现代雷达车载应用——第2章 汽车雷达系统原理 2.6节 雷达设计考虑

news2024/11/17 11:54:57

        经典著作,值得一读,英文原版下载链接【免费】ModernRadarforAutomotiveApplications资源-CSDN文库。

2.6 雷达设计考虑

        上述部分给出了汽车雷达基本原理的简要概述。在雷达系统的设计中,有几个方面是必不可少的,它们决定了雷达系统的关键性能。在本节中,FMCW雷达将作为一个例子来讨论这些设计考虑。

2.6.1 灵敏度

        雷达的灵敏度定义了在特定PFA和PD下可以成功探测到的来自目标的最弱回波。在以上章节中,我们分别介绍了信号模型和噪声模型。有了这些模型,雷达系统设计者将能够在发展的早期阶段预测雷达的灵敏度。

        灵敏度的分析从雷达距离方程(2.21)开始。假设接收信道的总增益为Gs,其中包括放大器的增益、下变频混频器和基带放大器的损耗/增益。基带上的信号功率为

          (2.101)

        另一方面,由式(2.34)可知基带上的噪声功率为

          (2.102)

        因此,信噪比可以由下式获得

          (2.103)

        式中,Gsp为信号处理增益,Lsp为信号处理损耗。βn近似于ADC前抗混叠滤波器的BW。对于FMCW雷达来说,Gsp主要来自于“快时间”和“慢时间”的DFT。对距离-多普勒处理,信号处理总增益Gsp = N*M,其中N为“快时间”的DFT大小,M为“慢时间”的DFT大小,也分别称为距离和多普勒单元数。对于Lsp,其中一个原因是在DFT之前对数据加了窗函数。

        对于汽车雷达的设计,通常针对具体情况提供要求。例如,某汽车制造商需要前视雷达来支持其自动紧急制动功能,这就要求雷达在一定范围内检测到行人,且检测概率大于50% (PD > 0.5),虚警率PFA = 1 * 10 -4。行人通常被认为是一个Swerling I的目标。从表2.6中可以看出,在没有积累的情况下,实现PD = 0.5和PFA = 1 * 10 -4的Swerling I目标的最小信噪比是SNRmin = 10.89 dB。因此,最大探测距离为

          (2.104)

        雷达设计人员的主要任务之一是在(2.105)中的参数之间找到一个良好的平衡。kT0是常数,λ是由工作频率决定的,它也可以看作是一个常数。发射功率P t和噪声系数NF通常由雷达收发芯片决定,通常受到制造工艺的限制。Gt和Gr依赖于天线设计,还需要考虑最大天线增益和波束覆盖(天线波束宽度)之间的权衡。βn、Gsp和Lsp是与雷达波形设计和数字信号处理相关的参数。利用积累可以降低最小信噪比,从而提高最大探测距离。然而,集成也需要更多的处理。

2.6.2 距离/多普勒覆盖

        雷达的距离覆盖可以从(2.46)到(2.105)确定。由式(2.46)可知,当fp = fs,采用I/Q基带时,最大距离为:

          (2.105)

        这个最大范围是基于波形和采样率,而不考虑灵敏度。使用单通道基带(没有I/Q基带),最大范围减少了一半:

          (2.106)

         因此,雷达的实际距离覆盖应该为

           (2.107)

         或

           (2.108)

         对于单通道基带。

         对于多普勒覆盖,最大速度可以从式(2.79)计算当,ξp=M

           (2.109)

         Vmax也被称为最大无模糊速度,因为Vmax之外的速度被折叠到(速度)区间中。

2.6.3 距离/多普勒分辨率

        雷达的目标分辨率是它区分距离或多普勒非常近的目标的能力。对于FMCW雷达,目标的距离可以从(2.69)得到。距离分辨率ΔR是两个相邻距离单元之间的差:

          (2.110)

          (2.111)

        由于N/fs=T0,距离分辨率可以推导为

          (2.112)

        类似距离分辨率,多普勒(速度)分辨率ΔV能从(2.79)获得:

          (2.113)

          (2.114)

        值得注意的是,由式(2.112)和式(2.114)推导出的ΔR和ΔV是一种理想条件,包括相同大小、高信噪比、矩形窗口的点目标。在实际情况下,距离和多普勒分辨率会受到各种因素的影响。例如,如果目标的大小不同,则更难以区分较小的目标和较大的目标。另一个例子是,在距离-多普勒处理中可以使用某些窗函数来获得合理的副瓣电平,这通常会增加主瓣宽度,降低距离和多普勒分辨率[30]。

