第二章 雷达信号处理链（上）：ADC数据采集、距离维FFT、多普勒维FFT、距离-多普勒图生成
各位同学，欢迎来到雷达信号处理链的第一部分。今天我们要聊的，是整个毫米波雷达最核心的“骨架”——从天线收到模拟信号，到最终生成一张漂亮的距离-多普勒图，中间到底发生了什么。
说实话，我刚入行那会儿，觉得雷达不就是“发个波，收个波，算个距离”嘛。直到第一次调板子，发现出来的图全是噪点，才意识到这里面门道有多深。好，咱们一步步来。
2.1 ADC数据采集：从模拟到数字的第一步
雷达前端混频器输出的信号，是模拟的差拍信号（IF信号）。计算机不认识模拟信号，所以得先把它变成数字。这一步，就是ADC（模数转换器）的工作。
ADC采样的核心参数有两个：
- 采样率（Fs）：决定了能看到的最高频率。根据奈奎斯特定理，采样率必须大于信号最高频率的两倍。
- 采样点数（N）：决定了后续FFT的频率分辨率。采样点数越多，频率分辨得越细。
关键公式：
距离分辨率 ΔR = c / (2 × B)，其中B是调频带宽。
最大不模糊距离 R_max = (Fs × c) / (2 × S)，其中S是调频斜率。
嗯，这里要注意：采样率不是越高越好。采样率太高，数据量暴增，处理不过来；采样率太低，远距离目标会“折叠”到近处，产生模糊。我有个项目，客户非要看200米外的卡车，结果采样率设低了，卡车显示在50米的位置，差点出事故。
我的经验：采样率一般取最大中频频率的1.2~1.5倍。留点余量，但别太浪费。
2.2 距离维FFT：把时间信号变成距离信息
ADC采集到的数据，是一串随时间变化的电压值。但我们要的是距离，不是时间。怎么办？做傅里叶变换。
距离维FFT，说白了就是把时域信号变到频域。差拍信号的频率 f_b 和目标的距离 R 成正比：
R = (f_b × c) / (2 × S)
所以，只要找到频谱上的峰值频率，就能算出距离。
具体步骤：
- 对每个chirp的ADC采样数据，做N点FFT。
- 取FFT结果的幅度（或功率）。
- 找到峰值对应的频率索引，换算成距离。
// 伪代码示例
for each chirp in frame:
adc_data = read_adc_samples(chirp) // 读取N个采样点
windowed_data = adc_data * hamming_window(N) // 加窗抑制旁瓣
fft_result = fft(windowed_data, N) // N点FFT
magnitude = abs(fft_result) // 取幅度
range_bins = magnitude[0 : N/2] // 只取正频率部分
store_to_range_matrix(chirp, range_bins)
避坑指南：我曾经不加窗直接做FFT，结果强目标旁边的弱目标完全被旁瓣淹没了。加窗虽然会稍微降低分辨率，但能大幅提升动态范围。汉明窗、汉宁窗都行，看你的需求。
2.3 多普勒维FFT：从多个chirp中提取速度
距离维FFT做完，我们得到的是每个chirp的距离信息。但一个chirp只能知道目标有多远，不知道它动没动。要测速度，需要多个chirp。
想象一下：你对着一个移动的目标连续发射多个chirp。目标每移动一点，回波的相位就会变化。这个相位变化，就是速度的“指纹”。
多普勒维FFT的做法：
- 对同一个距离门（range bin）上的所有chirp，再做一次FFT。
- 这次FFT的峰值位置，对应的是多普勒频率 f_d。
- 速度 v = (f_d × λ) / 2，其中λ是波长。
你想想看，这其实就是一个二维FFT：先对每个chirp做距离FFT，再对每个距离门做多普勒FFT。结果就是一个二维矩阵，行是距离，列是多普勒（速度）。
速度分辨率： Δv = λ / (2 × T_frame)，T_frame是帧周期。
最大不模糊速度： v_max = λ / (4 × T_chirp)，T_chirp是chirp周期。
我个人习惯把多普勒维FFT叫做“慢时间FFT”。因为chirp之间的采样率（PRF）比ADC采样率慢得多。这个叫法虽然不正式，但好记。
2.4 距离-多普勒图生成：把二维数据可视化
好了，现在我们有了一张二维矩阵：行是距离门，列是多普勒门。每个元素的值，代表该距离-速度单元的回波强度。
怎么把它变成一张图？很简单：
- 取每个元素的幅度（或功率）。
- 用颜色映射（比如热力图）把幅度值映射成颜色。
- 横轴标距离，纵轴标速度。
这张图，就是距离-多普勒图（Range-Doppler Map，简称RD图）。
RD图是雷达目标检测的“原材料”。静态目标会出现在零多普勒线上；靠近雷达的目标在正多普勒区；远离的在负多普勒区。嗯，这里要注意：多普勒正负取决于目标运动方向相对于雷达视线。
我的经验：RD图出来后，先别急着做检测。先看看背景噪声水平。如果整张图都是亮的，说明有干扰或者噪声太大。我曾经遇到一次，RD图全是竖条纹，查了半天发现是电源纹波耦合到了ADC参考电压上。
下面这张图，展示了整个信号处理链的流程：
RD图生成后，后续的CFAR检测、角度估计、目标跟踪，都是在这张图上进行的。所以，RD图的质量直接决定了整个雷达系统的性能。
重要提醒：RD图上的每个像素，都对应一个距离-速度单元。如果两个目标在同一个距离门和同一个多普勒门上，它们就会“撞车”，分不开。这就是为什么需要高分辨率雷达。
好了，这一章的内容就到这里。ADC采集、距离FFT、多普勒FFT、RD图生成，这四个步骤环环相扣。每一步做不好，后面的结果都会受影响。我个人建议，初学者先用仿真数据跑通整个流程，再上硬件调试。这样能省很多时间。
可可精品资料库