★ FEATURED ARTICLE 简介面向雷达工程、自动驾驶感知、无人机导航及高校课程设计的学习者这套资料以Matlab仿真为主线配合Python分类实验覆盖FMCW回波读取、距离-多普勒与距离-角度处理、CFAR检测、聚类、角度估计以及STFT微多普勒特征生成等环节可用于汽车防撞、无人机感知等场景的算法验证与教学实践。压缩包共54个文件约50.42MB包含22个m脚本、5个py程序、3个mat数据、2个ipynb笔记本以及jpg结果图、xml工程配置和md说明等结果图涵盖距离-多普勒、距离-角度、微多普勒与点云可视化数据文件可直接用于复现。已有2049人学习下载。读者可借助README与配置快速理清目录运行检测、聚类与微多普勒成像流程并用分类器训练/测试笔记本完成特征提取、网络搭建与识别评估同时对照结果图检查处理效果、积累排错与调参思路。1. 微多普勒毫米波雷达这套链路为什么我建议先跑通仿真再碰实测一块 77GHz 的板子摆在桌上IQ 数据一帧一帧往外吐常见的做法是直接喂给分类网络跑出五十几个点的准确率然后开始换骨干、加注意力。这种场面我见得太多了问题往往不在网络——MTI 把低速目标削掉了时频图里只剩一条模糊的亮线喂什么模型都没戏。毫米波雷达的信号处理是一条串行漏斗去斜、距离维 FFT、多普勒维 FFT、CFAR 检测、卡尔曼跟踪、微多普勒时频分析、目标识别前面一级塌了后面全是垃圾进垃圾出。这套 Matlab 实现从 chirp 建模一路走到航迹输出和分类器验证适合手里有板子、想把实测数据跑出结果的人也适合先在仿真里把参数关系摸熟了再上硬件的同学。2. 从 Chirp 到距离-多普勒图把 FMCW 的六个参数算准2.1 参数之间是互相锁死的不能一个个拍脑袋新手最容易犯的错是先定采样率再定带宽结果量程和分辨率互相打架。FMCW 的四个核心关系必须一起算距离分辨率 ΔR c/(2B)最大不模糊距离 Rmax c·Fs/(4S)最大不模糊速度 vmax ±λ·PRF/4速度分辨率 Δv λ/(2·M·Tc)。其中 S 是调频斜率PRF 1/Tc 是 chirp 重复频率。举个例子B 1 GHz 时 ΔR 0.15 m这个分辨率对人体目标够用但要分开手指这种微动手势就不够了得把带宽拉到 34 GHz。Rmax 这条线更隐蔽很多人把 Fs 设成 10 MHz 就觉得采样够快了其实拍频上限是 Fs/2对应的距离只有三十来米远处目标会直接折叠到近处而且在距离-多普勒图上长得跟真目标一样。参数符号本文取值决定了什么载频fc77 GHz波长 3.9 mm多普勒灵敏度扫频带宽B1 GHz距离分辨率 0.15 mchirp 时长Tc40 usPRF 25 kHz速度量程 ±24 m/s调频斜率S B/Tc2.5e13 Hz/s拍频与距离的换算系数快时间采样率Fs10 MHz最大不模糊距离约 30 m每帧 chirp 数M128速度分辨率 0.38 m/s注意调频斜率的定义。有的资料写 S 2B/Tc那是把上下扫频的三角波折算成单程的做法如果你的数据手册按 B/Tc 定义你按 2B/Tc 去反算距离出来的结果会整整差一倍而且图上目标位置看着挺合理这个坑我踩过。2.2 去斜之后拍频就是距离FMCW 不用匹配滤波走的是去斜dechirp路线把回波和本振混频取差频分量得到的是一个单频信号频率与目标距离成正比。好处是采样率只要覆盖拍频带宽不用按射频带宽去采A/D 压力小一个量级。