【雷达入门 | FMCW毫米波雷达系统的性能参数分析】

news2024/11/20 21:21:43

本文编辑:调皮哥的小助理

在这里插入图片描述

FMCW毫米波雷达系统的性能参数主要包含:

(1)距离估计、距离分辨率、距离精度、最大探测距离;

(2)速度估计、速度分辨率、速度精度、最大不模糊速度;

(3)角度估计、角度分辨率、角度精度、最大角度范围。

分析以及理解上述这些参数有助于我们学习雷达和设计雷达。

一、距离维度

1.距离估计

对中频信号进行 ADC 采样, 然后做 FFT 提取信号的频率信息, 假设 FFT 得到频谱的谱峰值对应的频率为fm , 则目标的距离信息可以表示如下:

R = c T f m 2 B R=\frac{c T f_m}{2 B} R=2BcTfm

该公式的推导过程已经在之前进行过详细的论述,如果还有不清楚的可以查看下列文章:https://zhuanlan.zhihu.com/p/422798513

2.距离分辨率

距离分辨率表示距离上分辨两个目标的能力,用如下公式表示:

Δ R = c 2 B \Delta R=\frac{c}{2 B} ΔR=2Bc

该公式的推导过程也在之前的文章中详细论述过:https://zhuanlan.zhihu.com/p/510398532,

3.距离精度

测距精度表示测量单目标的距离测量精度,由信噪比和有效带宽决定,用如下公式表示:

σ R = c 3.6 B 2 S N R \sigma_R=\frac{c}{3.6 B \sqrt{2 S N R}} σR=3.6B2SNR c

这里的信噪比是距离FFT的信噪比,如果我们带入距离分辨率ΔR,那么上述公式可以写为:

σ R = Δ R 1.8 2 S N R \sigma_R=\frac{\Delta R}{1.8 \sqrt{2 S N R}} σR=1.82SNR ΔR

这样我们也可以说距离精度与距离分辨率和信噪比有关,距离分辨率越小,距离精度值也越小,信噪比越高,距离精度值越小。

关于测距精度的公式推导可以见这两篇论文:
(1)https://ieeexplore.ieee.org/stamp/stamp.jsp?
(2)https://www.mers.byu.edu

4.最大探测距离

雷达最大探测距离,也可以叫做雷达威力。雷达的最大探测距离通常采用基于弗里斯方程的雷达方程来计算,这部分工作通常也叫做雷达链路预算,FMCW雷达的雷达方程如下所示:

图片

其中,Tf是一帧内Chirp的总时间,如果帧占空比为100%,则Tf等于帧周期,否则Tf般要小于帧周期。Pt是发射功率,Gt是发射天线增益,Gr是接收天线增益。

雷达的最大探测距离还有另外一种计算方法,我习惯称雷达方程为雷达探测距离的决定式,因为只有满足雷达方程,后续的计算和处理才有意义。这种方式的雷达最大探测距离取决于最大的中频信号带宽IFmax,表示如下:

I F max ⁡ = S ∗ τ = 2 S ∗ R max ⁡ c I F_{\max }=S * \tau=\frac{2 S * R_{\max }}{c} IFmax=Sτ=c2SRmax

R max ⁡ = c ∗ I F max ⁡ 2 S R_{\max }=\frac{c * I F_{\max }}{2 S} Rmax=2ScIFmax

其中,S是调频斜率。最大中频信号的带宽大小与ADC采样率相关,在TI毫米波雷达DCA1000数据采集平台上具备两种模式,如下所示:

(1)在complex 1x模式下:

I F max ⁡ ≤ 0.9 ∗ f s I F_{\max } \leq 0.9 * f_s IFmax0.9fs

(2)在complex 2x和实采样模式下:

I F max ⁡ ≤ 0.9 ∗ f s 2 I F_{\max } \leq \frac{0.9 * f_s}{2} IFmax20.9fs

因此,也可以用下式来估计最大作用距离,意味着雷达最大探测距离取决于中频信号的采样率:

R max ⁡ = f s ∗ c 2 S R_{\max }=\frac{f_s * c}{2 S} Rmax=2Sfsc

我们也可以采用下面的过程来证明这个实事,也就是说ADC的采样率应该尽可能高,这样对于提升雷达的性能有帮助。

min ⁡ { Δ R R max ⁡ } = min ⁡ { c 2 B ∗ 2 S f s ∗ c } = min ⁡ { 1 f s ∗ T c } \min \left\{\frac{\Delta R}{R_{\max }}\right\}=\min \left\{\frac{c}{2 B} * \frac{2 S}{f_s *_c}\right\}=\min \left\{\frac{1}{f_s * T_c}\right\} min{RmaxΔR}=min{2Bcfsc2S}=min{fsTc1}

