在与测距相关的应用中,雷达一般工作在FMCW模式,其原理是将经过调制的连续波信号以较高的载频发射出去,遇到被测目标时,将接收到的回波信号与当下发射的高频信号进行混频得到差频信号。对于线性调频来说,差频的频率即携带着目标的距离信息

雷达和测量目标相对静止

当雷达和测量目标相对静止,回波信号和发射信号相比,在时间上延迟了 τ\tauτ,可表示为:
τ=2Rc\tau =\frac{2R}{c}τ=c2R​
其中,R为雷达与目标物体的距离,c为光速。
下图为发射信号与回波信号的简化模型图。其中实线部分为发射信号频率曲线ftf_{t}ft​,虚线部分为回波信号频率曲线frf_{r}fr​,混频输出的差频信号频率fbf_{b}fb​为发射信号和回波信号的频率差.

从图中可以得到
tan⁡θ=B/2T/4=fbτ\tan \theta =\frac{B/2}{T/4}=\frac{{{f}_{b}}}{\tau }tanθ=T/4B/2​=τfb​​
可以得到目标物体的距离值R、差频fbf_{b}fb​、调频带宽B、调制周期T之间的关系:
R=cT4BfbR=\frac{cT}{4B}{{f}_{b}}R=4BcT​fb​
当三角波周期T和带宽B为固定的值时,在雷达与目标相对静止时,目标距离与差频fbf_{b}fb​成正比。因此,可以通过对差频信号fbf_{b}fb​的检测来获取目标距离R。

雷达和测量目标之间存在相对运动

多普勒效应指出,波在波源向观察者接近时接收频率变高,而在波源远离观察者时接收频率变低。当观察者移动时也能得到同样的结论。同理,用雷达观测运动目标时也会存在多普勒效应:当目标接近雷达时,雷达的接收频率变高;当目标远离雷达时,雷达的接收频率会变低。
假设雷达和目标接近,在回波信号中包含着由于目标的运动带来的多普勒频移fdf_{d}fd​信号。可以得出在三角波的上升沿和下降沿差频信号的频率可分别表示如下:
fb+=fb−fd{{f}_{b+}}={{f}_{b}}-{{f}_{d}}fb+​=fb​−fd​
fb−=fb+fd{{f}_{b-}}={{f}_{b}}+{{f}_{d}}fb−​=fb​+fd​
其中, fbf_{b}fb​为雷达和目标物体是相对静止时的差频信号的频率,而fdf_{d}fd​为目标运动带来的多普勒频移信号。根据多普勒原理,多普勒频移fdf_{d}fd​可以表示为
fd=2f0vc{{f}_{d}}=\frac{2{{f}_{0}}v}{c}fd​=c2f0​v​
其中, f0f_{0}f0​为发射信号中心频率。

上图为雷达与目标存在相对运动时的(a)发射信号与回波信号(b)差频信号
可以得到三角波上升沿所对应的差频fb+{{f}_{b+}}fb+​和三角波下降沿所对应的差频fb−{{f}_{b-}}fb−​:
fb+=4BRcT−2f0vc{{f}_{b+}}=\frac{4BR}{cT}-\frac{2{{f}_{0}}v}{c}fb+​=cT4BR​−c2f0​v​
fb−=4BRcT+2f0vc{{f}_{b-}}=\frac{4BR}{cT}+\frac{2{{f}_{0}}v}{c}fb−​=cT4BR​+c2f0​v​
则目标距离和速度的表达式为
R=cT8B(fb−+fb+)R=\frac{cT}{8B}\left( {{f}_{b-}}+{{f}_{b+}} \right)R=8BcT​(fb−​+fb+​)
v=c4f0(fb−−fb+)v=\frac{c}{4{{f}_{0}}}\left( {{f}_{b-}}-{{f}_{b+}} \right)v=4f0​c​(fb−​−fb+​)
因此,可以通过fb+{{f}_{b+}}fb+​和fb−{{f}_{b-}}fb−​来计算距离RRR和速度vvv的值

