TI毫米波雷达测速原理详解：为什么两个Chirp就能算出速度？
TI毫米波雷达测速原理详解：为什么两个Chirp就能算出速度？
想象一下，你站在湖边向平静的水面扔出两颗石子，第一颗激起的水波还未完全消散时，第二颗石子又落入水中。两列波纹相互干涉形成的图案，恰好能告诉你湖面漂浮物的移动方向和速度——这正是FMCW毫米波雷达测速原理的物理直觉。当我们用77GHz的电磁波替代水波，用精密的时间控制器代替人手投掷，便构建出现代汽车ADAS系统中那颗能"看清"速度的智慧之眼。
1. 从多普勒效应到相位差：速度信息的载体
任何波动现象都携带了运动信息。1842年奥地利数学家克里斯蒂安·多普勒发现，当波源与观察者存在相对运动时，接收到的波形频率会发生偏移。这个现象在救护车警笛声的音调变化中最为人熟知，但将这个概念迁移到电磁波领域时，却面临着毫米波雷达特有的挑战。
传统多普勒雷达的局限性：
- 需要连续波(CW)发射
- 仅能测速无法测距
- 对多目标场景解析能力弱
FMCW（调频连续波）雷达的创新之处在于，它通过线性调频Chirp信号同时解决了测距与测速问题。当发射的Chirp信号遇到运动物体时，反射信号不仅会产生时间延迟（对应距离信息），还会因多普勒效应产生微小的频率偏移（对应速度信息）。但真正精妙的设计在于，TI的毫米波雷达方案并不直接测量这个频率偏移。
关键突破：利用相邻Chirp间的相位差推算速度，将多普勒频移测量转化为更高精度的相位变化检测。
相位与位移的数学关系可表示为：
Δϕ = \frac{4πΔd}{λ} = \frac{4πvTc}{λ}其中：
Δϕ：相邻Chirp的相位差v：目标径向速度Tc：Chirp重复周期λ：载波波长
这个简洁的公式揭示了毫米波雷达的速度检测本质——将速度测量转化为对微小相位变化的精密计时。
2. 双Chirp测速的数学之美：最小系统验证
为什么至少需要两个Chirp？这要从离散信号处理的奈奎斯特采样定理说起。单个Chirp如同给运动物体拍一张照片，只能获得瞬时距离信息。而两个Chirp则构成了最基本的时间序列采样，使相位变化成为可观测量。
双Chirp测速流程分解：
发射阶段：
- Chirp 1：发射频率从77GHz线性扫频至81GHz
- 等待Tc时间（典型值100μs）
- Chirp 2：重复相同扫频模式
回波处理：
# 简化的信号处理流程 def velocity_estimation(adc_data): # 第一步：距离FFT range_fft = np.fft.fft(adc_data, axis=0) # 第二步：峰值检测 peak_idx = np.argmax(np.abs(range_fft[:,0])) # 第三步：相位提取 phase_chirp1 = np.angle(range_fft[peak_idx,0]) phase_chirp2 = np.angle(range_fft[peak_idx,1]) # 第四步：速度计算 delta_phi = phase_chirp2 - phase_chirp1 velocity = (lambda_ * delta_phi) / (4 * np.pi * Tc) return velocity物理量转换：
- 测得相位差Δϕ → 计算位移变化Δd
- 位移变化除以时间间隔 → 精确速度值
这个过程的精妙之处在于，它将难以直接测量的皮秒级时间差（对应厘米级位移），转换成了更容易检测的相位差。以77GHz频段为例：
| 参数 | 数值 | 物理意义 |
|---|---|---|
| 波长(λ) | 3.9mm | 影响相位变化灵敏度 |
| Tc=100μs | 0.0001s | 决定最大可测速度 |
| 速度分辨率 | 0.2m/s | 取决于帧长与Chirp数量 |
当目标以60km/h(16.67m/s)移动时，两个Chirp间产生的相位差约为1.7弧度，这个量级的相位变化在现代射频前端中可被准确测量。
3. 速度模糊与最大可测速度：相位测量的边界
相位差测量就像钟表指针——当指针转过360°后又回到原点，这带来了速度测量的模糊性问题。根据相位周期性，我们能推导出最大无模糊速度：
v_{max} = \frac{λ}{4T_c}这个上限的物理意义非常直观：如果目标在一个Chirp周期内移动超过λ/4距离，相位变化将超过π弧度，系统无法判断目标是靠近还是远离。这就像试图用每秒10帧的摄像机观察飞行的子弹——帧间位移过大导致运动轨迹无法重建。
实际工程中的权衡：
提高最大速度：
- 缩短Tc（但受限于ADC采样时间）
- 使用更高频段（增大λ，但会增加传播损耗）
TI的解决方案：
- 多模式Chirp配置
- 自适应Tc调整算法
- 多天线联合解模糊
在TI的AWR1843等雷达芯片中，通过可编程Chirp序列设计，工程师可以针对不同场景优化这些参数。例如在汽车前向雷达中，通常设置Tc=50μs，对应约36m/s(130km/h)的最大无模糊速度，完全覆盖高速公路场景需求。
4. 多目标场景解析：从双Chirp到帧处理
当多个运动物体位于相同距离时，双Chirp方案会遇到瓶颈——所有目标在Range-FFT中共享同一个峰值，导致速度信息混叠。这就引出了毫米波雷达的另一个核心概念：帧(Frame)处理。
单目标vs多目标测速对比：
| 特征 | 双Chirp方案 | 多Chirp帧方案 |
|---|---|---|
| 最小Chirp数 | 2 | 通常8-256 |
| 数据处理 | 相位差直接计算 | 多普勒FFT |
| 速度分辨率 | 不适用 | λ/(2T_frame) |
| 多目标能力 | 无 | 优异 |
| 计算复杂度 | 极低 | 中等 |
帧处理的本质是将速度测量转化为频谱分析问题。通过发射N个等间隔Chirp构成一帧，对每个距离门上的相位序列进行FFT（即Doppler-FFT），不同速度的目标会在频谱上形成分离的峰值。
速度分辨率公式：
v_{res} = \frac{λ}{2T_{frame}}其中T_frame = N×Tc。这个结果直观易懂：观测时间越长，速度分辨能力越强。在TI的毫米波雷达中，典型的帧参数配置如下：
// TI毫米波雷达典型配置示例 #define NUM_CHIRPS_PER_FRAME 64 #define CHIRP_DURATION_US 100 #define FRAME_PERIOD_MS 50 float velocity_resolution = (LIGHT_SPEED / RADAR_FREQ) / (2 * NUM_CHIRPS_PER_FRAME * CHIRP_DURATION_US * 1e-6);在实际道路测试中，这种方案可以清晰区分同车道内相距2m、相对速度差仅0.5m/s的前方车辆与摩托车。我曾参与过一个自动紧急制动(AEB)项目，当采用256个Chirp的配置时，系统甚至能检测到行人挥手时指尖的微小运动——这正是毫米波雷达在微多普勒特征分析上的独特优势。