二、速度维度

1.速度估计

雷达速度估计的公式如下所示:

v = λ Δ ϕ 4 π T c v=\frac{\lambda \Delta \phi}{4 \pi T_{\mathrm{c}}} v=4πTcλΔϕ

具体的推导过程见文章:https://zhuanlan.zhihu.com/p/422798513

2.速度分辨率

速度分辨率表示速度维区分两个同一位置的目标的能力。假设一帧传输 N 个Chirp,速度维频率分辨率为:

Δ v = λ 2 N T c \Delta v=\frac{\lambda}{2 N T_c} Δv=2NTcλ

3.速度精度

测速精度表示测量单目标的速度测量精度,取决于信噪比,同样也可以和上述距离精度分析那样带入速度分辨率公式,该过程读者可以自行推导。

σ v = λ 3.6 N T c S N R \sigma_v=\frac{\lambda}{3.6 N T_c \sqrt{S N R}} σv=3.6NTcSNR λ

4.最大不模糊速度

目标速度是通过提取chirp之间的相位差(多普勒频率)来计算。连续chirp之间的相位差的相位差可表示为:

Δ ϕ = 2 π f c Δ τ = 2 π f c 2 Δ R c = 2 π f c 2 v T c c = 4 π v T c λ \Delta \phi=2 \pi f_c \Delta \tau=2 \pi f_c \frac{2 \Delta R}{c}=2 \pi f_c \frac{2 v T_c}{c}=\frac{4 \pi v T_c}{\lambda} Δϕ=2πfcΔτ=2πfccR=2πfcc2vTc=λ4πvTc

当相位测量不模糊时:

∣ Δ ϕ ∣ < π |\Delta \phi|<\pi ∣Δϕ<π

带入上述公式,得到最大不模糊速度为:

v max ⁡ = λ 4 T c v_{\max }=\frac{\lambda}{4 T_c} vmax=4Tcλ

三、角度维度

1.角度估计

相邻天线的波程差 取决于到达角 :

Δ = d sin ⁡ ( θ ) \Delta=d \sin (\theta) Δ=dsin(θ)

波程差导致相邻天线之间的相位变化 :

W = 2 π λ d sin ⁡ ( θ ) W=\frac{2 \pi}{\lambda} d \sin (\theta) W=λ2πdsin(θ)

该相位变化可以使用三维FFT估计,一旦 被估计,到达角 就可以很容易地求出:

θ e s t = sin ⁡ − 1 ( w e s t λ 2 π d ) \theta_{\mathrm{est}}=\sin ^{-1}\left(\frac{w_{e s t} \lambda}{2 \pi d}\right) θest=sin1(2πdwestλ)

2.角度分辨率

角度分辨率表示在角度维分离相同距离、速度目标的能力。雷达的角度分辨率一般较低,TI单芯片毫米波雷达AWR1xxx系列1T4R的角度分辨率28°左右。在实际情况下,由于距离、速度分辨率较高,目标一般可以在距离和速度维区分开。

假设接收天线个数为NRx,角度维频率分辨率为:

Δ θ = 2 π N R X \Delta \theta=\frac{2 \pi}{N_{R X}} Δθ=NRX2π

Δ ω = 2 π d λ [ sin ⁡ ( θ + Δ θ ) − sin ⁡ θ ] = 2 π d λ cos ⁡ θ Δ θ > 2 π N R X \Delta \omega=\frac{2 \pi d}{\lambda}[\sin (\theta+\Delta \theta)-\sin \theta]=\frac{2 \pi d}{\lambda} \cos \theta \Delta \theta>\frac{2 \pi}{N_{R X}} Δω=λ2πd[sin(θ+Δθ)sinθ]=λ2πdcosθΔθ>NRX2π

Δ θ = λ N R X d cos ⁡ θ \Delta \theta=\frac{\lambda}{N_{R X} d \cos \theta} Δθ=NRXdcosθλ

由上述公式可知,角度分辨率随着目标偏离法线的角度增大而增大,在法线位置目标的角度分辨率值最小。

3.角度精度

测角精度表示测量单目标的角度测量精度,取决于信噪比和3dB波束宽度:

σ θ = θ 3 d B 1.6 2 S N R \sigma_\theta=\frac{\theta_{3 d B}}{1.6 \sqrt{2 S N R}} σθ=1.62SNR θ3dB

4.最大探测角度

角度通过RX天线间的接收信号相位差(由波程差引起)来计算,相位差为:

ω = 2 π d sin ⁡ θ λ \omega=\frac{2 \pi d \sin \theta}{\lambda} ω=λ2πdsinθ

当相位差不模糊时,即:

