用PLFM_RADAR搭建雷达感知系统：从线性调频到室内监测

凌晨两点半频谱仪屏幕上多了一个不该出现的尖峰。那个位置我记得很清楚——在零中频偏左几百kHz附近不是我想要的任何一路回波信号。后来查了半天确认是收发天线之间的直漏加上对面墙体打回来的二次反射在PLFM_RADAR这套系统里合成出来的寄生响应。这个项目从搭骨架到调稳定磨了整整两个多月。PLFM_RADAR是我做的一套以雷达原理为核心的中近程位置-频率联合监测实验平台覆盖了发射波形设计、回波采集、脉冲压缩、多普勒检测、目标测角到最后的轨迹输出全链路都是自己搭的。如果你正在折腾类似的雷达感知项目或者打算用雷达做室内人员活动监测、存在性检测这类应用这篇文章应该能帮你少走不少弯路。1. 先聊清楚PLFM_RADAR到底是个什么项目1.1 项目代号里的名堂先说这个代号。PLFM我习惯理解为Position Locating and Frequency Monitoring的缩写也就是“位置定位频率监测”。RADAR不是随便挂的后缀它定义了整套系统的底层机制发射电磁波、接收目标反射的回波、通过相干处理提取信息。项目名把两个核心目标都写在脸上了——一是回答“目标在哪”二是回答“目标怎么动”。“目标怎么动”这件事在雷达里靠的是多普勒频率。一个物体朝雷达径向移动时回波信号会产生频移频移量和径向速度成正比。PLFM_RADAR的设计里速度维的信息和第二路位置解算是并列的这一点和很多只做存在性检测的雷达方案不一样。比如室内有人走动系统不仅能判断“有没有人”还能给出“人从哪走到哪、移动快慢、在哪片区域停留”。1.2 为什么不用摄像头和PIR做室内感知市面上最常用的方案无非是摄像头和被动红外传感器。摄像头的问题在于隐私敏感卧室、卫生间、更衣室这类场景很难接受PIR的问题是信息量太少只能给一个“有人/没人”的粗略判断而且对静止目标基本失效——人坐在沙发上看半小时手机PIR大概率已经不输出了。雷达的路线在这两个痛点中间找到了位置。它不采集任何光学图像天然规避了隐私争议又能直接测量距离、速度、方位角给出来的信息丰富度远高于PIR。PLFM_RADAR跑通之后我拿它做过一个很直观的测试人在房间里原地坐下不动距离-多普勒图RD图上依然能看到一个稳定的静止目标回波因为雷达检测的是目标的雷达散射截面而不是红外辐射随时间的变化。1.3 整体架构与数据流整套系统分为射频前端、采集与存储、信号处理、结果输出四层。数据流是这样的发射端生成线性调频脉冲基带信号经过上变频和功率放大后由天线发射出去接收端收到目标反射回波经过低噪声放大、下变频到中频/基带再由ADC采样成数字I/Q数据之后进入信号处理链路依次做脉冲压缩、动目标检测、恒虚警检测CFAR和角度估计最后输出目标的距离、速度、角度和幅度信息。下面这个表是各模块的职责概览模块职责关键点波形生成产生LFM脉冲序列带宽、脉宽、脉冲重复频率射频前端上变频/功放/收发天线收发隔离、噪声系数接收链路LNA/下变频/ADC动态范围、采样率信号处理脉冲压缩/MTD/CFAR/测角窗函数、积累帧数、参考单元输出模块目标点迹与轨迹数据关联、滤波这套分层设计的好处是每层都可以单独测试。调射频的时候不需要管算法算法调试的时候可以用仿真数据灌进去出了问题能很快锁定在哪一层。2. 信号链路设计从波形选择到回波模型2.1 为什么选了线性调频脉冲而不是单频连续波做雷达第一件事就是选波形体制。单频连续波CW最简单发射单一频率的等幅信号但致命缺点是测不了距离——回波里没有时间基准只有多普勒频率。连续波调频FMCW能测距不过接收机在发射的同时要持续工作收发隔离的压力很大而且对线性度要求高相位误差稍大就会让距离维出现鬼影。