FMCW毫米波雷达车载目标检测与多普勒分析系统

资 源 简 介

本项目构建了一个完整的调频连续波（FMCW）车载雷达信号处理仿真链路，旨在模拟自动驾驶场景下的环境感知过程。主要功能涵盖以下几个方面：首先是波形生成与系统建模，设计高频段（如77GHz）的锯齿波线性调频信号（Chirp），并根据用户设定的最大探测距离和距离分辨率自动计算带宽、扫频时间等关键参数。其次是目标与信道模拟，系统能够设置多个静止或运动目标（定义其初始距离和相对速度），并基于雷达方程模拟自由空间传播损耗，同时注入加性高斯白噪声（AWGN）以模拟真实的物理信道干扰。第三是核心信号处理链路，包括接收信号的混频去斜（De-chirping）处理以获取差频信号，接着执行快时间维度的距离FFT（Range-FFT）和慢时间维度的多普勒FFT（Doppler-FFT），生成反映目标能量分布的距离-多普勒图（Range-Doppler Map, RDM）。最后是自适应目标检测，在二维RDM谱图上滑动窗口，实施单元平均恒虚警率（CA-CFAR）算法，根据局部噪声水平动态计算检测阈值，从而在复杂背景下精确过滤杂波并锁定目标峰值，输出目标的距离和速度估计值。

详 情 说 明

基于FMCW毫米波雷达的车载目标检测与多普勒分析系统

项目简介

本项目不仅仅是一个雷达信号处理的简单演示，而是构建了一个完整的、底层物理层面的77GHz调频连续波（FMCW）雷达仿真链路。系统旨在模拟自动驾驶场景下的环境感知过程，通过MATLAB代码实现了从波形参数设计、射频信号建模、多目标回波生成、二维信号处理（2D-FFT）到恒虚警率（CFAR）目标检测的全流程。

该仿真器通过直接合成混频后的拍频信号（Beat Signal）优化了内存占用，并采用完全矩阵化的运算方式提高了仿真效率，能够精确模拟并在距离-多普勒谱（Range-Doppler Map, RDM）上分离不同距离和不同相对速度的目标。

主要功能特性

• 自动波形参数设计：根据用户设定的最大探测距离（200m）、距离分辨率（1m）、最大速度（100m/s）等指标，自动计算FMCW波形的带宽（Bandwidth）、扫频斜率（Slope）和Chirp周期。
• 多目标与物理信道模拟：支持设置多个具有不同距离、速度和雷达散射截面（RCS）的目标；基于雷达方程模拟信号幅度，并注入加性高斯白噪声（AWGN）以模拟真实信噪比环境。
• 高效信号生成：采用矩阵化操作直接生成混频后的中频（IF）信号，包含了快时间（Fast-time）的距离信息和慢时间（Slow-time）的多普勒信息。
• 完整的雷达信号处理链路：

* Range-FFT：距离维加汉宁窗（Hanning Window）以抑制旁瓣，转换时域数据为距离谱。 * Doppler-FFT：慢时间维处理，提取相位变化以计算速度，并进行零频平移。

• 自适应目标检测 (2D CA-CFAR)：在距离-多普勒图上实施二维单元平均恒虚警率检测，动态计算局部噪底，有效剔除杂波并锁定真实目标。
• 多维数据可视化：提供时域信号、一维距离像、二维距离-多普勒热力图以及CFAR检测后的三维结果展示。

系统要求

• MATLAB: 建议R2018b及以上版本（代码主要依赖基础矩阵运算及信号处理工具箱）。
• 工具箱: Signal Processing Toolbox（主要用于hanning窗函数和FFT操作）。

