本文利用雷达作为传感器，给出了当前和未来的一些重要的汽车应用。在汽车应用中，需要处理的信号可以通过超声传感器（Sonar）、雷达传感器(radar)、相机(CV)、激光雷达(Lidar)、GPS和其他发动机控制单元传感器来获得。音频、图像和阵列处理技术可以应用于获取的信号，以提取信息，用于自动控制车辆动态或提醒司机车辆周围即将发生的危险。虽然有多种技术应用于汽车，但应用雷达信号处理的汽车安全应用将

本章主要介绍雷达接收信号处理的重点理论，主要对傅里叶变换及其在雷达信号处理中的应用，即本文主要是介绍数字信号处理中的相关内容在雷达信号处理中的应用，比如傅里叶变换、采样定理、加窗技术等等。雷达信号处理的基础是数字信号处理，二者是承上启下，密不可分的关系，想要学好雷达信号处理，数字信号处理必然要十分熟悉。傅里叶变换的目的是将时域信号变换为频域信号。对于周期信号，信号的压缩表示成为可能。这意味着一系列

雷达目标识别技术逐渐成为了汽车雷达处理算法的重要组成部分，汽车雷达工作的环境是高度复杂的，提高道路行人识别能力的需求也越来越大，因此汽车雷达必须具备高精度区分感兴趣的目标（人、自行车、障碍物、其他车辆）的能力。目标识别技术可以对被检测物体进行区分和分类，识别完成之后，就有可以针对特定类型的目标优化信号处理算法，例如，针对客车和行人可以采用不同的跟踪和滤波算法，这样可以提高雷达的检测效果，这种就有点

4D毫米波雷达信号处理方案设计以扩展目标为最终结果 ，而传统雷达信号处理流程中检测和测角模块是以假设目标为点目标进行设计的 ，传统流程无法实现单帧高密度点云 ，需采用全新的雷达信号处理算法流程 ，其中相干 /非相干积累 、 目标检测 、测角等模块的算法与传统算法存在差异。4D毫米波雷达在3D毫米波雷达检测目标3D信息(雷达与目标的距离、相对径向速度、水平角度的数据)的基础上，增加对目标高度（垂直角

随着阵元数的增加，波束宽度变窄，分辨力提高，仿真图如下：在固定阵元数条件下，波束宽度随着角度的增大而增大，该现象满足角度分辨率随着角度增大而降低的理论推导。当阵元间距 d>λ/2时，会出现栅瓣，导致空间模糊。仿真图如下：类似于时域滤波(空域滤波)，天线方向图是最优权的傅立叶变换。仿真程序和仿真图如下：仿真图如下：仿真图如下：仿真图如下：仿真图如下：仿真图如下：仿真图如下：当采样数L=2048时仿真

雷达接收处理包括射频前端，基带信号处理和后处理算法三部分：（1）射频前端完成高频雷达接收信号的模拟域信号处理和数模转换(ADC)；（2）基带信号处理在零中频上完成雷达接收信号的数字信号处理(DSP)和目标检测；（3）在目标检测之后的高层算法被统称为后处理算法，如聚类(Clustering)、 关联(Association)、跟踪(Tracking)、分类(Classification)等。这三部分

相量均值相消算法，也被称为平均相消算法，其实现的原理为：静止目标到雷达天线的距离是不变的，每一束接收脉冲上静止目标的时延也是不变的，对所有接收脉冲求平均就可以得到参考的接收脉冲，然后用每一束接收脉冲减去参考接收脉冲就可以得到目标回波信号，核心思想是求均值做差。MTI是雷达工程师们熟稔于心的雷达信号处理算法，基本上没有不了解的。MTI的核心原理就是静止目标的相位不会发生变化，而运动目标的相位与静止目

本文编辑：调皮哥的小助理本程序来源：https://github.com/ekurtgl/FMCW-MIMO-Radar-Simulation，作者是阿拉巴马大学博士生艾库特格尔，研究方向主要是雷达信号处理人类活动识别以及雷达数据的机器学习应用，这份比较新的开源雷达仿真代码，值得大家学习。下面主要分析代码的主要内容，方便大家解读。程序目录如下：图片FMCW_simulation.m是创建点目标并估

本文编辑：@调皮连续波，保持关注调皮哥，获得更多学习内容和建议！之前在知乎评论区，有人公开叫板说：“雷达感觉前景不行啊，大疆的毫米波雷达都无了，华为也在干一些毫无意义的事情，这个方向感觉除了智能驾驶有极其小的概率会用其他行业是不会大规模用到毫米波雷达的，其他雷达民用可能就更难了”。我个人觉得，格局应该打开一些，不能说现在没有像互联网那样不好挣钱就说雷达没有意义，只是我们的研究还在继续，等到技术成熟

本文编辑：调皮哥的小助理众所周知，通常雷达在检测目标时如果目标是靠近雷达做径向运动，目标速度的速度就是正的。反之，如果目标是远离雷达做径向运动的，那么目标的速度就是负的。这个结论是如何来的，为何调频连续波雷达和一般的脉冲雷达不一样呢？下面针对这个问题，我们一起来研究一下。首先为了弄清楚脉冲雷达和调频连续波雷达测速原理的区别，先对脉冲雷达的测速原理进行梳理。