本文编辑：@调皮连续波，保持关注调皮哥，获得更多雷达学习资料和建议！
大家好，我是调皮哥，今天继续给大家分享干货，助力大家轻松、快乐、有方向地学习雷达。
本期文章是翻译《现代汽车雷达应用》的第七期，这本书我感觉将来会成为经典的，特别适合学习毫米波雷达的初学者，本书会全部翻译。虽然目前翻译的内容都比较基础，但是为了系统性，需要耐心，让我们一步步来，敬请关注！
《Modern Radar for Automotive Applications》
《现代汽车雷达应用》译文
第3章MIMO雷达技术（3.1 ~3.2小节）
自20世纪90年代末以来，带有少量天线的汽车雷达已用于先进的驾驶员辅助系统(ADAS)，这些早期的汽车雷达主要提供目标检测和速度信息。然而，目前的汽车雷达对近距离目标的识别能力相当有限。激光雷达系统具有更好的角度分辨率(小于1度)，已被引入L4级和L5级自动驾驶系统。激光雷达可以提供点云，通过使用PointNet[1] 和PointNet++[2] 等深度神经网络，点云可以实现目标识别。然而，由于激光雷达使用的是光谱波长，它容易受到恶劣天气条件的影响，如雾、雨、雪和空气中的灰尘。如下图所示，是128线激光雷达的路测图，其中图片上面飘着的红色点云就是雪花。
此外，激光雷达的成本很高。另一方面，采用毫米波技术的汽车雷达有潜力以比激光雷达低得多的成本提供点云，并对天气条件具有更强的鲁棒性。这种雷达被称为“高端雷达”或成像雷达[3]。计算机视觉技术[1,2]以前只用于高分辨率相机传感器和激光雷达系统，现在可以应用于成像雷达数据以识别目标。例如，可以使用PointNet[4] 基于成像雷达的二维(2D)雷达点来识别汽车。成像雷达一直吸引着那些开发全自动驾驶汽车主要一级供应商和汽车雷达初创公司的兴趣。
除了灵敏度外，汽车雷达的重要要求是分辨率高、硬件成本低和体积小。多输入多输出 (MIMO) 雷达技术一直受到汽车雷达界的极大关注，因为它可以用相对较少的天线和接收机实现高角分辨率。基于这一能力，它已被应用于当前的ADAS汽车雷达和下一代自动驾驶高分辨率成像雷达中。对于自动驾驶，方位角和俯仰角信息都至关重要。特别是，需要目标的高度信息才能启用驶过功能。图 3.1 显示了两个典型的场景，在道路上驶过金属饮料罐和从道路上的钢制人行天桥下行驶是安全的。为了满足这样的要求，要求阵列在方位角和俯仰角上都具有大孔径。MIMO 雷达是自动驾驶高分辨率成像雷达的理想选择。在 MIMO 雷达中，首先在距离域和多普勒域对目标进行识别。然后，合成具有数百个阵元的大型虚拟阵列，以提供方位角和俯仰角的高分辨率。因此，可以以更低的成本生成与 LiDAR 性能相似的点云。
在本章中，我们介绍了使用MIMO技术的成像雷达的概念，给出了一些通过级联多个雷达收发机(每个支持少量天线)合成数百个虚拟阵元的例子，并讨论了设计挑战。
3.1 MIMO 雷达虚拟阵列合成
在目前最先进的汽车FMCW雷达中，目标的距离和多普勒参数可以通过单一的接收天线来估计。然而，为了估计目标的角度参数，需要一个接收天线阵。在MIMO雷达中，天线以保证正交性的方式传输波形。在每个接收天线上，利用波形的正交性提取每个发射天线的贡献。对于具有 个发射天线且阵元间距为 的均匀发射天线阵列和具有 个接收天线且阵元间距为 的均匀接收天线阵列，可以合成具有 个阵元的虚拟阵列。合成阵列的阵列响应，即MIMO雷达对应的阵列响应可表示为 其中表示克罗内克积， 和 分别为发射和接收阵列的导向向量（导向矢量），对应于发射方向 (DOD) 和到达方向 (DOA)
