|
无线电传感：雷达传感器介绍
我们熟悉船舶和飞机中的雷达。这些是带有大型天线的大型系统。最近半导体技术的进步使得在芯片上集成雷达成为可能。开始推动雷达发展的最初应用是汽车倒车预警系统。然而，雷达现在用于汽车的接近检测，甚至用于自动驾驶汽车应用。随着许多制造商提供廉价集成电路，人们对在各种应用中使用雷达产生了兴趣。
雷达分为单基地和双基地两种。单基地雷达要么使用相同的天线进行接收和发射，要么将天线分开放置。双基地雷达将接收天线与发射天线分开相当远的距离。我们将在这里专注于单基地雷达，不是因为双基地雷达对物联网应用不感兴趣——它们很可能是——而是因为所有可用的集成电路都是单基地的。
我们可以进一步将单基地雷达分为脉冲和连续波 (CW) 类型。大多数当前的雷达芯片都属于称为调频连续波 (FMCW) 的 CW 子类型，它最简单但功能最强大。
FMCW 运作原则
CW 雷达发射连续波（单一频率），然后从目标反射回来并在接收器处接收回来。在接收器中，它与原始传输的音调混合，这种混合使其降到 0 Hz (DC)。不幸的是，这意味着我们无法获得有关物体距离的信息，但如果物体移动，我们会看到由于多普勒效应而接收到的频率发生偏移，并且这种频率偏移被视为下变频信号中远离 DC 的偏移. 我们可以使用这个频移来给我们物体的速度。这就是测速雷达炮的原理。CW 雷达的制造成本非常低，因为它只需要稳定的振荡器、下变频电路和一些基本处理。
如果我们希望能够检测距离——这在接近警告系统等应用中至关重要——那么我们需要转向 FMCW 雷达 。在 FMCW 雷达中，发射脉冲是调频信号。虽然可以用不同的信号调制发射信号，但最常见和最简单的是使用锯齿波或三角脉冲波。这种情况下的信号称为线性调频信号。线性调频是纯连续波，其频率线性增加或减少。顺便说一句，LoRa 中使用了 Chirps 进行通信。图 1显示了表示为频率与时间的发送和接收线性调频信号以及它们之间的关系。
图 1雷达发射和接收信号及其关系。
可以看出，当返回脉冲返回时，发射信号改变了频率。频率差异可能很小，但可以测量。此外，由于发射信号频率斜率是线性的，对于静态物体，差频将是称为拍频的单一频率。根据拍频，我们可以使用以下等式计算到物体的距离：
fbeat=2×D/c×df/dt
其中 f beat是拍频，丁是到目标的距离，C是光速 (3 × 10 8 m/s)，并且df/dt是线性调频的斜率。
如果物体正在远离或朝向天线移动，那么我们将获得频率的多普勒频移，我们也将能够检测到它。如果物体绕与天线等距的圆周运动，我们将无法检测到它。实际上，我们有一个二维系统——到物体的距离和速度。使用以下等式从多普勒频率给出速度：
FDoppler=2×v/λ
在哪里F多普勒是多普勒频率，v是速度，并且λ是雷达频率处的波长。
转向 4D 系统
使用单个天线，我们有到目标的距离和目标相对于天线的速度。如果天线被理想化为各向同性天线（在所有方向上均等传输），那么我们将在天线周围有一个球体，该球体位于目标可能所在的距离处。通过添加第二个天线，我们将拥有两个可能不同大小的球体，并且目标将位于两个天线球体相交处的圆上的某个位置。幸运的是，真正的天线不是各向同性的，而且往往是定向的。在这种情况下，我们的球体会变形，我们的圆圈会变成弧形。这更有用。
与雷达芯片一起使用的天线可以内置在封装中或板上。在任何一种情况下，它们都是一种或另一种贴片，它们在离开电路板或封装时比在其内部和后面更好地传输。通过将两个天线彼此相邻放置，它们之间的距离至少为雷达频率的一半波长，我们可以确定目标在雷达从左到右延伸的平面上的位置，但不能确定目标是在雷达上方还是下方。通过在其他两个天线上方添加第三个天线，我们现在知道目标在三维空间中相对于天线的确切位置。
我们已经知道，我们可以提取朝向或远离单个天线的速度，但不能提取在天线周围球体中移动的物体的速度。然而，对于不止一根天线，物体将总是相对于至少一根天线移动。因此，在三天线配置中，目标将具有速度分量，我们可以提取这些速度分量，朝向每个天线的天线路径并与其成直角。因此，我们可以提取速度信息以及行进方向。这实际上给了我们四个维度——三个特殊维度和速度。
