FMCW信号

调频连续波(frequency modulated continuous wave,FMCW)顾名思义,就是对信号的频率进行线性调制的信号

从时域上看,对频率的调制,就像一把连续的锯齿波。其中每一个锯齿叫做一个chirp,其持续的时间叫做chirp的周期(chirp period 或 chirp repetition time);在实际使用中,我们将chirp合并成一帧(frame)进行发送,从而得到物体的速度(或多普勒频偏)信息,是为FMCW信号。

请添加图片描述

我们定义扫频带宽与chirp周期的比值为系数K,也即锯齿波的斜率(slope)。
K=扫频带宽chirp周期=扫频终止频率−扫频起始频率chirp周期 K = \frac{扫频带宽}{chirp周期}= \frac{扫频终止频率-扫频起始频率}{chirp周期} K=chirp周期扫频带宽=chirp周期扫频终止频率扫频起始频率


如果从时域上看此时信号幅度的变化,可以发现随着时间的推移,对应正弦波的频率会越来越高,即呈现越来越密的特点。
请添加图片描述



中频信号


我们采用的IF信号就是指接收的回波信号与原始信号进行混频后,再过低通滤波器得到的低中频信号(或差拍信号,beat signal)。用一个简图来表示就是:

在这里插入图片描述

我们只关注1处发射信号、2处接收信号和3处IF信号的表达形式即可。


1处发射信号

由于发送信号为FMCW信号,取其中一个chirp,我们知道相位对时间的导数为角频率(再除以2π2 \pi2π即频率),如下:
12πdϕdt=fo+Kt \frac{1}{2\pi}\frac{d \phi}{dt} = f_o+Kt 2π1dtdϕ=fo+Kt
于是,我们对上式两边积分,就有:
ϕ=2π(fot+12Kt2)+ϕo=2πfot+πKt2+ϕ0 \phi = 2\pi( f_ot + \frac{1}{2}Kt^2)+\phi_o = 2\pi f_ot + \pi Kt^2+\phi_0 ϕ=2π(fot+21Kt2)+ϕo=2πfot+πKt2+ϕ0
所以1处发射信号的形式为:
xTx(t)=Asin⁡(2πfot+πKt2+ϕ0) x_{\tiny{T}x}(t) = A \sin(2 \pi f_ot +\pi Kt^2+\phi_0) xTx(t)=Asin(2πfot+πKt2+ϕ0)

注意上式为发送的实信号形式(在物理世界中传输的都是实信号),将其转换为复信号(在信号处理中这可由希尔伯特变换实现),即

xr=Aej(2πfot+πKt2+ϕ0′) x_r = Ae^{j(2 \pi f_ot +\pi Kt^2+\phi_0^{\prime})} xr=Aej(2πfot+πKt2+ϕ0)

其中,K为斜率,ϕo\phi_oϕo为信号的初始相位,f0f_0f0为中心频率:

fo=扫频起始频率+扫频结束频率2 f_o =\frac{扫频起始频率+扫频结束频率}{2} fo=2扫频起始频率+扫频结束频率


2处接收信号

在这里插入图片描述

发送的信号在遇到目标(Target)后就会反射,从而产生2处接收天线的回波信号,假设这个时延为τ\tauτ,衰减系数为aaa,则

xRx(t)=axTx(t−τ)=A′sin⁡[2πfo(t−τ)+πK(t−τ)2+ϕ0]=Asin⁡[πKt2+2π(fo−Kτ)t+πKτ2−2πfoτ+ϕ0] x_{\tiny{R}x}(t) = a x_{\tiny{T}x}(t-\tau) = A^{\prime} \sin[2 \pi f_o(t-\tau) +\pi K(t-\tau)^2+\phi_0] \\ =A\sin[\pi K t^2 +2\pi (f_o - K \tau)t+\pi K \tau^2-2 \pi f_o \tau + \phi_0] xRx(t)=axTx(tτ)=Asin[2πfo(tτ)+πK(tτ)2+ϕ0]=Asin[πKt2+2π(foKτ)t+πKτ22πfoτ+ϕ0]


3处IF信号

根据三角公式中的积化和差公式,即:
sin⁡(α)sin⁡(β)=12[cos⁡(α−β)−cos⁡(α+β)] \sin(\alpha) \sin(\beta) = \frac{1}{2}[\cos(\alpha - \beta) - \cos(\alpha + \beta) ] sin(α)sin(β)=21[cos(αβ)cos(α+β)]

于是我们混频后的信号为:
xTx(t)×xRx(t)=12AA′[cos⁡(2πKτt+2πfoτ−πKτ2)−cos⁡(2π(2fo−Kτ)t+...)] x_{\tiny{T}x}(t) \times x_{\tiny{R}x}(t) =\frac{1}{2}AA^{\prime}[\cos(2\pi K\tau t+2\pi f_o \tau-\pi K \tau^2 ) \\- \cos(2\pi(2 f_o-K \tau)t+...)] xTx(t)×xRx(t)=21AA[cos(2πKτt+2πfoτπKτ2)cos(2π(2foKτ)t+...)]
经过低通滤波器后,结果中的和式将作为高频成分被滤除,而只留下差式中低频的成分,我们再将这个差信号通过中频放大器放大,最终将得到3处的中频信号,即:

xIF(t)=A′′cos⁡(2πKτt+2πfoτ−πKτ2) x_{\tiny{IF}}(t) = A^{\prime \prime} \cos(2\pi K\tau t+2\pi f_o \tau-\pi K \tau^2 ) xIF(t)=A′′cos(2πKτt+2πfoτπKτ2)


我们再对上面的参数有一个感性的认识:由于电磁波以光速运动,在前方1m处的目标其时延τ\tauτ的量级大致在10−810^{-8}108f0f_0f0对于毫米波雷达在10910^9109量级,而一般的 K 大概是1GHz除以0.1ms级别,即101310^{13}1013级。比较两个附加相位:
foτ≈10   Kτ2≈10−3 f_o \tau \approx 10 \ \ \ K\tau ^2 \approx 10^{-3} foτ10   Kτ2103
所以最后一项的附加相位几乎可以忽略不计,即一般将中频信号的形式写为

xIF(t)=A′′cos⁡(2πKτt+2πfoτ) x_{\tiny{IF}}(t) = A^{\prime \prime} \cos(2\pi K\tau t+2\pi f_o \tau ) xIF(t)=A′′cos(2πKτt+2πfoτ)

上式即为本文最终要得出的式子。

Logo

有“AI”的1024 = 2048,欢迎大家加入2048 AI社区

更多推荐