Radar测距及测速原理(1)——FMCW测距和测速原理及具体推导

[复制链接]
+ W4 ~/ Z% i+ { k6 M1 A

Radar测距测速原理介绍

9 [3 ^1 v- C( H; v; U3 e0 i/ T1 [0 i

通常来说,我们可以通过确定电磁波传播的时间来估算距离,通过多普勒效应产生的频率偏移来估算相对速度。但实际使用中我们会发现,对于没有经过调制的连续波谱(Continuous Wave),我们只发出相同的正弦或余弦信号,接收到的波也是呈周期性变化的,所以我们无从知道从发出到接受到底经过了多少个波长,从而无法确定信号从发出到接受所经历的时间(time of flight),也就无法测算距离。

0 @( r5 K: z, u/ A) a

于是,我们引入了调频/调幅(FMCW/AMCW),使发出信号的频率或者幅度处于不断的变化中。在汽车领域,我们一般使用调频技术。下图为脉冲FMCW和正弦FMCW时间域变化图。

! A1 v& d, a- G" j6 d+ t2 ^ ~
6 v- F! `, v6 a; I5 }' i- P1 ]1 Z8 ?

FMCW雷达在扫频周期内发射频率变化的连续波,被物体反射后的回波与发射信号有一定的频率差,通过测量频率差可以获得目标与雷达之间的距离信息。

/ s0 `3 G7 Y }& k

FMCW雷达的测距/测速原理

. D$ f9 ?) U& N$ [' ]

下图中,蓝色实线是发出的信号频率,红色虚线是接受到的信号频率, tct_{c} 为扫频周期的一半, fcf_{c} 为扫频带宽, τ\tau 为从信号发射到接受所经历的时间。

. J5 B- w3 P( b
" @) N* ]( d$ Z" P8 c& `

fs(t),fe(t)f_{s}(t),f_e(t)分别为发出所发出和接受信号的频率变化函数,并假设相对速度 vrv_r 为0,则在信号的上升沿有如下关系:

4 _8 O- S. h! H% |2 }3 L6 o; g

fS(t)=f0+fctc⋅tf_{S}(t) = f_0+\frac{f_c}{t_c}\cdot{t}

- L; F: `# o m2 S1 z# a

fE=fS(t−τ)f_E=f_S(t-\tau)

* X) S7 ]' x! ^. ], p+ e( {. `1 k

且存在差频函数(beat frequency):

+ m) o; L8 {/ b F$ q" R

fb(t)=fS(t)−fE(t)f_b(t)=f_S(t)-f_E(t)

1 d) v+ n0 [3 O0 [

又因为 R=τ⋅c02R=\frac{\tau\cdot{c_0}}{2} ,从上图的几何关系 fbτ=fctc\frac{f_b}{\tau}=\frac{f_c}{t_c} 中可以得出:

" D# c* S6 T% E6 H, O: C( F

R=c02⋅tcfc⋅fbR=\frac{c_0}{2}\cdot\frac{t_c}{f_c}\cdot{f_b}

8 m0 a6 p6 T. \- H

从而得出:R和fbf_b 成正比

J% }) U; w: @* U& o' p

设发出的信号为一余弦波,则其时间域的变化如下:

1 B1 |; y" ^7 ]. h3 T2 V! j7 m1 d
: V- Z) t8 d( w2 G @6 ~2 }% D8 |

则接收到的信号在时间域变化如下:

* K4 F9 d3 i! ^8 u
& y. \7 y0 |: r% |& d

fEf_E 带入,得到:

3 O1 X6 z( A9 G
2 U" x: m8 a* O- B/ q }

现在将 uEu_EuSu_S 相乘,得到混合波 uMu_M :

* {7 Q8 Q6 o. ]) `! b8 u4 U
, a$ i+ y* Z) A0 T) k! k7 w) _: `

从上面的推导可以看出,最终得到的混合波,其频率只与 fbf_b 有关,而所要确定的相对距离R与fbf_b 成正比,所以只要得到混合波,就能确定相对距离R!