核心算法与代码实现细节

本项目核心逻辑包含在 main.m 文件中，以下是各模块的详细实现分析：

1. 系统参数配置与波形设计

代码首先定义了77GHz的车载雷达载频。不同于固定参数，系统根据高层设计指标反向计算底层参数：

• 带宽 (B)：由距离分辨率决定，$B = c / (2 cdot Delta R)$。
• Chirp周期 (T_chirp)：为了满足最大探测距离的奈奎斯特采样要求，代码使用了系数5.5来确保足够的采样时间。
• 采样点数：设定每个Chirp采样1024点 ($N_r$)，共发射128个Chirp ($N_d$) 用于多普勒累积。

2. 信号生成模型 (Beat Signal Generation)

代码没有分别生成发射波(Tx)和接收波(Rx)再进行混频（这样会极大地消耗采样率资源），而是直接生成混频后的拍频信号 (Beat Signal)。

• 数学模型：$S_{if}(t, tau) = A cdot cos(2pi (f_r t + f_d tau))$。

* $f_r$ (拍频频率) 由距离决定：$2 cdot Slope cdot R / c$。 * $f_d$ (多普勒频率) 由速度决定：$2 cdot v / lambda$。

• 矩阵化实现：代码构建了快时间矩阵 t_matrix 和慢时间矩阵 tau_matrix，通过矩阵点乘一次性叠加所有目标的信号，最后叠加高斯白噪声。

3. 给定目标的场景设置

在代码中预设了三个典型目标用于验证算法：

1. 目标1：距离110m，速度-20m/s（靠近雷达）。
2. 目标2：距离80m，速度30m/s（远离雷达）。
3. 目标3：距离50m，速度0m/s（静止）。

4. 2D-FFT 处理链路

• 距离维处理 (Range-FFT)：

* 对 [Nr, Nd] 的数据矩阵沿第一维度（采样点）进行FFT。 * 预先应用了Hanning窗以减少频谱泄露。 * 结果截取单边谱并归一化。

• 多普勒维处理 (Doppler-FFT)：

* 对Range-FFT的结果沿第二维度（Chirp序列）进行FFT。 * 使用 fftshift 将零频分量移至频谱中心，使得静止目标位于中间，正负速度分列两侧。 * 最终生成对数刻度的幅度谱 RDM_dB。

5. 2D CA-CFAR 检测器

为了从RDM中提取目标，代码实现了二维单元平均（Cell Averaging）CFAR算法：

• 滑动窗口结构：

* 测试单元 (CUT)：当前待检测点。 * 保护单元 (Guard Cells)：紧邻CUT的区域，避免目标能量泄漏到训练单元。 * 训练单元 (Training Cells)：外围区域，用于估计由于噪声产生的干扰水平。

• 算法逻辑：

1. 遍历RDM谱图（跳过边缘）。 2. 计算训练单元内的噪声平均功率（全窗口总能量减去保护区能量，再归一化）。 3. 将噪声水平对数化并加上偏移阈值 offset_dB (设为10dB)。 4. 如果 CUT 的信号强度 > 阈值，标记为1（检测到目标），否则标记为0。

• 检测结果：生成一个掩膜矩阵 CFAR_Map，并据此过滤原始RDM，仅保留检测到的峰值。

使用方法

1. 确保MATLAB安装路径中包含信号处理工具箱。
2. 打开MATLAB，将工作目录切换至项目文件夹。
3. 直接运行 main.m 脚本。
4. 程序将自动执行所有仿真步骤，控制台会打印系统参数和检测结果报告。
5. 程序运行结束后，会弹出一个包含四个子图的图形窗口。

仿真结果展示

运行脚本后，系统生成的图形窗口包含以下内容：

1. 时域混频信号：展示叠加了噪声的原始拍频波形片段。
2. Range FFT：第一个Chirp的距离维频谱，可初步观察目标的距离分布。
3. Range-Doppler Map (原始)：二维热力图，横轴为速度，纵轴为距离，直观显示目标的能量聚集。
4. CFAR检测结果：经过CFAR算法过滤后的三维曲面图，仅保留了超过噪底阈值的目标峰值，背景噪声被有效抑制。

控制台（Command Window）将输出真实的参考目标信息以及通过算法解算出的目标列表，用户可直接对比以验证精度。