3. 毫米波雷达原理：多普勒效应、点云生成、目标检测特性
各位同学，欢迎来到第三章。前面我们聊了传感器融合的整体架构，今天咱们深入一个具体传感器——毫米波雷达。
说实话，雷达这东西，我刚入行时觉得它挺「玄乎」的。明明只发射一束电磁波，回来就能知道目标多远、多快、甚至是什么类型？后来自己动手调过几次参数、踩过几个坑，才真正理解它的脾气。今天我就把这几年的心得掰开揉碎讲给你听。
3.1 多普勒效应：雷达测速的「物理底牌」
先问个问题：为什么雷达能测出目标的速度？
答案就是多普勒效应。说白了，就是波源和观察者之间有相对运动时，接收到的频率会发生变化。你想想看，救护车朝你开过来时，警笛声变尖（频率变高）；开走时变低沉（频率变低）。雷达也是这个道理。
在毫米波雷达里，发射信号是调频连续波（FMCW）。目标静止时，回波频率和发射频率的差是固定的，这个差值叫中频频率。但目标一旦运动，回波频率就会叠加一个多普勒频移：
f_d = 2 * v_r / λ其中 v_r 是径向速度，λ 是波长。嗯，这里要注意：雷达只能测径向速度，也就是目标朝向或远离雷达方向的分量。如果目标横着跑，雷达是测不出来的。我在项目里就吃过这个亏——明明目标在动，雷达却显示速度为零，排查了半天才发现是横向运动。
3.2 点云生成：从原始信号到空间坐标
雷达怎么从一堆波形变成我们熟悉的点云？这个过程我习惯分成三步走。
3.2.1 距离-多普勒二维FFT
第一步，对每个chirp做距离FFT，得到距离维信息。第二步，对同一距离门上的多个chirp做多普勒FFT，得到速度维信息。这两步合起来就是距离-多普勒（Range-Doppler，RD）图谱。
RD图谱长什么样？横轴是距离，纵轴是多普勒速度，每个像素点的亮度代表该距离-速度组合下的回波强度。说白了，这就是雷达的「原始视图」。
| 维度 | FFT方向 | 物理含义 |
|---|---|---|
| 距离维 | 快时间（每个chirp内采样点） | 目标距离 |
| 多普勒维 | 慢时间（多个chirp之间） | 目标径向速度 |
3.2.2 恒虚警率检测（CFAR）
RD图谱里噪声很多，怎么区分哪些是真实目标？这就用到CFAR算法。它的思路很简单：对每个待检测单元，拿它周围的噪声水平做参考，如果信号强度超过噪声一定倍数，就判为目标。
我个人习惯用OS-CFAR（有序统计CFAR），它在多目标场景下比CA-CFAR（单元平均CFAR）更鲁棒。为什么？因为CA-CFAR假设参考单元里全是噪声，如果旁边有个强目标，阈值会被拉高，导致漏检。OS-CFAR取中间值，抗干扰能力强很多。
3.2.3 角度估计与点云生成
检测到目标后，还需要知道它的方位角。这通常通过多根接收天线之间的相位差来解算。常用的方法有：
- 数字波束形成（DBF）： 简单粗暴，对各个角度方向做加权求和，找峰值。计算量小，但分辨率受限于天线数量。
- MUSIC/ESPRIT： 超分辨率算法，能突破天线数量的限制。我曾在4根天线的雷达上用MUSIC算法分辨出两个相距3°的目标，效果惊艳。但计算量大，实时性要求高的场景慎用。
最终，每个检测到的目标会输出一个点：包含距离、速度、角度、信噪比等信息。这就是我们常说的雷达点云。
3.3 目标检测特性：雷达的「脾气」你得摸透
做传感器融合，不了解雷达的脾气，后面肯定要栽跟头。我总结了几个关键特性：
3.3.1 距离分辨率与最大不模糊距离
距离分辨率取决于信号带宽：ΔR = c / (2B)。带宽越大，分辨率越高。比如77GHz雷达，带宽4GHz，分辨率能做到3.75cm左右。但要注意，最大不模糊距离受限于采样率：R_max = Fs * c / (2 * S)，其中S是chirp斜率。
这里有个trade-off：想提高分辨率就得增大带宽，但带宽大了，采样率也得跟着涨，硬件成本就上去了。我在做一款低端雷达时，为了控制成本，带宽砍了一半，分辨率从4cm降到8cm，结果行人检测时两个紧挨着的目标经常合并成一个。嗯，这就是现实。
3.3.2 速度分辨率与最大不模糊速度
速度分辨率取决于帧周期：Δv = λ / (2 * T_frame)。帧周期越长，速度分辨率越好。但最大不模糊速度受限于chirp间隔：v_max = λ / (4 * T_chirp)。
你想想看，这两个参数是矛盾的。想测高速目标，chirp间隔要短，但这样速度分辨率就差了。怎么破？我常用的方法是发射两种不同斜率的chirp，一个负责测距，一个负责测速，然后做数据关联。这叫「多模式发射」，很多量产雷达都在用。
3.3.3 角度分辨率与视场角
角度分辨率取决于天线孔径：θ_res = λ / (N * d)，其中N是天线数量，d是天线间距。天线越多，分辨率越好。但天线多了，雷达尺寸和成本都上去了。
视场角（FOV）则取决于天线方向图和天线间距。一般FOV在±60°到±90°之间。我建议你注意一点：雷达边缘视场的目标，角度估计误差会明显增大。所以做融合时，对FOV边缘的目标要适当降低置信度。
3.4 小结
这一章我们聊了毫米波雷达的核心原理。多普勒效应是测速的物理基础，点云生成经历了RD图谱、CFAR检测、角度估计三个步骤。而雷达的检测特性——分辨率、最大不模糊距离/速度、角度精度——这些参数相互制约，设计时得权衡取舍。
下一章，我们会把摄像头拉进来，看看图像数据是怎么处理的。到时候你会发现，雷达和摄像头简直是天生一对——一个擅长测距测速，一个擅长识别分类。怎么让它们「好好相处」？我们下回分解。