量为[距离, 速度]，观测为每帧的检测值。KF通过过程噪声协方差Q和测量噪声协方差R的权衡，输出最优速度估计。实测数据表明，KF可将速度测量标准差从0.5m/s降低到0.15m/s。
航迹管理：多帧处理还包括航迹起始、确认、维持与撤销逻辑。常用“M/N逻辑”：连续N帧中至少M帧检测到目标，才确认航迹；连续丢失L帧则撤销航迹。该逻辑可有效抑制虚警。
实战场景：行人检测中的多帧处理
行人雷达截面积（RCS）约为-10dBsm，比轿车小20dB。单帧检测时，行人回波常淹没在噪声中。采用8帧非相干积累后，SNR提升9dB，检测概率从35%提升至82%。同时，行人步态引起的微多普勒调制（躯干速度±0.5m/s，四肢速度±2m/s）在单帧中难以分辨，但通过多帧频谱分析（短时傅里叶变换STFT），可清晰提取步态频率（约1-2Hz），用于区分行人与自行车。
实际部署中，多帧处理需平衡延迟与性能。8帧积累对应约50ms延迟（帧率20Hz），对AEB系统可接受；但对自动泊车等低速场景，可减少积累帧数以降低延迟。
4.5 常见误区与设计复盘
设计复盘清单：
- 明确应用场景的最大相对速度与最小速度分辨率需求，推导T_chirp与N_doppler的可行域。
- 在联合测试矩阵中，将速度维测试点覆盖：0速、低速（<Δv）、中速（接近v_max）、高速（>v_max需解模糊）、负速度（远离雷达）。
- 验证速度模糊解算算法时，需注入已知速度的模拟回波，检查CRT解算的正确率与失败模式。
- 多帧处理测试需包含：目标遮挡（如被前车遮挡后重新出现）、目标分裂（如行人从车旁走过）、虚警抑制（如桥梁反射）等场景。
- 记录不同SNR下的测速误差CDF曲线，作为系统级性能指标。
速度测量链路的设计质量直接决定了雷达对运动目标的感知能力。从多普勒FFT的物理基础，到模糊解算的工程技巧，再到多帧处理的系统级优化，每一环节都需要在测试矩阵中设计针对性的验证用例。下一阶段的联合测试将把距离、速度、角度三个维度统一起来，形成完整的空间-运动状态感知能力。