单个静止目标回波信号的时域-频域分析

对于同一时刻,在三角波的上升沿,回波信号的频率低于发射信号的频率。在三角波的下降沿,雷达回波信号的频率则会高于发射信号频率。所以,单个目标的差频信号会围绕着三角波的峰顶和峰谷处呈现对称形式。整个差频信号则是一个周期性信号,周期等于三角波的调制周期T。
设x(t)x\left( t \right)x(t)为差频时域信号,s(t)s\left( t \right)s(t)为三角波上升沿所对应的差频时域信号,则三角波下降沿所对应的差频时域信号为s(T−t)s\left( T-t \right)s(T−t)。对差频信号进行时域数学建模,即
x(t)={s(t),t∈[0,T2]+nT,n=0,1,2...s(T−t),t∈[T2,T]+nT,n=0,1,2...x\left( t \right)=\left\{ \begin{aligned} & s\left( t \right),\ \ \ \ \ \ \ \ \ \ \ t\in \left[ 0,\frac{T}{2} \right]+nT,n=0,1,2... \\ & s\left( T-t \right)\ ,\ \ t\ \in \left[ \frac{T}{2},T \right]\ +nT,n=0,1,2... \\ \end{aligned} \right. x(t)=⎩⎪⎪⎪⎨⎪⎪⎪⎧​​s(t),           t∈[0,2T​]+nT,n=0,1,2...s(T−t) ,  t ∈[2T​,T] +nT,n=0,1,2...​
由于差频信号是周期信号,周期信号可以展开成傅里叶级数的形式
x(t)=∑k=-∞∞AkejkΩTtx\left( t \right)=\sum\limits_{k=\text{-}\infty }^{\infty }{{{A}_{k}}}{{e}^{jk{{\Omega }_{T}}t}}x(t)=k=-∞∑∞​Ak​ejkΩT​t
其中,ΩT=2πT{{\Omega }_{T}}=\frac{2\pi }{T}ΩT​=T2π​,Ak{{A}_{k}}Ak​为傅里叶级数的系数。
系数Ak{{A}_{k}}Ak​可以通过如下公式来求解
Ak=1T∫0Tx(t)e−jkΩTtdt=1T∫0T2s(t)e−jkΩTtdt+1T∫T2Ts(T−t)e−jkΩTtdt{{A}_{k}}=\frac{1}{T}\int_{0}^{T}{x\left( t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dt=\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dt+\frac{1}{T}\int_{\frac{T}{2}}^{T}{s\left( T-t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dtAk​=T1​∫0T​x(t)e−jkΩT​tdt=T1​∫02T​​s(t)e−jkΩT​tdt+T1​∫2T​T​s(T−t)e−jkΩT​tdt
对上式的第二项进行变量替换
1T∫T2Ts(T−t)e−jkΩTtdt=t′=T−t−1Te−jkΩTT∫T20s(t′)ejkΩTt′dt′=t=t′−1T∫T20s(t)ejkΩTtdt=1T∫0T2s(t)ejkΩTtdt\begin{aligned} & \frac{1}{T}\int_{\frac{T}{2}}^{T}{s\left( T-t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dt\overset{t'=T-t}{\mathop{=}}\,-\frac{1}{T}{{e}^{-jk{{\Omega }_{T}}T}}\int_{\frac{T}{2}}^{0}{s\left( t' \right)}{{e}^{jk{{\Omega }_{T}}t'}}dt' \\ & \overset{t=t'}{\mathop{=}}\,-\frac{1}{T}\int_{\frac{T}{2}}^{0}{s\left( t \right)}{{e}^{jk{{\Omega }_{T}}t}}dt=\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{jk{{\Omega }_{T}}t}}dt \\ \end{aligned} ​T1​∫2T​T​s(T−t)e−jkΩT​tdt=t′=T−t−T1​e−jkΩT​T∫2T​0​s(t′)ejkΩT​t′dt′=t=t′−T1​∫2T​0​s(t)ejkΩT​tdt=T1​∫02T​​s(t)ejkΩT​tdt​

