各位做毫米波雷达开发的朋友今天聊一个特别实在的话题怎么把一套FMCW TDMA-MIMO毫米波雷达信号处理仿真从头到尾搭起来。我最近刚好把一个基于TI IWR1443B的TDMA-MIMO工程在Matlab里完整跑通了顺手把波形改成DDMA-MIMO也验证了一遍。这篇就把整个仿真链路拆开讲清楚从FMCW测距测速原理、TDMA虚拟阵列构造到距离-多普勒FFT、CFAR检测、角度估计、点云输出每一步该怎么做、参数为什么这么定、代码怎么写、踩过哪些坑全给你捋明白。适合刚接触雷达信号处理、准备做算法预研或者正在为答辩/项目做仿真验证的开发者参考。1. 仿真整体设计与思路拆解1.1 先搞清楚FMCW在干什么FMCWFrequency Modulated Continuous Wave调频连续波毫米波雷达的核心逻辑可以一句话概括发射一个频率随时间线性变化的chirp信号碰到目标后反射回来接收端把发射信号和回波信号混频得到一个频率差中频IF信号。这个中频信号的频率直接反映目标距离相位差反映目标速度。很多初学者容易被一堆公式吓住但工程上更常用的方式是先看参数再推信号。仿真的第一步就是明确chirp参数起始频率f0、扫频带宽B、chirp时长Tc、ADC采样率fs、每帧chirp数。以IWR1443的典型配置为例f077GHzB3.07GHzTc58usfs10MHz单帧128个chirp。这几个参数直接决定了雷达的距离分辨率、最大不模糊测距范围和多普勒分辨率。距离分辨率 d_res c / (2B) ≈ 4.8cm最大不模糊距离 R_max c * fs / (2 * 斜率)斜率 B / Tc ≈ 52.9MHz/us算下来R_max ≈ 28.3m最大不模糊速度由帧内相邻chirp的采样时间决定后面展开说这个参数体系非常重要因为后续所有代码都在围绕它构建。如果你的仿真目标是看波束形成或角度估计建议把chirp数设成16或32速度维FFT点数可以小一点如果目标是看目标检测和点云密度就保持128甚至256个chirp。先想清楚“你要让这个仿真回答什么问题”再决定参数规模而不是随手拉一组数字。1.2 为什么非要用MIMOTDMA是什么角色如果只有单发单收天线目标的角度分辨率受限于物理孔径。想要窄波束要么把天线做长要么用MIMO的办法用虚拟阵列扩展孔径。毫米波雷达普遍采用多发射多接收的方式发射天线轮流发射TDMA或者多普勒偏置发射DDMA接收天线同时接收。这样一来N_TX个发射天线和N_RX个接收天线可以合成N_TX × N_RX个虚拟通道等效于一个更大的接收阵列。我在仿真里用的就是3发4收配置虚拟阵列为12通道。实际布站时发射天线间距通常是2倍波长或更大接收天线间距为半个波长这样经过相位补偿后能得到均匀线阵的效果。TDMA-MIMO的实现思路是让不同发射天线在时间上错开发射chirp。比如3发4收每个chirp只由一个发射天线工作4个接收通道同时采样得到4×1组数据下一个chirp切到另一个发射天线得到下一组数据。把所有chirp按发射天线分组后就可以在角度维构成12通道的阵列数据。TDMA方案的优势是实现简单、通道隔离度高缺点是每个发射天线的有效chirp率下降了1/N_TX倍导致最大不模糊速度缩水。这是之后我们做参数设计和DDMA切换时会重点对比的一个问题。1.3 为什么我要把DDMA-MIMO作为可替换选项DDMADoppler Division Multiple Access多普勒偏置多址是TI在IWR1443/AWR1443上主推的另一种MIMO方式。它不让天线轮流独占时隙而是让所有发射天线在同一时间同时发射但给不同发射天线叠加一个不同的相位相当于多普勒频偏。这样做有两个直接收益一是发射占空比提高等效chirp率不下降最大不模糊速度比TDMA高N_TX倍二是在相同帧时长内能获得更多的慢时间采样角度估计的样本量更充足。但DDMA的代价也很明显多普勒维上每个目标被复制成N_TX个子峰分别对应不同发射天线。信号处理时需要先做多普勒解偏置把不同发射天线分离出来然后再构造虚拟阵列做角度估计。如果目标多或者信噪比低解模糊出错就会造成点云残留或速度错误。所以DDMA不是“免费午餐”而是把TDMA的时分代价转换成了信号处理侧的分离代价。我会在第4部分给出这两种波形的生成方法和切换细节。