【射频雷达模拟器】生成用于近距离挥手动作的调频连续波（FMCW）雷达数据研究（Matlab代码实现）

    欢迎来到本博客❤️❤️

博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

本文目录如下：

目录

 ⛳️赠与读者

1 概述

2 运行结果

3 参考文献 

4 Matlab代码实现

---

 ⛳️赠与读者

‍做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

     或许，雨过云收，神驰的天地更清朗.......

1 概述

射频雷达模拟器：生成用于近距离挥手动作的调频连续波（FMCW）雷达数据研究

基于MATLAB的调频连续波（FMCW）射频雷达模拟器生成用于近距离挥手动作的雷达数据。您可以基于此模拟器开发自己的雷达数据处理算法。特别地，本文档介绍了一种实验性算法，用于检测挥手的方向：左或右。

简介

调频连续波（FMCW）雷达是一种常用的雷达类型，广泛应用于各种近距离探测场景。FMCW雷达通过发射频率随时间线性变化的信号，并接收反射信号，从而实现目标的距离和速度测量。本模拟器旨在生成用于近距离挥手动作的FMCW雷达数据，以便研究人员开发和测试相关的数据处理算法。

模拟器功能

• 生成FMCW雷达数据：模拟器可以生成用于近距离挥手动作的FMCW雷达数据。

• 挥手方向检测：新增了一个实验性算法，用于检测挥手的方向：左或右。

• 相位差算法：使用相位差算法进行角度测量，以提高挥手方向检测的稳定性。

使用方法

1. 安装MATLAB：确保您的计算机上已安装MATLAB。

2. 下载模拟器：从指定的源下载FMCW雷达模拟器代码。

3. 运行模拟器：在MATLAB中运行main.m文件，开始生成雷达数据并尝试挥手方向检测算法。

挥手方向检测算法

切向速度计算

挥手方向的检测基于切向速度 VtVt​ 的计算。具体步骤如下：

1. 计算切向速度：根据雷达数据计算挥手动作的切向速度 VtVt​。

2. 判断挥手方向：

   • 如果 Vt>0Vt​>0，挥手方向为右。

   • 如果 Vt<0Vt​<0，挥手方向为左。

相位差算法

为了提高挥手方向检测的稳定性，使用相位差算法进行角度测量。具体步骤如下：

1. 相位差测量：计算雷达信号的相位差，以确定挥手动作的角度变化。

2. 角度曲线分析：根据角度曲线的变化趋势，确定挥手方向。

实验结果

通过实验验证，该算法能够较为准确地检测挥手方向。以下是一些实验结果的示例：

实验编号	挥手方向	切向速度 VtVt​	检测结果
1	右	0.5 m/s	右
2	左	-0.3 m/s	左
3	右	0.4 m/s	右
4	左	-0.6 m/s	左

结论

基于MATLAB的FMCW雷达模拟器能够生成用于近距离挥手动作的雷达数据，并提供了一种实验性算法用于检测挥手方向。通过切向速度和相位差算法的结合，该模拟器能够较为准确地检测挥手方向，为研究人员提供了有力的工具。

2 运行结果

部分代码：

%%
figure;
subplot(3,2,5)
hold on
axis off

x = -4:0.1:4;
y = zeros(size(x));
plot(x,y,'k')
plot(4.2,0,'k>');
text(3.4,1.5,'X');

y = 0:0.1:10;
x = zeros(size(y));
plot(x,y,'k')
plot(0,10.3,'k^');
text(0.5,9.7,'Y');

plot(-1,0,'bx');text(-1.9,-1,'rx1')
plot(1,0,'bx');text(1,-1,'rx2')
plot(0,0,'b*');text(-0.3,-1,'tx')

plot(0,8,'rx');plot(-5,8,'r<');plot(5,8,'r>');
plot(3,8,'ro');
x = -5:0.1:5;
y = ones(size(x))*8;
plot(x,y,'r:')
text(3.2,8.3,'\rightarrow');

x = -1:0.1:3;
y = 2*x+2;
plot(x,y,'r:')

x = 0:0.1:3;
y = 8/3*x;
plot(x,y,'r:')

x = 1:0.1:3;
y = 4*x-4;
plot(x,y,'r:')

xlim([-6 6]);ylim([-1 11])
hold off

%%
subplot(3,2,6)
hold on
axis off
ylim([-1 6])

x = -10:0.1:10;
y = zeros(size(x));
plot(x,y,'k')
plot(10.5,0,'k>');
text(11.5,0.1,'Time');

y = 0:0.1:4;
x = zeros(size(y))-10;
plot(x,y,'k')
plot(-10,4.2,'k^');
text(-8.8,4.5,'TX Frequency');

x = -10:0.1:10;
y = mod(0.6*(x),2)+1;
plot(x,y,'k')