Ak=1T∫0T2s(t)e−jkΩTtdt+1T∫0T2s(t)ejkΩTtdt=1T∫0T2s(t)e−jkΩTtdt+1T∫0T2s(t)e−j(−kΩT)tdt\begin{aligned} & {{A}_{k}}=\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dt+\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{jk{{\Omega }_{T}}t}}dt \\ & =\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dt+\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{-j\left( -k{{\Omega }_{T}} \right)t}}dt \\ \end{aligned} ​Ak​=T1​∫02T​​s(t)e−jkΩT​tdt+T1​∫02T​​s(t)ejkΩT​tdt=T1​∫02T​​s(t)e−jkΩT​tdt+T1​∫02T​​s(t)e−j(−kΩT​)tdt​
其中,第一项是信号s(t)s\left( t \right)s(t)被时间窗口函数RT/2={1t∈[0,T2]0t∈other{{R}_{T/2}}=\left\{ \begin{aligned} & 1\ \ \ \ t\in \left[ 0,\frac{T}{2} \right] \\ & 0\ \ \ \ t\in other\\ \end{aligned} \right.RT/2​=⎩⎪⎨⎪⎧​​1    t∈[0,2T​]0    t∈other​,然后信号做傅里叶变换在Ω=kΩT\Omega =k{{\Omega }_{T}}Ω=kΩT​处取值的结果。第二项则是在Ω=−kΩT\Omega =-k{{\Omega }_{T}}Ω=−kΩT​处取值的结果。
上式可以进一步表示为
Ak=1T∫0T2s(t)e−jkΩTtdt+1T∫0T2s(t)ejkΩTtdt=2T∫0T2s(t)cos⁡(kΩTt)dt\begin{aligned} & {{A}_{k}}=\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{-jk{{\Omega }_{T}}t}}dt+\frac{1}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}{{e}^{jk{{\Omega }_{T}}t}}dt \\ & =\frac{2}{T}\int_{0}^{\frac{T}{2}}{s\left( t \right)}\cos \left( k{{\Omega }_{T}}t \right)dt \\ \end{aligned} ​Ak​=T1​∫02T​​s(t)e−jkΩT​tdt+T1​∫02T​​s(t)ejkΩT​tdt=T2​∫02T​​s(t)cos(kΩT​t)dt​
对于单个检测目标,设差频信号为单一频率的信号,则上升沿所对应的差频时域信号可表示为:
s(t)=cos⁡(2πfbt+φ)=cos⁡(Ωbt+φ)s\left( t \right)=\cos \left( 2\pi {{f}_{b}}t+\varphi \right)=\cos \left( {{\Omega }_{b}}t+\varphi \right)s(t)=cos(2πfb​t+φ)=cos(Ωb​t+φ)
其中,φ\varphiφ是相位,Ωb{{\Omega }_{b}}Ωb​为差频信号fbf_{b}fb​所对应的模拟角频率。那么
Ak=2T∫0T2cos⁡(kΩTt)cos⁡(Ωbt+φ)dt=1T∫0T2cos⁡[(kΩT+Ωb)t+φ]dt+1T∫0T2cos⁡[(kΩT−Ωb)t−φ]dt=1T(kΩT+Ωb)[sin⁡[(kΩT+Ωb)T2+φ]−sin⁡φ]+1T(kΩT−Ωb)[sin⁡[(kΩT−Ωb)T2−φ]+sin⁡φ]\begin{aligned} & {{A}_{k}}=\frac{2}{T}\int_{0}^{\frac{T}{2}}{\cos \left( k{{\Omega }_{T}}t \right)\cos \left( {{\Omega }_{b}}t+\varphi \right)}dt \\ & =\frac{1}{T}\int_{0}^{\frac{T}{2}}{\cos \left[ \left( k{{\Omega }_{T}}+{{\Omega }_{b}} \right)t+\varphi \right]}dt+\frac{1}{T}\int_{0}^{\frac{T}{2}}{\cos \left[ \left( k{{\Omega }_{T}}-{{\Omega }_{b}} \right)t-\varphi \right]}dt \\ & \text{=}\frac{1}{T\left( k{{\Omega }_{T}}+{{\Omega }_{b}} \right)}\left[ \sin \left[ \left( k{{\Omega }_{T}}+{{\Omega }_{b}} \right)\frac{T}{2}+\varphi \right]-\sin \varphi \right] \\ & +\frac{1}{T\left( k{{\Omega }_{T}}-{{\Omega }_{b}} \right)}\left[ \sin \left[ \left( k{{\Omega }_{T}}-{{\Omega }_{b}} \right)\frac{T}{2}-\varphi \right]+\sin \varphi \right] \\ \end{aligned} ​Ak​=T2​∫02T​​cos(kΩT​t)cos(Ωb​t+φ)dt=T1​∫02T​​cos[(kΩT​+Ωb​)t+φ]dt+T1​∫02T​​cos[(kΩT​−Ωb​)t−φ]dt=T(kΩT​+Ωb​)1​[sin[(kΩT​+Ωb​)2T​+φ]−sinφ]+T(kΩT​−Ωb​)1​[sin[(kΩT​−Ωb​)2T​−φ]+sinφ]​
不妨设φ=0\varphi \text{=}0φ=0,则
Ak=12sin⁡[(kΩT+Ωb)T2](kΩT+Ωb)T2+12sin⁡[(kΩT−Ωb)T2](kΩT−Ωb)T2=12sin⁡[(Ω+Ωb)T2](Ω+Ωb)T2∣Ω=kΩT+12sin⁡[(Ω−Ωb)T2](Ω−Ωb)T2∣Ω=kΩT\begin{aligned} & {{A}_{k}}=\frac{1}{2}\frac{\sin \left[ \left( k{{\Omega }_{T}}+{{\Omega }_{b}} \right)\frac{T}{2} \right]}{\left( k{{\Omega }_{T}}+{{\Omega }_{b}} \right)\frac{T}{2}}+\frac{1}{2}\frac{\sin \left[ \left( k{{\Omega }_{T}}-{{\Omega }_{b}} \right)\frac{T}{2} \right]}{\left( k{{\Omega }_{T}}-{{\Omega }_{b}} \right)\frac{T}{2}} \\ & ={{\left. \frac{1}{2}\frac{\sin \left[ \left( \Omega +{{\Omega }_{b}} \right)\frac{T}{2} \right]}{\left( \Omega +{{\Omega }_{b}} \right)\frac{T}{2}} \right|}_{\Omega =k{{\Omega }_{T}}}}+{{\left. \frac{1}{2}\frac{\sin \left[ \left( \Omega -{{\Omega }_{b}} \right)\frac{T}{2} \right]}{\left( \Omega -{{\Omega }_{b}} \right)\frac{T}{2}} \right|}_{\Omega =k{{\Omega }_{T}}}} \\ \end{aligned} ​Ak​=21​(kΩT​+Ωb​)2T​sin[(kΩT​+Ωb​)2T​]​+21​(kΩT​−Ωb​)2T​sin[(kΩT​−Ωb​)2T​]​=21​(Ω+Ωb​)2T​sin[(Ω+Ωb​)2T​]​∣∣∣∣∣​Ω=kΩT​​+21​(Ω−Ωb​)2T​sin[(Ω−Ωb​)2T​]​∣∣∣∣∣​Ω=kΩT​​​
可以看出,系数Ak{{A}_{k}}Ak​呈现出辛格函数的包络形式。当(kΩT−Ωb)⋅T/2=mπ,m=0,1,2...\left( k{{\Omega }_{T}}-{{\Omega }_{b}} \right)\cdot T/2=m\pi ,m=0,1,2...(kΩT​−Ωb​)⋅T/2=mπ,m=0,1,2...时,或者(kΩT+Ωb)⋅T/2=mπ,m=0,1,2...\left( k{{\Omega }_{T}}+{{\Omega }_{b}} \right)\cdot T/2=m\pi ,m=0,1,2...(kΩT​+Ωb​)⋅T/2=mπ,m=0,1,2...时,Ak=0{{A}_{k}}=0Ak​=0。
可以解得Ωb=(k−m)ΩT{{\Omega }_{b}}=\left( k-m \right){{\Omega }_{T}}Ωb​=(k−m)ΩT​或Ωb=(m−k)ΩT{{\Omega }_{b}}=\left( m-k \right){{\Omega }_{T}}Ωb​=(m−k)ΩT​时,Ak=0{{A}_{k}}=0Ak​=0。当Ωb>>ΩT{{\Omega }_{b}}>>{{\Omega }_{T}}Ωb​>>ΩT​时候,Ak{{A}_{k}}Ak​的数值大小的分布如下图所示

