1. 毫米波雷达基础

各位同学，欢迎来到这门实战课。我是你们的老朋友，一个在自动驾驶感知领域摸爬滚打了七八年的工程师。今天咱们开篇，聊聊毫米波雷达最核心的基础。

说实话，很多人觉得雷达原理是书本上的东西，跟工程实践离得远。我一开始也这么想，直到有一次在高速上，雷达把路边的广告牌当成了静止车辆，差点触发紧急制动。从那以后，我意识到：不懂原理，你连bug都调不明白。

1.1 雷达是怎么“看”世界的？

雷达的原理，说白了就一句话：发射电磁波，接收回波，算出差值。

你想想看，蝙蝠在黑暗里怎么飞？它发出超声波，听回声。雷达也一样，只不过用的是毫米波（30GHz-300GHz）。这个频段的波，波长在1mm到10mm之间，好处是穿透性强，雨雾天照样干活。

具体到咱们自动驾驶用的毫米波雷达，大多是调频连续波（FMCW）体制。为什么不用脉冲雷达？因为FMCW能同时测距和测速，而且功耗低、体积小。我最早接触FMCW是在一个泊车雷达项目上，当时被它的精度惊艳到了——几厘米的误差，完全够用。

1.2 FMCW信号模型——数学其实没那么可怕

咱们来看FMCW的数学表达。别怕，我尽量用大白话讲。

发射信号可以写成：

s_tx(t) = A * cos(2π * f_c * t + π * S * t²)

其中：

• f_c：起始频率，比如77GHz
• S：调频斜率，单位是Hz/s。S = B / T_c，B是带宽，T_c是单个chirp的时长
• t：时间变量

回波信号呢，就是发射信号的延迟版本：

s_rx(t) = A' * cos(2π * f_c * (t - τ) + π * S * (t - τ)²)

这里的τ = 2R / c，R是目标距离，c是光速。

把发射和回波信号混频（也就是相乘再低通滤波），得到中频信号：

s_if(t) = (A * A' / 2) * cos(2π * S * τ * t + 2π * f_c * τ)

你看，中频信号的频率是 f_if = S * τ = S * 2R / c。所以，只要测出中频频率，距离R就出来了：

R = (c * f_if) / (2 * S)

嗯，这里要注意：中频频率跟距离是线性关系。这就是FMCW最巧妙的地方——把时间差转换成了频率差，而频率是很容易用FFT测准的。

1.3 距离估计——FFT是基本功

中频信号是模拟的，得先ADC采样变成数字信号。采样率要满足奈奎斯特定理，这个大家都懂。

采样后的信号，做一维FFT（也叫距离FFT），就能得到距离-幅度谱。峰值对应的频率，就是目标距离。

举个例子，假设采样率fs=10MHz，FFT点数N=1024，那么频率分辨率Δf = fs / N ≈ 9.77kHz。对应的距离分辨率：

ΔR = (c * Δf) / (2 * S)

如果S=100MHz/μs，那么ΔR ≈ 0.15米。也就是说，两个目标距离差小于15厘米，在频谱上就分不开了。

1.4 多普勒估计——速度是怎么来的？

测距靠的是频率差，测速靠的是相位差。

你想想看，如果目标在运动，那么连续两个chirp的回波，相位会发生变化。这个相位变化量Δφ，跟目标速度v的关系是：

Δφ = (4π * v * T_c) / λ

其中λ是波长，T_c是chirp周期。

所以，只要测出相邻chirp之间的相位差，速度就出来了：

v = (λ * Δφ) / (4π * T_c)

实际工程中，我们发射一组chirp（比如128个），对每个chirp做完距离FFT后，再对同一个距离门上的数据做多普勒FFT（也叫二维FFT）。这样就能得到距离-多普勒图（Range-Doppler Map）。

多普勒FFT的频率分辨率：

Δf_doppler = 1 / (N_chirp * T_c)

对应的速度分辨率：

Δv = (λ * Δf_doppler) / 2 = λ / (2 * N_chirp * T_c)

举个例子，λ=4mm（77GHz），T_c=50μs，N_chirp=128，那么Δv ≈ 0.31 m/s。这个精度，对于跟踪一辆时速60km/h的车（约16.7m/s）来说，绰绰有余。

1.5 知识体系总览

为了让大家有个整体印象，我画了一张图。这张图把FMCW雷达从发射到目标检测的整个流程串起来了。

这张图里，从发射到混频是模拟域的事，ADC之后进入数字域。距离FFT和多普勒FFT是核心算法，输出就是咱们常说的“点云”——每个点包含距离、速度、角度信息。

1.6 一些实用技巧

最后，分享几个我在项目中踩过的坑和总结的经验：

• 窗函数的选择：做距离FFT时，我习惯用汉宁窗。它主瓣宽度适中，旁瓣抑制好。如果目标动态范围大（比如近处有强反射），可以考虑布莱克曼窗，旁瓣更低。
• CFAR检测：距离-多普勒图上不是所有峰值都是目标。我一般用CA-CFAR（单元平均恒虚警率）做检测，阈值根据噪声水平自适应调整。有一次在隧道里，多径反射导致虚警率飙升，后来加了OS-CFAR（有序统计量）才压住。
• 相位解缠：多普勒FFT测出的相位差在[-π, π]之间，如果目标速度太快，相位会模糊。我遇到过一辆摩托车时速80km/h，速度模糊了，后来用多帧关联才解出来。记住：最大不模糊速度 v_max = λ / (4 * T_c)。