下面的脚本生成一个目标加一段静止强杂波的复基带数据可以直接跑c 3e8; fc 77e9; lambda c/fc; B 1e9; Tc 40e-6; S B/Tc; % 斜率按 B/Tc 定义别和 2B/Tc 混用 Fs 10e6; Ns round(Tc*Fs); % 400 个快时间点 M 128; % 一帧内的 chirp 数 Nfft_r 512; % 距离维补零 t (0:Ns-1)/Fs; % 快时间轴 R0 8.3; v 1.6; % 目标初始距离、径向速度 X complex(zeros(Ns, M)); for m 1:M Rm R0 v*(m-1)*Tc; % 第 m 个 chirp 起始时刻的距离走动 fb 2*S*Rm/c; % 拍频与距离成正比 X(:,m) exp(1j*2*pi*(fb*t 2*fc*Rm/c)); end X X 1e-2*(randn(size(X)) 1j*randn(size(X))); % 复高斯噪声 X X 3*exp(1j*2*pi*(2*S*4.0/c)*t); % 4 m 处静止强杂波 Xr fft(X .* hamming(Ns), Nfft_r, 1); % 距离维 FFT range_axis (0:Nfft_r-1). * c*Fs/(2*S*Nfft_r); % 距离栅格单位 m逐行看几个关键点。Rm里带了v*(m-1)*Tc这是慢时间维上的距离走动也是后面多普勒的来源如果这里写死成常量 R0多普勒维就永远是一条零频直线很多人第一次跑仿真就是这么被自己骗了。相位项2*fc*Rm/c不能省它对应 2Rm/λ 的相位变化正好是慢时间维的调制量。窗函数用hamming压距离旁瓣代价是主瓣展宽约 1.4 倍强杂波旁边的小目标才不会被旁瓣淹掉。Nfft_r补零只改变栅格密度不改变 0.15 m 的物理分辨率这点在写论文图和做峰值插值时容易混淆。2.3 多普勒维 FFT 与距离-多普勒图距离维出来的是距离×chirp 的矩阵沿第二维做 FFT 就得到多普勒。记住一个映射关系多普勒频率 f 对应的径向速度是 v f·λ/2正负号取决于目标靠近还是远离取决于你的混频器接法和 FFT 后的频率轴方向实测时一定要用已知方向的目标校一次。prf 1/Tc; RD fftshift(fft(Xr, [], 2), 2); % 慢时间 FFT零多普勒居中 RD_dB 20*log10(abs(RD) eps); dop_axis (-M/2:M/2-1) * (prf/M); % Hz v_axis dop_axis * lambda/2; % m/s X_mti X - mean(X, 2); % 一阶对消压制零多普勒 RD_mti fftshift(fft(fft(X_mti .* hamming(Ns), Nfft_r, 1), [], 2), 2);fftshift不能省否则零多普勒在矩阵第一列做 CFAR 时二维邻域会从矩阵尾部绕回来产生一圈假检测。mean(X,2)是最简单的一阶 MTI沿着慢时间减均值把静止分量减掉代价是把速度接近零的目标也一起减了——这条在微多普勒场景里是致命的后面第 5 章会专门讲。多普勒轴的点数是 M 而不是补零后的长度因为慢时间只有 128 个样本物理分辨率就是 λ/(2·M·Tc) ≈ 0.38 m/s。有人把多普勒维也补零到 1024 点图上看着细腻了分辨率一分没涨。2.4 换成实测数据前先做一次维度对齐仿真跑通之后换实测数据翻车点几乎都集中在维度约定上。仿真里我按[快时间, 慢时间]排而不少采集板导出的顺序是[chirp, sample, rx]直接送进 FFT 就是沿着错误的轴做变换出来的图有东西但完全对不上物理量。先做三件事再谈算法一是permute把维度换成[快时间, 慢时间, 通道]二是用一面墙或者静止角反做一次零多普勒校验回波应该稳稳落在 v0 那一列三是量一帧的实际时长M*Tc和采集软件显示的帧率对不上时大概率有丢包或者 chirp 之间有 idle timeTc要按 chirp 周期而不是有效扫频时长来算。这三步做完再去看距离-多普勒图心里才有底。3. 微多普勒时频分析STFT 窗长、重叠率与速度量程的取法3.1 微多普勒不是谱线变宽是多个散射中心的瞬时速度不同刚体目标的回波在距离-多普勒图上是一条谱线因为整个目标只有一个径向速度。一旦目标上有相对运动部件——人的四肢摆动、轮子的转动、旋翼的旋转——每个散射中心的瞬时径向速度都不一样回波相位里就叠了一层周期性调制。