PLFM_RADAR最终选的是线性调频脉冲体制。理由很直接发射和接收在时间上分开不用担心同时收发带来的干扰线性调频让一个宽脉冲在接收端通过匹配滤波“压”成窄脉冲兼顾能量和距离分辨率多普勒信息也能通过跨脉冲积累提取出来。用生活化的类比解释线性调频你站在山谷里想测前方障碍物距离只喊一个短促的“喂”回声里除了响度什么都分不出来如果喊一个拖长音并且让音调从低到高平稳滑动回声到达时刻对应的音调变化就能告诉你障碍物离你多远。线性调频脉冲就是那个“滑音”接收端用一组匹配滤波器就能还原出精确的时延。2.2 关键参数怎么定带宽、脉宽、采样率参数设计是这套系统里最不能偷懒的部分每个数字背后都有物理约束。我的做法是先定最高优先级指标再反过来反推参数。首要指标是距离分辨率公式是ΔR c / (2B)c是光速B是发射信号带宽。想要1.5米左右的距离分辨率带宽大概需要100MHz想要0.75米带宽需要到200MHz。PLFM_RADAR最后选了B120MHz理论分辨率约1.25米对室内人员活动监测足够用了。脉宽T的选择看发射能量需求。脉宽越宽单个脉冲携带的能量越高探测距离越远但脉宽也决定了线性调频信号的调频斜率KB/T。我选了4us脉宽既保证了探测灵敏度也让调频斜率不至于过陡。脉冲重复频率PRF的约束更复杂。一方面PRF要高一些保证多普勒不模糊范围够大另一方面PRF越高最大不模糊距离越小因为距离-多普勒之间存在天然折中。公式是R_max c / (2·PRF)我把PRF定在20kHzR_max7.5km远超实际应用场景速度不模糊范围约正负62.5m/s室内人员步行速度根本碰不到边界。ADC采样率方面由于采用复数基带接收采样率只需要略高于带宽我取fs150Msps留了余量。参数取值依据中心频率24GHz波长小、天线尺寸紧凑带宽120MHz距离分辨率约1.25m脉宽4us单脉冲能量和调频斜率的折中PRF20kHz多普勒范围和距离模糊的平衡采样率150Msps覆盖带宽且留余量2.3 接收链路与I/Q解调把高频问题降到基带24GHz的信号没法直接采所以接收链路必须完成一次或多次下变频。PLFM_RADAR用的是两级下变频结构先把24GHz降到低中频再用数字正交解调的方式得到I/Q信号。这里有个工程上的关键点我没有直接做零中频解调。零中频方案的优点是采样率低、结构简单但缺点在雷达系统里很致命——直流偏置会落在信号频带正中1/f噪声也集中在低频这两个因素会直接污染近距离目标的回波。使用低中频加数字正交解调可以绕开直流和低频噪声集中的区域把有用信号搬到远离零频的位置处理完再搬到基带。接收链路的动态范围也要特别注意。室内场景里近距离强反射体比如金属门框的回波可能比远距离人体目标强几十dB如果ADC位数不够强信号会把弱信号淹没。我用的是14位ADC理论上动态范围能到84dB左右实际扣除噪声和余量后也基本能满足几十米范围内的目标检测需求。3. 目标检测与参数估计从回波里“抠”出位置3.1 脉冲压缩让长脉冲同时拥有能量和分辨率线性调频信号的脉宽是4us直接看回波包络的话距离分辨率大约600米——这显然没法用。脉冲压缩做的就是一件事在接收端构造匹配滤波器让参考信号和回波做相关运算把宽脉冲的能量集中到一个窄主瓣上。