【毫米波雷达】LFMCW车载雷达的应用场景

1、汽车外部场景应用

高级驾驶辅助系统(ADAS)、盲点检测，变道驾驶等等很多

2、汽车内部场景应用

主要包括：邻近感测；驾驶员生命体征监控；手势识别；占位检测。

（1）邻近感测

邻近感测传感器扩展了雷达探测障碍物的能力，比如开车门或后备箱时的防撞功能。这一应用功能利用了雷达的高距离分辨率及其近距离探测障碍物的能力(障碍物包括电线杆、停车障碍物、墙壁、邻近停放的车辆等)。如图所示，邻近感测也可用于泊车辅助。

下图描述了一个典型邻近感测功能的处理流程。处理器通过执行2D FFT处理帧间的模数转换(ADC)数据，该过程可解析出目标的距离和多普勒信息，并区分出附近的运动物体和静止的障碍物。

基于雷达的移动，多普勒分辨也有助于对静止目标物的辨识，因为相对于雷达而言，它们的相对速度是不同的。通过不同天线间二维 FFT矩阵的非相干累积生成一个距离-多普勒图，然后由检测算法进行处理。

检测算法可用一种基本的恒定虚警率-单元平均(CFAR-CA)检测器。诸如CFAR有序统计(CFAR-OS)等更复杂的变形也有助于改善存在地杂波情况下的检测。

（2）驾驶员生命体征监测

FMCW雷达技术的一项重要应用是提高道路安全性，它可通过精确监测驾驶员的心率和呼吸频率来持续监测驾驶员的生命体征。这种小尺寸传感器简单易用，比如它可以嵌入到驾驶员座椅的靠背中。

FMCW雷达接收信号的相位对目标位置的微小变化极为敏感(如前所提及的相位灵敏度，目标每移动1mm，经过距离FFT处理数据的相位就会变化180度)。利用这一特性可估计出目标的振动频率(比如由呼吸和心跳引起的振动)。

该器件发出一串chirps信号，随之利用距离FFT中的峰值识别来自驾驶员胸部的强烈反射。通过算法跟踪这个峰值的相位，并对该相位序列进行频谱分析，以提取驾驶员的心脏和呼吸频率。

注意，由呼吸引起的胸部运动可达到12mm量级，这是雷达工作波长(77GHz时约为4mm)的好几倍。因此，为了更准确地测量出结果，需要对相位进行合适的解卷绕处理。

随后，器件中的算法对相位序列进行带通滤波处理，提取出目标频谱(呼吸频率为0.1-0.5Hz，心跳频率为0.8-2Hz)。然后，对输出结果进行频谱分析，测量出心率和呼吸率。

为了提高鲁棒性，可选择性地使用运动检测模块来检测驾驶员的内部运动，并对其进行适当地动态补偿，或者放弃读取。

（3）手势识别

使用FMCW雷达可实现较高的距离和速度(或多普勒)分辨率，使其非常适合于基于手势的非接触式界面。应用于汽车的案例包括基于手势打开车门/后备箱和基于手势控制信息娱乐系统(例如通过挥手切换屏幕，或者通过捻转手指控制音量)。

特征处理方法有很多种。一种方法是将特定的时间窗内提取的特征发送给机器学习算法，例如人工神经网络、决策树或支持向量机等，然后再进行分类。另一种方法是利用手工编写的逻辑来识别提取的特征中的各种手势。混合解决方案也是一种可能的方法。

特征处理的输出是检测到手势的类型。此外，特征处理还可以输出与手势有关的其他指标(例如手势速度)，利用这些指标可改善用户体验。

（4）占位检测

被锁在车内的儿童和动物可能会很快死于高温。安装在驾驶室中的FMCW雷达可以在无人照看的车辆中检测到它们的存在，从而能够及时采取措施。该应用主要取决于雷达是否具备精细的速度分辨率。雷达必须能够将即使最轻微运动(例如熟睡中的孩子)的目标与车内静止的杂物区分开。

所有天线的距离FFT被传递到角谱估计模块，该模块对每个距离单元的角谱进行估计。目标的微小运动有助于距离FFT峰值相位(多个chirps信号序列计算所得)的去相关运算，这反过来有助于提高角度分辨率。

如果距离FFT解析出了信号的距离，而角谱估计解析出了角度，后续处理可以基于检测算法(例如CFAR)，或者更复杂的特征提取和分析技术检测出该图中的目标。后处理的输出可以是一个标识，指示目标对象的存在或不存在。另外，后处理模块还可以输出目标的空间位置。

在航空航天和国防应用中，雷达大多使用脉冲、脉冲压缩信号，甚至频率捷变来进行远程侦察，而如提供高精度定位的工业雷达传感器、飞机高度计和车载雷达传感器等均使用连续波雷达信号。

车载雷达市场中，往往要求成本低，性能突出，可靠稳定，在成本的限制下，雷达必须进行高效的研发和生产，雷达传感器的测试与测量必须实时可靠，产品必须物美价廉、前景明朗。

线性调频连续波雷达信号应用于多种雷达系统中。尽管调频连续波技术已推广使用多年，但其在车载雷达领域的应用最为广泛。