2.6.4 相位噪声

         一个完美的正弦波只能在教科书中找到。相位和频率的不稳定性在所有天然和人造振荡器中都是允许的。这些不稳定性被称为相位噪声。相位噪声与材料、结构设计以及振荡器中的随机噪声现象有关。图2.28(a)显示了一个普通振荡器的频谱,其中f0为中心或载波频率。相位噪声的功率随着频偏fa的增大而减小。频谱的相位噪声部分可以分为两部分,即近载波相位噪声和远载波相位噪声。对于汽车雷达,通常使用锁相环来合成波形。图2.28(b)显示了锁相环的典型频谱。在图2.28(b)中可以看到一个基座,这是由于基于锁相环的合成器具有有限环路BW,或者由于系统中使用的倍频器链的有限BW用于倍频。参考文献[31-33]详细分析了噪声基座在倍频作用下的行为。

图2.28 雷达信号源频谱(a)一般振荡器的频谱(b)包括噪声基座的合成信号发生器的频谱

        在雷达的接收信道中,混频器可以增加或消除接收信号中的相位噪声。相位噪声的消除发生在两个输入信号是相干的情况下,即两个输入信号之间具有确定的相位关系。在其他工作中,混频器的输入信号来自同一参考源。在汽车雷达系统中,混频器将发射信号与延时副本混合,产生如下相位噪声去相关[34,35]:

          (2.115)

        相位噪声去相关系数为,如(2.115)所示。可以看出,当δt = 0时,相位噪声可以完全消除。随着δt的增大,呈现周期性。

        为了更好地说明相位噪声对汽车雷达的影响,采用雷达收发器的相位噪声实测数据进行仿真。图2.29是测量到的相位噪声。从图中可以清楚地看到相位噪声基座。仿真的距离分布图如图2.30和2.31所示,目标位置分别为80 m和150 m。距离分布是128个chirp的平均值,以获得噪声底的形状。如(2.115)所示,相位噪声在距离分布中引入肩带。肩带随着目标距离的增加而升高,而去相关度随着δt的增加而增加。在汽车雷达应用中,更高的肩带意味着更小的动态范围。在这种情况下,可能无法检测到大目标旁边的小目标。例如,汽车前面的行人可能会被相位噪声肩带掩盖。因此,雷达信号发生器必须具有低相位噪声才能保持足够的动态范围

图2.29 雷达发射机测量到的相位噪声示例

图2.30 80m处目标的距离分布

图2.30 150m处目标的距离分布

2.6.5 Chirp非线性

        汽车雷达测距的另一个主要干扰是chirp非线性。理想的FMCW雷达具有完美的线性chirp,可以表示为

         f(t) = fc + Kt  (2.116)

         K是chirp的斜率。然而,实际信号合成器中总是存在频率偏差。图2.32显示了一个与理想线性chirp相比有轻微偏差的24 GHz chirp示例。

图2.32 一个非线性chirp

        基带频率和目标距离精度取决于频率斜坡中非线性的类型。因此,chirp非线性带来的影响应该逐个评估。例如,文献[36]中描述了具有正弦偏差的非线性频率斜坡的影响。在文献[37]中,评估了FMCW雷达中自由运行的压控振荡器的平方偏差。由于难以解析地确定chirp非线性的影响,雷达设计人员通常将测量和仿真相结合来分析chirp非线性的影响。现代先进的信号和频谱分析仪器,如Keysight 89,601BHPC和罗德与施瓦茨FSW信号和频谱分析仪,提供了直接测量瞬时波形频率关系的能力。因此,雷达设计人员可以利用雷达仿真中测量到的波形来评估非线性所造成的影响。

        对于图2.32中测量的波形,可以使用一般的连续波发射信号(2.13)从频率与时间的瞬态波形创建时域发射信号。根据感兴趣的距离,可以在(2.42)中应用一定的时间延迟来获得基带信号进行评估。仿真距离分布示例如图2.33所示,其中三个目标分别位于30、95和200 m处,RCS值不同。非线性的影响在图2.33中很明显,随着距离的增加,目标波束的宽度会变宽,这会降低距离识别和距离精度。信噪比在较长的距离也有更多的下降。因此,在汽车雷达设计中,有一个良好的线性chirp是至关重要的,以保持雷达的性能在整个距离覆盖。

