0 引言

近年来自动驾驶已经成为各大汽车厂商和科技公司争相研究的领域，而毫米波防撞雷达作为自动驾驶的重要部分也越来越得到人们的重视。毫米波雷达在恶劣自然环境的良好测量能力使其在避免交通事故的发生、保护人们的生命财产安全方面发挥着不可或缺的作用。随着使用需求的增多，车载雷达的研究取得了很大的进展，很多方法体制被提了出来。但是传统的很多方法存在一定的缺陷，如：线性调频波（LFM）体制无法解决多目标测量时存在的虚假目标问题；频移键控（FSK）体制无法测量静止目标和具有相同径向速度的目标^[1-3]；文献[4]研究了一种变周期锯齿波的测量方法并提出了目标匹配算法，但是采用最小耦合距离差的匹配方法可能导致多普勒频移大的目标丢失和虚假目标的产生；文献[5]设计了一种自适应波束控制的相控阵雷达，提高了系统的测量范围和精度，但复杂的硬件系统和高昂的成本使其应用受限。

针对上述问题，本文研究了一种基于MFSK的车载雷达系统FPGA实现方法，该方法结合全相位FFT算法，提高了相位估计精度；采用改进的CA-CFAR算法提高了系统检测效率。本文给出了系统实现方案以及具体的FPGA系统实现框图，并对重要模块的设计进行介绍。测试结果表明，本文设计的系统克服了传统体制的缺点，有较高的测量精度和反应速度。

1 系统算法原理

MFSK信号是LFM和FSK两种信号组合而成的，其具体形式如图1所示。由图可知，该信号是由A、B两个线性频率信号交替步进得到的，两个信号的频率差为f_shift，步进的频率为f_step，发射信号与回波信号之间的差频是f_B，调制信号带宽是B_SW，T_CPI代表调制周期。

对接收信号进行下变频处理得到中频信号，然后分别对A、B频率对应的中频信号做FFT变换和理论推导，得到目标的距离R和速度v存在以下关系：

由上述距离速度求解公式可知，中频信号的频率和相位差是一一对应的，即使在多目标情况下也满足这个条件，不会存在信息的混叠。因此，本方法对应的匹配复杂度较低，也不会导致虚假目标的出现，克服了传统LFM体制由于上下扫频匹配而带来的虚假目标问题。同时，MFSK信号与FSK信号相比信号的跨度范围更宽，测量有相同径向速度的多个目标时，会因为距离的不同而被MFSK信号不同的步进阶层反射，进而得到不同的中频回波信号，克服了FSK由于调制频率覆盖范围窄在此方面的缺陷^[6]。

由于本系统的距离速度求解需要用到相位信息，而相位极易受到外界噪声的污染，对系统信噪比要求较高，这也成了阻碍MFSK体制应用的重要因素。为了解决这一问题，本文将传统的FFT变换改为使用全相位FFT，首先对数据进行预处理，然后再做FFT^[7-8]。将MFSK系统回波中频信号代入全相位FFT算法公式，可得全相位FFT频谱与传统FFT频谱之间的关系如下：

式中，X_ap(k)代表全相位FFT后的频谱，A_s为中频信号的幅度，X(k)是FFT后的频谱。由二者的关系式可知，与传统FFT相比，全相位FFT后数据的主谱线和旁瓣的功率值由于平方关系而差距变大，主谱更加突出，降低了系统的虚警率，提高了检测效率。同时，由公式可知经过全相位FFT后的数据具有相位不变性的特点，相位值始终是4πf₀R/C，不受频谱搬移的影响，进而保证了相位估计的精度。

2 系统硬件结构设计

MFSK车载雷达系统的硬件结构由电源模块、雷达传感器、信号处理板和数据显示上位机4部分组成，其结构框图如图2所示。其中电源模块主要为雷达传感器和信号处理板提供合适的电压和电流；雷达传感器包括锁相环电路、射频电路和阵列天线，主要负责信号的调制、发射、接收和解调等；信号处理板包含数据采集模块、FPGA数据处理模块、SRAM(静态随机存取存储器)以及串口模块，主要负责信号的采集、存储、处理和传输；数据显示上位机主要是用于显示系统最终的测量结果，实时显示目标的距离速度信息。

