3. 雷达信号处理基础与Jacinto映射
在TI Jacinto系列SoC上实现雷达目标检测，核心链路可以概括为：ADC采样数据经过距离维FFT、多普勒维FFT、CFAR检测、角度FFT，最终输出目标的距离、速度、方位信息。这条链路在Jacinto上并非简单地把算法搬到C7x DSP上运行，而是需要理解C7x的向量处理能力、MMA矩阵加速单元的数据布局约束，以及不同处理阶段对存储带宽和延迟的实际需求。本节从信号处理的基本定义出发，逐步映射到Jacinto的硬件实现约束与优化思路。
距离-多普勒处理的基本定义与数据组织
雷达发射调频连续波（FMCW），接收端对每个chirp的差频信号采样，得到一帧三维数据立方体：快时间维（每chirp采样点数，记为N）、慢时间维（每帧chirp数，记为M）、通道维（接收天线数，记为L）。距离维FFT沿快时间维进行，将差频频率映射为距离；多普勒维FFT沿慢时间维进行，将相位变化映射为速度。以典型配置为例：N=256、M=128、L=4，采样率10 Msps，调频斜率50 MHz/μs，则距离分辨率约为0.6 m，最大不模糊速度由chirp周期决定。
在Jacinto上，这三维数据通常以“距离-多普勒-通道”的顺序存放在L2 SRAM或DDR中。C7x的向量单元（如SE、SA）一次可处理512位数据，即16个单精度浮点数或32个半精度浮点数。距离维FFT若按列处理，需要跨步访问，会显著降低向量加载效率。因此实际实现中常将数据重排为“快时间连续、慢时间分块”的布局，使距离FFT的输入在内存中连续，便于C7x的流式加载。
CFAR检测的工程实现与参数选择
CFAR（恒虚警率检测）在距离-多普勒二维平面上进行。以单元平均CFAR（CA-CFAR）为例，对每个待检测单元，取其周围参考单元计算噪声功率均值，再乘以门限因子α得到检测门限。α由虚警概率Pfa和参考单元数R决定：α = R·(Pfa^(-1/R) - 1)。例如R=32、Pfa=1e-6时，α约为12.5（约11 dB）。
在C7x上实现CFAR时，滑动窗口的参考单元求和可以用前缀和或滑动累加实现。若直接对每个单元重新累加，计算量为O(N·M·R)，在N=256、M=128、R=32时约100万次乘加，C7x单核即可在毫秒级完成。但更高效的方式是利用向量归约指令，将参考单元分成若干段并行求和。需要注意的是，CFAR的参考窗在距离-多普勒边界处需要特殊处理，通常采用截断或循环填充，避免边界单元漏检。
角度FFT与MMA的映射约束
角度FFT沿通道维进行，输入是每个距离-多普勒单元上L个通道的复数数据。对于L=4的均匀线阵，角度FFT等价于4点DFT，可通过矩阵乘法实现：X = W·A，其中W是4×4的DFT矩阵，A是4×1的通道向量。Jacinto的MMA单元支持8×8或16×16的矩阵乘累加，但要求输入矩阵按特定格式排列（如行主序、列主序或分块）。若直接对每个距离-多普勒单元调用MMA，矩阵规模太小，无法发挥吞吐优势。
优化思路是将多个距离-多普勒单元的角度FFT合并为批量矩阵乘法：将K个单元的通道数据排列成4×K的矩阵，与4×4的DFT矩阵相乘，得到4×K的输出。这样MMA的利用率显著提升。但需要注意，MMA的输入通常要求半精度或定点格式，而雷达数据经过前级FFT后可能是单精度浮点，需要在送入MMA前做量化或格式转换。量化误差会直接影响角度估计精度，通常需要保留至少12位有效位。
优化思路与工程权衡
从上述映射可以看出，Jacinto上的雷达信号处理优化需要围绕三个核心矛盾展开：向量加载效率与数据布局的矛盾、MMA吞吐与小矩阵规模的矛盾、量化精度与计算速度的矛盾。
对于距离-多普勒处理，建议将数据立方体在DDR中按“快时间连续、慢时间分块”存储，每块包含若干chirp的完整快时间采样。C7x处理时，先加载一块到L2 SRAM，在SRAM内完成距离FFT，再将结果按多普勒维重排后写回。这样距离FFT的输入输出都在SRAM内连续访问，避免频繁的DDR跨步读写。多普勒FFT的输入是重排后的连续数据，同样可以在SRAM内高效完成。
CFAR的实现需要根据检测率要求选择参考单元数和门限因子。在C7x上，推荐使用滑动窗口加前缀和的方式：先对距离-多普勒功率图计算二维前缀和，然后每个单元的参考窗求和变为四次查表加减，计算量从O(R)降到O(1)。但前缀和需要额外的存储空间，且对边界处理要求较高。若检测率要求不高，也可以采用简化的分段CFAR，将参考窗分为左右两段分别求和。
角度FFT与MMA的结合是Jacinto特有的优化点。由于L通常较小（4或8），直接调用MMA效率低。建议将同一距离-多普勒单元上多个速度通道或距离通道的数据批量组织，形成4×K或8×K的输入矩阵。例如，取K=64个距离单元，组成4×64的矩阵，与4×4的DFT矩阵相乘，MMA一次即可完成256个输出点的计算。量化方面，若前级FFT输出为单精度浮点，可先转为16位定点（Q12格式），再送入MMA。Q12格式保留12位小数，动态范围约±8，对于归一化后的雷达数据足够。量化后的角度估计误差通常在0.1°以内，满足大多数车载雷达需求。
典型参数配置与结果判读
以车载中距雷达为例，典型配置为：N=256、M=128、L=4，采样率10 Msps，调频斜率50 MHz/μs，chirp周期50 μs。距离分辨率0.6 m，最大探测距离约150 m，速度分辨率约0.15 m/s，最大不模糊速度±15 m/s。CFAR参考单元R=32，保护单元G=4，Pfa=1e-6，门限因子α≈12.5。角度FFT采用4点DFT，量化格式Q12。
结果判读时，距离-多普勒平面上的峰值对应目标，峰值位置给出距离和速度，峰值幅度经过CFAR门限比较后确认检测。角度FFT输出峰值对应的角度即为目标方位。若发现虚警过多，可适当提高α或增大R；若发现漏检，可降低α或检查CFAR边界处理。若角度估计偏差较大，应检查MMA量化位数是否足够，或DFT矩阵是否与阵列流型匹配。
整体而言，Jacinto C7x/MMA为雷达信号处理提供了强大的算力基础，但需要工程师在数据布局、矩阵规模、量化精度之间做出合理权衡。理解这些约束的物理来源，才能在实际工程中写出既正确又高效的实现。