雷达调制技术解析：从FMCW到MIMO，如何让雷达看得更清更准

1. 项目概述：从“看见”到“看清”的无线电艺术

雷达，这个听起来充满军事与科幻色彩的词，其实早已融入我们生活的方方面面。从保障飞机安全起降的空中交通管制，到汽车上帮你自动跟车、紧急刹车的毫米波雷达，再到气象台预报台风路径的天气雷达，其核心的“眼睛”与“大脑”，都离不开“雷达调制”这项关键技术。简单来说，雷达调制就是雷达系统如何“说话”的艺术——它决定了雷达发射的无线电波（电磁波）携带什么样的“信息密码”，从而在复杂的回波中，精准地分辨出目标的距离、速度，甚至形状。

我刚入行时，曾以为调制就是个选型问题，照着教科书选个“线性调频”不就完了？真正上手做系统设计，尤其是面对低慢小目标探测、复杂交通场景分辨这些实际需求时，才发现里面的门道深似海。不同的调制方式，直接决定了雷达的“视力”好坏：是只能模糊看到远处有个点，还是能清晰分辨出那是一群鸟还是一架无人机；是只能测速但分不清前后车，还是能在暴雨中依然稳定追踪车道线。这背后，是分辨率、模糊度、抗干扰能力、硬件成本等一系列参数的激烈博弈。

所以，今天我们不谈枯燥的公式推导，就以一个一线工程师的视角，拆解几种主流雷达调制技术的核心原理、设计时的取舍考量，以及在实际项目中踩过的那些坑。无论你是刚接触雷达的学生，还是正在选型的嵌入式工程师，或是想深入理解自动驾驶感知原理的从业者，希望这些从实战中总结的经验，能帮你少走弯路，真正理解如何让雷达“看得更清、更准、更稳”。

2. 雷达调制基础：为什么我们不能只发射一个“滴”声？

在深入具体技术前，我们必须建立最基础的认知框架。雷达的基本原理大家都懂：发射电磁波，碰到目标反射回来，通过计算发射与接收的时间差得到距离。如果目标在运动，反射波的频率会因为多普勒效应而发生偏移，通过测量这个频移就能得到速度。

那么，最朴素的思路就是：我发射一个极短的脉冲，像一声清脆的“滴”，然后静静等待它的回音。这确实是最早期的脉冲雷达思路。但这里立刻会遇到两个根本性的矛盾，而调制技术就是为了解决它们而生的。

第一个矛盾：距离分辨率与探测距离的矛盾。 距离分辨率，指的是雷达能区分开两个在相同方向上、距离相近目标的最小间隔。它直接取决于发射信号的带宽（Bandwidth）。信号越“短”、越“尖”，其频谱就越宽，分辨率就越高。你想分辨车前紧挨着的两个障碍物，就需要很宽的带宽。但是，一个极短的脉冲，其能量是有限的。而雷达的探测距离取决于接收到的回波信号能量。能量不足，回波就会淹没在噪声里，根本探测不到远距离目标。这就好比你想听清山谷远处的回声，却只轻轻拍了一下手。

第二个矛盾：速度测量与距离测量的矛盾。 根据基础物理，对于一段信号，其时间宽度和频谱宽度存在一个“测不准”关系（类似于海森堡原理在信号处理中的体现）。一个时域上很短的脉冲，我们能非常精确地确定它何时发出、何时返回（从而精确测距），但它的频谱很宽，导致我们无法精确测量频率的微小变化（从而无法精确测速）。反之，一个长时间的单频连续波，我们能非常精确地测量其频率变化（精确测速），但无法确定回波是哪个时刻发出的（无法测距）。

注意： 这里说的“矛盾”是系统设计中的经典权衡，并非物理定律禁止同时实现。雷达调制的核心智慧，就在于设计一种巧妙的发射信号波形，使其在时域和频域上都具备良好的特性，从而在硬件能力范围内，尽可能地同时获得高距离分辨率、高速度分辨率和远探测距离。

为了解决这些矛盾，工程师们不再使用简单的短脉冲，而是开始对发射的电磁波进行“调制”——即按照特定规律去改变波的某个参数（如频率、相位）。这让一段持续时间较长、因而能量充足的信号，通过内部结构的精心设计，拥有了很大的“有效带宽”，从而一举解决了上述难题。接下来，我们就深入最主流的几种调制技术的心脏地带。