匹配滤波在频域实现的计算流程非常简洁import numpy as np fs 150e6 # 采样率 T 4e-6 # 脉宽 B 120e6 # 带宽 N int(T * fs) # 单个脉冲采样点数 # 生成线性调频参考信号基带复数形式 t np.arange(N) / fs s_ref np.exp(1j * np.pi * (B / T) * t**2) # 加窗压制距离旁瓣 window np.blackman(N) s_ref_w s_ref * window # 回波信号s_rx为某个脉冲的基带I/Q数据 # 频域匹配滤波 S_ref np.conj(np.fft.fft(s_ref_w, n_fft)) S_rx np.fft.fft(s_rx, n_fft) compressed np.fft.ifft(S_rx * S_ref, n_fft)实际中直接使用FFT做匹配滤波时要特别注意卷积长度。如果直接用和回波等长的参考序列做循环卷积会把长时延目标的回波卷绕到短时延位置必须在FFT前做补零处理使总长度不小于回波长度加参考长度。加窗这件事需要权衡。黑曼窗能把距离旁瓣压到-40dB以下但主瓣会变宽分辨率从理论1.25米实际变成大约1.8米左右。我的处理方式是发射和接收都尽量压低系统失真然后用窗把旁瓣压下来因为室内多径环境本来就容易产生虚假峰值旁瓣再高一点后续检测很容易误判。3.2 动目标检测与二维FFT距离和多普勒解耦单脉冲压缩只能给出目标在某个时刻的距离但室内环境里有大量墙体和家具的静态反射这些杂波强度远超人体目标直接检测根本分不出来。解决办法是动目标检测MTD。核心思路是用多个脉冲对同一距离单元做相干积累。慢时间维上静态杂波在脉冲间相位不变积累后仍然集中在一个多普勒单元运动目标回波相位随脉冲变化多普勒频率会把它搬到另一个单元去这样距离和速度就自然解耦了。实现上就是二维FFT距离维由脉冲压缩完成速度维沿脉冲维做FFT。积累脉冲数N取256时相参积累时间T_cpi256/20kHz12.8ms多普勒分辨率约78Hz对应速度分辨率约0.49m/s。这个分辨率足够把行走的人和静止的家具杂波区分开又不会因为积累时间过长导致目标跨距离单元走动。3.3 恒虚警检测CFAR与测角逻辑做完二维FFT后不能直接设一个固定门限去判断目标——室内杂波分布不均匀墙角反射强的地方固定门限会产生一堆虚警空旷的地方固定门限又可能漏掉真实目标。CFAR的思路是根据每个检测单元周围的噪声水平自适应调整门限。工程实现里有几个参数特别关键。参考单元个数决定了对噪声估计的平滑程度我一般取16到32个保护单元必须保留否则目标本身的能量泄漏到参考区会把噪声估计抬高造成“自屏蔽”。室内强杂波场景下单元平均CA-CFAR在边缘处表现不稳定我最后切换到了有序统计CFAROS-CFAR它对多目标和杂波边缘更稳健代价是稍微多一点计算量。如果和我一样用双通道接收天线测角可以用比相法。两个天线相位差φ满足φ 2π·d·sinθ / λd是天线间距取λ/2以内可以避免角度模糊。比相测角虽然简单但只能覆盖几十度的波束范围且精度受信噪比限制。对PLFM_RADAR这种以存在性和活动监测为主的项目已经够用真要做高精度测角就得换阵列天线加MUSIC或ESPRIT算法了。4. 实测中的拦路虎相位噪声、多径与标定4.1 相位噪声为什么决定近距离探测上限项目第一次整机联通时我遇到的第一个问题就是开头那个尖峰。它本质上是相位噪声问题本振不可能做到理想纯净相位噪声功率谱在偏离载频处有一个带尾大功率发射信号通过天线直漏或者近距离强反射进入接收机后它的相位噪声边带会把远处弱目标所在的底噪抬高导致弱目标被淹没。这就是为什么有些雷达指标好看一到实测就发现近距离反而探测不了。我做了三件事来缓解一是拉开收发天线间距提高空间隔离度二是地面铺设吸波材料减小地物反射三是在信号处理里加MTI对消把静态杂波连同它的相位噪声边带一起消掉。三管齐下后近距离弱目标的信噪比提升了大概8到10dB。4.2 多径杂波在室内场景的真实表现室内多径是另一个大坑。