FMCW 雷达多目标测距测速测角：从一维 FFT 到三维定位的 MATLAB 仿真实践

在信号与系统课程中，我们基于 MATLAB 完整仿真了一套 FMCW（调频连续波）雷达系统，实现了对多个移动目标的测距、测速、测角——从单目标到多目标、从一维 FFT 到三维定位，逐步攻克了实际雷达信号处理中的核心难题。

一、FMCW 雷达是什么？

FMCW（Frequency Modulated Continuous Wave，调频连续波）雷达是当前车载毫米波雷达的主流方案。与传统的脉冲雷达不同，它持续发射频率线性变化的信号，通过混频后测量反射信号与发射信号的频率差来获取目标信息。

这项技术已广泛应用于自动驾驶（ACC 自适应巡航、AEB 自动紧急制动）、交通监测和无人机避障。77GHz 毫米波 FMCW 雷达已成为 L2+ 自动驾驶的标配传感器。本项目用 MATLAB 从零搭建仿真系统，理解其背后的信号处理原理。

二、逐层递进：从单目标到三维定位

阶段一：单目标测距

发射线性调频信号 → 接收回波 → 混频得到中频信号 → FFT 提取频率峰值 → 换算距离。这是雷达最基础的"看多远"问题。

阶段二：单目标测距 + 测速

利用多个 Chirp 之间的相位差计算径向速度。我们对比了三种速度估计算法——平均相位差法、多普勒频移法、解包裹相位法——最终解包裹相位法精度最高（误差 < 0.3%）。

阶段三：多目标测距 + 测速

多个目标时频谱出现多个峰值，使用 findpeaks 替代 max 进行多峰检测。但当两个目标距离相同时，一维 FFT 无法区分——这引出了 2D-FFT 的必要性：在速度维度上分离距离相同的目标。

阶段四：三维定位（距离 + 速度 + 角度）

扩展为 16 天线阵列，通过 3D-FFT 同时解算距离、速度和角度。天线间相位差映射为目标来波方向——这是车载雷达实现二维空间定位的核心方法。

三、关键结果

仿真参数：载频 77GHz，带宽 150MHz，Chirp 周期 8μs。距离测量范围 0~1023m，分辨率约 1m；速度范围 ±121m/s，分辨率约 1.9m/s——达到典型车载雷达指标水平。

四、技术难点与解决方案

• 相位跳变：直接计算相位在 ±π 处跳变，无法用于速度估计 → unwrap 解包裹获得连续相位序列
• 同距离多目标分离：一维 FFT 无法区分同距离目标 → 引入 2D-FFT 在速度维度实现分离
• 角度测量精度：两天线方案分辨率低 → 扩展至 16 天线阵列，3D-FFT 实现高精度测角

五、总结

从 FFT 基本原理出发，逐步构建完整 FMCW 雷达信号处理链路——单目标测距 → 多普勒测速 → 多目标 2D-FFT 分离 → 16 天线 3D-FFT 三维定位。项目加深了对傅里叶变换、采样定理、相位分析等核心概念的理解，也为自动驾驶感知系统的底层原理奠定了基础。

MATLAB 仿真实现，代码可复现、参数可调节。