2. FMCW TDMA-MIMO回波信号建模与核心参数计算2.1 chirp参数和帧结构的确定实际仿真的起点是一张参数表。我以IWR1443 Boost配置为例写了一套仿真参数实测下来物理含义清晰、计算量适中大家可以作为基础配置来改参数数值说明载频 f077GHz毫米波频段波长 lambda ≈ 3.9mm扫频带宽 B3.07GHz决定距离分辨率chirp时长 Tc58us含ADC采样窗口和空闲时间ADC采样率 fs10MHz决定最大不模糊距离ADC采样点数 N256距离维FFT点数发射天线数 TX3TDMA时分发射接收天线数 RX4同时接收每帧chirp数 chirp_frame192128为数据体余下用于器件配置/间插帧周期 T_frame40ms影响多普勒分辨率与实时性基于这张表我们需要在代码里完成三件基础工作生成发射chirp的频率时间曲线并计算每个采样时刻的发射相位根据目标的位置、速度和反射系数构造接收回波混频、低通滤波输出中频复数采样信号。工程上回波建模的公式不复杂。对第n个TX天线、第m个RX天线、第k个chirp、第i个采样点理想中频信号可以写成s_if[n][m][k][i] A_target * exp( j * 2π * ( f_b * t_i 2 * v * f0 * (k * Tc n * T_sub) / c ) )其中f_b是差频频率来自距离和速度的共同作用t_i是快时间采样时刻v是目标径向速度。括号里第一项是距离引起的频率项第二项是跨chirp的速度相位项第三项是TDMA切换时各发射天线之间的相位差这项在构造虚拟阵列时必须处理得特别小心。如果你之前看过一些开源雷达仿真代码会发现很多人直接把中频信号表示成复数指数这是对的但往往忽略了不同发射天线之间的时间偏移会导致相位不连续。使用TDMA时每个发射天线是在不同的慢时间时刻发射的目标移动会让相位产生一个额外的偏移如果不做补偿角度估计会整体偏移。后面我给的代码里专门留了comp_phase这一步用来修正这个偏移。2.2 实数雷达中频信号的工程近似另外要注意的是真实TI毫米波雷达的ADC采样出来的是实信号I/Q两路是分开的有的平台只输出一路中频实信号。仿真时为了简化一般直接构造复数基带信号等价于假设I/Q两路都采样并且正交。这个假设在算法验证阶段完全够用但如果你准备把算法移植到嵌入式平台就需要考虑实信号会带来镜像频率问题仿真里不能自动帮你滤掉。2.3 目标场景设计回波建模里还需要设计目标列表。仿真里我通常用3种典型场景验证算法单目标静态验证距离维FFT峰值位置和幅值是否跟理论一致单目标匀速运动验证距离维和多普勒维是否同时出峰速度值是否正确双目标同距离不同速度或同速度不同距离验证距离/多普勒二维FFT的分辨能力。目标的位置range, angle, velocity用一个结构体数组存起来比如target_struct.range、target_struct.azimuth、target_struct.velocity。生成回波时按目标逐个叠加幅度用RCS和路径损耗近似。仿真里一般不用特别精确的传播方程只要保证相对幅度合理、信噪比在20dB以上算法验证已经足够。3. 核心处理流程与Matlab代码实现3.1 从原始数据到距离-多普勒谱回波数据在仿真里是一个四维数组TX × RX × chirp × ADC_samples。因为TDMA时分我对每一帧数据按TX依次重组得到虚拟通道形式的data_cube维度是(VirtualChannels, chirp_per_tx, adc_samples)。重组后距离维FFT沿第三维做多普勒FFT沿第二维做得到Range-Doppler MapRDM。核心代码Matlab% data_cube: [numVirtual, chirpPerTx, adcSamples] % Step 1: 距离维FFT加窗抑制旁瓣 rangeWin hanning(adcSamples).; rangeFFT fft(data_cube .* rangeWin, adcSamples, 3); % Step 2: 多普勒维FFT注意这里直接对每个距离cell做 dopWin hanning(chirpPerTx).; rangeDoppler fftshift(fft(rangeFFT .* dopWin, chirpPerTx, 2), 2);这里有两个细节值得强调第一距离维FFT前必须加窗。