📚 课程目录第3章雷达信号处理链路概览

3. 雷达信号处理链路概览

4D成像雷达的“4D”指距离、速度、水平角与俯仰角四个维度。要同时获得这四个维度的信息，雷达不能像摄像头那样直接输出图像，而是必须经过一条严密的信号处理链路，把毫米波前端采样得到的原始数据逐步“翻译”成可被感知算法使用的点云。理解这条链路，是后续做数据处理、算法调优和量产验证的基础。

核心认知：ADC原始数据本身只是按“帧—啁啾—采样点—通道”排列的复数矩阵，它不包含任何可直接使用的目标信息。距离、速度、角度、强度，全部是在后续各级处理中逐步“解算”出来的。

一、链路总览：从时域采样到点云

典型FMCW MIMO雷达的处理链路可以概括为：射频前端发射调频连续波，接收天线收到目标反射信号后与发射信号混频，得到中频信号；中频信号经ADC采样后形成原始数据立方体。随后依次经过距离FFT、多普勒FFT、CFAR检测、DOA估计，再进入聚类与跟踪，最终输出带位置、速度、角度和强度的点云及航迹。

下面这张信号链示意图展示了数据形态在各阶段的演变，以及每一级处理所“解锁”的物理维度。

二、各级处理的核心原理

距离FFT（快时间维）。FMCW雷达发射线性调频信号，目标回波与发射信号混频后得到的中频频率与目标距离成正比。对单个啁啾内的采样序列做FFT，峰值位置即对应距离。距离分辨率由带宽决定：ΔR = c / (2B)。带宽越大，距离分辨越细。

多普勒FFT（慢时间维）。同一距离单元上，跨多个啁啾的采样序列中，目标运动引起的相位变化率与径向速度成正比。对这一维做FFT，即可得到速度谱。速度分辨率由帧内总观测时间决定：Δv = λ / (2·N·Tc)。

CFAR检测。距离-多普勒图上并非所有能量都是目标，还有噪声、杂波和干扰。CFAR（恒虚警率检测）在待检测单元周围设置参考窗，估计局部噪声功率，再乘以门限因子形成自适应门限。这样在噪声起伏时仍能保持稳定的虚警率。常见有CA-CFAR、OS-CFAR、GO-CFAR等。

DOA估计。MIMO雷达拥有多个发射和接收通道，目标回波到达不同天线时存在相位差。通过波束形成、FFT测角或超分辨算法（如MUSIC、ESPRIT），可以解算目标的水平角和俯仰角。4D成像雷达通常采用二维阵列，因此能同时获得方位与俯仰信息。

聚类与跟踪。CFAR和DOA输出的是离散点，一个真实目标往往对应多个点。聚类算法（如DBSCAN）把空间上邻近、速度相近的点合并为目标簇，估计簇的质心与尺寸。跟踪模块（如卡尔曼滤波、JPDA）则把跨帧的簇关联起来，形成稳定航迹，输出位置、速度、加速度和航迹ID。

三、典型参数与数据形态对照

处理阶段	输入数据形态	输出数据形态	关键参数
ADC采样	中频模拟信号	N_samples × N_chirps × N_rx 复数矩阵	采样率、带宽、 chirp周期
距离FFT	快时间采样序列	距离谱（每啁啾每通道）	FFT点数、加窗类型
多普勒FFT	跨啁啾同距离单元序列	距离-多普勒图	啁啾数、帧周期
CFAR	距离-多普勒图	检测点（距离、速度、强度）	参考窗、保护窗、虚警率
DOA	多通道检测点复数据	含方位角、俯仰角的点	阵列构型、角度分辨率
聚类跟踪	带角度的点云	目标航迹列表	聚类半径、关联门限

四、案例场景：一个目标从回波到航迹

假设前方120米处有一辆行驶中的轿车，径向速度约-15 m/s（靠近）。雷达一帧内发射128个啁啾，每啁啾采样256点，接收通道8个。原始数据量为256×128×8的复数矩阵。

距离FFT后，在对应120米的距离单元上出现峰值；多普勒FFT后，该距离单元在-15 m/s附近出现峰值；CFAR在距离-多普勒图上检测到该点；DOA利用8个接收通道的相位差解算出方位角约2°、俯仰角约0.5°；聚类把该目标周围的几个散射点合并为一个簇；跟踪模块结合上一帧航迹，输出稳定的航迹ID和运动状态。

处理日志示例（简化）：
[Frame 1024] ADC shape: (256, 128, 8)
[RangeFFT] peak at bin 96 -> range = 120.3 m
[DopplerFFT] peak at bin 34 -> velocity = -15.2 m/s
[CFAR] detected 7 points, SNR = 18.6 dB
[DOA] azimuth = 2.1 deg, elevation = 0.4 deg
[Cluster] 7 points -> 1 cluster, centroid = (120.3, -15.2, 2.1, 0.4)
[Track] track ID 42 updated, state = [x, y, vx, vy]

五、常见误区与复盘要点

误区一：认为ADC数据可以直接当点云用。实际上原始数据是复数矩阵，必须经过多级变换才能得到物理量。

误区二：忽略加窗和FFT点数的影响。不加窗会导致旁瓣泄漏，弱目标可能被强目标旁瓣淹没；FFT点数不足会导致距离或速度分辨率下降。

误区三：CFAR参数一套用到底。不同场景（高速、城区、隧道）杂波分布不同，参考窗和门限因子需要适配，否则要么漏检要么虚警爆炸。

复盘建议：在量产验证中，建议把链路中每一级的中间结果都记录下来（距离谱、距离-多普勒图、检测点、角度点、聚类簇、航迹），这样出现漏检或误检时，可以快速定位是哪一级出了问题，而不是只盯着最终点云。

总结来说，从ADC到点云的链路是一条“逐级降维、逐级赋义”的流水线：距离FFT和速度FFT把时域信号变成距离-多普勒图，CFAR从中挑出候选目标，DOA补上角度信息，聚类和跟踪再把离散点组织成稳定目标。每一级的参数和实现质量，都会直接影响最终点云的密度、精度和稳定性，这也是4D成像雷达数据处理与量产验证中最需要反复打磨的部分。