低成本FMCW雷达的详细实验，我也想尝试亲手组装一部

本实验演示了调频连续波（FMCW）雷达的基本操作，能够进行距离和速度测量。完成本实验后，你将会：

•了解FMCW雷达如何通过现成的商用组件进行组装，并集成在树莓派平台上

•了解使用I/Q信号识别运动方向

•运用傅里叶分析和了解雷达信号多普勒处理的基础知识

•了解带宽和离散化对分辨率的影响

•能够了解到实验室系统中的瓶颈

本实验中使用的设备如图1所示。它由商用雷达模块，Innosent GmbH的IVS-162组成，控制单元由树莓派和英国电子公司生产的AD/DA扩展卡ADC DAC Pi Zero组成，还有基于LM358运算放大器的调谐电压的非反相放大器。该设备的基本原理图如图2所示。

如果你想自己搭建系统，总成本约为1000瑞典克朗(七百多元人民币)，并且可以在课程网站上找到组装指导。

该系统的核心是雷达模块。根据制造商网站的信息，推荐应用于开门器和工业应用，其主要功能有：

•VCO收发器的中心频率为24GHz

•FMCW/FSK能力；因此可以测量距离和识别静止物体（取决于调制方式）

•发送和接收路径分离以获得最大增益

•用于识别运动方向的立体声（双通道）操作

•IF前置放大器，限制带宽以实现最低噪声性能

•外形尺寸紧凑

图3给出了系统简图。传感器的工作频率由调谐电压决定。其中电压[0 10V]对应于频率[24.0GHz, 24.6GHz]，接收信号与发送信号混合，经过低通和放大，并出现在I（同相）的输出端。接收信号还与90°反相发送信号混合，经过低通和放大，并出现在Q（正交）的输出端。更多数据可在数据表中找到。

使用ADC DAC Pi Zero卡扩展的树莓派可以提供可变电压，最高可达2.048V。

为了更好利用雷达模块的带宽，可以用基于LM358运算放大器的非反相放大器电路来提升此电压。该放大器由9 V电池驱动，允许调谐电压在0到7V之间变化（OP的最大输出总是略低于驱动电压）。

 通过这样设置，雷达模块的工作频率从f1=24.0GHz变为f2=24.425 GHz，相应的AD/DA卡的输出电压从0变为2.048V.

ADC DAC Pi Zero卡有两个输出和两个输入。

输出O1用于控制雷达模块的调谐电压，输出O2用作开关信号（处于低电平时，雷达模块启用）。输入IN1和IN2用于采样雷达模块的I和Q输出。

系统的最后一部分是树莓派单元，它是一台安装了linux操作系统的完整计算机。它可以用任何语言编程，然而，我们仍坚持使用python语言，这是一种非常类似于matlab的脚本语言。

为了演示使用编译语言实现加速，我们还有一种版本是C语言的控制程序，但不需要编码。

该单元由插入迷你USB连接器的USB电缆供电。

实验室中有专用的键盘和带有USB连接器的鼠标。还有用于连接显示器的HDMI电缆，通过其micro-USB端口为树莓派供电的USB电缆。

•将键盘，鼠标和显示器连接到树莓派。

•只有在完成上述操作后，才能将micro-USB连接到固定计算机上的常规USB端口（仅供电）。树莓派会根据连接的显示器选择正确的屏幕分辨率。

•你应该可以在屏幕上看到启动过程。结束的时候会显示关于标准密码未更改的警告消息，单击此窗口。

•打开命令窗口（ctrl-alt-T或顶行的图标）。这是我们要进行操作的地方。

•如果您需要在树莓派中保存一些数据，如保存的图形等，你可以使用U盘。

启动树莓派后，你将看到图4中的警告消息。警告消息可以忽略，因为它只是通知用户更改树莓派的默认密码。

更改屏幕分辨率

树莓派通常会检测连接显示器的最佳分辨率。但是，在某些情况下，它的效果并不好，应手动设置屏幕分辨率。要手动设置分辨率，请打开终端并键入：

sudo raspi -config

打开配置菜单后，转到高级选项>分辨率并设置屏幕分辨率。然后，将设备重新启动。

你不需要了解很多linux命令行来使用树莓派。这里总结了一些基础知识，你可以在实验期间充分使用谷歌搜索进行辅助。

ls：列出当前文件夹中的文件。

pwd：列出当前文件夹的名称。

cd：更改文件夹：cd <文件夹名称>移动到新文件夹，

cd ..移动到上一级文件夹。文件夹名称由斜杠来分隔/ 

home / pi / myfiles。

nano：一个简单的文本编辑器。在命令窗口中运行，底部显示一个命令菜单。

leafpad：具有简单GUI的文本编辑器。

python3：（第3版）python语言。写入python3 doppler.py来运行脚本doppler.py。Python是开源社区中的一种流行语言，具有类似于matlab的计算能力。与matlab的一个重要区别是没有必要使用尾随分号。