∣ ω ∣ < π |\omega|<\pi ω<π

得到测角范围为:

θ max ⁡ = sin ⁡ − 1 ( λ 2 d ) \theta_{\max }=\sin ^{-1}\left(\frac{\lambda}{2 d}\right) θmax=sin1(2dλ)

上述公式计算可能会得到±90°,但是在实际工程中,角度探测范围还跟天线的波束宽度有关系,一般选择-3dB或者-6dB,所以水平角度范围一般是120°~160°。

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/147319.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

微服务框架SpringCloud从入门到通神(持续更新)

SpringCloud——>SpringBoot——>JavaWeb 微服务技术栈导学1 哔站up黑马程序员主讲老师&#xff0c;一上来就给介绍了SpringCloud出现的背景&#xff1a;微服务是分布式架构的一种&#xff0c;分布式架构就是要把服务做拆分&#xff0c;而SpringCloud只是解决了服务拆分式…

FTP协议原理简析

FTP服务器默认使用TCP协议的20、21端口与客户端进行通信。21端口用于建立控制连接&#xff0c;并传输FTP指令。20端口用于建立数据连接&#xff0c;传输数据流。 一&#xff1a;FTP功能简介 1&#xff1a;FTP服务器能够进行档案的传输与管理功能&#xff1b; 2&#xff1a;可以…

招生简章 | 欢迎报考中科院空天院网络信息体系技术重点实验室(七室)

官方公众号链接&#xff1a;招生简章 | 欢迎报考中科院空天院网络信息体系技术重点实验室&#xff08;七室&#xff09; 招生简章 | 欢迎报考中科院空天院网络信息体系技术重点实验室&#xff08;七室&#xff09; 中国科学院空天信息创新研究院&#xff08;简称空天院&#x…

【实战篇】38 # 如何使用数据驱动框架 D3.js 绘制常用数据图表?

说明 【跟月影学可视化】学习笔记。 图表库 vs 数据驱动框架 图表库只要调用 API 就能展现内容&#xff0c;灵活性不高&#xff0c;对数据格式要求也很严格&#xff0c;但方便数据驱动框架需要手动去完成内容的呈现&#xff0c;灵活&#xff0c;不受图表类型对应 API 的制约…

Smart Finance成为火必投票竞选项目,参与投票获海量奖励

最近&#xff0c;Huobi推出了新一期的“投票上币”活动&#xff0c;即用户可以通过HT为候选项目投票&#xff0c;在投票截止后&#xff0c;符合条件的优质项目将直接上线Huobi。而Smart Finance成为了新一期投票上币活动的竞选项目之一&#xff0c;并备受行业关注&#xff0c;与…

C++ 命令模式

什么是命令模式&#xff1f; 将请求转换为一个包含与请求相关的所有信息的独立对象。从而使你可以用不同的请求方法进行参数化&#xff0c;并且能够对请求进行排队、记录请求日志以及撤销请求操作。命令模式属于行为设计模式 如何理解命令模式 命令模式很像我们订外卖&#…

Hudi(10):Hudi集成Spark之并发控制

目录 0. 相关文章链接 1. Hudi支持的并发控制 1.1. MVCC 1.2. OPTIMISTIC CONCURRENCY 2. 使用并发写方式 3. 使用Spark DataFrame并发写入 4. 使用Delta Streamer并发写入 0. 相关文章链接 Hudi文章汇总 1. Hudi支持的并发控制 1.1. MVCC Hudi的表操作&#xff0c;如…

阿里云 EDAS Java服务日志中打印调用链TraceId

最近要搭建阿里云的日志服务SLS&#xff0c;收集服务日志&#xff0c;进行统一的搜索查询。但遇到一个问题如何在日志中打印链路的TraceId&#xff0c;本文章记录一下对EDAS免费的解决方法。 先看一下阿里官方文档 业务日志关联调用链的TraceId信息 从文档上看&#xff0c;想要…

基于SSM的资源发布系统

项目介绍&#xff1a; 该系统基于SSM技术&#xff0c;数据层为MyBatis&#xff0c;数据库使用mysql&#xff0c;MVC模式&#xff0c;B/S架构&#xff0c;具有完整的业务逻辑。系统共分为管理员&#xff0c;用户两种角色&#xff0c;主要功能&#xff1a;登陆注册&#xff0c;用…

数据结构:跳表

文章目录跳表跳表的由来单链表的查找效率太低提高单链表的查找效率跳表的时间复杂度分析跳表的空间复杂度分析跳表的插入操作跳表的删除操作跳表索引动态更新跳表 对链表进行改造&#xff0c;在链表上加多级索引的结构就是跳表&#xff0c;使其可以支持类似“二分”的查找算法。…

