Automotive radar 信号处理 第3课 方位估计

---

在上一节中“Automotive radar 信号处理 第2课 速度估计”中，通过FMCW这样的宽脉冲可以对目标的距离和速度进行分辨。

在实际的应用场景下，在获得目标的距离和速度信息后，为了对车辆周围的行驶环境形成更好的感知，就需要对目标进行方位估计。

如图，在车辆行驶的前方的某一个距离上有两辆汽车，此时就需要通过方位估计来区别这两个位于同一距离位置上的目标。

利用FMCW的脉冲可以在快时间维和慢时间维分别得到目标的距离和相对速度。

对于目标的方位估计，则由天线阵列决定，因此，方位估计不同于距离和相对速度的估计，处于另一个维度：空域。

结合前面给出的例子，对于automotive radar中目标的位置和方位信息可以设为$(R,\theta ,\varphi )$,其中$(\theta ,\varphi )$分别表示目标的方位角和俯仰角。由于automotive radar中的方位估计是从空域进行处理，所以需要多个天线进行估计。需要说明的是，对于目标物体的距离和相对速度的估计，单个天线就可以解决。

若要获得目标的方位角以及俯仰角，则需要两个维度的天线阵列。也就是说，如果我们采用FMCW脉冲，一般利用一个一维的ULA线性阵就可以得到目标的方位角，此时，目标的方位角和俯仰角可以由一个二维的ULA线性阵估计得到。此外，毫米波较小的波长对应较小的孔径，因此，在设计天线阵的时候，许多阵元被密布排列着，这样可以得到更好的角度分辨率。

设天线阵列位于$z=0$的平面内，令$(R_q,{\theta }_q)$为第$q$个目标的位置和方位角，$v_q$为该目标相对于雷达的运动速度。因此，我们可以得到该远场目标位于第$l$个阵元时，发射信号的来回时间为
τ l q = 2 ( R q + v q t ) + l d s i n θ q c \