写成公式很干净某个散射中心的瞬时多普勒是 f_d(t) (2/λ)·v_r(t)其中 v_r(t) 是它相对雷达的径向速度投影反过来慢时间信号的相位是 4π·R(t)/λ对时间求导就是瞬时频率。所以时频图上的曲线形状本质上就是目标各部件的速度-时间轨迹。人走路的时频图里中间那条稳定的亮带是躯干两侧周期性张开的翅膀是手臂和腿张开的频率就是步频这点是后面做目标识别最硬的物理依据。理解这一层之后参数选择就不再是玄学你要分辨的是两条速度相差多大的轨迹这直接决定了频率分辨率而频率分辨率由窗长唯一确定。3.2 STFT 的三组参数其实只有一个自由度时频分析绕不开测不准关系时间分辨率 Δt 和频率分辨率 Δf 满足 Δt·Δf ≥ 常数。在 STFT 里窗长 T_win 同时决定了这两者——Δf ≈ 1/T_winΔt ≈ T_win。剩下的重叠率和补零数只影响图的平滑度和栅格密度不改变这个基本权衡。拿数字说话。Tc 40 us 时窗长 128 个慢时间点对应 5.12 ms频率分辨率约 195 Hz折算成速度是 0.38 m/s窗长 64 点则退到 0.76 m/s。成年人手臂摆动峰值速度和躯干速度的差值通常在 13 m/s 量级用 64 点窗勉强能看出张开了但要做特征提取就太糙。所以我一般从 128 起步动作快的手势类目标可以降到 64。还有一个容易忽略的量慢时间总长度要够。M 128 只覆盖 5.12 ms一个窗就把整段吃完了根本做不出时间轴。做步态分析至少 0.52 s 的连续数据也就是上万个 chirp做手势识别 50200 ms 就够。这不是算法问题是采集配置问题早点跟做采集的人对齐。% X_all 为 [快时间, 慢时间] 排好的长时采集数据Mlong 为慢时间总点数 Mlong 2048; [~, rb] min(abs(range_axis - 8.3)); % 锁定目标所在距离单元 slow X_all(rb, 1:Mlong).; % 慢时间复序列 win 128; nover 96; % 窗长 128重叠 75% nfft 512; % 频率维补零只为画图好看 [S, f, tt] spectrogram(slow, hamming(win), nover, nfft, 1/Tc); S fftshift(S, 1); % 零多普勒移到中间行 f f - 1/(2*Tc); % 频率轴改成 -prf/2 ~ prf/2 v_md f * lambda/2; % 转成速度轴单位 m/s SdB 20*log10(abs(S) eps);spectrogram对复信号返回的是 0PRF 的单边频率轴必须先fftshift再减 PRF/2 才能得到正负速度顺序反了会出现半个 PRF 的偏移图上目标速度永远差一截。重叠率取 75% 是常规做法再高只是让图更连续计算量线性上涨。nfft补零到 512 让曲线更平滑方便肉眼看周期但做特征计算时我更倾向用原始栅格避免插值引入的虚假峰值。提示时频图一定要在 dB 域做显示归一化并且把每帧的最大值对齐否则同一段动作在强弱不同的距离上看起来完全不像。3.3 从时频图压出可判别的特征向量时频图是二维图像直接送 CNN 在小样本下很容易过拟合。工程上更稳的做法是先压成十几维的手工特征再配一个轻量分类器特征本身有物理含义出问题能查。特征计算方式主要区分什么躯干速度能量最强的那条脊线的均值人与车、快走与慢走峰值展宽速度轴上 95% 能量分位点间距肢体摆动幅度谱宽每帧多普勒标准差的时间均值刚体与铰接体谱熵-Σp·log pp 为归一化多普勒谱回波复杂度微动周期峰值速度曲线的自相关首峰位置步频、转动频率上下不对称度正负速度能量比前进/后退、上肢主导低频能量占比0.5 m/s 以内能量占总能量比躯干占比抑制杂波残留谱熵这条特别有用刚体目标的能量集中在少数几个多普勒单元熵很低人这种多散射中心目标能量摊得开熵明显高。但它对噪声敏感一定要先做噪底扣除把低于噪底 6 dB 的单元置零再算。