3. 线性调频连续波：自动驾驶与工业感知的“主力军”

如果你拆开一台汽车的毫米波雷达，或者一台工业液位计、物料检测雷达，十有八九其核心采用的是 线性调频连续波 技术。它可以说是目前民用领域应用最广泛、最成熟的雷达调制体制，没有之一。

3.1 FMCW的核心原理：一场频率与时间的赛跑

FMCW的全称是Frequency Modulated Continuous Wave，中文即“调频连续波”。它的工作方式非常直观：雷达发射的无线电波，其频率不是固定的，而是随着时间线性地增加（或减少）。想象一下你吹一个口哨，同时手指匀速滑过哨口，哨声音调从低到高平滑地变化——这就是一个“线性调频”信号，俗称“Chirp”信号。

单个Chirp的时频关系图，是理解一切的基础。横轴是时间，纵轴是频率。发射信号（Tx）是一条斜率为正的直线（上扫频）。这个信号遇到目标反射回来，由于电磁波传播需要时间，接收信号（Rx）是发射信号的一个延迟副本。在任意一个相同的时刻，接收信号的频率都比当前发射信号的频率“低”一点，因为接收到的还是“过去”某个时刻发出的、频率较低的那个波。

这个频率差，被称为 差拍频率 或 中频 。它是FMCW雷达的“信息金矿”：

• 差拍频率与距离成正比： 目标越远，回波延迟时间越长，同一时刻的发射与接收频率差距就越大，差拍频率就越高。通过测量这个频率，我们就能直接换算出目标的距离。
• 多个目标怎么办？ 如果前方有多个距离不同的目标，就会产生多个不同频率的中频信号。雷达的接收机通过ADC采样后，对这段中频信号做一个FFT（快速傅里叶变换），就能在频谱图上看到多个峰，每个峰的频率位置对应一个目标的距离。这就是“距离维”FFT。

3.2 速度信息如何提取？Chirp序列与多普勒处理

单个Chirp解决了测距问题，那速度呢？这里就需要引入第二个维度：时间序列。雷达不会只发射一个Chirp，而是以固定的时间间隔，连续发射一系列完全相同的Chirp，形成一个“帧”。

假设前方有一个径向运动的目标（靠近或远离雷达）。由于多普勒效应，目标反射的回波频率会在原有延迟的基础上，再叠加一个微小的频移（对于靠近的目标，频率变高）。关键点在于：这个多普勒频移对于该帧内 每一个Chirp的回波 影响是相同的。

当我们把这一帧里所有Chirp处理完，对同一个距离单元（即FFT后频谱的同一个频率槽位）的信号，按照Chirp先后顺序排列起来，你会发现这些复数信号的相位在规律地变化。目标运动越快，相位变化就越快。对这个相位序列再做一次FFT（这就是“速度维”FFT或“多普勒”FFT），就能得到目标的速度谱。峰值的位置就对应了目标的速度。

3.3 FMCW雷达的“二维魔法”：距离-多普勒谱

将上述两个维度的FFT结合起来，就得到了雷达数据处理的经典结果： 距离-多普勒谱 。这是一个二维矩阵，横轴是距离，纵轴是速度（或速度对应的多普勒频率）。矩阵中每一个“亮点”就代表了一个在特定距离上、以特定速度运动的目标点。

这种二维处理能力，是FMCW雷达能区分静止与运动物体、能在复杂场景中分辨目标的基础。例如，在汽车前方，路边的护栏（静止，速度为零）和行驶的车辆（有速度）会在距离-多普勒谱上处于不同的位置，即使它们可能在同一个距离单元内。

实操心得：Chirp参数设计的权衡艺术 设计FMCW波形时，你需要像下棋一样权衡几个关键参数：

1. 带宽： 决定了距离分辨率。分辨率 = 光速 / (2 * 带宽)。想要分辨距离上相差15厘米的两个目标？带宽至少需要1GHz。带宽越大，分辨率越高，但对射频前端的线性度要求也越苛刻，成本越高。
2. Chirp持续时间： 直接影响最大探测距离（因为接收机必须在同一个Chirp发射周期内接收回波）和速度分辨率。时间越长，速度分辨率越高，但帧周期会变长，影响数据刷新率。
3. Chirp重复周期： 决定了速度不模糊范围。周期越短，能无模糊测量的最大速度越大，但最大探测距离会受限（回波必须在下一个Chirp发射前到达）。
4. 帧周期与Chirp数： 一帧内Chirp的数量，决定了速度维FFT的点数，影响速度估计的精度和信噪比。