不加窗的情况下旁瓣可能把弱目标淹没。我习惯用hanning或hamming窗虽然主瓣会变宽一点点但旁瓣抑制效果对CFAR检测的稳定性帮助很大。如果你处理的是4D毫米波雷达点云甚至可以考虑用Blackman-Harris旁瓣更低代价是分辨率损失。第二fftshift的位置。多普勒FFT后零频在索引1处fftshift之后零频居中方便后续按多普勒频率索引来匹配速度。这一步不要省否则后面画图和CFAR检测都会变得别扭。3.2 距离-多普勒维的CFAR检测从RDM上找目标最常用的是一维或二维CFAR。二维CFAR计算量大一点但对低信噪比目标的检测能力更好。在仿真里我倾向于先做一个简单的二维CA-CFAR参考窗选8×8保护窗选2×2训练单元数取32。阈值的计算方式是对参考窗内幅度求平均再乘一个缩放因子alpha。% 二维CA-CFAR示意 for r guard ref 1 : N_range - (guard ref) for d guard ref 1 : N_dop - (guard ref) cell abs(rangeDoppler(r, d)); % 参考窗均值 refWin rangeDoppler(r-ref:rref, d-ref:dref); refWin(guard1:end-guard, guard1:end-guard) []; % 挖掉保护窗 threshold alpha * mean(abs(refWin(:))); if cell threshold detections [detections; r, d, cell]; end end end这个双重循环在Matlab里跑起来比较慢实际做仿真验证时我会用filter2或者blockproc来做均值滤波速度能提升几十倍。不过循环版本更直观适合理解和调试。CFAR之后需要对检测到的距离多普勒单元做峰值细化常见做法是在峰值点周围3×3邻域内找最大值或者直接用质心法。质心法在目标速度连续变化时效果更好峰值法在旁瓣干扰明显时更稳。在纯仿真环境里我建议先用3×3峰值搜索把点找干净再考虑质心法。3.3 目标距离和速度解算得到峰值对应的距离索引r_idx和多普勒索引d_idx后距离和速度可以按下面公式解算距离R c * f_b * Tc / (2 * B)其中f_b r_idx * fs / N_range速度v (d_idx - N_dop/2) * lambda / (2 * Tc * chirpPerTx) 因为fftshift后索引有偏移注意这里的chirpPerTx是每个发射天线在帧内对应的chirp数。TDMA方案下虚拟通道数据里每个通道的慢时间采样率等于chirp_per_tx而不是总chirp数这个细节非常容易被忽略。你如果用总chirp数去算速度结果会差整整3倍。3.4 MIMO虚拟阵列角度估计目标检测完之后提取每个目标在RDM峰值处的复数值拿到所有虚拟通道上构成一个12×1的向量。对这个向量做FFT或者波束形成扫描就能得到角度-幅度谱。角度估计和FFT很像区别是阵列流型是sin(angle)的非线性函数所以需要把目标角度域均匀划分为若干网格点。thetaGrid -90:0.1:90; arrayVec exp(1j * 2 * pi * d_lambda * (0 : numVirtual - 1). * sin(deg2rad(thetaGrid))); % d_lambda 0.5 接收阵元间隔按波长归一化 % 得到角度谱 angleSpectrum abs(arrayVec * x_peak); [~, idxMax] max(angleSpectrum); angleEst thetaGrid(idxMax);如果你的仿真目标里包含两个角度相近的强目标FFT角度谱可能分不开这时候可以换成MUSIC或求根MUSIC算法。但MUSIC需要先知道目标个数且对信噪比比较敏感。工程上往往先用FFT做一个初筛再对疑似目标点做超分辨处理。我在仿真里就保留了两个接口一个get_angle_fft一个get_angle_music切换起来很方便。3.5 点云输出的最后一公里角度估计完成之后把每个目标的距离、速度、角度、幅度组装成点云结构体。如果每个距离-多普勒峰值只有一组角度那一个RDM峰值就对应一个点。