在整个实验过程和报告中，你需要保存测量数据。通过单击“保存”按钮然后指定文件路径，可以保存图5中所示的Python图形。外部USB存储器可以在路径下找到

/ media / pi / USB NAME

其中USB NAME是U盘的名称。

在我们的第一个实验中，我们将使用固定频率并仅研究多普勒频移。这是雷达模块的最基本操作，目的是为了进行运动检测。

为了检测运动方向，我们使用I和Q信号。

控制雷达模块的代码是：

• doppler.py (located in /home/pi/myfiles/radar/)

该脚本包括一个无限循环，该循环不断读取雷达模块的I和Q引脚上的模拟电压，并将它们组合成复杂的数值。该脚本需要经过N次连续测量，并构建分析信号。

由于采样信号加载在约2 V的直流电压上，因此首先减去平均值，然后应用傅里叶变换（快速傅里叶变换，FFT）

A中峰值的位置对应于多普勒主频率。正频率意味着物体朝向雷达方向运动，负频率表示物体远离雷达方向运动。

该脚本以纯文本形式输出多普勒主频率，并更新整个频谱的图形。为了从下面的测量中获得结果，您需要在文本编辑器（nano或leafpad）中打开脚本，并进行适当的更改。例如，关于输出不同的结果，在脚本中查找变量PlotMode。

一定要保留原始脚本的副本，防止由于意外更改无法修正的内容。

为了获得便于观察的明确信号，可以在雷达模块前面放一个小风扇。风扇叶片的周期性运动产生许多尖峰，并且尖峰之间的间隔与风扇旋转频率成比例。

•根据数据表中的参数，使用雷达距离方程估算雷达模块的SNR，作为距离的函数。选定一个目标，其雷达散射截面，噪声系数。的最大范围是多少？ 

（提示：数据表以等效各向同性辐射功率表示输出功率。接收增益可以根据方位角和仰角的波束宽度估算。噪声带宽没有明确规定，但制造商提到对于没有频率调制的类似模块，噪声带宽至少100MHz。你可以使用500MHz。）

•捕获并保存原始时域数据的图形，包括直流电平。

•捕获并保存已去除直流电平的时域数据图。

•捕获并保存频域数据图。估算SNR。计算风扇的旋转频率。

•在代码中插入时序控件，并测量以下时间

-    循环运行时间

-    使用FFT进行信号处理。

-    输出部分，包括将写入文本和绘图。尝试使用图形绘图，只显示文本输出。

在实验报告中的数据应当包含三个不同N值。

•取下风扇，并尝试检测手在朝向或远离雷达时的移

动。能否看到多普勒频移的不同表现？

•能否提出改进系统的方法，例如提高SNR或多普勒频移分辨率？

在本实验中，我们用调谐电压来控制雷达模块的工作频率。由于AD / DA的速率有限，结果将是频率步进调制，其中每个步骤都与实验1中的情况类似。在这种情况下将体现出不同操作频率之间的相位变化。这样不仅可以得到速度，还可以确定距离。 

启用频率调制的脚本是：

• fmcw.py (located in /home/pi/myfiles/radar/)

这个与前一个实验中的多普勒脚本有些类似，但不是所有测量的频率都相同，而是从24.00 GHz到大约24.425 GHz。频率可以从低到高（向上调频）或从高到低（向下调频）步进。该脚本执行一次向上调频和一次向下调频，并保存相应的分析信号（I和Q）

每个信号都加载在直流电平和对应于调谐电压的斜坡函数上，需要减去该调谐电压。这是在函数EstimateAmplitudeOffset（）中实现的，具体细节不再说明。

一旦分离了直流电平和斜坡，脚本就会计算两个信号的傅里叶变换，并提取每个信号中的主频率Δf1和Δf2，然后根据下列公式可以计算距离和速度。

其中B = 425 MHz是系统的带宽。

将雷达模块指向天花板。当雷达探测路径中没有物体移动时，输出信号应该是稳定的。

•捕获并保存时域原始数据的图形，包括直流电平和斜坡。

•捕获并保存已分离直流和斜坡的时域数据图。

•捕获并保存频域数据图。尝试估算SNR和天花板的距离是多少？

•在代码中插入时序控制，并测量以下时间：

-    频率上升信号和频率下降信号扫描的时间。

-    使用斜坡提取和FFT进行信号处理。

-    输出部分，包括写入文本和绘图。尝试使用图形绘

图，只显示文本输出。

在实验报告中的数据应当包含三个不同N值。

•引入一些速度分量，比如挥动手掌。对频率升降信号的对称性有什么影响？

•能否估算分辨率范围？可以使用零填充数据来改进吗？制作并保存适用于实验报告的插图。