图2.33 非线性chirp目标的距离分布

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1314837.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

springboot 集成 redis luttuce redisson ,单机 集群模式(根据不同环境读取不同环境的配置)

luttuce 和redisson配置过程中实际上是独立的&#xff0c;他们两个可以同时集成&#xff0c;但是没有直接相关关系&#xff0c;配置相对独立。 所以分为Lettuce 和 Redisson 两套配置 父pom <!-- Spring Data Redis --><dependency><groupId>org.springframe…

02markdown-学习笔记

一级标题 二级标题 三级标题 四级标题 五级标题 六级标题 换行符<br>标签 写入一段测试用的正文第二段测试文本,如果要对文本进行换行可以使用<br>标签 文本修饰符 字体为斜体的修饰&#xff0c;一对星号包含 字符为粗体&#xff0c;两对星号包含 字体为…

详细了解stm32---按键

提示&#xff1a;永远支持知识文档免费开源&#xff0c;喜欢的朋友们&#xff0c;点个关注吧&#xff01;蟹蟹&#xff01; 目录 一、了解按键 二、stm32f103按键分析 三、按键应用 一、了解按键 同学们&#xff0c;又见面了o(*&#xffe3;▽&#xffe3;*)ブ&#xff0c;最…

我在代码随想录|写代码之203. 移除链表元素,707. 设计链表,206. 反转链表

​第一题 ​​ 203. 移除链表元素 题目: 思路分析: 我们要删除节点说白了就是将节点移除,将要删除的节点的前一个的next域移动到要删除节点的next域,我们可以这样写当我们运到我们要删除节点然后件他删除,那么怎么删除?我们可以直接让我们要删除的元素找不到。如果我们直接将…

如何在Centos 7环境下安装MySQL并登录

目录 先获取MySQL官方yum源 然后正常使用yum命令下载mysql即可完成MySQL的下载 使用mysql客户端登录mysqld服务端 能够登录mysql客户端后&#xff0c;我们最后还需要做一点配置 先获取MySQL官方yum源&#xff08;包括对yum源的介绍&#xff09; 介绍一下yum源 yum源就是一…

k8s如何部署seata(分布式事务)?(第一篇)

k8s如何部署seata(分布式事务)&#xff1f; 官方传送门https://seata.io/zh-cn/ 快速入门SEATA Seata 是一款开源的分布式事务解决方案&#xff0c;致力于提供高性能和简单易用的分布式事务服务。Seata 将为用户提供了 AT、TCC、SAGA 和 XA 事务模式&#xff0c;为用户打造一站…

RMQ算法总结

知识概览 RMQ又叫ST表、跳表&#xff0c;可以用来解决区间最值问题&#xff0c;这里这有查询没有修改。当然&#xff0c;这样的问题用线段树也是可以解决的。RMQ算法本质上是倍增动态规划&#xff0c;它的思想是先倍增预处理再查询。f(i, j)表示从i开始&#xff0c;长度是的区…

TableAgent:让数据分析变得轻松简单,导师再也不用担心我的数据分析能力啦!

TableAgent——导师再也不用担心我的数据分析能力啦 1. TableAgent介绍1.1 TableAgent——数据分析智能体1.2 背后强大的技术支持 2. TableAgent注册3. TableAgent使用3.1 入门级使用3.2 魔鬼级使用 4. 对比使用5. 总结 1. TableAgent介绍 1.1 TableAgent——数据分析智能体 …

PostgreSQL向量数据插件--pgvector安装(附PostgreSQL安装)

PostgreSQL向量数据插件--pgvector安装 一、版本二、数据库安装1. 在官网下载PostgreSQL14.0的安装包2.增加用户postgres3.解压安装 三、pgvector安装1. 从github上克隆下来2. 安装pgvector插件3. 开始使用pgvector启用pgsql命令行创建扩展 本文为本人在安装pgvector中踩过的坑…

Postgresql在Windows中使用pg_dump实现数据库(指定表)的导出与导入

场景 Windows中通过bat定时执行命令和mysqldump实现数据库备份&#xff1a; Windows中通过bat定时执行命令和mysqldump实现数据库备份_mysqldump bat-CSDN博客 Windows上通过bat实现不同数据库之间同步部分表的部分字段数据&#xff1a; Windows上通过bat实现不同数据库之间…