) F, ]2 |% e8 r

上面所讨论的是相对速度 vrv_r 为0的情况,R恒为定值。而实际情况中,我们要考虑有相对速度的情况。因为存在相对速度,距离R会随着时间进行变化,当相对速度 0">vr>0v_r>0 ,R不断增大,故 fbf_b 也不断变大;当相对速度 vr>0v_r>0 时,传递的电磁波被拉伸,频率有所减小;当

3 k% h9 A- |4 g2 Z, o6 |1 p

为了简化模型,且考虑到信号从发出到接收所经历的时间极短,加速度不变,汽车相对速度几乎不变,信号频率变化如下所示:

5 P$ G8 N! g8 @/ s5 L' U4 S- f
t' |* l% Q4 i0 J, }7 Y7 K

从上图关系可以看出,差频 fbf_b 从原来的 fb=fctc⋅2Rc0f_b=\frac{f_c}{t_c}\cdot\frac{2R}{c_0} 增加了 vrv_r 影响项(不考虑相对论的多普勒效应),转变为如下关系式:

7 s/ C; s; C. n4 o- b$ G3 o
- P- Q/ a4 |6 A

从而得到了相对速度 vrv_r 和相对距离 RR 的关系式。而为了解得 vrv_rRR 的具体数值,只有上面一个式子是不够的,于是我们在信号频率的下降沿进行重复的操作,从而得到如下方程组:

7 ~8 @! q3 Q/ R/ q. x q
7 N; E- f0 g% `7 _) J5 V7 g

其交点即为所求:

}" [/ W1 |4 B8 S4 ?7 H7 j4 }, q
7 ]% D/ R, v+ F5 k

可以解得相对距离和相对速度:

% B3 p/ {; _ z% g: F4 j7 B! \/ n
% z( ~. @* d! {5 k

如果希望测得多个物体的距离和速度,就必须对发射信号的频率进行一定的处理,如下图所示(以两个物体为例):

( C. k$ P, u1 o# H3 b7 |' b
1 b6 \2 Z( K% j( A6 B2 n0 |1 ?& W, W

再进行上述一系列操作可以得到交点坐标图:

! f# z0 @+ Z% \0 ? m
& r& z( L4 S4 N

如果按照原来的频率变换进行处理,则会得到四个交点(图中实线或者虚线各有四个交点),即得到四个距离和速度,从而无法对所探测物体进行判断。而改变第二个周期的扫频带宽后,将会得到不同扫频带宽发出信号的两个共同交点,从而确定所测两个物体与自己的相对距离和速度。实际中也可以改变扫频周期,来获得不同的扫频信号,如下图所示:

/ h$ W( _8 t4 F' _& B
* X. f4 T7 [) K8 Q- U+ S& r

实际使用中,为了避免大量的计算,提高检测速度和精度,我们又引入了快速Chirp序列方法(fast cirp sequence),下一篇对此方法进行了详细介绍,并结合了实例进行分析,放个链接,大家有兴趣可点击阅读。

, ^: v0 o9 m8 ]! }" \2 r! k $ {" C# x8 F, L- B9 T

目前笔者正在学习自动驾驶中的信号处理相关知识,如有错误,望及时纠正,不吝赐教。

( m7 Z `3 C$ K* ]9 ] & l7 j- [7 _" N: ]; \1 N* u # b3 o" u& B6 O9 M1 o, d3 x1 O2 P1 P8 `4 I8 L% } Y: ~9 h " J0 @0 [7 e6 ^3 \, \) k
回复

举报 使用道具

相关帖子

全部回帖
暂无回帖,快来参与回复吧
懒得打字?点击右侧快捷回复 【吾爱海洋论坛发文有奖】
您需要登录后才可以回帖 登录 | 立即注册
三观道人
活跃在7 天前
快速回复 返回顶部 返回列表