目前车载、交通雷达多采用多芯片级联MIMO(MultipleInput MultipleOutput， 多输入多输出)技术，可在方位角和俯仰角维度上实现高分辨率，并提供高质量的三维点云图像，极大的扩展了车载、交通雷达的应用场景。其中，阵列设计及测角方法是多芯片级联MIMO雷达系统设计的关键。传统的毫米波雷达传感器只具备水平维度的测角功能，自动驾驶等级的提高对传感器的要求也更高，于是催生了4D毫米波雷达。其中，4D雷达可以感知的目标物包括距离、速度、水平角度、竖直角度这四个维度的信息。相较于传统的车载毫米波雷达，4D雷达使用了二维面阵，具备了竖直向测角能力，同时两个维度的测角分辨率也更高。为了获得准确的测角结果，需要将水平角度和俯仰角度进行很好的匹配。

二维面阵

水平和俯仰角度的匹配，最简单的就是虚拟阵列中具有一个二位水平俯仰面阵，直接2D-FFT或其它2D-DOA算法就可以直接进行水平角度和俯仰角度的匹配，对二维能量谱进行CFAR即可。

比如之前写过的2D-NUSIC:

https://blog.csdn.net/weixin_44670677/article/details/131845714?spm=1001.2014.3001.5501

匹配阵列

          二维测角需要解决的一个问题是同一个目标的水平和竖直两个方向的角度匹配， 传统的2D-DOA（2-Dimention Direction of Arrival）方法是对面阵的全部行阵元和列阵元做2D-FFT（2-Dimention Fast Fourier Transform）或波束成形，之后通过找极值等方法得到目标角度以规避角度匹配的问题。这种方法所需的计算量较大，不仅需要对全部的行以及列作FFT或波束成形，而且在要在整个矩阵中找极值，当阵元数目增加时该方法的计算量是线性增长的。还有一种方法可以采用匹配阵列的方法，匹配阵列需要首先从MIMO虚拟阵列中选出水平测角阵列、俯仰测角阵列、斜角测角矩阵，针对同一个距离多普勒点，进行三个方向的DOA估计。

假设估计的水平角、俯仰角、斜角分别为：，则三个角度应满足：

dx为水平阵列的物理间隔，dy为垂直阵列的物理间隔；也就是说斜对角匹配阵列的相位关系满足：

 当你得到：

,几个水平俯仰角度时，看是否符合上述关系，或者有那一对，误差最小，最匹配上述公式，就可以组成一对水平俯仰角。

举例匹配阵列1

举例匹配阵列2

双水平阵列（TI Child-Presence and Occupant-Detection Reference）

这里拿TI Child-Presence and Occupant-Detection Reference Reference里面讲的举例。

如上图所示，信号处理链中的实现由 DSP 和 Cortex R4F 上实现的以下模块组成。在下一节中，我们将此过程分解为以下几个更小的模块：

1. Range FFT through Range Azimuth Heatmap with Capon BF

2. Object Detection with CFAR and Elevation Estimation

3. Doppler Estimation

1、Range FFT through Range Azimuth Heatmap with Capon BF

首先对距离 FFT后的数据，用 Capon 波束形成 (BF) 进行距离方位热图的如框图所示，原始数据经过一维 FFT（距离处理）处理，并对结果应用静态杂波去除。然后，使用 Capon 波束形成生成距离方位热图。

距离处理

– 对于每个天线，EDMA 用于将样本从 ADC 输出缓冲区移动到由 Cortex R4F 控制的 FFT 硬件加速器 (HWA)。执行 16 位定点一维窗口和 16 位定点一维 FFT。EDMA 用于将输出从 HWA 本地存储器移动到第三层 (L3) 存储器中的雷达立方体存储器。距离处理与帧的有效啁啾时间交错进行。

静态杂波去除

– 一旦帧的有效啁啾时间完成，即可开始帧间处理，首先是静态杂波去除。对单个虚拟接收天线的所有啁啾信号取 1D FFT 数据平均值。然后从虚拟接收天线的每个啁啾信号中减去该平均值。这样，就可以彻底去除信号中的静态信息，只留下移动物体返回的信号。公式如下：

其中 Nc = 啁啾数量；Nr = 接收天线数量；Xnr  = 单个接收天线在所有啁啾信号上的平均样本数；Xncr = 来自单个接收天线的单个啁啾信号样本数。

Capon 波束成形

– Capon 波束成形算法分为两个部分：1) 空间协方差矩阵计算；2) 距离-方位热图生成。

最终输出是带有波束权重的距离-方位热图。该热图将传递给 CFAR 算法。

– 空间协方差矩阵计算如下：首先，空间协方差矩阵被估计为帧中所有啁啾的平均值，Rxn 对于 6843 ISK 为 8x8：

其次，对 R 矩阵施加对角载荷以确保稳定性

距离-方位角热图生成

• 首先，使用以下公式计算距离-方位角热图 Pna

• 下标 a 表示方位角区间的值

然后，波束形成权重计算如下

        在AOP天线方向图中，有两组天线可用于生成距离-方位角热图。在本应用中，两组天线按如下定义组合，以获得最终的距离-方位角热图。其中，Pna1表示使用公式从第一组方位角天线阵列生成的热图，Pna2表示从第二组方位角天线阵列生成的热图，可以使用两个阵列的能量累积得到水平角度。

2. Object Detection with CFAR and Elevation Estimation

• 使用上述步骤生成的热图，使用 2 Pass CFAR 生成距离-方位角谱中的检测点。对于每个检测点，应用 Capon 生成一维仰角谱，用于确定该点的仰角：

物体检测

– 在距离方位热图上使用两遍CFAR算法，采用CFAR“最小值”法进行物体检测。第一遍沿距离域按角度单元进行。第二遍在角度域进行，用于确认第一遍的检测结果。输出的检测点列表存储在L2存储器中。

使用Capon BF进行仰角估计

– 在每个检测点的方位角处执行全二维12天线Capon波束形成。

此操作遵循与生成距离-方位热图相同的步骤：

1）生成空间协方差矩阵；

2) 生成一维仰角谱（类似于热图）。

– 然后进行单峰值搜索，找到每个点的仰角。此步骤不会生成新的检测点。

– 空间协方差矩阵与之前类似，输入基于检测结果.

– 使用对角载荷矩阵

– 1D 仰角谱如下

总结如下，采用分布优化，利用估计的水平角，优化俯仰角：

6843 ISK天线阵列如下：

3. Doppler Estimation

对于距离和方位角空间中的每个检测点，使用 Capon 波束权重和多普勒 FFT 估计多普勒。

即根据水平俯仰角，得到权重向量，进行BF相干累积，得到RVMAP，并估计速度。权重向量为：

输出存储在 L2 存储器中。该输出与 CFAR 和仰角估计过程中产生的点云相结合，得到每个点的以下输出：

– 距离

– 方位角

– 仰角

– 多普勒

– 信噪比

例子

所以为了满足上述阵列要求，完成水平和俯仰角度的完美匹配，实现4D成像效果。下面放上一些国产4D成像雷达的阵列设计；

加特兰 4T4R 排布

加特兰 6T6R 排布

圭步微  8T8R 天线阵列

Reference

Child-Presence and Occupant-Detection ReferenceDesign Using 60-GHz Antenna-on-Package mmWave Sensor

MIMO雷达目标测角方法、装置、电子设备及 存储介质

一种毫米波雷达二维角度计算方法、装置及 相关设备