但实际场景里同一个距离多普勒cell可能对应多个不同角度的目标这时就需要在角度维做第二次峰值检测或者对角度谱做CFAR/二分峰搜索。仿真里为了让效果直观我往往是先设定目标数再用角度谱检峰的方式输出对应数量的点这样能直接验证算法正确性。4. TDMA-MIMO到DDMA-MIMO的波形改造4.1 TDMA波形生成的实现细节TDMA波形生成的核心是给每个chirp打上发射天线的标签。仿真里我用了一个很简单的办法对第k个chirp其发射天线编号为mod(k, TX)对应回波信号中该chirp的发射相位是 exp(j * 2 * pi * f0 * (k - mod(k, TX)) * Tc * v_target / c)。这个相位项在低速目标下可以忽略但目标速度较高时如果不补偿角度估计误差会呈线性增长。TDMA的实现代码片段for k 1 : chirp_frame tx_idx mod(k-1, numTx) 1; % 该chirp只有第tx_idx个发射天线发射其他发射天线幅度为0 for rx_idx 1 : numRx for sample_idx 1 : adcSamples t (k-1) * Tc sample_idx / fs; phase 2 * pi * (f0 * t 0.5 * slope * t^2); tx_signal exp(1j * phase); % 对每个目标累加回波 for tgt 1 : numTargets tau 2 * (targets(tgt).range v * t) / c; rx_signal(tx_idx, rx_idx, k, sample_idx) rx_signal(tx_idx, rx_idx, k, sample_idx) complex_amp * tx_signal * exp(-1j * 2 * pi * f0 * tau); end end end end这里有个嵌套循环会跑得很慢我实际验证时通常把目标累加部分改成向量化写法。下面给出向量化版本的核心思路可以避免四层循环导致的仿真时间爆炸for k 1 : chirp_frame tx_idx mod(k-1, numTx) 1; t_adc (0 : adcSamples - 1) / fs; t_full (k-1) * Tc t_adc; tx_phase exp(1j * (2 * pi * (f0 * t_full 0.5 * slope * t_full.^2))); for tgt 1 : numTargets tau 2 * (R_tgt v_tgt * t_full) / c; rx_phase exp(-1j * 2 * pi * f0 * tau); rx_signal(tx_idx, :, k, :) rx_signal(tx_idx, :, k, :) A_tgt * tx_phase .* rx_phase; end end向量化后的仿真计算量大约只是原来的百分之一很多人第一次写仿真卡在Matlab跑不动多半就是循环写得太粗放了。4.2 DDMA波形生成以及多普勒解偏置DDMA波形的不同点在于每个chirp所有TX天线同时发射但每个TX天线叠加一个不同的慢时间相位斜坡。常用的相位增量是2π/TX的整数倍这样在慢时间维上就形成了频率偏置。% DDMA偏置每个TX对应的多普勒频偏 for k 1 : chirp_frame for tx_idx 1 : numTx dopplerOffsetTx exp(1j * 2 * pi * (tx_idx - 1) * (k - 1) / numTx); % 对所有RX通道累加回波时额外乘上dopplerOffsetTx end end经过距离-多普勒FFT后原本同一个真实目标会在多普勒维上出现3个峰分别对应3个TX天线。下一步要做的就是把多普勒谱按偏置量切分成3个区间再合并相同真实速度的目标信息。工程上常用方法是doppler de-aliasing也就是把RDM沿多普勒维循环移位再按每个TX对应的子带拼接。如果目标速度很高或者多普勒模糊严重解偏置阶段很容易出错。我的建议是先仿真里把速度限制在最大不模糊速度以内验证DDMA的核心链路再逐步提高速度测试解模糊逻辑。纯算法上可以把多普勒维点数扩大4倍做插值后再切分能显著提高分离精度。