雷达信号打在墙上反射后再打到目标上折返接收端会收到一个延迟的回波副本。这个副本在RD图上表现为目标旁边的重复点迹有时还会和目标本身干涉造成幅度起伏。我踩过的具体场景是走廊尽头有一个金属门门和目标之间形成一条强反射路径。目标从走廊中间走过时RD图上出现了两个相距几米的点迹一个是真的一个是多径副本。解决思路有两个维度测角维度上因为多径副本的来波方向和直射方向不同双通道比相测角可以把它滤掉一部分更通用的是在点迹关联阶段加约束——多径副本的幅度通常比真目标低且与真目标保持固定距离差只保留幅度稳定、运动轨迹连续的点迹。4.3 参数标定与误差修正从测不准到测不丢设备装完不等于系统是准的。PLFM_RADAR的标定分四步每一步都有坑标定项方法常见误差距离标定已知距离的角反射器实测延迟偏移导致距离整体偏差速度标定已知移动速度的目标匀速通过本振频率不准导致速度偏差幅度标定标准信号源注入接收链路链路增益不平坦IQ不平衡校准注入单音信号测量镜像比镜像虚假目标IQ不平衡这个点值得多说一句。零中频或低中频接收机里I路和Q路如果增益不一致、相位不是严格90度镜像频率的信号就会泄漏到目标频率上形成假目标。校准方式也不复杂发射端注入一个单音在接收端测出镜像比然后反向修正I/Q增益和相位。我的习惯是每次外场实验前都先跑一遍这四步不偷懒。标定做完后室内静止目标的角度和距离偏差基本能控制在分辨单元以内后续的目标关联和轨迹滤波才有意义。5. 调试过程中沉淀下来的工程习惯与后续方向5.1 数据记录与离线回放最划算的一笔投入PLFM_RADAR调试中让我最受益的工程习惯是给系统加上了原始I/Q数据落盘功能。起初觉得“在线实时处理不就行了存数据多此一举”后来发现现场出现诡异现象时没有原始数据根本没有复现排查的可能。加了落盘以后每次实验都同时保存ADC原始数据、系统配置参数、天线布局和场景描述回来离线跑处理脚本问题定位速度提升了一个数量级。具体做法很简单用HDF5格式存I/Q数据文件头写入时间戳、PRF、带宽、采样率、发射功率等所有关键配置。离线回放时用和实时处理完全同一套脚本既方便调参也方便多人协作复现结果。5.2 仿真与实测对拍先信仿真再疑仿真另一个重要习惯是仿真-实测对拍。我的流程是这样的先用仿真环境生成合成回波把目标距离、速度、信噪比全部设成已知值验证算法链路里的每一个环节是否都正确确认无误后再灌入实测数据跑同样的脚本观察差异。这个流程能帮你区分算法问题和系统问题。仿真里如果检测性能不达标说明算法参数没调对实测里如果比仿真差很多问题大概率出现在射频前端、标定或杂波环境。PLFM_RADAR早期我在仿真里把CFAR参数调得很理想实测一跑满地虚警后来才知道是仿真里没建模的相噪泄漏在作怪。这个教训让我明白仿真永远是理想化的但也是排查问题的第一道筛子。5.3 后续可以自然延伸的几个方向PLFM_RADAR跑通之后我在扩展方向上试过几件事都还在推进。一个是微多普勒特征提取人在行走、坐下、跌倒时肢体摆动的微多普勒调制在频谱上有明显的区别特征这为老人看护场景的跌倒检测提供了可能性。另一个是多雷达组网协同用两三台设备从不同角度观测同一个区域能显著缓解单台雷达视角遮挡和多径交织的问题。还有一个方向是和摄像头数据融合——雷达提供深度和速度摄像头提供轮廓和身份两者各取所长。这些方向我都还在摸索并没有全部跑通。但基础链路已经稳定后续每次扩展本质上都是在PLFM_RADAR的地基上往上一层、再往上一层。如果你也在折腾一个类似的雷达项目我最大的建议是先把原始数据记录和离线回放链路做好这个投入比任何高级算法都划算。很多调试时让你怀疑人生的玄学问题在原始数据面前都会变得清晰。先把地基夯实再谈天花乱坠的算法。