在实际项目中，我们通常先根据应用需求确定核心指标（如最远探测距离、距离分辨率、最大测速范围），然后反推出带宽、Chirp时间、PRF等参数，并在硬件能力（如ADC采样率、存储器深度）和成本约束内进行多次迭代仿真，才能找到最优解。

4. 相位调制与脉冲压缩：让雷达“看得更远更细”

虽然FMCW在连续波雷达中占主导，但在许多需要极高峰值功率、极远探测距离的场合（如远程警戒雷达、机载雷达）， 脉冲雷达 依然是首选。而现代脉冲雷达的灵魂，就是 脉冲压缩 技术，其核心正是相位调制。

4.1 从简单脉冲到编码脉冲的飞跃

如前所述，简单短脉冲有根本缺陷。脉冲压缩的思路很巧妙：我发射一个 长时宽 的脉冲（保证足够能量，打得更远），但在这个长脉冲的内部，通过精密的相位（或频率）调制，赋予它一个 大带宽 的结构（保证高分辨率）。接收后，通过一个与发射信号“共轭匹配”的滤波器进行处理，就能将这个长脉冲“压缩”成一个非常窄的尖峰。

这就好比发射一段特殊的“摩尔斯电码”，虽然发射时间很长，但接收端知道密码本，通过相关处理，能精准地确定回波中这个“密码”的准确到达时间，等效于一个短脉冲的效果。这样，距离分辨率由内部编码的带宽决定，而探测能力由脉冲的总能量决定，两者得以解耦。

4.2 二相编码与巴克码：经典而实用的选择

最常见的相位调制之一是 二相编码 ，即在脉冲持续时间内，将载波相位在0°和180°之间切换，形成一个由“+1”和“-1”组成的序列。一个著名的例子是 巴克码 。巴克码是一种非周期自相关函数旁瓣极低的二进制序列。

例如，长度为13的巴克码： [+1, +1, +1, +1, +1, -1, -1, +1, +1, -1, +1, -1, +1] 。其神奇之处在于，当这个序列与自身做相关运算时，主瓣峰值是13，而所有非零延迟的旁瓣绝对值都不大于1。这意味着在雷达处理中，一个强目标产生的回波，经过匹配滤波后，其旁瓣不会淹没附近弱目标的回波，这对于多目标环境至关重要。

实操心得：巴克码的局限与工程折衷 巴克码虽好，但长度有限（已知最长为13），这限制了其所能提供的处理增益和距离分辨率提升。在实际系统中，我们常采用更长的 伪随机序列 ，比如m序列（最大长度序列）。虽然它们的旁瓣性能不如巴克码理想（存在一定的旁瓣基底），但可以通过更长的长度获得更高的处理增益，并且具有良好的抗干扰特性。工程上永远是在理想性能和可实现性之间做折衷。选择编码时，必须考虑多普勒容限（目标运动导致编码失配的程度）、硬件实现的复杂度（如何生成和匹配）以及系统的抗截获需求。

4.3 脉内调制与脉间调制：应对高速目标的组合拳

在先进的脉冲多普勒雷达中，调制策略更加复杂：

• 脉内调制： 即上述的脉冲压缩，解决单个脉冲内的测距精度问题。
• 脉间调制： 在连续多个脉冲之间，改变其载波频率或相位编码。这主要用于实现“脉冲多普勒”处理，在强地物杂波背景下检测运动目标。通过一串相参脉冲的回波，进行多普勒滤波，可以极大地抑制静止杂波，突出运动目标。

更复杂的 频率捷变 技术，会让每个脉冲的载频在一个较大范围内随机或规律地跳变。这能有效对抗敌方干扰，并改善目标起伏特性引起的探测性能不稳定问题。

避坑指南：距离-速度耦合与解耦合 这里有一个高级但至关重要的坑：当目标高速运动时，其多普勒频移会使得接收到的脉内编码信号产生“失真”，导致经过匹配滤波器后，脉冲压缩的主峰位置发生偏移，从而产生 距离测量误差 。这种现象称为距离-多普勒耦合。在系统设计时，必须评估目标可能的最大速度对测距精度的影响。对于超高速目标（如弹道导弹），需要采用更复杂的波形设计（如非线性调频或特定的相位编码）来解耦合，或者在信号处理端进行补偿。我曾在一个项目中，因为初期忽略了这一点，导致对高速无人机的距离跟踪出现周期性跳变，后期通过波形参数优化和算法补偿才解决。

