雷达原理 | 讨论调频连续波雷达目标运动方向与速度正负的关系?

这篇具有很好参考价值的文章主要介绍了雷达原理 | 讨论调频连续波雷达目标运动方向与速度正负的关系?。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文编辑:调皮哥的小助理

众所周知,通常雷达在检测目标时如果目标是靠近雷达做径向运动,目标速度的速度就是正的。反之,如果目标是远离雷达做径向运动的,那么目标的速度就是负的。

但是线性调频连续波(FMCW)雷达却不是这样的,刚好和上述结论相反。即目标靠近雷达做径向运动,则目标速度为负;目标远离雷达做径向运动,目标速度为正。

这个结论是如何来的,为何调频连续波雷达和一般的脉冲雷达不一样呢?下面针对这个问题,我们一起来研究一下。首先为了弄清楚脉冲雷达和调频连续波雷达测速原理的区别,先对脉冲雷达的测速原理进行梳理。

1.脉冲雷达测速原理

脉冲雷达测速靠的是多普勒频移,公式推导过程如下:

(1)多普勒频率公式推导方法一

假设,雷达与目标之间的距离为R,则在雷达到达目标并且返回的双程路径2R中,波长λ的总数为2R/λ,每个波长对应2π(rad)的相位变化,因此双路程2R的总相位变化就是:

ϕ = 2 π ⋅ 2 R λ = 4 π R λ \phi=2 \pi \cdot \frac{2 R}{\lambda}=\frac{4 \pi R}{\lambda} ϕ=2πλ2R=λ4πR

如果目标相对雷达做径向运动,那么R和相位的值就会随着时间的变化而变化。求出相位与时间的导数,便可得到相位随时间的变化率,即角频率。

ω = Δ ϕ Δ t = 4 π λ ⋅ Δ R Δ t = 4 π v λ = 2 π f d \omega=\frac{\Delta \phi}{\Delta t}=\frac{4 \pi}{\lambda} \cdot \frac{\Delta R}{\Delta t}=\frac{4 \pi v}{\lambda}=2 \pi f_d ω=ΔtΔϕ=λ4πΔtΔR=λ4πv=2πfd

其中,距离变化率对时间的导数就是目标的径向速度,相位随着时间的变化率就是角频率w=2πfd,这里的fd就是多普勒频移。

故而最终得到目标径向运动的速度和多普勒频率之间的关系如下:

f d = 2 v λ f_d=\frac{2 v}{\lambda} fd=λ2v

其中,fd为目标的多普勒频率,v为目标径向运动的速度,λ为发射信号波长。由上述公式可以得到,目标径向运动的速度由目标的多普勒频率决定。即:

v = λ f d 2 v=\frac{\lambda f_d}{2} v=2λfd

(2)脉冲雷达目标径向运动速度与多普勒频率的正负关系

由上述推导的公式可知,当目标靠近雷达时,多普勒频率为正,则目标速度为正;当目标远离雷达时,多普勒频率为负,则目标速度为负。

那么为什么是这样呢?下面来证明这个结论是否正确。上述推导的多普勒频率与目标径向运动速度的关系的公式,是一种比较简单的方法,但是这种方法用于推导脉冲雷达目标径向运动速度与多普勒频率的正负关系还不是很严谨。

下面用另一种方式来推导多普勒频率公式的方法来证明该结论。首先,假设发射信号频率为ft,则发射信号模型可以表示为:

s t ( t ) = A t sin ⁡ ( 2 π f t t ) s_t(t)=A_t \sin \left(2 \pi f_t t\right) st(t)=Atsin(2πftt)

则接收信号可以表示为:

s r ( t ) = A r sin ⁡ [ 2 π f t ( t − T R ) ] s_r(t)=A_r \sin \left[2 \pi f_t\left(t-T_R\right)\right] sr(t)=Arsin[2πft(tTR)]

