摘要：FMCW雷达通过发射线性调频啁啾信号并接收目标反射信号，经混频后产生中频信号。通过Range FFT提取拍频可计算目标距离，分辨率由带宽决定。对运动目标，利用相位变化进行Doppler FFT可测得速度，最大可测速度与Chirp间隔相关。将多个Chirp数据组合形成距离-多普勒图（RDM），实现目标在距离和速度维度的精确分辨。RDM通过两次FFT变换将时域信号转换为二维频谱，有效提升复杂场景

这篇文章用 **3 分钟** 带你读懂毫米波雷达的**物理本质、核心原理、技术优势与行业趋势**。> 如果你是学生、工程师，或想进入传感器行业，毫米波雷达是未来 5–10 年最重要的技术之一。

毫米波雷达可以在非接触条件下检测人体生命体征，其中最基础的应用之一是呼吸检测。本文介绍利用 77GHz 毫米波雷达实现呼吸检测的基本原理：人体胸腔在呼吸过程中会产生毫米级位移，这种微小运动会引起回波信号相位的周期变化。通过对雷达 ADC 数据进行 Range FFT、目标距离单元选择、相位提取和带通滤波，即可恢复出呼吸波形。文章给出了 Python 与 MATLAB 的示例代码，并展示了典型的呼吸

毫米波雷达可穿透遮挡，精准感知距离、速度与微振动，在多领域广泛应用。智能家居中实现非接触式健康监测、智能场景联动和全屋无感感知；机器人领域助力自主导航避障与人机交互；汽车领域则用于驾驶安全辅助和智能座舱相关监测。其凭借高带宽等优势成为优选，未来应用还将进一步拓展。

在毫米波雷达中，如何在噪声和杂波背景下稳定、可靠地检测目标，是工程实践中的核心问题。CFAR（恒虚警率）算法通过对局部噪声进行统计估计，实现自适应门限判决，是雷达系统中最基础、也是最重要的目标检测方法之一。本文面向毫米波雷达初学者，从物理意义和统计原理出发，系统讲解 CFAR 的工作机制、常见类型及工程要点，并给出可直接运行的 MATLAB 示例，帮助读者快速理解并上手应用。

本文系统拆解 FMCW 雷达从 **Chirp 发射、混频、ADC 采样到点云生成** 的完整信号链，阐明快时间/慢时间/空域三维数据结构，解释 Range FFT、速度与角度估计的物理意义，为理解毫米波雷达目标检测与定位提供清晰框架。

在毫米波雷达中，如何在噪声和杂波背景下稳定、可靠地检测目标，是工程实践中的核心问题。CFAR（恒虚警率）算法通过对局部噪声进行统计估计，实现自适应门限判决，是雷达系统中最基础、也是最重要的目标检测方法之一。本文面向毫米波雷达初学者，从物理意义和统计原理出发，系统讲解 CFAR 的工作机制、常见类型及工程要点，并给出可直接运行的 MATLAB 示例，帮助读者快速理解并上手应用。

毫米波雷达可穿透遮挡，精准感知距离、速度与微振动，在多领域广泛应用。智能家居中实现非接触式健康监测、智能场景联动和全屋无感感知；机器人领域助力自主导航避障与人机交互；汽车领域则用于驾驶安全辅助和智能座舱相关监测。其凭借高带宽等优势成为优选，未来应用还将进一步拓展。