周期特征我一般不从时频图直接取而是先把每帧的峰值速度序列抽出来做一次带通0.54 Hz再自相关这样能避开躯干强分量对周期的干扰。这个细节看着小实测里能把步频估计的误差从 20% 压到 5% 以内。3.4 先选距离单元还是整帧做时频这里有两条路选错了后面全拧巴。第一条是先在距离-多普勒图上找峰锁定目标所在距离单元只取这一路的慢时间做 STFT。优点是干净杂波和其他目标基本被隔离缺点是对距离走动敏感一个 CPI 内目标走了半个距离单元能量就散到相邻单元里时频图会出现断续。第二条是把目标附近几个距离单元的能量做非相干累加再对累加后的慢时间序列做 STFT。优点是保留了多散射中心的完整性微多普勒的翅膀更饱满缺点是近处强杂波会漏进来需要先做距离维加窗或自适应抑制。我的经验是单目标、近距离、静止或慢速场景走第一条人体步态、多人场景走第二条并且把 ROI 限制在目标前后各 2 个距离单元内。两种方式算出来的特征分布不一样训练集和测试集必须用同一套混着用准确率会莫名其妙地掉。4. CFAR 检测与卡尔曼跟踪门限、过程噪声和航迹管理的配参顺序4.1 二维 CA-CFAR把虚警率翻译成门限系数CFAR 的核心是一句话用待检测单元周围的参考单元估计噪底再乘一个由虚警率决定的系数。均匀杂波背景下CA-CFAR 的门限系数有闭式解 α N·(Pfa^(-1/N) - 1)N 是参考单元个数。参考单元之外还要留保护单元。原因很实在目标能量会沿着距离和多普勒两个方向泄漏一到两个单元如果不留保护目标自己的旁瓣会被算进噪底把自己抬高的门限挡住出现目标越强越检不出的怪现象。Tg 2; Tr 8; % 保护单元、参考单元单边 pfa 1e-4; % 虚警率 Nref (2*(TrTg)1)^2 - (2*Tg1)^2; % 有效参考单元数 alpha Nref * (pfa^(-1/Nref) - 1); P abs(RD).^2; % 必须在线性功率域做 big conv2(P, ones(2*(TrTg)1), same); guard conv2(P, ones(2*Tg1), same); noise (big - guard) / Nref; det P alpha * noise;几个参数怎么定。Nref越大噪底估计越稳但杂波边缘处的虚警也越多因为参考窗跨越了两种统计特性Tr 8对应约 1.2 m 的距离跨度在城市道路这种场景里已经偏大室内场景可以降到 4。pfa设 1e-4 时alpha大约 30 倍这个量级意味着噪底之上的检测点会比较多必须靠后面的凝聚环节筛。最容易错的是域的问题。RD如果是 dB 域conv2求的是对数和门限彻底失效图上的检测点会均匀糊满整个平面。所有 CFAR 计算一律先转成功率再取门限。4.2 点迹凝聚CFAR 出来的不是目标是像素二维 CFAR 输出的是二值图一个目标往往对应十几个甚至几十个相邻的检测单元尤其是有微多普勒展宽的人体目标。直接把这些像素当成量测送进跟踪器会出现同一个目标在一帧里生成多条航迹的灾难。常规做法是连通域标记加质心提取用bwlabel或自己写 8 邻域搜索每个连通域出一个点迹位置取 SNR 加权质心速度取多普勒加权均值。加权比直接取几何中心稳因为强散射中心的位置更接近目标真实相位中心。量测噪声 R 不要凭感觉填。用同一批静止目标做统计把连续几百帧的质心位置记下来算它的标准差那就是 R 的对角元。我见过 Q 和 R 差三个数量级的情况滤波器要么完全不信量测、航迹拖在后面要么跟着噪声满屏乱飞两种现象在图上都很好认。4.3 卡尔曼滤波Q 是加速度谱密度不是调参旋钮匀速模型的状态量取 [x, vx, y, vy]量测是 [x, y]。过程噪声矩阵按连续白加速度模型展开Q 里那个 q 的量纲是 m²/s³物理含义是目标机动强度的谱密度。