FMCW 雷达集成电路中的常见发射配置是两个发射和四个接收。此配置可用于获取雷达前方环境的完整 4D 图片。
我们还可以提取有关目标的其他信息。一般来说，返回信号也会告诉我们目标有多大。然而，这确实取决于目标的材料。金属比人类甚至砖墙反射雷达辐射要好得多，因此金属板会显得相对较大。然而，人的反射比狗多，因此我们能够推断出雷达前方是人还是动物，这在某些远程监控应用中可能很有用。
FMCW 信号处理
FMCW 雷达所需的处理相对简单。来自接收信号的数字化信号被收集到具有给定样本数量的帧中，并且该帧被馈送到通常使用快速傅立叶变换 (FFT) 算法实现的离散傅立叶变换 (DFT) 中。这为我们提供了一个信号频谱，其中各个峰值代表物体，与该峰值相关的频率可用于计算到物体的距离。然后使用第二级处理来提取速度信息。第一阶段生成的频谱被收集到另一个帧中，该帧现在具有两个维度——沿一个轴的时间和沿另一个轴的频率。再次使用 FFT 算法的 DFT 在此帧上运行，这为我们提供了每个频率的速度信息。
需要对每个天线执行此处理，然后需要组合结果以给出天线前世界的完整 4D 图片。这种信号处理是专门的，但涉及众所周知的算法，因此实施起来并不是特别困难。FFT 算法实现在专用硬件块中可用，并且可以构建硬件引擎来执行处理，这将比通用处理器上的软件实现显着省电。通过专用硬件块来执行雷达所需的大部分处理和通用处理器来执行用户编程的功能，我们可以构建一个灵活的高性能成像传感器单元，其运行功耗相对较低。
FMCW 雷达和视频
雷达是一种不同类型的成像传感器。它不提供可从相机获得的那种高分辨率图像，但在许多应用中它确实比相机具有优势。一般而言，与视频装置相比，FMCW 雷达装置的功率较低，对通信系统的带宽要求也较低。即使视频图像在本地处理，FMCW 处理对于许多应用来说也比图像处理简单得多，因此需要更小的内存和计算机以及更少的功率。雷达还可以在雾、雨、雨夹雪和烟雾中工作，从而在广泛的应用中发挥作用。对于需要识别个人或某些状态（例如是否戴头盔）的应用程序，雷达将无法完成这项工作，并且需要进行图像处理。然而，对于某些应用，存在功率限制，可能会遇到各种大气条件，或者存在隐私问题（例如更衣室或公共厕所的监控），因此对于其他应用，雷达更合适。接下来的几节将讨论其中的一些应用程序。
FMCW 雷达是监控应用的不错选择。视频广泛用于安全行业，但众所周知，人类不擅长监控视频源，而基于图像处理和某种机器学习的系统将非常耗电。一般来说，我们只对移动的东西感兴趣——如果不靠近并移动它是不可能偷窃或损坏它的。雷达不仅可以告诉您某物在移动，还可以告诉您移动的速度、方向，甚至移动物体的大致大小。它还可以告诉你某物有多远，因此监测罐中的液位也是 FMCW 雷达的另一个很好的应用。
心跳和呼吸
对于距离足够近的人，FMCW 不仅能够检测到呼吸，还能检测到心跳。这在许多应用程序中可能非常有用。一个明显的例子是救灾，雷达可以用来探测被困在倒塌建筑物废墟中的人。老年人的家庭监控是另一种潜在的应用，雷达比摄像头更适合，因为它不会侵犯被监控老人的隐私。在医学领域有许多潜在用途，包括监测睡眠质量和寻找睡眠呼吸暂停的迹象。
手势
Google 有一个名为 Soli 的项目，该项目正在开发使用雷达进行手势识别的解决方案 [ 21 ]。多普勒雷达可以检测运动，并且可以有意地协调这种运动以传达信息——手势。可以使用机器学习 (ML) 来推断手势，以识别哪个特定雷达特征属于哪个特定手势。使用这个系统手势可以像电视遥控器一样控制我们周围的设备。
步态
由于我们拥有有关物体在所有三个基本维度中的位置及其速度（速度方向）的信息，因此雷达可用于提取步态信息。从步态信息中，我们将能够从他们走路的方式识别一个人。然而，步态也与智力有关。事实上，正在进行一项关于使用步态早期指示神经退行性疾病（如阿尔茨海默病和帕金森病）的医学研究。在未来，基于 FMCW 雷达设备的老年人家庭监控应用程序中可能会结合步态分析和其他分析。
| 
提升卡
变色卡
千斤顶
