/ i3 H- {. t* d. m4 t- i/ v I Radar测距测速原理介绍
& Y9 D$ |! z! p2 l, [ a 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。
# N& |! z0 T9 q% C- v 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。 - b4 U7 @; A4 Q3 }3 ~3 A& F0 U
1 `9 g! ]6 Q; l6 G5 L w 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。
q6 ]* ~, u1 i o& v" {; j) z( q3 j# k FMCW雷达的测距/测速原理
0 u" I3 X' C# K9 H+ R 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。
' N9 O' t) ]# p, v - b$ l+ R; M) w9 e0 `! |' m3 c
设 ,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: " T. \% S7 R2 _9 ?
fS(t)=f0+fctc⋅tf_{S}(t) = f_0+\frac{f_c}{t_c}\cdot{t} , . I E; D3 b3 a: s
fE=fS(t−τ)f_E=f_S(t-\tau) 0 N1 J! z8 m4 ?' C( r* W
且存在差频函数(beat frequency):
! [3 }5 [# n" t6 Y fb(t)=fS(t)−fE(t)f_b(t)=f_S(t)-f_E(t) 4 ^! [ [" r( x5 z
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:
: ?5 G, t, H. Y6 d$ Y( w R=c02⋅tcfc⋅fbR=\frac{c_0}{2}\cdot\frac{t_c}{f_c}\cdot{f_b}
6 o% _4 w' q7 k 从而得出:R和fbf_b 成正比
9 S" b( U, P @4 P5 q& F3 Z# V4 R 设发出的信号为一余弦波,则其时间域的变化如下: : r8 _$ p4 y5 @: M& [. @3 f7 n
; }. D9 j8 B- x" L2 H3 c Y 则接收到的信号在时间域变化如下:
! y% |" Y1 I( \; G. H! s . F0 p7 U1 i: I8 N2 c1 l
将 fEf_E 带入,得到: 6 K6 F' H7 R5 \# W$ u& t9 e
# ~- `/ z1 w" ~+ I! N+ R
现在将 uEu_E 与 uSu_S 相乘,得到混合波 uMu_M :
/ E# Y( @9 W: p( S; L4 {5 F7 P* Z : O: s, i; b& R2 H
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! 6 F% b3 K6 B5 X1 Y2 b7 [
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
. u% C/ d9 Z0 X9 L5 T 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:
/ x7 Y% @6 _" ~2 u- p 3 ^2 c* G. o& b( K) P1 Y% D! F
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: - j+ W, I8 I O6 n) N' S
* l8 I9 S7 x' o 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_r 和 RR 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:
% F/ c+ j6 v3 _7 @: G/ l1 R. ^! U1 ` + f# T; G- l ~/ i
其交点即为所求: & t9 {! T# i8 q/ O0 \9 o
( W9 g; b3 F1 B( U 可以解得相对距离和相对速度: ( W4 P" \. r1 C1 S
: {* {" [4 E3 `; j
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):
* \! s6 Q L* B1 s J6 L 6 p9 d3 R( v1 W/ Z8 i, i) S. m
再进行上述一系列操作可以得到交点坐标图: 7 @+ L( o7 F7 G
- |6 L: b* y$ H& z# O) t3 @
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:
9 |' E# y* [6 E# W8 B
7 c$ j0 {' O* M3 }) u( S3 b" \* Q 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。
+ K5 j; |& g* z5 Z x% x
6 x7 E4 d6 {" R4 d" U* A 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。 & V& P2 s% \- p: D
1 D1 B: V* M$ ?5 u
' i" \$ f( c4 `! B! J
# q2 ]: M- K3 t6 `/ ?8 X3 O
% ]. @, u# O9 P& Q/ k |