dt 0.05; % 帧间隔按 20 Hz 帧率 F [1 dt 0 0; 0 1 0 0; 0 0 1 dt; 0 0 0 1]; q 0.5; % 加速度谱密度 Q q * [dt^4/4 dt^3/2 0 0; dt^3/2 dt^2 0 0; 0 0 dt^4/4 dt^3/2; 0 0 dt^3/2 dt^2]; H [1 0 0 0; 0 0 1 0]; R diag([0.09 0.09]); % 质心标准差 0.3 m x [z(1); 0; z(2); 0]; P diag([1 4 1 4]); for k 2:numel(track_t) x F*x; P F*P*F Q; % 预测 zk z_meas(k,:).; S H*P*H R; d2 (zk - H*x) / S * (zk - H*x); % 马氏距离 if d2 chi2inv(0.99, 2) % 门限内才更新 K P*H/S; x x K*(zk - H*x); P (eye(4) - K*H)*P; end endP的初值不要给全零否则第一步卡尔曼增益退化成零航迹永远起不来。马氏距离门限用卡方分布的分位数二维量测取 0.99 分位约 9.21这个数比拍脑袋定3 米门限靠谱得多因为它自动随 P 的大小自适应。q 的调法有个可操作的经验先按目标最大加速度估一个上界比如人体走路约 2 m/s²取 q 在 0.11 之间扫一遍看航迹的速度曲线是否平滑且不滞后。q 太大速度曲线抖q 太小转弯时航迹会切角。4.4 航迹管理起始、确认、删除三件事卡尔曼只负责单条航迹的滤波多目标场景还要解决哪个点迹喂哪条航迹和航迹什么时候生、什么时候死。关联用代价矩阵加匈牙利算法代价取马氏距离超过门限的置成大数matchpairs或assignDetectionsToTracks都能直接用。航迹起始用 M/N 逻辑比如连续 3 帧里命中 2 帧才确认确认前不对外输出。删除条件一般两个连续 miss 超过 5 帧或者航迹的协方差迹超过阈值——后者能自动清掉那些被杂波拖着跑偏的鬼影。ID 跳变最常见的诱因是删除条件太激进。目标被遮挡两帧就删掉重新出现时自然分到新 ID下游做行为分析时看到的就是两个目标。经验值是把删除帧数设成遮挡时长的 1.5 倍宁可多留两帧也不要频繁重建。5. 避坑与排查五个让结果看起来对的翻车现场5.1 距离与速度量程类的坑坑一斜率的两种定义混用。现象是目标距离整体偏大一倍或偏小一半但在图上位置稳定、航迹平滑很容易被当成标定误差放过。原因是数据手册按 2B/Tc 定义斜率代码里按 B/Tc 换算。解决方式是拿一个已知距离的静止目标做一次单点标定反算出实际斜率写进配置里做常量别每次靠记忆。坑二速度折叠。现象是快速目标的径向速度符号反转或者显示成一个不可能的大速度。原因是目标多普勒超过 PRF/2速度发生了模糊。FMCW 的 PRF 由 chirp 周期决定25 kHz 的 PRF 对应 ±24 m/s 的量程看着够用但如果你的 Tc 里包含了 idle time 而代码里只用了有效扫频时长实际 PRF 会偏低量程就缩水了。解决方式是用两个不同 PRF 做一次解模糊或者干脆把 Tc 按完整周期算。5.2 检测与跟踪类的坑坑三MTI 把要检测的目标一起消掉了。现象是仿真里目标清清楚楚实测里人站着不动就消失只有走起来才出现。原因是一阶对消对消的是零多普勒而人体躯干在站立时径向速度就在 0 附近正好被对消掉。解决方式分场景做微多普勒分析时不做 MTI改用杂波图或者静杂波抑制后的残差做检测跟踪时降低对消阶数或者在对消后保留零多普勒通道单独处理。坑四航迹频繁断批、ID 反复跳。现象是目标连续可见但航迹每隔十几帧就重开一次。原因通常是三个叠加马氏距离门限过小、q 设得太小导致 P 收缩过快、删除帧数太少。解决顺序是先看 P 的迹随时间的变化曲线如果几帧之内就掉到很小说明 q 偏小再检查门限内是否有可用点迹如果门限外总有匹配点迹说明 R 估小了或者目标机动超出匀速模型。按这个顺序排查一般二十分钟能定位。5.3 时频与评估类的坑坑五识别准确率虚高。本文还有配套的精品资源点击获取
阅读完成 · 觉得有帮助？
