第四节：角度分辨率与瑞利限

各位同学，今天我们来聊聊雷达角度估计里一个绕不开的话题——分辨率。说白了，就是两个目标靠得多近，你还能把它们区分开。

我记得刚入行那会儿，有个项目让我头疼了好几天。两个目标明明在空间上分开了，可雷达画出来的点迹就是糊成一团。后来才明白，这就是分辨率不够。嗯，今天我们就把它彻底讲清楚。

4.1 瑞利准则：区分两个目标的基本法则

瑞利准则最早是光学里的概念。它说的是：当一个目标的峰值刚好落在另一个目标的第一个零点时，这两个目标刚好能被区分。

为什么会这样？你想想看，雷达天线接收到的信号，其实是一个sinc函数形状的波束。sinc函数的主瓣宽度决定了你能分辨多近的目标。

用数学语言表达就是：

θ_res = λ / D

其中：

• θ_res：角度分辨率（弧度）
• λ：信号波长
• D：天线孔径尺寸

这个公式看着简单，但背后藏着不少门道。我建议你把它刻在脑子里，因为后面所有的波束成形设计，都绕不开它。

4.2 角度分辨率公式的深入理解

咱们把公式拆开来看。

首先，λ是波长。毫米波雷达工作在30-300GHz，波长在1-10mm之间。波长越短，分辨率越好。这也是为什么毫米波雷达比传统微波雷达精度更高的原因之一。

其次，D是孔径。孔径越大，分辨率越好。但孔径不能无限大——车顶上装个两米长的天线，你觉得现实吗？

所以，实际工程中我们经常用虚拟孔径技术。MIMO雷达就是典型例子——用多个收发通道合成一个大孔径。

举个例子：

假设：λ = 4mm（77GHz雷达）
      D = 10cm（单天线孔径）

θ_res = 0.004 / 0.1 = 0.04 rad ≈ 2.3°

如果使用4发4收MIMO，等效孔径D' = 40cm
θ_res' = 0.004 / 0.4 = 0.01 rad ≈ 0.57°

看到了吗？同样的物理尺寸，通过MIMO技术，分辨率提升了4倍。我在做车载雷达项目时，就靠这个技巧把角度分辨率从3°压到了0.8°左右。

4.3 孔径与分辨率的关系

孔径和分辨率的关系，说白了就是一句话：孔径越大，看得越清楚。

但这里有个容易踩的坑——孔径不是越大越好。

为什么？

• 成本问题：大孔径意味着更多天线单元，更多射频通道，成本直线上升
• 安装限制：车载雷达通常只有几十厘米的安装空间
• 模糊问题：阵元间距超过半波长，会出现栅瓣，产生角度模糊

我曾经在一个项目中，为了追求极致分辨率，把阵元间距设成了0.7λ。结果呢？目标角度估计出现了多个假峰，差点把客户吓到。后来老老实实改回0.5λ，虽然分辨率差了一点，但至少结果是可信的。

4.4 实际系统中的分辨率提升方法

既然物理孔径有限，我们怎么提升分辨率？这里分享几个我常用的方法：

1. 超分辨算法：比如MUSIC、ESPRIT，可以突破瑞利限。但计算量大，对信噪比要求高。
2. MIMO虚拟孔径：用多个收发通道合成大孔径，性价比很高。
3. 稀疏阵列：用少量阵元实现大孔径，但设计复杂，容易产生栅瓣。
4. 多帧积累：对运动目标，通过多帧数据积累提升信噪比，间接改善分辨率。

我个人比较推荐MIMO+超分辨算法的组合。在77GHz车载雷达上，这个组合能把角度分辨率做到0.3°左右，足够应对大部分场景。

4.5 小结

今天的内容就到这里。总结一下：

• 瑞利准则是角度分辨的理论基础
• 分辨率公式θ_res = λ/D，简单但重要
• 孔径越大分辨率越好，但受限于成本和安装
• 实际系统中，可以通过算法和阵列设计突破物理限制

下一节，我们会讲波束成形的具体实现方法。到时候我会带大家手撕一段波束成形代码，敬请期待。