MMWCAS-DSP-EVM和AWR2243调试（三）--传输模式分析与校准（上）

从前慢907

于 2025-02-24 00:00:00 发布

阅读量1.1k

点赞数 20

分类专栏： 4D毫米波雷达信号处理文章标签：信号处理算法

本文链接：https://blog.youkuaiyun.com/weixin_71104007/article/details/145534560

版权

4D毫米波雷达信号处理专栏收录该内容

3 篇文章

订阅专栏

前言

为什么要校准？

级联芯片之间的工艺差异
各天线通道之间的增益差异
温度偏移
天线之间的耦合以及天线罩的影响等

TI官方给出的校准效用说明如下：

需要进行通道间失配校准，以考虑一个主器件和三个从器件之间的频率、相位和幅度失配。校准是一次性的视轴校准，使用约 5m 处的角反射器（可以在算法代码中更改）和 TDM MIMO 配置。预计每个板卡上的通道间不匹配都不同，因此必须对每个板卡进行专门校准。默认情况下，后处理脚本包括一个虚拟校准矩阵。

除了通道间失配外，传输 PCB 路径和移相器路径也会导致相位失配。理想情况下，移相器应提供 5.625 度/LSB 的偏移。然而，实际相位偏移（每 LSB）会随着工艺转折点、温度和频率工作点的变化而略有不同。TX 波束形成/控制和 BPM-MIMO 等应用需要 TX 天线的精确相位。需要在每个 PCB 上进行 TX 相位校准，以便在这些 TX 相位敏感应用中实现最佳性能。默认情况下，TX 波束形成线性调频设置和数据收集示例包括一个虚拟 TX 相位校准矩阵。用户应按照 AWRx_TX_Channel_Calibration_Script_User_Guide.pdf 中提到的步骤校准每个板。

两种传输模式与校准方式

官方给出两种校准方式：1、天线校准（MIMO模式）2、相位偏移校准（Beamforming模式）。现分析文档信息，从工作方式、能量分布以及适用方面进行对比。
第一，工作方式上MIMO模式采用TX天线分时激励，Beamforming模式中，多个TX通道同时激励，从而在主聚焦视野实现更高的增益/达到更远的探测距离。但是这种防范存在速度模糊问题。
TX beamforming 工作示意图

第二，探测能量对比如下；
两种模式的探测能量对比图
可以看出TX Beamforming模式的有效探测深度更大，但是对大角度目标不敏感。MIMO模式则舍弃了探测深度，有更大的角度可探测范围。

第三，适用范围；
天线校准适用于目标检测、跟踪、方位角估计等；相位偏移校准则适用于DOA算法、MIMO信号处理、多天线数据融合等。

校准实验开展

下面结合实际校准试验，对天线校准方法进行规划总结：
1、mmWaveStudio安装中已包含原始ADC数据（为级联MIMO场景捕获）的后处理参考示例（\mmWaveStudio\MatlabExamples\4chip_cascade_MIMO_example）。运行此示例需要安装 Matlab。用户要根据采集配置参数对脚本文件进行更改。
运行此示例的步骤

环境搭建
生成通道失配校准矩阵（RF-EVM板只需要一次）
使用校准矩阵对实际场景数据进行后处理

环境搭建

PC端设置控制面板 - > 系统和安全 - >系统 - >高级系统设置 - > 环境变量
将指向 “<Installation_path>\mmWaveStudio\MatlabExamples\4chip_cascade_MIMO_example” 的环境变量 “CASCADE_SIGNAL_PROCESSING_CHAIN_MIMO” 添加到 PC 中。（添加完环境变量之后重启MATLAB）
打开MATLAB并设置运行路径为“<Installation_path>\mmWaveStudio\MatlabExamples\4chip_cascade_MIMO_example”，运行add_paths.m，添加文件路径到MATLAB中。（每次运行处理处理代码之前都可以回到这个步骤添加路径，防止出现“不识别函数”的报错）

正式校准

对于每个级联 RF-EVM，此步骤只需要一次。获得校准矩阵后，它可以用于未来相同 EVM 设置的采集。（实际上GUI自带了一个默认的校准矩阵，一般需要自己校准一遍）

通过运行 MIMO 用例的 lua 脚本来捕获数据，同时将角反射器的视轴保持在 5米左右。附近不应有任何强反射器，保证评估板阵列的方位角和仰角保持在同一直线上。如下图所示：（测试完成观察结果并分析，应该放到开阔的地方实验，或者在吸波暗室内进行）
以级联捕获为例，运行脚本文件“Cascade_Configuration_MIMO.lua”，路径为“mmWaveStudio\Scripts\Cascade”，该文件是配置MIMO发射参数的。然后在同一路径下运行，“Cascade_Capture.lua”，注意：根据博主实测情况，蓝板可能存在时序问题，第一次采集运行会出现“no such file”的报错，此处需要断开上位机与板子的连接，然后复位系统（摁蓝板S2），再次进行配置并采集。
收集校准数据后，转到 MATLAB 中的 .main\cascade
文件夹，并更新“cascade_MIMO_antennaCalib.m”中的“dataFolder_calib_data”变量以指向校准数据文件夹。
运行 “cascade_MIMO_antennaCalib.m”。它会更新输入文件夹中的 “calibrateResults_high.mat” 文件。此文件是 EVM的校准矩阵。（如果用户正在使用已经存在的默认校准，请确保在继续后处理步骤之前，工作目录是 MATLAB中的“.\main\cascade”文件夹。）校准后在testList.txt文档中修改校准的矩阵。出厂的时候给出的默认校准矩阵为“calibrateResults_dummy.mat”。此前用的都是假的校准矩阵calibrateResults_dummy.mat，要替换成calibrateResults_high.mat，而原本存在的calibrateResults_high.mat是TI校准的一个板子的数据（仅供参考，实际是不能用的），自己的板子需要额外校准。

利用校准得到的矩阵进行数据预处理

使用为 MIMO 提供的 lua 脚本收集实际场景的原始 adc 数据。
更新 inputtestList.txt 文件的第一行以指向 Captured Data 文件夹（如下图所示类似的路径，存放数据文件的地方）。
更新 inputtestList.txt 文件的第二行，以指向校准步骤后生成的相应校准向量。
如果需要，更新第三行以进行算法参数优化;默认为paramGenmodule_param.m（源文件适配的是前述lua脚本配置，所以可以不用改。如果有需要的话，需要理解校准算法之后自行调整配置）
运行 “cascade_MIMO_signalProcessing.m” 文件。如果后处理脚本运行正确，将看到以下类似的 GUI界面。

得到数据处理后的结果，分析发现实验环境中有较大且多的发射体存在与雷达板前方12m左右处，最终测试结果数据与实验前标定的5m距离相比，略大。