Hello，大家好，我是Xiaojie，好久不见，欢迎大家能够和Xiaojie一起学习毫米波雷达知识，Xiaojie准备连载一个系列的文章—DDMA信号处理以及数据处理的流程，本系列文章将从目标生成、信号仿真、测距、测速、cfar检测、测角、目标聚类、目标跟踪这几个模块逐步介绍，这个系列的文章大约是一个7-8篇左右。

最终效果如下：

本篇文章主要讲的是DDMA原理性的部分。

目录

DDMA波形

DDMA波形下所有发射天线同时发射，但是每个发射天线的信号都偏移一个特定的频率，通过这个外部偏移的频率使不同发射天线的信号在doppler域上能分离开来。

不同发射天线上的频率偏移是通过在chirp之间上施加不同的相位旋转来实现的，但是在chirp内信号的相位是不变的。

假如发射天线总共有$N_t$根发射天线，对于发射天线k，在相邻chirp上施加的相移${\omega }_k$由下式决定：

$${\omega }_k=\frac{2\pi (k-1)}{N_t}，k=1,\dots \dots ,N_t$$

发射天线数量为3根时，具体表现如下图所示(图片来源于TI文档)：

当目标的速度超过一定的范围时，就无法根据子带的位置去分离不同的发射天线数据，就会产生DDMA的速度模糊问题。

DDMA速度解模糊

为解决DDMA速度模糊的问题，TI采用的是一种基于空子带的解速度模糊的方法。

在相邻chirp上施加的相移${\omega }_k$修改为：

$${\omega }_k=\frac{2\pi (k-1)}{N_t+N_{empty}}，k=1,\dots \dots ,N_t$$

$N_{empty}$为空子带的数量

发射天线数量为4根，空子带数量为2时，具体表现如下图所示(图片来源于TI文档)：

DDMA信号仿真

对DDMA信号进行仿真，参数如下：

发射天线数量：4，
空子带数量：2，
chirp数量：384，

结果如下：

代码如下：

clc;close all;clear;
chirpNums = 384;
txAntennas = 4;
emptySuband = 2;
i = 1:1:chirpNums;
j = 1:1:txAntennas;
phi = zeros(chirpNums,txAntennas);
S = zeros(chirpNums, 1);

for i_index= 1:1:chirpNums
    for j_index = 1:1:txAntennas
        phi (i_index,j_index)= mod(360*(i_index-1)*(j_index-1)/(txAntennas+emptySuband),360);
    end
end
s1(:,1)= cosd(phi(:, 1));
s2(:,1)= cosd(phi(:, 2));
s3(:,1)= cosd(phi(:, 3));
s4(:,1)= cosd(phi(:, 4));
figure;
subplot(4,2,1);plot(((s1)));xlabel('chirp数');ylabel('幅值');title('tx0天线时域信号')
subplot(4,2,3);plot(((s2)));xlabel('chirp数');ylabel('幅值');title('tx1天线时域信号')
subplot(4,2,5);plot(((s3)));xlabel('chirp数');ylabel('幅值');title('tx2天线时域信号')
subplot(4,2,7);plot(((s4)));xlabel('chirp数');ylabel('幅值');title('tx3天线时域信号')
subplot(4,2,2);plot(abs(fft(s1)));xlabel('chirp数');ylabel('幅值');title('tx0天线频域信号');
subplot(4,2,4);plot(abs(fft(s2)));xlabel('chirp数');ylabel('幅值');title('tx1天线频域信号');
subplot(4,2,6);plot(abs(fft(s3)));xlabel('chirp数');ylabel('幅值');title('tx2天线频域信号');
subplot(4,2,8);plot(abs(fft(s4)));xlabel('chirp数');ylabel('幅值');title('tx3天线频域信号');

参考文献

1. 《基于 AWR2944 的汽车雷达 DDMA 波形的原理和实现》

至此，本片文章就此结束了。