读书笔记 | 自动驾驶中的雷达信号处理（引言）

本文编辑：调皮哥的小助理

引言

在汽车行业，自动驾驶是当前的热门话题，在安全性和驾驶舒适性方面都有大量的应用。据估计，全自动驾驶将在未来二三十年实现，其中一项技术便是雷达感知。

诸多自动驾驶领域的初学者，由于没有充足的参考学习资料，从而直接将雷达处理应用于汽车自动驾驶方面存在许多困难。

虽然雷达技术从麦克斯韦预言电磁波的存在到现在已经经过了140多年的时间，但是雷达大多数还是用在军事领域，如导弹跟踪和导航。目前，随着自动驾驶技术的发展，用于这个领域的雷达的相关研究资料显然不足，因此，如果能够有一系列从基本到详细全面介绍该领域的资料，对于大家来说是非常有帮助的。

本系列文章是阅读《Radar Signal Processing Autonomous Driving》的读书笔记，删除了过多的废话，书中的重要内容已经总结出来，并加以修改，便于各位中国读者参考学习。每天学一点，日拱一卒学雷达，文章会慢慢更新。

图1 《Radar Signal Processing Autonomous Driving》

第一章 雷达系统基础

这章介绍了雷达系统的基础知识，描述了天线对雷达系统的重要性。此外，由于汽车雷达处理是讨论的重点对象，因此还概述了雷达系统在汽车领域的应用。

1.1 介绍
1.2 雷达基本功能
1.3 雷达系统基础知识
1.4 雷达测量天线
1.5 天线阵列基础知识
1.6 汽车雷达应用概述
1.7 汽车雷达开发者面临的挑战
参考文献

第二章 雷达方程

这章介绍了雷达方程，该方程可以让我们更能够理解影响雷达性能的主要因素，本书还以典型的汽车雷达参数为例说明传播损耗对最大可探测范围的影响。

2.1 介绍
2.2 雷达性能要求
2.3 雷达方程
2.4 损耗效应
2.5 汽车应用的雷达方程
参考文献

第三章 雷达系统的信号处理

本章主要介绍了雷达接收信号处理的重要理论，重点介绍了傅里叶变换及其它在雷达信号处理中的应用，还提供了一些通常用于处理雷达信号的窗函数，将这些概念简单地推广到二维处理（2D-FFT）。

3.1 介绍
3.1.1 傅里叶变换的定义
3.1.2 傅里叶变换的性质
3.1.3 傅里叶级数
3.1.4 抽样定理
3.1.5 离散傅里叶变换(DFT)
3.1.6 功率谱估计
3.1.7 开窗技术
3.2 多维傅里叶变换(基于距离-多普勒估计)
3.3 雷达信号噪声与杂波抑制
参考文献

第四章 雷达波形及其数学模型

本章讨论了在目标探测和定位中使用的各种雷达波形。波形设计是汽车雷达发展的一个关键环节，根据目标距离、速度和角度，可以选择不同的波形满足要求。其中，FMCW和快速啁啾(chirp)斜坡序列用图做了解释说明，并 给出了影响雷达性能的基本数学关系，同时还考虑了参数选择的影响。

4.1 介绍
4.2 波形类型概述
4.3 连续波形(连续波 )
4.4 脉冲多普勒雷达(PDR)波形
4.5 调频CW (FMCW)及其变化
4.5.1 线性调频CW (LFMCW)
4.5.2 步进FMCW
4.5.3 MFSK (Multi-frequency Shift Keying)
4.5.4 间断FMCW (FMICW )
4.6 快速啁啾斜坡序列波形（FCR-SW）
参考文献

第五章 雷达目标检测

目标检测是必须对接收到的雷达信号执行的最早操作之一， 检测的目的通常是将真正的目标反射与噪声和杂波区分开来。 本章讨论用于雷达检测的主要概念和方法，特别是参考 Sterling 目标模型论述了与恒虚警率检测（CFAR）相关的内容。

5.1 介绍
5.2 目标型号(Sterling 1–Sterling 4 Models)
5.3 峰值检测
5.3.1 固定阈值
5.3.2 多单元的阈值
5.3.3 恒虚警检测(CFAR)
参考文献

第六章 波达方向(DOA)估计

DOA估计构成了雷达数据立方体（radar cube）的第三个组成部分:距离、速度和角度。

图2 雷达数据立方体

在实践中，DOA估计常常会因为存在多个振幅未知未知数量的源信号同时发射回接收阵列而变得复杂，本章详细介绍DOA方法。目的是给出一些在汽车雷达DOA估计中被人们积极且持续研究的关键方法，同时给出了最新方法的优点和局限性。

6.1 介绍
6.2 DOA估计方法分类
6.3 DOA估计方法
6.3.1 信号模型
6.3.2 DOA估计方法
6.3.3 空间平滑
6.3.4 其他DOA算法
6.3.5 多维DOA算法
6.3.6 最近的估计方法
参考文献

第七章 目标滤波与跟踪算法

滤波使雷达系统能够实时捕捉目标的运动动态，而目标跟踪基于距离、速度和方位，是汽车雷达处理的一个关键部分。这一章介绍了传统卡尔曼滤波的关键算法；此外，为了更好地理解跟踪算法，还介绍了近年来基于贝叶斯理论的先进算法，并指出在实际应用中的难点；最后，我们还讨论了多目标处理中的数据关联问题。

7.1 介绍
7.2 卡尔曼滤波
7.3 贝叶斯滤波(顺序蒙特卡罗)
7.4 多目标跟踪中的数据关联
7.5 目标滤波和跟踪的难点
参考文献

第八章 目标识别与分类技术

本章介绍了汽车雷达处理中的一个热点研究问题——识别和分类。识别和分类通常与图像处理联系在一起，并在雷达处理中的应用越来越多。在驾驶环境中有必要区分物体，因此对识别技术的需求在自动驾驶设置中更为重要。在这一章中，我们通过一些例子来讨论了机器学习的概念，也将会接触了雷达中的深度学习算法。

8.1 介绍
8.2 目标识别的方法
8.3 基于雷达目标识别的难点与发展趋势
8.3.1 难点
8.3.2 目前的发展趋势
参考文献

第九章 汽车雷达的应用

本章给出了一些重要的应用，比如近程雷达(SRR)和远程雷达(LRR)领域，并对未来的发展方向做了一些简单的预测。

9.1 介绍
9.2 短程雷达(SRR )
9.3 远程雷达(远程雷达 )
9.4 汽车应用发展趋势
9.4.1 未来路线图汽车应用
9.4.2 汽车应用对未来的贡献
9.4.3 未来方向与结论
参考文献

好了，本书的大致内容结构就如同上述，希望本书提供的材料对所有读者都有价值，无论是新读者还是已经在研究下一代自动驾驶算法的读者，下面就让我们一起来学习吧。