当Ωb=k⋅ΩT{{\Omega }_{b}}=k\cdot {{\Omega }_{T}}Ωb​=k⋅ΩT​时,Ak{{A}_{k}}Ak​的大小分布如图中的黑色实线所示,Ωb{{\Omega }_{b}}Ωb​恰好落在离散的整数频点上,其所对应的Ak{{A}_{k}}Ak​为最大值。如果Ωb{{\Omega }_{b}}Ωb​落在两个离散的整数频点中间,如图中的红色虚线所示,相当于辛格函数的峰值落在了两个离散整数频点中间,且距离信号实际频率越近的频点Ak{{A}_{k}}Ak​越大。
可以看出Ak{{A}_{k}}Ak​的值的分布随着Ωb{{\Omega }_{b}}Ωb​的变化而变化,且包络呈现辛格函数的形状。因此,FMCW体制雷达的差频信号的傅里叶变换是一个傅里叶级数的形式,频谱上呈现离散状态,且可以通过找寻Ak{{A}_{k}}Ak​的最大值来确定或者近似确定Ωb{{\Omega }_{b}}Ωb​的值。

雷达距离分辨率

当两个目标位于同一方位角,但与雷达的距离不同时,二者被雷达区分出来的最小距离称为距离分辨率。通常定义为:当较近目标回波脉冲的后沿(下降沿)与较远目标回波的前沿(上升沿)刚好重合时,作为可分辨的极限。此时两目标间的距离就是距离分辨率,常用△R\vartriangle R△R表示
ΔR=cT4BΔfb\Delta R=\frac{cT}{4B}\Delta {{f}_{b}}ΔR=4BcT​Δfb​
其中,Δfb\Delta {{f}_{b}}Δfb​为差频分辨率。一般情况下,差频信号的周期应该小于三角波周期的一半,即
fb≥2T{{f}_{b}}\ge \frac{2}{T}fb​≥T2​
那么
ΔR≥cT4B⋅2T=c2B\Delta R\ge \frac{cT}{4B}\cdot \frac{2}{T}=\frac{c}{2B}ΔR≥4BcT​⋅T2​=2Bc​
距离分辨率和系统的带宽B有关

雷达差频信号仿真

给出雷达差频信号的仿真,参数设置如下:

参数名称 参数值
三角板周期 1KHz
采样频率 1MHz
中心频率 20KHz
调制带宽 2KHz

可以得到三角波信号如下:

调制后的信号(发射信号为):

回波信号为:

那么相应的差频信号,即实际低通滤波后的信号,可以表示为:

从仿真的结果也可以看出与上面的分析一致。

FMCW雷达测速和测距原理介绍相关推荐

  1. 超声波测速和雷达测速区别

    都是基于多普勒原理. 雷达测速使用电磁波,超声波测速使用超声波 二者典型应用,一个是雷达,一个是声呐. 超声波雷达说法不准确.雷达是,英文Radar的音译,源于radio detection and ...

  2. Android应用测速组件实现原理,这篇看完还不懂跟我去摆地摊,全网首发

    apply plugin: 'rabbit-tracer-transform' 为了支持网络监控功能,需要在OkHttpClient初始化时插入拦截器(目前只支持OkHttp的网络监控): OkHtt ...

  3. 基于matlab的脉冲多普勒测距、测速、实现测速以及测距功能

    目录 1.算法概述 2.仿真效果 3.matlab仿真源码 1.算法概述 多普勒雷达,又名脉冲多普勒雷达,是一种利用多普勒效应来探测运动目标的位置和相对运动速度的雷达.1842年,奥地利物理学家J·C ...

