第二章 毫米波雷达基础：工作原理（FMCW）、信号处理流程（距离-多普勒-角度）、点云特性与噪声分析
各位同学，大家好。我是你们这门课的老朋友。今天咱们来啃一块硬骨头——毫米波雷达。说实话，我刚入行那会儿，觉得激光雷达才是“正道”，雷达嘛，就是个测距的辅助工具。直到后来在高速上做融合感知测试，遇到大雾天气，激光雷达直接“瞎”了，而毫米波雷达稳如老狗，我才真正开始重视它。
这一章，我会把FMCW雷达的底裤扒干净，从原理到信号处理，再到它那让人又爱又恨的点云特性。嗯，准备好了吗？
2.1 FMCW雷达工作原理：从“调频”说起
毫米波雷达有很多种，但目前在车载领域，FMCW（调频连续波）是绝对的主流。为什么？因为它能同时测距和测速，而且结构相对简单。
说白了，FMCW雷达就是发射一个频率随时间线性变化的信号，我们叫它“chirp”。这个信号遇到目标反射回来，和当前发射的信号混频，得到一个差频信号。这个差频里，就藏着距离和速度的信息。
我个人习惯把FMCW比作“扔石头听回声”。你扔一块石头，听到回声的时间越长，井就越深。但FMCW更高级——它扔的不是石头，而是一个频率在变的“哨子”。
核心公式：
距离分辨率：ΔR = c / (2B)，其中B是带宽。
最大不模糊距离：R_max = c * T_c / 2，其中T_c是chirp周期。
速度分辨率：Δv = λ / (2 * N * T_c)，其中N是chirp数量。
你想想看，带宽越大，距离分辨率越高。这就是为什么4D成像雷达要拼命提高带宽的原因。我在做早期的一个项目时，用的雷达带宽只有500MHz，距离分辨率大概0.3米，勉强够用。后来换了4GHz带宽的雷达，分辨率直接干到3.75厘米，那感觉，就像从标清换到了4K。
2.2 信号处理流程：距离-多普勒-角度
雷达拿到原始数据后，可不是直接就能用的。它要经过一套标准的“三连”处理流程：距离FFT、多普勒FFT、角度估计。我习惯叫它“RDA”（Range-Doppler-Angle）流水线。
2.2.1 第一步：距离FFT
混频后的差频信号，频率和距离成正比。所以，对每个chirp做一次FFT，就能得到目标的距离信息。这个FFT的输出，我们叫它“距离维FFT”。
这里有个坑，我曾经踩过。如果目标距离很近，差频信号频率很低，容易被直流分量淹没。所以，很多雷达会在前端加一个高通滤波器，把直流和低频噪声滤掉。嗯，这里要注意，滤波器的截止频率要选好，不然会把近处目标的信号也滤没了。
2.2.2 第二步：多普勒FFT
做完距离FFT后，我们得到的是一个二维矩阵：行是chirp索引，列是距离门。现在，对每个距离门，沿着chirp方向再做一次FFT，就能得到速度信息。这就是多普勒FFT。
为什么能测速？因为目标运动会导致chirp之间的相位变化。这个相位变化，在多普勒FFT里就体现为频率偏移。说白了，速度信息藏在相位里，而不是幅度里。
避坑指南：
我曾经在调试一个多目标场景时，发现速度总是测不准。后来发现，是因为chirp之间的时间间隔不均匀，导致多普勒频谱出现了“鬼影”。解决办法很简单：确保chirp的发射时序严格均匀，或者在后处理里做插值补偿。
2.2.3 第三步：角度估计
距离和速度都有了，还差角度。角度估计通常用多根接收天线来做。最经典的方法是“波束成形”（Beamforming），也就是对不同天线的信号做相位补偿，然后叠加。哪个方向叠加出来的信号最强，目标就在哪个方向。
当然，现在更流行的是MUSIC、ESPRIT这类超分辨率算法。但说实话，在工程实践中，波束成形依然是最稳定、最常用的方法。我个人的经验是：如果天线数量少于8根，用波束成形就够了；如果天线多，可以考虑用MUSIC，但要注意计算量。
角度分辨率由天线孔径决定：Δθ ≈ λ / (N * d)，其中N是天线数量，d是天线间距。天线越多，角度分辨率越高。这就是为什么4D成像雷达要用几十根天线的缘故。
2.3 点云特性与噪声分析
好了，经过RDA处理，我们得到了目标的距离、速度、角度信息。但雷达输出的不是这些参数，而是“点云”。每个点包含(x, y, z, v, SNR)等信息。
雷达点云和激光雷达点云，虽然都叫点云，但性格完全不同。我总结了几点：
- 稀疏性：雷达点云非常稀疏。一个激光雷达一帧能出几十万个点，而毫米波雷达通常只有几十到几百个点。你想想看，这密度差了三个数量级。
- 多径效应：雷达信号会反射、折射，导致出现“鬼点”。比如，一个真实目标在正前方，但雷达可能在侧面也检测到一个点。这是雷达的固有缺陷，很难完全消除。
- 高度信息弱：传统毫米波雷达的高度分辨率很差，基本只能区分“地面以上”和“地面以下”。4D雷达虽然能测高，但精度依然不如激光雷达。
- 速度信息准：这是雷达的强项。激光雷达测速要靠帧间匹配，而雷达直接通过多普勒效应测速，精度高、延迟低。
噪声分析：
雷达噪声主要来自三个方面：
- 热噪声：接收机内部电子器件产生的随机噪声。这是底噪，无法消除，只能通过提高发射功率或降低接收机噪声系数来改善。
- 杂波：地面、护栏、雨雪等非目标物体的反射。杂波是雷达感知的头号难题。我做过一个测试，在雨天，地面杂波的能量比目标回波还高，导致目标被淹没。
- 相位噪声：发射信号频率不稳定导致的噪声。相位噪声会影响多普勒测量的精度，严重时会导致速度模糊。
对付噪声，我常用的招数有：
- CFAR检测：恒虚警率检测。它能根据背景噪声自适应调整检测门限，避免漏检和虚警。
- 多帧滤波：利用目标的运动连续性，剔除那些“突然出现又突然消失”的噪点。
- 聚类：把空间上靠近的点聚成一类，然后只保留那些有足够多点的簇。孤立的噪点通常会被滤掉。
2.4 知识体系总览
为了让大家更直观地理解这一章的内容，我画了一张流程图。它展示了从发射信号到最终点云输出的完整链路。
这张图把整个流程串起来了。从发射chirp开始，到接收、混频、距离FFT、多普勒FFT、角度估计，再到CFAR检测和聚类，最后输出点云。每一步都有它的物理意义和数学基础。我个人建议，你在写代码实现雷达信号处理时，就照着这个流程来，不容易出错。
好了，这一章的内容就到这里。毫米波雷达虽然不如激光雷达“直观”，但它在恶劣天气下的表现，以及直接测速的能力，是激光雷达无法替代的。下一章，我们会深入激光雷达的世界，看看它又是怎么工作的。
可可精品资料库