其中At和Ar分别表示接收和发射信号的幅度。往返的时TR=2R/c。如果目标靠近雷达运动,则距离就会发生变化R=R0-vt,其中v是目标的径向速度。故而可以将接收信号表示为:

s r ( t ) = A r sin ⁡ [ 2 π f t ( t − T R ) ] = A r sin ⁡ { 2 π f t ( t − 2 ( R 0 − v t ) c ) } = A r sin ⁡ { 2 π f t ( 2 v c + 1 ) t − 4 π R 0 f t c } \begin{aligned} s_r(t) &=A_r \sin \left[2 \pi f_t\left(t-T_R\right)\right] \\ &=A_r \sin \left\{2 \pi f_t\left(t-\frac{2\left(R_0-v t\right)}{c}\right)\right\} \\ &=A_r \sin \left\{2 \pi f_t\left(\frac{2 v}{c}+1\right) t-\frac{4 \pi R_0 f_t}{c}\right\} \end{aligned} sr(t)=Arsin[2πft(tTR)]=Arsin{2πft(tc2(R0vt))}=Arsin{2πft(c2v+1)tc4πR0ft}

其中可以推导出,目标的多普勒频移为:

2 π f t ( 2 v c + 1 ) t = 2 π f 0 t 2 \pi f_t\left(\frac{2 v}{c}+1\right) t=2 \pi f_0 t 2πft(c2v+1)t=2πf0t
f 0 = f t ( 2 v c + 1 ) = 2 v f t c + f t = 2 v λ + f t = f d + f t f_0=f_t\left(\frac{2 v}{c}+1\right)=\frac{2 v f_t}{c}+f_t=\frac{2 v}{\lambda}+f_t=f_d+f_t f0=ft(c2v+1)=c2vft+ft=λ2v+ft=fd+ft
f d = f 0 − f t = 2 v λ f_d=f_0-f_t=\frac{2 v}{\lambda} fd=f0ft=λ2v

上述等式为多普勒频移的定义式,即为多普勒频率一般定义为接收频率和发射频率的差值。故而目标靠近雷达做径向运动速度与多普勒频率的正负关系如下:

v = λ f d 2 v=\frac{\lambda f_d}{2} v=2λfd

假设目标向后运动,则距离就会发生变化R=R0+vt,其中v是目标的径向速度。故而又可以将接收信号表示为:

s r ( t ) = A r sin ⁡ [ 2 π f t ( t − T R ) ] = A r sin ⁡ { 2 π f t ( t − 2 ( R 0 + v t ) c ) } = A r sin ⁡ { 2 π f t ( 1 − 2 v c ) t − 4 π R 0 f t c } \begin{aligned} s_r(t) &=A_r \sin \left[2 \pi f_t\left(t-T_R\right)\right] \\ &=A_r \sin \left\{2 \pi f_t\left(t-\frac{2\left(R_0+v t\right)}{c}\right)\right\} \\ &=A_r \sin \left\{2 \pi f_t\left(1-\frac{2 v}{c}\right) t-\frac{4 \pi R_0 f_t}{c}\right\} \end{aligned} sr(t)=Arsin[2πft(tTR)]=Arsin{2πft(tc2(R0+vt))}=Arsin{2πft(1c2v)tc4πR0ft}

其中可以推导出,目标的多普勒频移为:

2 π f t ( 1 − 2 v c ) t = 2 π f 0 t 2 \pi f_t\left(1-\frac{2 v}{c}\right) t=2 \pi f_0 t 2πft(1c2v)t=2πf0t
f 0 = f t ( 1 − 2 v c ) = f t − 2 v c f t = f t − 2 v λ = f t − f d f_0=f_t\left(1-\frac{2 v}{c}\right)=f_t-\frac{2 v}{c} f_t=f_t-\frac{2 v}{\lambda}=f_t-f_d f0=ft(1c2v)=ftc2vft=ftλ2v=ftfd
f d = f 0 − f t = − 2 v λ f_d=f_0-f_t=-\frac{2 v}{\lambda} fd=f0ft=λ2v