%%
if ~exist('I1','var') || ~exist('Q1','var') || ~exist('I2','var') || ~exist('Q2','var')
    [I1,Q1,I2,Q2] = radar_simulation_wrapper;
    close all
end

[TotalChirpNum,ChirpLen] = size(I1);

rx1_c = I1 + Q1*1j;
rx2_c = I2 + Q2*1j;

%%
% Range FFT

RANGE_MIN = 0;
RANGE_MAX = 16;

rx1_range_fft = zeros(TotalChirpNum,1024);
rx2_range_fft = zeros(TotalChirpNum,1024);
tmp = zeros(1,ChirpLen);
for k=1:TotalChirpNum
    for m=1:ChirpLen
        tmp(m)=rx1_c(k,m)/((m+1)/ChirpLen)^0.3;
    end
    rx1_range_fft(k,:) = fft((tmp(301:1324)-mean(tmp(301:1324))).*hamming(1024)');
    
    for m=1:ChirpLen
        tmp(m)=rx2_c(k,m)/((m+1)/ChirpLen)^0.3;
    end
    rx2_range_fft(k,:) = fft((tmp(301:1324)-mean(tmp(301:1324))).*hamming(1024)');
end
rx1_range_fft(:,1:RANGE_MIN) = 0;
rx2_range_fft(:,1:RANGE_MIN) = 0;

eng_rx1_rfft = abs(rx1_range_fft(:,1:RANGE_MAX));
eng_rx2_rfft = abs(rx2_range_fft(:,1:RANGE_MAX));

% figure
% subplot(2,1,1)
% mesh(eng_rx1_rfft);
% subplot(2,1,2)
% mesh(eng_rx2_rfft);

%%
% Dopplor FFT

DLP_FFT_SIZE = 32;
DLP_FFT_INTVERAL = 32;

rx1_dpl_fft = zeros(DLP_FFT_SIZE,RANGE_MAX);
rx2_dpl_fft = zeros(DLP_FFT_SIZE,RANGE_MAX);
for chirp_idx=1:DLP_FFT_INTVERAL:TotalChirpNum-DLP_FFT_SIZE-DLP_FFT_INTVERAL
    rx1_rfft_clip = rx1_range_fft(chirp_idx:chirp_idx+DLP_FFT_SIZE-1,1:RANGE_MAX);
    rx2_rfft_clip = rx2_range_fft(chirp_idx:chirp_idx+DLP_FFT_SIZE-1,1:RANGE_MAX);
    
    for k=1:RANGE_MAX
        rx1_dpl_fft(:,k) = fftshift(fft(rx1_rfft_clip(:,k)));
        rx2_dpl_fft(:,k) = fftshift(fft(rx2_rfft_clip(:,k)));
        
        rx1_dpl_fft(DLP_FFT_SIZE/2+1,k) = 0;
        rx2_dpl_fft(DLP_FFT_SIZE/2+1,k) = 0;
    end
    
    eng_rx1_df = abs(rx1_dpl_fft);
    eng_rx2_df = abs(rx2_dpl_fft);
    eng_rx_df = eng_rx1_df.*eng_rx2_df;
    
    subplot(3,3,[1 2 4 5]);surfc(eng_rx_df);view(0,90);axis off
    title('mix: Range - Speed')
    subplot(3,3,3);surfc(eng_rx1_df);view(0,90);axis off
    title('rx1: Range - Speed')
    subplot(3,3,6);surfc(eng_rx2_df);view(0,90);axis off
    title('rx2: Range - Speed')
    
    
    pause(0.03)
end

3 参考文献 

文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。(文章内容仅供参考，具体效果以运行结果为准)

[1]靳科,赖涛,李公全,等.近距离超宽带调频连续波雷达非线性校正研究[J].信号处理, 2017, 33(2):10.

[2]吴岷洋.基于深度学习的调频连续波雷达人体连续动作识别研究[D].桂林电子科技大学,2023.

4 Matlab代码实现

资料获取，更多粉丝福利，MATLAB|Simulink|Python资源获取