  4. 51单片机之遥控小车基本之无线光电门区段测速及51单片机介绍

    一 实现的过程: 1.51单片机作为主控芯片,主要用于调控芯片中的各个模块,详情我们可以参考附录代码: 2.ESP8266WiFi模块作为发射与接收数据,我们可以采用模块自带的AY指令来控制, AT+ ...

  5. 双通道连续波多普勒雷达测速模型 - Matlab仿真

    双通道连续波多普勒雷达测速模型 - Matlab仿真 双通道连续波多普勒雷达是一种用于测量目标速度的传感器,具有较高的精度和可靠性,广泛应用于军事.民用等领域.本文将介绍如何通过Matlab来实现双通 ...

  6. 毫米波雷达、ADAS中的应用以及毫米波雷达的检测、测距、测速和角度测量

    毫米波雷达的检测.测距.测速和角度测量 毫米波(Millimeter-Wave,缩写:MMW),是指长度在1~10mm的电磁波,对应的频率范围为30~300GHz.根据波的传播理论,频率越高,波长越短 ...

  7. 无人驾驶传感器融合系列(四)——毫米波雷达测距原理(77GHz FMCW)

    无人驾驶传感器融合系列(四)--毫米波雷达测距原理(77GHz FMCW) 本章摘要:介绍什么是调频连续波(FMCW),它是如何进行测距的,测距分辨率分析,测距范围分析. 调频连续波测距的基本原理: ...

  8. LFM雷达实现及USRP验证【章节3:连续雷达测距测速】

    第一章介绍了在相对速度为0时候的雷达测距原理 目录 1. LFM测速 1.1 雷达测速原理 1.2 Chrip信号测速 2. LFM测速代码实现 参数设置 仿真图像 matlab源码 代码分析 第一章 ...

  9. 毫米波传感器原理介绍:角度估计

    本篇文章介绍了毫米波传感器角度估计的一种原理,帮助嵌入式工程师在做雷达编程的时候能够对SDK代码有更清晰的认知,可以对角度估计部分逻辑进行修改和裁剪. 前边两篇博文从距离和速度两个维度进行了介绍,本篇 ...

  10. DIY自行车测速测距仪

    DIY自行车测速测距仪 1.项目介绍 该项目中,星星哥教大家制作一个自行车测速.测距仪.具有测量自行车行驶的瞬时速度和累计路程的功能.把它放在自行车的龙头上面,霸气十足,而且对于想要通过骑车运动的人来 ...

最新文章

  1. DOS call 中的%cd%,当前文件夹演示
  2. 老子《道德经》第四十六章
  3. 四边偏移lisp_双向偏移lisp
  4. java调用接口失败重调_java 接口调用问题
  5. php设置东京时区,php设置时区方法介绍
  6. 2021计算机一级新增知识点,2021年计算机一级知识点.doc
  7. 10年产品人总结了9条血泪教训
  8. N002-认知C#中的字符串
  9. 2022年电工杯B题应急物资配送问题浅析
  10. 小程序——添加动画,让图标原地旋转
  11. 微信网页版扫码登录原理
  12. 这10本豆瓣高分经典数学书,果断收藏!
  13. 中兴光猫不拆机获取超级密码
  14. AI智能视频分析系统提升水泥厂安全监管解决方案
  15. python中的列表list(四):列表的遍历
  16. 《Java8实战》第5章 使用流
  17. NYOJ 87-棋盘分割(记忆化搜索)
  18. 协同OA行业五大关键词
  19. 2<<3是什么意思?
  20. 数据库系统 关系模型 关系 候选键 主键 外键

热门文章

  1. java读取Excel文件并各方案对比
  2. lightbox使用_如何使用CSS和JavaScript创建Lightbox Ultra
  3. nc数据处理,掩膜,经纬度定位格点
  4. 第十一周项目1——二叉树算法验证(4) 哈夫曼编码的算法验证
  5. 无线网卡服务器关闭了怎么办,台式机无线网卡自动禁用怎么办
  6. 进程间通信-消息机制
  7. 百度云如何免费扩容至2055G?
  8. 华为交换机CPU处理报文原理
  9. a标签去掉下划线_怎么去掉html a超链接下划线
  10. python的自省机制