回波3DFFT处理（测距、测速、测角）

本文主要针对TI 毫米波雷达的测距、测速、测角的基本方法——3DFFT处理进行简单介绍，并提供MATLAB处理程序，分析3DFFT处理结果。

1、测距、测速

毫米波雷达测距主要是通过检测回波时延来计算目标距离；测速是通过检测目标运动产生的多普勒频移来计算目标速度。TI的毫米波雷达采用LFMCW（Linear Frequency Modulated Continuous Wave，线性调频连续波）信号体制，其发射信号与回波示意图如上图所示。

（1）回波信号为发射信号的时延复本，而回波时延与差拍频率成线性关系，通过差拍频率即可计算回波时延，从而计算出目标距离（注意差拍频率包含了多普勒频移，测距时需要减去多普勒频移fd）。

（2）当目标运动时，回波信号不仅仅是发射信号的时延复本，还具有一定的多普勒频移（多普勒效应）。通过提取多普勒频移fd即可计算出目标速度。

2、测角

毫米波雷达测角的原理是相位法测角，如上图所示，回波到达不同RX天线的有d*sin(theta)的波程差（d为RX天线间距，theta为回波入射角度），导致不同RX天线的回波信号具有不同的相位差，通过提取RX相位差即可计算出目标角度。

因此，目标距离、速度、角度测量的问题则转化为频率估计的问题。

3、3DFFT处理

频率估计方法有很多，工程上主要采用FFT运算。针对毫米波雷达测距、测速、测角处理，工程上可采用3DFFT处理。将回波数据排列成3维矩阵（n_samples*n_chirps *n_RX），如下图所示，3DFFT即在3个维度上做3次FFT运算。