图3.2显示了 = 2 个发射天线和 个接收天线[6]的两种MIMO雷达配置。一个是交错模式，满足 和 。另一个为堆叠模式， 满足 和 。此处的 是波长。可以验证，对于两种阵列配置，当 时，合成的虚拟阵列等效于具有 个阵元和间距
需要注意的是，由于MIMO雷达发射的是正交波形，当使用各向同性阵元时，阵列波束方向图(也称为MIMO雷达阵列因子)是全向的。因此，MIMO雷达失去了传统相控阵雷达系统所拥有的相干阵列处理增益优势， 个阵元[7]的相控阵处理增益为 ，在给定的角度方向上，阵列响应的信噪比小于具有发射波束形成的相控阵雷达。尽管如此，在汽车应用场景中，MIMO雷达的高分辨率测角能力和低成本被认为比相干处理增益的损失更重要。
3.2 汽车MIMO雷达中的波形正交策略
使用MIMO雷达技术的汽车雷达中的虚拟阵列合成依赖于不同天线发射信号的可分离性。当不同天线的发射信号正交时，分离更容易。在下文中，我们回顾了在发射FMCW时实现波形正交的技术，如时分复用(TDM)、多普勒复用(DDM)和频分复用(FDM)。
3.2.1 通过TDM的波形正交性
在 TDM MIMO 雷达[8-12]中，每个时隙仅调度一个发射天线进行发射。在图 3.3 中，NXP Semiconductors [13] 给出了TDM中MIMO雷达的信号处理示例，其中
发射天线间的开关延迟是 。在每个接收天线处，对每个chirp进行长度为 的距离FFT，并将 chirps的 FFT 输出组装在对应于奇数和偶数的chirp序列的两个矩阵中。奇偶chirp序列对应的接收阵列形成两个子阵列，可根据交错或堆叠的配置合成一个虚拟阵列。
对于速度为 的运动目标，发射天线的开关延迟引入了从chirp到chirp的目标相位偏移，其定义为
在图 3.3 中，两个矩阵对应列的相位差为 ，如果 和 ，其中, 是最大不模糊速度的可检测径向速度 ，则相移分别为 和
图 3.4 显示了距离为 35 m、方位角 0°[10]的运动目标的阵列波束畸变。此处 的 MIMO 雷达以 TDM 方式运行。如参考文献10所述，也可以在图 3.4 中看到，对于交错式 MIMO 阵列配置，当目标速度增加时，在视场 (FOV) 边缘会出现栅瓣，而当
虚拟阵列响应中每个运动目标引入的相位偏移需要在角度测量之前进行补偿（问题解答 | FMCW TDMA-MIMO毫米波雷达信号处理仿真）。相移估计 可以在基于单个接收天线的 2D-FFT 或同一子阵列的非相干 2D-FFT 积累估计每个目标速度之后获得。例如，在图 3.3 中，从偶数chirp信号获得的子阵列波束矢量中的相位需要通过将其与
需要注意的是，在TDM MIMO雷达中，脉冲重复间隔随着发射天线数 的增多而变大，因此，最大不模糊速度将减少 [14] 倍。
3.2.2 通过DDM实现波形正交性
在一次测量中，总共有 N 个chirp信号（即脉冲）按顺序发射，脉冲重复间隔为 ，所有发射天线同时发射相同的 FMCW 波形，然后将其乘以每个天线不同且在脉冲之间变化的相位码后，即 [15]。为了在第 个接收机处分离第 个发射信号，在距离 FFT 后，对所有对应相同chirp的距离仓进行慢时间多普勒解调。N个chirp的多普勒解调输出被组合成向量 。然后，对
第一种方法是设计相位码使被干扰 的多普勒 FFT移动到高于最大可检测多普勒频率
其中，起始相位 在不同发射天线之间是线性的，即
