1. 课程导入与XENSIV雷达技术全景

在工业、汽车与消费电子中，传感器正在从“采集数据”走向“理解场景”。智能感知工程关注的不是单个测量值，而是如何用传感器获取可靠信息，再通过信号处理与算法把信息转化为可执行的判断。XENSIV雷达传感器正是这一思路的典型载体：它利用毫米波频段的电磁波，在不接触目标的情况下测量距离、速度与角度，并在雨雾、粉尘、弱光等条件下保持稳定工作。

本课程围绕XENSIV雷达产品家族展开，从FMCW与多普勒原理出发，逐步进入配置、信号处理、目标检测、跟踪与场景落地。学习地图可以概括为三条主线：第一条是物理与信号主线，理解发射、传播、接收、混频与采样；第二条是算法主线，理解距离FFT、多普勒FFT、CFAR、角度估计与聚类跟踪；第三条是工程主线，理解天线布局、带宽、调频斜率、采样率、帧周期等参数如何共同决定分辨率、量程与实时性。

XENSIV产品家族与典型形态

XENSIV雷达产品覆盖24 GHz、60 GHz与77/79 GHz等频段，常见形态包括分立收发前端、集成MMIC以及带天线的封装模块。24 GHz方案成本低、生态成熟，适合液位、接近检测与简单测距；60 GHz方案带宽较大，适合生命体征、手势与短距高分辨检测；77/79 GHz方案面向汽车与工业高精度场景，具备更宽的可用带宽和更高的距离分辨率。选型时不能只看频段，还要同时考虑天线通道数、视场角、功耗、接口与是否支持MIMO。

FMCW与多普勒：两种基本测量机制

FMCW（调频连续波）通过发射频率随时间线性变化的信号，并将回波与发射信号混频得到中频信号。目标距离R与中频频率f_IF的关系为：

f_IF = (2 * B * R) / (c * T_chirp)
R = (c * T_chirp * f_IF) / (2 * B)

其中B为调频带宽，T_chirp为单 chirp 时间，c为光速。带宽越大，距离分辨率越高，理论距离分辨率约为c/(2B)。例如B=1 GHz时，距离分辨率约15 cm；B=4 GHz时约3.75 cm。多普勒效应则用于测速：目标相对雷达运动会使回波产生频移，速度v与多普勒频率f_D的关系为f_D=2v/λ。在FMCW中，通常对多个chirp做第二维FFT提取多普勒频率，从而同时获得距离与速度。

从原始中频到目标列表

以77 GHz、B=1 GHz、T_chirp=50 μs、每帧64个chirp为例。若中频频率为2 MHz，则距离R=(3×10⁸×50×10^-6×2×10⁶)/(2×1×10⁹)=15 m。若相邻chirp间目标相位变化对应多普勒频率为1 kHz，则速度v=f_Dλ/2=1000×0.0039/2≈1.95 m/s。这些数值属于教学示例，用于说明参数与结果的对应关系，并非实测数据。

处理流程上，先对每个chirp的采样点做距离FFT，得到距离-慢时间矩阵；再沿慢时间维做多普勒FFT，得到距离-多普勒图；随后用CFAR在噪声背景中检测目标单元，并通过多RX通道相位差估计角度。最后，聚类与跟踪算法把多帧检测结果关联成轨迹，输出位置、速度与航向。工程中要特别关注速度模糊：最大不模糊速度由chirp重复周期决定，若目标速度超过该范围，会出现速度折叠，需要调整帧结构或采用解模糊方法。

典型应用场景与学习地图

XENSIV雷达的典型应用包括：汽车盲区监测与自动门开启、工业液位与料位测量、智能家居存在检测与人员计数、生命体征监测以及无人机避障。不同场景对参数的要求差异明显：液位测量强调大量程与高距离精度，存在检测强调低功耗与抗干扰，手势识别强调高帧率与角度分辨。课程后续将围绕这些场景，逐步展开配置、数据处理与系统集成。