（1）距离FFT

对回波每一个chirp作1DFFT，得到距离-脉冲图。

（2）速度FFT

对距离FFT的结果在chirp维作1DFFFT，得到距离-多普勒图。提取2DFFT的峰值即可得到目标的差拍频率和多普勒频率。

（3）角度FFT
对多个RX的2DFFT结果在天线维作1DFFT，得到距离-多普勒-方位图。

4、MATLAB程序

采集数据设备：AWR1642+DCA1000EVM，测试场景为距离2m左右的三角锥目标（强散射金属目标）。

clear all;close all;clc;
%% 雷达参数（使用mmWave Studio默认参数）
c=3.0e8;  
B=768e6;       %调频带宽
K=30e12;       %调频斜率
T=B/K;         %调频周期
Tc=160e-6;     %chirp总周期
fs=10e6;       %采样率
f0=77e9;       %初始频率
lambda=c/f0;   %雷达信号波长
d=lambda/2;    %天线阵列间距
n_samples=256; %采样点数/脉冲
N=256;         %距离向FFT点数
n_chirps=128;  %每帧脉冲数
M=128;         %多普勒向FFT点数
n_RX=4;        %RX天线通道数
Q = 180;       %角度FFT
xx = 1;        %第xx帧
%% 读取回波数据
fname='C:\ti\adc_data.bin';
fid = fopen(fname,'rb');    
%16bits，复数形式(I/Q两路)，4RX,1TX,有符号16bit，小端模式
sdata = fread(fid,xx*n_samples*n_chirps*4*1*2,'int16');    
sdata = sdata((xx-1)*n_samples*n_chirps*4*1*2+1:xx*n_samples*n_chirps*4*1*2);
%% 1642+DCA1000
fileSize = size(sdata, 1);
lvds_data = zeros(1, fileSize/2);
count = 1;
for i=1:4:fileSize-5
   lvds_data(1,count) = sdata(i) + 1i*sdata(i+2); 
   lvds_data(1,count+1) = sdata(i+1)+1i*sdata(i+3); 
   count = count + 2;
end
lvds_data = reshape(lvds_data, n_samples*n_RX, n_chirps);
lvds_data = lvds_data.';
cdata = zeros(n_RX,n_chirps*n_samples);
for row = 1:n_RX
  for i = 1: n_chirps
      cdata(row,(i-1)*n_samples+1:i*n_samples) = lvds_data(i,(row-1)*n_samples+1:row*n_samples);
  end
end
fclose(fid);
data_radar_1 = reshape(cdata(1,:),n_samples,n_chirps);   %RX1
data_radar_2 = reshape(cdata(2,:),n_samples,n_chirps);   %RX2
data_radar_3 = reshape(cdata(3,:),n_samples,n_chirps);   %RX3
data_radar_4 = reshape(cdata(4,:),n_samples,n_chirps);   %RX4
data_radar=[];            
data_radar(:,:,1)=data_radar_1;     %三维雷达回波数据
data_radar(:,:,2)=data_radar_2;
data_radar(:,:,3)=data_radar_3;
data_radar(:,:,4)=data_radar_4;
%% 3维FFT处理
%距离FFT
range_win = hamming(n_samples);   %加海明窗
doppler_win = hamming(n_chirps);
range_profile = [];
for k=1:n_RX
   for m=1:n_chirps
      temp=data_radar(:,m,k).*range_win;    %加窗函数
      temp_fft=fft(temp,N);    %对每个chirp做N点FFT
      range_profile(:,m,k)=temp_fft;
   end
end
%多普勒FFT
speed_profile = [];
for k=1:n_RX
    for n=1:N
      temp=range_profile(n,:,k).*(doppler_win)';    
      temp_fft=fftshift(fft(temp,M));    %对rangeFFT结果进行M点FFT
      speed_profile(n,:,k)=temp_fft;  
    end
end
%角度FFT
angle_profile = [];
for n=1:N   %range
    for m=1:M   %chirp
      temp=speed_profile(n,m,:);    
      temp_fft=fftshift(fft(temp,Q));    %对2D FFT结果进行Q点FFT
      angle_profile(n,m,:)=temp_fft;  
    end
end
%% 绘制2维FFT处理三维视图
figure;
speed_profile_temp = reshape(speed_profile(:,:,1),N,M);   
speed_profile_Temp = speed_profile_temp';
[X,Y]=meshgrid((0:N-1)*fs*c/N/2/K,(-M/2:M/2-1)*lambda/Tc/M/2);
mesh(X,Y,(abs(speed_profile_Temp))); 
xlabel('距离(m)');ylabel('速度(m/s)');zlabel('信号幅值');
title('2维FFT处理三维视图');
xlim([0 (N-1)*fs*c/N/2/K]); ylim([(-M/2)*lambda/Tc/M/2 (M/2-1)*lambda/Tc/M/2]);
%% 计算峰值位置
angle_profile=abs(angle_profile);
peak=max(angle_profile(:));
[row,col,pag]=ind2sub(size(angle_profile),find(angle_profile==peak));
%% 计算目标距离、速度、角度
fb = ((row-1)*fs)/N;        %差拍频率
fd = (col-M/2-1)/(M*Tc);    %多普勒频率
fw = (pag-Q/2-1)/Q;         %空间频率
R = c*(fb-fd)/2/K;          %距离公式
v = lambda*fd/2;            %速度公式
theta = asin(fw*lambda/d);  %角度公式
angle = theta*180/pi;
fprintf('目标距离： %f m\n',R);
fprintf('目标速度： %f m/s\n',v);
fprintf('目标角度： %f°\n',angle);

下图为2DFFT的结果（2m的目标），x轴为距离，y轴为速度，z轴为信号强度。通过谱峰搜索找到峰值下标，即可换算成对应的距离、速度信息。谱峰搜索也即是目标检测，一般采用CFAR（Constant False Alarm Rate，恒虚警率）检测，上述程序仅计算了最大峰值的目标，可测单目标的情况。若要检测多目标的情况，需要进行CFAR检测处理。