上述等式即可推导出,多普勒频率为负,则故而目标远离雷达做径向运动速度与多普勒频率的正负关系如下::

v = − λ f d 2 v=-\frac{\lambda f_d}{2} v=2λfd

由此可知脉冲雷达的速度与多普勒频率的关系是:当目标靠近雷达时,多普勒频率为正,目标速度为正;当目标远离雷达时,多普勒频率为负,目标速度为负。

2.调频连续波雷达测速原理

调频连续波雷达刚好相反,即当目标靠近雷达时,目标速度为负;当目标远离雷达时,目标速度为正。

脉冲雷达测速利用的是多普勒频移,调频连续波用的是脉冲之间的初相位差。对于两个相邻周期的信号,由于周期间隔时间Tc较短,距离分辨率有限,两个周期的距离维FFT谱中的峰值位置基本没有发生变化(近似值)。中频信号的初相近似为:

ϕ 0 = 4 π R λ \phi_0=\frac{4 \pi R}{\lambda} ϕ0=λ4πR

即周期间的微小距离变化会引起中频信号初相的变化,由傅里叶变换特性可知,信号的初相体现在 峰值处的复数值对应的相位。计算相邻周期的初相位差,可以获得目标的速度。

Δ ϕ = 4 π v T c λ v = λ Δ ϕ 4 π T c \begin{aligned} \Delta \phi &=\frac{4 \pi v T_c}{\lambda} \\ v &=\frac{\lambda \Delta \phi}{4 \pi T_c} \end{aligned} Δϕv=λ4πvTc=4πTcλΔϕ

故而,调频连续波的速度与脉冲之间的初相位差有关,其正负由初相位差的正负来决定。当目标靠近雷达时,目标与雷达之间的距离R逐渐减小,当前脉冲信号的初相与上一周期脉冲的初相差值,等效于当前距离与上一个周期的距离的差值,因此随着雷达的靠近,距离差值为负,相位差也为负,故而速度为负。

同理,当目标远离雷达时,目标与雷达之间的距离R逐渐增大,当前脉冲信号的初相与上一周期脉冲的初相差值,等效于当前距离与上一个周期的距离的差值,因此随着雷达的远离,距离差值为正,相位差也为正,故而速度为正。

3.示例

通常我们用MATLAB做信号处理时,需要对目标的速度进行分析,而目标的运动方向与速度的关系,是做调频连续波雷达必须搞清楚的关键点。

如图3-1是实际采集的数据做分析得到的图,是两个目标面向运动。两个目标分别由近及远、由远及近移动,速度一快一慢,移动较为平稳时开始采集信号。

可以看到两个目标的距离分别为 2.038m和 4.407m,速度分别为 1.202m/s 和-1.603m/s。两个目标峰值大小不同,是因为数据采集时刻两者与雷达的距离不同,距离雷达较近的目标反射回波能量较大,信噪比高,处理结果峰值越高,反之,距离雷达较远的目标反射回波的能量较小,信噪比低,峰值较低。上述这个过程就是速度维FFT。
雷达原理 | 讨论调频连续波雷达目标运动方向与速度正负的关系?
(图3-1 双目标面向运动效果)

感谢阅读,希望对你有帮助,记得给调皮哥点赞!文章来源地址https://www.toymoban.com/news/detail-401596.html

到了这里,关于雷达原理 | 讨论调频连续波雷达目标运动方向与速度正负的关系?的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • SAR成像系列:【15】合成孔径雷达(SAR)运动补偿

           不同于光学图像,SAR图像的获取的本质是方位信号的累积结果,也就是说是在合成孔径时间内的电磁波照射结果。类似于光学成像中的延时拍照。通常使用手机拍照时,若拍照的手臂出现抖动,那么得到的照片就会变模糊。同样的现象也会出现在SAR图像中。SAR的成像

    2024年02月13日
    浏览(37)
  • 连续体机器人的正逆向运动学模型-(4)雅可比矩阵解决逆向运动

    Winter:连续体机器人的正逆向运动学模型-(1)概述 Winter:连续体机器人的正逆向运动学模型-(2)DH参数法与雅可比矩阵 Winter:连续体机器人的正逆向运动学模型-(3)利用DH参数法解决正向运动学 连续体机器人的正逆向运动学模型-(4)雅可比矩阵解决逆向运动 - 知乎 《