Redis查询之RediSearch和RedisJSON讲解

文章目录1 Redis查询1.1 RedisMod介绍1.2 安装Redis1.3 RediSearchRedisJSON安装1.3.1 下载安装1.3.2 修改配置1.4 RedisJSON操作1.4.1 基本操作1.4.1.1 保存操作JSON.SET1.4.1.2 读取操作JSON.GET1.4.1.3 批量读取操作JSON.MGET1.4.1.4 删除操作JSON.DEL1.4.1.5 其他命令1.4.1…

鲲鹏Bigdata pro之Hive的基本操作(创建表、查询表)

1 介绍 本文主要依据《鲲鹏Bigdata pro之Hive集群部署》实验教程上的Hive操作例子讲解&#xff0c;方便大数据学员重用相应的操作语句。同时对实验过程中出现的问题给以解决方法&#xff0c;重现问题解决的过程。以让大家认识到&#xff0c;出现问题很正常&#xff1b;同时&am…

Java设计模式中接口隔离原则是什么?迪米特原则又是什么,啥又是合成复用原则,这些又怎么运用

继续整理记录这段时间来的收获&#xff0c;详细代码可在我的Gitee仓库SpringBoot克隆下载学习使用&#xff01; 3.5 接口隔离原则 3.5.1 特点 使用的类不应该被迫依赖于不想使用的方法&#xff0c;应该依赖接口方法 3.5.2 案例(安全门) 防火功能代码 public interface Fi…

第一章:统计学习方法概论

大纲1.1统计学习的特点1.2统计学习方法步骤1.3 统计学习的分类基本分类&#xff1a;1.4 监督学习方法的三要素模型&#xff1a;条件概率分布P(Y∣X)P(Y|X)P(Y∣X)或决策分布Yf(X)Yf(X)Yf(X)策略&#xff1a;在所有假设空间中选择一个最优模型注意事项&#xff1a;算法&#xff…

Java设计模式中适配器模式是什么/适配器模式可以干什么/又如何实现

继续整理记录这段时间来的收获&#xff0c;详细代码可在我的Gitee仓库SpringBoot克隆下载学习使用&#xff01; 5.3 适配器模式 5.3.1 概述 将一个类的接口转换为客户希望的另一种接口&#xff0c;使得原本由于接口不兼容而不能一起工作的那些类能一起工作分为类适配器模式和…

一套采用ASP.NET开发的工作通OA协同办公系统源码 流程审批 公文流转 文档管理

分享一套采用ASP.NET基于C#开发&#xff0c;使用桌面式的OA协同办公系统&#xff0c;超好用户体验效果的后台管理界面&#xff0c;集成 资讯、邮件、日程、文档&#xff08;在线文件档案管理&#xff09;、流程审批、公文流转、沟通与分享&#xff08;在线聊天和内部论坛&#…

基于LLVM的C编译器--lcc——以CLion用SSH连接WSL Ubuntu22.04为例

Windows 10 22H2CLion 2022.3.1Ubuntu 20.04 &#xff08;Microsoft Store内的WSL发行版&#xff09; 一、下载WSL&#xff0c;换源&#xff0c;切换到WSL2 1.1 保证windows版本 在设置->系统->关于中查看 必须是win10及以上对于x64系统&#xff1a;版本1903或更高版…

ArcGIS基础实验操作100例--实验63由图片创建点符号

本实验专栏参考自汤国安教授《地理信息系统基础实验操作100例》一书 实验平台&#xff1a;ArcGIS 10.6 实验数据&#xff1a;请访问实验1&#xff08;传送门&#xff09; 高级编辑篇--实验63 由图片创建点符号 目录 一、实验背景 二、实验数据 三、实验步骤 &#xff08;1&…

Java设计模式中代理模式是什么/JDK动态代理分为哪些,静态代理又怎么实现,又适合哪些场景

继续整理记录这段时间来的收获&#xff0c;详细代码可在我的Gitee仓库SpringBoot克隆下载学习使用&#xff01; 5.结构型模式 5.1 概述 根据如何将类或对象按某种布局组成更大的结构&#xff0c;分为类结构模式和对象结构模式&#xff0c;前者采用继承机制来组织接口和类&am…

视频序列对比学习

前言 视频embedding化也即表征有很多实际的应用场景&#xff0c;比如文本-视频 pair的检索等等。由于视频一般来说较长&#xff0c;所以对于给定的一段话&#xff0c;其中的某些sentence句子一般对应着视频中某几个clip片段&#xff0c;之前常规的做法都是去匹配所有的sentence…