汽车MIMO雷达有两个发射天线，发射相位码如式 (3.3) 所示，其中 。可以看出，来自不同发射天线的信号被转移到更高的多普勒频谱，这可以通过多普勒域的LPF去除。在这种方法下，雷达脉冲重复频率 应大于 [16]。因此，如果 保持不变，最大可检测的不模糊多普勒频率将降低 。在实际应用中，需要在不同的视景下采用不同的 开发多普勒展开或去混叠算法。
第二种方法是设计相位码使干扰的多普勒FFT作为伪噪声分布到整个多普勒频谱中。当m = 1时，要求用离散时间傅里叶变换(DTFT)计算的多普勒频谱[17]中的峰值干扰残差(PIR)最小化，即:
其中, 。根据式 (3.4) ，两个码元的互相关频谱需要是平坦的[17]，因为两个码元在时域相乘的傅立叶变换等价于一个码的频谱与另一个码的反时复共轭频谱的卷积。长度为 N 的幺模序列的最大自相关值为N ，两个长度为 N 的幺模序列的理想互相关的大小为 。因此，在理想情况下，根据文献[17]，当前发射信号相对于其他信号的最大功率增益为
幺模的定义见：https://baike.baidu.com/item/%E5%B9%BA%E6%A8%A1%E7%9F%A9%E9%98%B5/9349415
恒定幅度零自相关码是 DDM 的良好候选者，恒定幅度零自相关码的离散傅立叶变换 (DFT) 也具有恒定幅度和零自相关[18] 。这样的一个例子是 Chu 序列[19]，它被定义为
在实际中，首先生成质数长度的 Chu 序列，然后将其截断为有效 FFT 的长度。例如，我们生成质数长度为 521 的 Chu 序列，然后将其截断为长度。通过FFT计算，式(3.4)中定义的PIR为
在实际应用中，由于硬件限制[20]，采用二进制相位码，通过穷举搜索获得二进制相位码序列，使得式 (3.4) 中的PIR较低。随着码长的增加，搜索时间将呈指数增长。
慢时相位编码的优点是来自其他发射机的干扰不会影响不同的距离仓。距离分辨率仅由FMCW的chirp信号的带宽决定。因此，采用快时相位编码避免了距离旁瓣问题。然而，由于慢时相位编码的残留，多普勒旁瓣会很高。因此，雷达横截面积(RCS)较低的目标，如行人，靠近具有强反射(如卡车)的目标，可能会被波形残差所掩盖。换句话说，波形残差减小了雷达的动态距离范围。在给定码长的情况下，具有良好相关性的相位码的数量是有限的，或者等价地说，可以同时发射的天线数量是有限的。
3.2.3 通过FDM实现波形正交性
在 FDM 方案中，传输的信号由不同的载波频率调制。根据参考文献[21]，多个发射 FMCW 信号的分离是通过将第 m 个发射 FMCW chirp偏移频率
如果所有 之间的差异大于抗混叠BPF 的截止频率 的两倍（ 由最大不模糊检测距离和多普勒决定），则在接收端可以分离发射信号。具体地说，每个接收机处的接收信号首先与相同的起始载频 混合。混频器输出中，发射信号的分离可以通过频移后跟具有截止频率为 [21] 的 LPF 来实现。每个接收机需要进行
可以考虑 FDM 方案设计 FMCW LRR 雷达，其最大检测距离为 250 米，最大检测速度为 120 英里/小时。对于带宽 B = 150 MHz 和线性调频持续时间 T = 50 s 时，最大拍频为 。因此，FDM 方案中第 m 个发射天线的频移可以选择为 。中频应具有
【本期结束】
参考文献见原文，若有翻译不合适的地方，还望读者指出！
若要对其中的内容进行深入研究，请各位读者多检索论文或者本书的参考文献。书籍只是简单的总结！谨记！