    2024年02月04日
    浏览(44)
  • Unity获取物体自身坐标轴的方向以及沿着该方向运动的方法

    有时候对于一个游戏对象,需要其沿着自身的坐标轴方向进行运动,那么首先如何获取自身的坐标轴方向? 获取自身的坐标轴方向可以通过transform组件进行获取(负方向加负号即可)  Vector3 moveDirection = transform.right;  获取自身的x轴的方向  Vector3 moveDirection = transform.forward;  获

    2024年02月12日
    浏览(53)
  • 干货 | 足式机器人运动控制发展方向——轨迹优化

    “ 运动控制技术的进步使得足式机器人的运动能力更强,而近来轨迹优化作为主流学术研究方向,能够为足式机器人运动控制的发展提供可能的指引。本期技术干货,我们邀请到了小米工程师 徐喆 ,向我们介绍足式机器人运动控制的发展方向——轨迹优化。 ” 一、前言 足

    2023年04月22日
    浏览(47)
  • 最全的整理:毫米波雷达在检测、分割、深度估计等多个方向的近期工作及简要介绍

    在之前,我已经有介绍过毫米波雷达在2D视觉任务上的一些经典网络[自动驾驶中雷达与相机融合的目标检测工作(多模态目标检测)整理 - Naca yu的文章 - 知乎],总结概括而言,其本质上都是对视觉任务的一种提升和辅助,主要的工作在于如何较好地在FOV视角中融合两种模态

    2024年02月10日
    浏览(40)
  • OpenCV实例(九)基于深度学习的运动目标检测(一)YOLO运动目标检测算法

    2012年,随着深度学习技术的不断突破,开始兴起基于深度学习的目标检测算法的研究浪潮。 2014年,Girshick等人首次采用深度神经网络实现目标检测,设计出R-CNN网络结构,实验结果表明,在检测任务中性能比DPM算法优越。同时,何恺明等人针对卷积神经网络(Convolutional Neura

    2024年02月13日
    浏览(53)
  • FMCW 雷达室内多目标人员MATLAB仿真

    分享一则代码,主要用于FMCW雷达室内多目标MATLAB仿真,涉及到的内容和算法模块有如下: 1、目标参数设置 2、雷达参数设置 3、目标运动状态设置 4、雷达信号建模(IQ信号) 5、雷达近场收发几何位置偏差校正 6、距离维FFT 7、速度维FFT 8、2D均值滤波 9、2D峰值搜索 10、直流分

    2024年02月08日
    浏览(35)
  • 【3D目标检测】基于伪雷达点云的单目3D目标检测方法研宄

    本文是基于单目图像的3D目标检测方法,是西安电子科技大学的郭鑫宇学长的硕士学位论文。 【2021】【单目图像的3D目标检测方法研究】 研究的问题: 如何提高伪点云的质量 伪点云体系中如何提高基于点云的检测算法的效果 提出的方法: 一种基于置信度的伪点云采样方法

    2024年02月06日
    浏览(56)
  • opencv运动目标检测-背景建模

    背景建模 帧差法 由于场景中的目标在运动,目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧图像进行差分运算,不同帧对应的像素点相减,判断灰度差的绝对值,当绝对值超过一定阈值时,即可判断为运动目标,从而实现目标的检测功能。 帧差法非常

    2024年02月12日
    浏览(40)
  • 【OpenCV】 车辆识别 运动目标检测

    目录 一:车辆识别 运动目标检测 二:车辆识别实现 超详细步骤解析 步骤一:灰度化处理 步骤二:帧差处理 步骤三:二值化处理 步骤四:图像降噪 4-1 腐蚀处理 目的 去除白色噪点 4-2 膨胀处理 目的 把白色区域变大 步骤五:提取关键点 框选运动目标检测 三:车辆识别 完

    2024年02月04日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包