2、毫米波雷达原理：FMCW雷达测距测速原理、雷达信号处理流程、目标检测与点云生成

好，咱们进入正题。毫米波雷达，尤其是FMCW体制的，在自适应巡航里扮演的角色，说白了就是「眼睛」——而且是那种不怕黑、不怕雾、不怕雨雪的眼睛。我最早接触FMCW雷达是在2016年做ADAS预研项目，当时被一堆中频信号和傅里叶变换搞得头大。后来摸透了，发现核心逻辑其实很清晰。

2.1 FMCW雷达测距测速原理

FMCW，全称是Frequency Modulated Continuous Wave，调频连续波。它不发射脉冲，而是发射频率随时间线性变化的连续波。你想想看，就像你对着山谷喊一声，回声的频率和你的声音不一样——因为多普勒效应。FMCW雷达就是利用这个差异来算距离和速度的。

具体怎么做的？发射信号频率从f0开始，以斜率S线性增加到f0+B（B是带宽），然后重复。这叫一个chirp。发射信号碰到目标反射回来，和当前发射信号混频，得到中频信号。这个中频信号的频率f_IF，和目标的距离R成正比：

f_IF = S * (2R / c)

其中c是光速，S是调频斜率。你看，距离越远，中频频率越高。这就是测距的基本原理。

那测速呢？如果目标在运动，回波信号还会有一个额外的多普勒频移。这时候，我们发射两个相邻的chirp，比较它们中频信号的相位差Δφ。速度v和相位差的关系是：

v = λ * Δφ / (4π * Tc)

λ是波长，Tc是chirp周期。嗯，这里要注意：相位差测量有模糊问题，速度不能太大，否则会卷绕。我在高速公路上测试时遇到过，一辆车从旁边超车，速度显示突然跳成负数——就是相位卷绕了。

2.2 雷达信号处理流程

从天线收到信号到输出目标点云，中间要经过好几步。我习惯把它分成四个阶段：

1. 混频与中频采样：接收信号和发射信号混频，得到中频信号。然后ADC采样，变成数字信号。
2. 距离FFT（1D FFT）：对每个chirp的中频信号做FFT，得到距离维的频谱。峰值位置对应目标距离。
3. 速度FFT（2D FFT）：对多个chirp的同一距离门做FFT，得到速度维的频谱。峰值位置对应目标速度。
4. 恒虚警检测（CFAR）：在距离-速度二维频谱上做目标检测，提取有效目标。

我建议你画一张流程图，把每个阶段的输入输出标清楚。我自己做项目时，经常在2D FFT之后先看一眼热力图——如果背景噪声很均匀，说明信号质量不错；如果出现大片亮斑，那多半是干扰或者自激。

2.3 目标检测与点云生成

做完2D FFT，我们得到的是一个距离-速度二维复数矩阵。接下来要从中找出真正的目标。这一步叫恒虚警检测，简称CFAR。

CFAR的原理很简单：对每个待检测单元，用周围单元估计噪声功率，然后设定一个自适应阈值。超过阈值的，判为目标。常用的有CA-CFAR（单元平均）和OS-CFAR（有序统计）。

我曾经在一个项目中，用CA-CFAR在隧道里疯狂虚警——因为隧道壁的回波太强，把噪声估计抬高了，导致真实目标反而漏检。后来换成OS-CFAR，问题解决了。所以你看，算法没有绝对的好坏，得看场景。

检测到目标后，我们得到的是距离、速度、角度（通过多天线MIMO技术获得）三个维度的信息。把这些信息组合起来，就形成了点云。每个点云点包含：

参数	含义	典型范围
距离	目标到雷达的直线距离	0.5m ~ 250m
速度	目标的径向速度	-100 m/s ~ +100 m/s
方位角	目标在水平方向的角度	-60° ~ +60°
俯仰角	目标在垂直方向的角度	-15° ~ +15°
信噪比	目标强度与噪声的比值	10dB ~ 40dB

点云生成之后，还要做一步聚类和跟踪。因为同一个目标（比如一辆车）可能会产生多个点云点，需要把它们合并成一个目标。常用的聚类算法有DBSCAN和基于距离的欧式聚类。

最后，点云数据会送给后面的跟踪模块和融合模块。在自适应巡航中，毫米波雷达的点云是核心输入之一，和摄像头、激光雷达的数据融合后，才能得到稳定可靠的环境感知结果。

嗯，这一章的内容就到这里。FMCW雷达的原理听起来复杂，但拆开来看，无非就是「发射-接收-混频-FFT-检测」这几个步骤。你只要把每个步骤的物理意义搞清楚，代码实现就是水到渠成的事。