聊聊雷达信号处理框架

这期聊聊框架，希望对你有所启发。雷达信号处理框架是整个信号处理的骨架，只有建立了合适的处理框架，往里添加子模块反而是相对容易的事情。

注意这里的用词，“合适的”处理框架。是的，首先处理框架有多种选择，并且最重要的是，所作的选择要适合于实际的应用场景，否则雷达环境感知效果并不能达到预期。这期主要聚焦于两种处理框架。

图1 RSP framework

如图1所示，第1种是被称作“traditional chain”, 它的处理思路是adc数据作range-FFT，再到doppler-FFT，构建range-Dopper map，再到cfar，最后对候选点作angle-FFT，当然，这是最经典的framework，这其中的每个环节可以用更高级的信号处理方法替换，比如angle-FFT这个环节，完全可以用其他方法替换，以求更好的角度性能，不过这一切都是基于建立了framework之后。

与之对应的是“Capon Beamforming Chain”， 其处理思路是对adc数据作range-FFT，然后角度为使用capon，以构建range-Azimuth map，再到cfar，对候选点作elevation BF 以及Doppler-FFT。同样的，这里的每个环节都可以用其他高级信号处理方法替换，比如capon可以替换为MUSIC等，以求更好的性能。

图1 range-Doppler map

这里的核心问题是如何在两者之间选择，这需要对两个框架的特征深入了解。最重要的差异点是range-Doppler map以及range-Azimuth map。选择的map不同，采用的cfar方法，筛选detections的策略也都会不同，以至于同一场景，基于不同map的点云输出天壤之别。

一般来讲，range-Doppler map由于有通道之间的非相参积累（Non-coherent Integration）,存在相应的非相参积累增益，并且不论range-FFT还是Doppler FFT，其FFT 点数相对angle-FFT来说是比较高的，所以基于range-Doppler map的处理相对来说会获得较高的处理增益，适合检测行人等VRU目标。

在一些近距离需要大带宽高分辨应用，range-Doppler map是不太适合的，主要原因在于doppler谱扩展导致的互干扰和虚警比较严重。此外，该框架带来的副作用是角度维处理只有单快拍（single snapshot）,而基于单快拍DoA方法的选择面相对来说窄一些。

图2 range-Azimuth map

而对于range-Azimuth map，由于直接获得的是方位信息，不会受到类似range-Doppler map的困扰，并且可以分析每个位置反射点的微多普勒分布，这对于分析行人运动是极其有利的。由于方位信息随距离增加而分辨率及精度降低，性能下降严重，因此该框架并不适合远距离应用，适合室内人员检测等超短距离应用。

此外，由于angle-FFT在Doppler-FFT之前，完全可以用chirp间的对应复数数据作快拍数据，从而构建合适的协方差矩阵，这对于capon，MUSIC等对协方差矩阵要求高的方法来讲简直是福音。因此，该framework对DoA是相当友好的。但是由于缺乏相应的非相参积累增益，目标检测性能稍微弱一些，但对于室内等短距离应用问题不大。

此外，类似相控阵，芯片级联，TX beamforming 等技术引入，信号处理框架也日趋丰富，但是基调还是要以应用场景为导向，以选择合适的方法。