4.3 TDMA和DDMA的优劣对比对比维度TDMA-MIMODDMA-MIMO发射天线工作方式分时发射单通道独立同时发射多通道并行最大不模糊速度受chirp率/N_TX限制不受N_TX衰减等效chirp率高信号处理复杂度低相位补偿容易高需要多普勒解偏置通道隔离度好天线间干扰小需要额外相位校正目标信噪比每个通道只有单个TX信号多TX同时发射接收功率串扰风险高典型适用场景低速短距高精度定位高速场景或远距目标检测如果你的雷达系统工作在最高速度120km/h的场景TDMA 3发4收可能直接碰到速度模糊这个时候DDMA明显更合适。而如果算法平台算力有限TDMA的简单可靠就是最大优势。仿真里两种模式可以做成一个开关这也是很多大厂预研阶段的标准操作。5. 常见问题与调试技巧实录5.1 距离维FFT后峰值位置不对这是最常踩的坑。现象是设置目标在10米但FFT出来的峰在8米或者12米。原因通常是斜率或者采样率的单位换算出了问题。MHz、us、m、Hz这几组单位一混合数字就很容易错。我建议所有参数统一用国际单位制Hz、s、m只在输出显示时再转成MHz和us这样能少一半的低级错误。另一个常见原因是把ADC采样率和chirp斜率搞混。ADC采样率决定中频频率的采样范围而不是中频本身的频率。距离分辨率和最大不模糊距离只跟带宽和采样率有关一定要确认这两个参数在回波生成和FFT处理两侧用的是同一个值。5.2 目标速度出现多普勒模糊TDMA模式下每个发射天线的有效慢时间采样率是chirp_per_tx / T_frame如果目标速度太高多普勒频偏超过系统能表示的范围就会出现速度回绕。仿真里表现为主峰旁边出现一个虚假的镜像峰。此时要么提高chirp率要么切换DDMA要么在检测后做多普勒解模糊。我在仿真里加了一个参数maxVelCheck每次检测后都对比目标真实速度和速度维最大值一旦超限就提示“velocity ambiguous”方便快速定位问题。这里要多说一句多普勒模糊不一定是坏事。有些人会用两段不同PRF的波形来解模糊这是雷达界很成熟的MTD解模糊思路。但在仿真预研阶段我建议先把不模糊速度范围内的性能做扎实再考虑解模糊。5.3 角度估计出现左右镜像角度谱FFT方法在全向天线时可正常测角但很多阵列的单元方向图不是全向的左右90°附近的响应衰减不同导致目标被估计到镜像位置。仿真里如果没加方向图模型一般不会出这个问题。但如果你在回波建模里加入了天线方向图或者想模拟真实天线罩效应就容易踩到。解决办法有两个方向一是加天线方向图校正系数二是限制角度搜索区间比如只搜索-60°到60°。我在最终点云输出里给每条检测加了一个quality指标如果角度谱的次峰跟主峰幅度差小于3dB就标记为“低置信度”方便后续处理过滤。5.4 CFAR检测在低信噪比下虚警率升高CFAR的缩放因子alpha和参考窗大小直接决定虚警率。仿真里如果目标回波幅度变化很大远近目标差几十dB单阈值CFAR很容易出问题。工程上建议使用OS-CFAR有序统计CFAR或者SO-CFAR最小选择CFAR来应对多目标遮挡。我在仿真里简单实现时做了两级检测先用CA-CFAR粗筛再用角度谱一致性校验虚警率能降一个数量级。5.5 仿真运行速度太慢怎么办回波生成的循环结构是性能瓶颈。除了向量化之外还可以考虑减少每帧chirp数比如先用16个chirp跑通全链路再逐步往64、128加。另外Matlab的fft在多维数组上默认沿第一维或指定维执行如果你对每一帧都做循环性能会很差把数据排列成矩阵后一次性fft速度提升明显。6. 后续可扩展的方向整个仿真框架跑通之后我已经把TDMA和DDMA两个模式封装成两个函数后面做扩展非常顺手。我自己接下来打算继续补三个方向一是把天线方向图模型加进去研究真实阵列的旁瓣和遮挡对角度估计的影响。二是把点云输出接到一个简易的聚类和跟踪模块上验证多目标跟踪的预处理效果。三是把整个信号处理链路移植到C用相同的数据集对比Matlab和C的浮点结果这一步对工程落地的参考价值很大。如果你也想在这个仿真上继续做文章我的建议是先别急着上深度学习或者3D检测把2D FFT、CFAR和MIMO测角这几板的性能摸透。雷达信号处理的难点从来不是某个模块多高级而是模块之间的接口和误差传递。仿真能做到“每个环节都能解释清楚为什么这么设计”比堆出一堆跑得动但说不清的结果要有用得多。