FMCW雷达干扰抑制：分数傅里叶变换的工程实践
1. FMCW雷达干扰问题与分数傅里叶变换的机遇
在79GHz频段工作的车载FMCW雷达，其线性调频连续波（LFM）信号极易受到同频段其他雷达设备的干扰。这种干扰会导致雷达检测性能显著下降——实测数据显示，强干扰环境下目标检测的虚警率可能升高30倍以上。传统时域滤波或频域陷波方法对LFM型干扰的抑制效果有限，因为它们无法同时兼顾时频二维特性。
分数傅里叶变换（FrFT）的独特价值在于其时频旋转特性。当旋转角度α=π/2时，FrFT退化为标准傅里叶变换；当α=0时即为原始时域信号。对于调频斜率为μ的LFM信号，存在特定角度α₀=arccot(-μ)使其在分数域呈现冲激函数特性。这意味着：
- 干扰信号的LFM成分可在最优分数域被压缩为窄带峰值
- 目标信号（具有不同调频斜率）在该分数域仍保持扩散状态
- 通过简单的阈值处理即可实现干扰精准滤除
2. 离散分数傅里叶变换的工程实现挑战
2.1 DFrFT的三种主流实现方式
实际工程中需采用离散分数傅里叶变换（DFrFT），主要实现方式包括：
特征分解法：基于Hermite-Gaussian函数的离散化实现
- 数学表达式：F^α = Σ λ_k^α u_k u_k^H
- 优势：严格满足旋转可加性
- 缺陷：计算复杂度O(N^3)，N=512时需约1.34亿次运算
线性调频乘法法：通过时频调制实现
- 计算流程：时域伸缩→线性调频相乘→FFT→二次调频相乘
- 复杂度：O(N logN)
- 问题：边界效应显著，需50%以上补零
正交投影法：基于离散傅里叶矩阵特征向量
- 平衡了计算精度与效率
- 本文采用的EMDFrFT即基于此方法优化
2.2 EMDFrFT算法创新
高效多角度离散分数傅里叶变换（EMDFrFT）通过三项关键技术提升性能：
- 对称性利用：仅计算0≤α≤π/2范围的变换，利用F^(α+π/2) = F^α F^(π/2)性质推导其他象限
- 角度采样优化：根据(15)式确定最小采样数Nα=⌈(N/2M)α_max⌉+1
- 实验显示M=64时性能损失<2%
- 计算量降低23倍（从7.87×10^6次降至3.44×10^5次）
- 补零策略：将N=512扩展至896点，改善边界效应
3. 干扰抑制算法IMfrac的完整实现
3.1 系统参数配置
基于Table I-III的实测参数建议：
# 雷达系统参数 f_start = 79e9 # 起始频率79GHz BW = 0.25e9 # 带宽250MHz T_ramp = 12.8e-6 # 扫频时间12.8μs N = 512 # 快时间采样点 M = 128 # 慢时间采样数 # IMfrac算法参数 N_alpha = 113 # 分数角采样数 alpha_max = 80 # 最大旋转角度(度) G = 20 # 保护单元数 beta = 20 # CFAR检测阈值(dB)3.2 核心处理流程
多角度DFrFT计算：
for k = 1:N_alpha alpha = alpha_max*(k-1)/(N_alpha-1); S_alpha = EMDFrFT(s, alpha); [peaks, locs] = findpeaks(abs(S_alpha)); end干扰检测与消除：
- 采用CA-CFAR检测器（保护单元G=20，参考窗Φ=235）
- 满足|WαsI|[n] > β·σ^2时置零处理
- 补零版本需进行时频域裁剪恢复原始尺寸
信号重构：
- 通过逆DFrFT恢复时域信号
- 计算距离-多普勒谱：RD = fft2(reshape(s, N, M))
4. 性能实测与工程优化建议
4.1 量化评估结果
在250组快慢时间序列测试中（参数见表II），关键指标对比如下：
| 方法 | MSE(×10^-4) | SINR(dB) | EVM(%) | FAR(%) |
|---|---|---|---|---|
| 无抑制 | 92.7 | 18.3 | 28.4 | 6.2 |
| 时域置零 | 15.3 | 25.1 | 12.7 | 3.8 |
| 斜坡滤波[5] | 8.6 | 29.4 | 9.2 | 2.1 |
| IMfrac(本文) | 3.2 | 38.7 | 4.5 | 0.7 |
| IMfrac(补零) | 1.8 | 42.1 | 3.1 | 0.4 |
4.2 实际部署注意事项
计算资源分配：
- 在TI TDA2x处理器上，N=512点EMDFrFT耗时约1.2ms
- 建议采用并行计算架构处理多通道数据
参数自适应策略：
// 动态调整Nα的示例代码 if (interferer_num > 1) { N_alpha = min(113, 57 + 28*interferer_num); alpha_max = 80 + 10*log2(interferer_num); }边界效应处理：
- 补零可提升约15%的干扰检测率
- 实际应用中建议保留5%-10%的过渡带
5. 技术演进方向
多径环境扩展：
- 将冲激响应建模为h(t) = Σa_iδ(t-τ_i)
- 在分数域表现为多个相关峰，需改进CFAR检测器
硬件加速方案：
- 基于Xilinx RFSoC的DFrFT IP核设计
- 利用对称性减少50%乘法器资源
与深度学习融合：
# 神经网络辅助角度选择示例 model = CNN() alpha_hat = model(RD_map) S_alpha = EMDFrFT(s, alpha_hat)
实测表明，在复杂城区场景下，本文方法可使雷达探测距离提升35%，同时将虚警率控制在1%以下。这种时频联合处理框架也为5G NR-V2X中的同频干扰问题提供了新思路。