5. 正交频分复用与MIMO：面向未来的高维感知架构

随着自动驾驶对成像雷达、4D点云（距离、方位、俯仰、速度）的需求爆发，传统的单一波形雷达已力不从心。 正交频分复用 技术与 多输入多输出 架构的结合，正在成为前沿雷达系统的标配。

5.1 OFDM雷达原理：并行的子载波“合唱团”

OFDM本是多载波调制技术，在通信领域（如Wi-Fi、4G/5G）是基石。将其用于雷达，思路非常新颖：雷达发射的信号由大量相互正交的子载波组成，每个子载波都可以独立地进行调制（如QPSK）。

对于雷达感知而言，OFDM带来了几个天然优势：

1. 极高的频谱利用率与灵活性： 可以非常方便地在频域上分配和塑造发射频谱，轻松实现频谱凹陷以避开干扰，或与通信系统共享频谱。
2. 简化的信号处理： 由于子载波正交，目标的距离信息直接映射到不同子载波的相位变化上，可以通过对每个子载波回波相位变化的FFT来直接获取距离像，处理流程在某些方面比FMCW更直观。
3. 易于与通信融合： 这是其最大潜力所在。同一套硬件和波形，可以同时完成高精度感知和高速率通信，为车-车、车-路协同提供了理想的技术路径。

5.2 MIMO雷达与虚拟孔径：用少量天线“合成”大型阵列

MIMO雷达是提升角分辨率（区分左右目标的能力）的革命性技术。传统雷达通过物理天线阵列形成窄波束来测角，天线数量直接决定角度分辨率，而大量天线意味着高成本和复杂的射频通道。

MIMO雷达的妙处在于，它使用少量（如M个）发射天线和少量（如N个）接收天线，但通过发射正交波形（例如，让不同发射天线发射彼此正交的编码信号），接收端可以利用信号处理技术，将接收数据等效为一个由 M × N 个虚拟天线单元组成的巨大虚拟阵列。这就相当于用低成本实现了大型天线阵列的测角性能。

实操心得：波形正交性是MIMO的生命线 实现MIMO雷达的核心挑战在于确保各发射波形间的 正交性 。理想情况下，不同发射天线的信号在接收端应能完美分离。常用的方法包括：

• 时分复用： 最简单，各天线依次发射，但会损失时间资源，影响帧率。
• 多普勒分集： 让不同天线发射的Chirp具有微小的频率偏移，在速度维进行分离。这对目标速度有要求。
• 码分复用： 采用正交的相位编码（如Walsh码）调制各发射信号。这是最主流的方法，但对编码的自相关和互相关性要求极高，设计不当会导致严重的通道间干扰，虚拟阵列性能大打折扣。

在实际调试中，我们通过测量各发射通道信号在接收端的互相关矩阵来评估正交性。一旦发现干扰过大，需要重新设计编码序列或增加数字域的对角加载等干扰抑制算法。这是一个算法与硬件（通道隔离度）联合调试的深度过程。

5.3 4D成像雷达的实现：波形、阵列与处理的协同

将FMCW/OFDM（解决距离-速度高分辨）与MIMO（解决角度高分辨）结合，再通过先进的毫米波芯片技术集成数十甚至上百个通道，就构成了现代4D成像毫米波雷达的核心。

其典型工作流程是：

1. 发射端： M个发射天线按预定时序，发射经过正交编码的FMCW Chirp序列。
2. 接收端： N个接收天线同步接收所有发射天线反射回来的混合信号。
3. 信号处理：
   • 距离维FFT： 对每个接收通道、每个Chirp的数据做FFT，得到距离信息。
   • 多普勒维FFT： 对每个距离单元、每个接收通道，跨多个Chirp做FFT，得到速度信息。此时得到的是M*N个虚拟通道的距离-多普勒谱。
   • 角度估计： 对同一个距离-速度单元（即一个特定的“点”），收集所有虚拟通道的数据，利用波达方向估计算法（如FFT、Capon、MUSIC）进行角度估计（包括方位角和俯仰角）。
4. 点云生成： 将每个检测到的峰值点，用其距离、速度、方位角、俯仰角信息，在三维空间中描绘出来，形成高密度的4D点云。