Java EE 多线程之线程安全的集合类

文章目录 1. 多线程环境使用 ArrayList1. 1 Collections.synchronizedList(new ArrayList)1.2 CopyOnWriteArrayList 2. 多线程环境使用队列2.1 ArrayBlockingQueue2.2 LinkedBlockingQueue2.3 PriorityBlockingQueue2.4 TransferQueue 3. 多线程环境使用哈希表3.1 Hashtable3.…

Spring深入学习

1 Bean创建的生命周期 Spring bean是Spring运行时管理的对象。Spring Bean的生命周期指的是Bean从创建到初始化再到销毁的过程&#xff0c;这个过程由IOC容器管理。 IOC即控制反转&#xff0c;是面向对象编程中的一种设计原则&#xff0c;通过依赖注入&#xff08;DI&#xf…

TrustZone之中断及中断处理

一、中断 接下来,我们将查看系统中的中断,如下图所示: 通用中断控制器(GIC)支持TrustZone。每个中断源,在GIC规范中称为INTID,分配到以下三个组之一: • Group0:安全中断,以FIQ方式发出信号 • 安全Group1:安全中断,以IRQ或FIQ方式发出信号 • 非安全Gr…

SuperMap iManager 11i(2023) SP1新特性汇总

作者&#xff1a;ls 【目录】 &#xff08;一&#xff09;GIS云套件支持发布聚合服务&#xff08;二&#xff09;GIS云套件支持自定义/修改服务接口信息&#xff08;三&#xff09;GIS云套件管理界面支持批量修改镜像&#xff08;四&#xff09;GIS云套件管理界面可调整服务节点…

iA Writer for Mac:释放创作力的专业MarkDown写作软件

iA Writer for Mac是一款专业的MarkDown写作软件&#xff0c;为Mac用户提供了简洁、高效的写作环境。无论您是一名专业写作人员、学生或博主&#xff0c;iA Writer都能帮助您以最简单的方式将想法转化为文字。 首先&#xff0c;iA Writer的界面非常简洁&#xff0c;只展示您正…

MATLAB 系统辨识 + PID 自动调参

MATLAB 系统辨识 PID 自动调参 Matlab R2021b下载安装详细教程Chapter1 MATLAB 系统辨识 PID 自动调参1. 导入数据2. 系统辨识3. PID 自动调参 Chapter2 MATLAB系统辨识Chapter3 【MATLAB】使用系统辨识工具箱(System Identification)建模Chapter4 matlab系统辨识工具箱及其反…

网络服务IP属地发生变化的原因有哪些?

近期&#xff0c;许多用户发现自己的网络服务IP属地发生了变化。原本固定的IP地址不再是静态的&#xff0c;而是发生了变动。这一现象引起了广大用户的关注和疑惑&#xff0c;对网络服务的使用和信息安全产生了影响。为了解决用户的疑虑&#xff0c;我们对此现象进行了深入探究…

云仓酒庄带您品法国葡萄酒

说起葡萄酒肯定绕不开法国&#xff0c;法国葡萄酒闻名中外&#xff0c;口碑卓越。作为世界上的产酒大国&#xff0c;可以说是每一寸土地都可以种植葡萄。云仓酒庄的品牌雷盛红酒分享这么优秀的一个葡萄酒产酒国有哪些特点呢&#xff1f; 1.产区特色&#xff1a;波国有最著名的…

js输入框部分内容不可编辑,其余正常输入,el-input和el-select输入框和多个下拉框联动后的内容不可修改

<tr>//格式// required自定义指令<e-td :required"!read" label><span>地区&#xff1a;</span></e-td><td>//v-if"!read && this.data.nationCode 148"显示逻辑<divclass"table-cell-flex"sty…

百华鞋业入围全国老年用品标准编制参编单位

12月8日&#xff0c;中国轻工业信息中心组织召开了中国轻工业适老系列标准研讨会。中国轻工业联合会信息统计部&#xff08;中国轻工业信息中心&#xff09;副主任马真出席会议并讲话。中国轻工业信息中心标准工作负责人孟慧敏介绍了相关标准制定情况。会议由中国轻工业信息中心…