由于MFSK调制信号对线性度要求比较高，传统的DAC来产生调制信号不能满足系统需求，因此本系统采用控制锁相环电路产生MFSK信号的方法。其中锁相环电路使用的是ADF4158芯片方案，该芯片不仅可以调制信号，而且还具有波形产生能力，是一款6.1 GHz小数N分频频率合成器，有较高的频率分辨率，是经过汽车应用认证的锁相环芯片，可以保证信号的调制精度。

3 FPGA硬件实现

3.1 系统实现总体设计

根据MFSK体制测量原理，设计FPGA总体实现功能框图，如图3所示。其中锁相环控制模块主要是通过SPI信号控制锁相环（PLL）产生MFSK调制信号；数据采集存储模块负责数据的采集、拆分以及存储控制；框图中的CFAR模块使用的是改进的CA-CFAR算法，该模块模块不仅可以起到去噪的作用，还可以有效地提高频谱峰值检测效率；其中的频率容差匹配模块是考虑到计算误差，这里设计了频率匹配容差函数：|f_Ak-f_Bk|≤2/T_CPI，其中T_CPI为MFSK信号调制周期，匹配成功即得到目标的峰值位置和相应的频率值。本系统使用CORDIC（Coordinate Rotation Digital Computer）算法来进行反正切运算求相位，并进行了数据补偿，提高了计算精度。联立通过CORDIC模块得到的相位差和频率容差匹配后得到的中频频率就可以计算出目标的距离和速度值。

3.2 数据采集存储模块设计

本系统的数据采集与存储模块框图如图4所示，首先数据采集模块产生200 kHz的采样时钟控制ADC进行数据的采样，然后接收采样数据。由于MFSK调制信号的特殊性，A、B频率对应的回波需要分开处理，因此RAM数据存储控制模块根据锁相环返回的同步信号将A、B频率对应的数据分别存进RAM的不同位置。对于RAM数据存储控制模块，设计思路是根据同步信号对回波数据拆分，以一个对应的调制周期为一单元。将每个单元的2 048点数据分配到每个步进组，得到每组的采样数据点数，对输入数据进行计数，然后根据数据的位置，将它们分别交替地放在RAM的不同地址单元。采用流水线操作，保证了数据存储的效率。

3.3 全相位FFT模块设计

全相位FFT模块包括全相位数据预处理和FFT变换两部分，其对应功能框图如图5所示。首先对数据进行加窗，本模块使用的是汉宁窗，预先将窗函数数据存入ROM中，通过依次读取RAM中的中频数据和ROM中的窗函数数据进行加窗运算，然后将加窗后的数据写入RAM。下一步全相位数据预处理控制模块根据全相位FFT算法的处理流程从RAM的相应地址读取数据并相加，本系统中取RAM第1位数据和第513位数据相加，第2位和第514位数据相加，依次类推，最后将计算得到的数据再存入RAM，由此就完成了全相位FFT的数据预处理。对于FFT变换，需要用FFT控制模块从RAM中读取数据，并控制FFT IP核进行相应点数的FFT变换。

3.4 改进CA-CFAR模块设计

由于在实际的应用中，传统的CA-CFAR算法有一定的局限性^[9-11]，因此本文采用改进的CA-CFAR算法，在传统算法的基础上增加了左右边缘单元和修正门限判决。当目标的距离比较远或是比较近时，其目标频谱在整个频谱的最左边或是最右边，由于频谱边缘没有足够的参考单元而无法使用决策门限对目标进行检测。所以本文设计的方法在左右两端各增加一个参考单元的数据，该数据为输入信号的噪声功率谱密度的平均值（PSD），这样就解决了CA-CFAR算法无法检测边缘目标的问题。对于传统的CA-CFAR算法在进行目标检测时容易把噪声当做目标，为了避免这种情况，在最后的决策处理过程中添加了修正门限判断，即整个恒虚警过程需要进行两次判断。这样，即使测试目标的功率谱密度比传统CA-CFAR的决策门限值高，其还需要与修正门限值进行比较，再做最终判断。其中修正门限值与距离单元有关，随着距离变远，对应功率谱密度越小，修正门限值越小，增加了一步修正门限的判断，大大降低了体统的虚警率。改进CA-CFAR模块的数据流框图如图6所示，首先对输入信号进行杂波功率提取，然后再将数据输入移位寄存器，根据本模块参考单元和保护单元的个数进行相应的数据延迟。同时将杂波功率输入CFAR数据处理部分，用于添加边缘单元，输入修正门限用于进行最后的目标检测判断。