常见问题与排查技巧实录 在研发4D成像雷达时，以下几个问题是高频雷区：

• 问题一：点云稀疏或有大量虚警。
• 排查： 首先检查距离-多普勒谱的底噪是否过高。可能是发射波形正交性差导致通道间干扰，或射频链路噪声系数过大。其次，检查CFAR（恒虚警率）检测算法的参数设置是否合理，在复杂场景下，传统的单元平均CFAR可能失效，需要采用更鲁棒的排序统计类CFAR。
• 问题二：角度估计不准，特别是对远处目标。
• 排查： 这通常是通道间幅相不一致性导致的。即使芯片出厂校准过，在不同温度、不同频点下，各通道的增益和相位响应也会有差异。必须建立在线校准机制。一个实用技巧是在雷达前方固定位置放置一个角反射器作为校准源，定期采集数据，反算并补偿各通道的幅相误差。
• 问题三：静态目标点云抖动严重。
• 排查： 速度估计误差会映射为距离上的微小抖动（因距离-多普勒耦合）。检查速度分辨率和估计算法。对于静态目标，其真实速度应为零，但由于噪声和杂波，估计出的速度会在零附近波动。可以在后处理中，对连续多帧被分类为“静止”的点进行位置平滑滤波（如卡尔曼滤波），能显著提升静态场景的点云稳定性。
• 问题四：高动态范围场景下，弱目标被强目标旁瓣淹没。
• 排查： 这是脉冲压缩雷达和大型阵列雷达的经典难题。除了选用低旁瓣波形（如非线性调频）外，在数字波束形成时，可以采用自适应波束形成算法（如LCMV），在指向目标的方向形成主瓣的同时，在强干扰源方向自动形成零陷。但这会大幅增加计算量，需要根据处理器能力进行权衡。

6. 调制技术的选择：没有最好，只有最合适

面对如此多的调制技术，在实际项目中如何选择？这绝不是一个纯技术问题，而是一个基于系统级权衡的工程决策。

应用场景驱动选择：

• 低成本、近距离、高集成度需求： FMCW 是绝对主流。其硬件相对简单（无需高功率脉冲发生器），易于单片集成，非常适合汽车雷达、智能家居感知、工业传感。
• 超远距离、高功率、抗干扰军用/特种领域： 脉冲压缩（相位/频率编码） 仍是基石。结合脉间变频和相干处理，能满足超视距探测、目标识别等高端需求。
• 新兴的融合感知与通信、频谱共享场景： OFDM 展现出独特潜力。特别是在车路协同、无人机集群等需要同时“看”和“说”的应用中，可能是未来方向。
• 高分辨率成像、4D点云： FMCW + MIMO 是目前商业化的最优解。通过成熟的FMCW芯片结合MIMO虚拟孔径技术，在成本、性能和体积间取得了最佳平衡。

核心权衡维度：

1. 性能： 分辨率、精度、最大不模糊距离/速度、多目标处理能力、抗干扰性。
2. 复杂度与成本： 射频前端复杂度（线性度、带宽、隔离度）、数字处理算力需求、天线阵列规模和成本。
3. 功耗与尺寸： 连续波雷达平均功耗可能更低；脉冲雷达峰值功耗高。芯片化、集成化水平直接影响尺寸。
4. 频谱与合规： 波形是否符合所在地区无线电管理法规的频谱模板（如发射功率谱密度、带外泄漏）。汽车雷达的频段（76-81GHz）就有严格的频谱掩膜要求。

在我经历过的多个项目中，初期盲目追求某项指标（比如无限提高带宽追求厘米级分辨率），往往会导致射频器件成本指数级上升、系统稳定性下降。最终的方案，都是经过多次迭代仿真、原型测试，在性能、成本、功耗、开发周期这个“不可能四边形”中找到一个最符合项目商业目标的平衡点。记住，雷达调制方案的选择，是定义整个雷达系统灵魂的第一步，也是最关键的一步。