4 系统测试

对系统进行室外测试，测量系统前方汽车的距离和运动速度，通过观察PC上的数据显示上位机实时显示的目标运动参数，与实际的汽车的距离和速度进行比较，进而验证系统的测量性能。

首先，设置3个运动目标，使用本系统进行测量。为了更直观地看到A、B路对应信号频率的匹配和相位差求解的过程，使用FPGA系统采集某一时刻的数据进行MATLAB处理，得到图7结果，分别是A、B频率对应的回波进行处理得到的频率幅度谱，信号峰值处的频率F和相位值P也计算了出来。由图可知，同一目标对应的A、B路回波信号频率几乎相同，相位值不同，此时只需将求得的相位值相减，再联合配对得到的目标频率值就可以计算出目标的距离和速度。将数据显示上位机的测量结果与实际的目标数据进行对比，如表1所示。由对比结果知，本系统测量精度较高，反映了实时的目标信息。

通过大量的现场测试实验，得到本系统测量的距离相对均方根误差稳定在3%，速度相对均方根误差在4.5%左右，测量精度较高。同时，系统极少出现虚假目标，并且不丢失目标，反应速度迅速，满足系统指标要求。

5 结论

本文设计并实现了一款基于FPGA的MFSK体制车载雷达系统，本系统采用MFSK波形作为调制信号，克服了传统波形体制的一些缺陷。同时使用了全相位FFT算法和改进的CA-CFAR算法提高了相位估计精度和系统虚警检测效率。经过试验测试证明，本系统具有良好的测量精度，可以实现对各种运动状态的目标的无模糊测量，系统响应速度较快，可以提供实时准确的目标信息。当然，本系统的测试都是在实验条件下完成的，环境干扰较少，而真实的路况信息更加多样化，杂波较多，所以为了适应更加复杂的环境，本系统还需要进一步改进和完善。

参考文献

[1] PATOLE S M，TORLAK M，WANG D，et al.Automotive radars：a review of signal processing techniques[J].IEEE Signal Processing Magazine，2017，34(2)：22-35.

[2] MACAVEIU A，NAFORNITA C，ISAR A，et al.A method for building the range-Doppler map for multiple automotive radar targets[C].2014 11th International Symposium on Electronics and Telecommunications(ISETC).IEEE，2014：1-6.

[3] 邢自然，朱冬晨，金星.一种多目标FMCW雷达的高效距离速度测量方法[J].电子学报，2016，44(9)：2148-2157.

[4] KRONAUGE M，ROHLING H.New chirp sequence radar waveform[J].IEEE Transactions on Aerospace and Electronic Systems，2014，50(4)：2870-2877.

[5] DUDEK M，NASR I，BOZSIK G，et al.System analysis of a phased-array radar applying adaptive beam-control for future automotive safety applications[J].IEEE Transactions on Vehicular Technology，2015，64(1)：34-47.

[6] ROHLING H，MOLLER C.Radar waveform for automotive radar systems and applications[C].2008 IEEE Radar Conference.Rome：IEEE Press，2008：1-4.

[7] 黄翔东，王兆华.全相位FFT相位测量法的抗噪性能[J].数据采集与处理，2011，26(3)：286-291.

[8] 王志杰，李宇，黄海宁.全相位FFT在合成孔径水声通信运动补偿中的应用[J].电子与信息学报，2013，35(9)：2206-2211.

[9] 郝迎春.雷达CFAR检测算法及门限判决系数的优化研究[D].成都：电子科技大学，2012.

[10] 秦阳，张智军.基于FPGA的雷达恒虚警模块的设计[J].电子技术应用，2011，37(7)： 68-70，74.

[11] 孙艳丽，谢宁波.基于实测数据的单元平均CFAR检测器性能分析[J].兵器装备工程学报，2016，37(10)：84-87.

作者信息:

宋永坤1，蒋留兵2，车 俐2

（1.桂林电子科技大学 信息与通信学院，广西 桂林 541004；

2.桂林电子科技大学 计算机与信息安全学院，广西 桂林541004）