本文介绍使用Altera低成本Cyclone V SoC FPGA，实现典型雷达系统数字化处理的可行性。与定制ASIC 相比，这一方法的优势在于缩短了产品面市时间，支持现场更新升级，能够在浮点、预集成ARM Cortex-A9双核微处理器系统中快速方便的实现，而且还可以使用汽车级器件。
引言
雷达一直用在军事和商业应用中。最近，雷达开始出现在高端汽车应用中，用于实现辅助驻车和车道偏离报警等功能。下一代汽车雷达一定会非常复杂，在主动防碰撞和自适应巡航系统中，雷达将扮演关键角色。雷达一旦集成到主动控制车辆的系统中后，与仅仅提供报警信号不同，它与防止车辆碰撞密切相关，因此，对系统可靠性的要求更加严格。
本文介绍怎样使用Altera 快速原型设计和开发工具流程，发挥数字处理功能的优势，通过称之为DSP Builder 高级数字信号处理（DSP） 的设计，开发汽车雷达系统。结果提供了雷达处理数字部分的实际电路和性能指标。数字处理功能采用了新一代可编程逻辑，称之为SoC FPGA，它在低成本FPGA 架构中嵌入了功能强大的600MHz ARM Cortex-A9 双核处理器。还可以使用汽车级的这些器件，支持600 MHz CPU 时钟速率。
从雷达到光探测和测距（LIDAR），直至红外和可见光摄像机等应用，SoC FPGA 为这些应用提供了灵活的可伸缩平台。而且，FPGA 硬件和ARM 软件实现都使用了浮点处理，与FPGA 或者ASIC 中实现的传统定点方法相比，这在雷达应用中更具优异的性能优势。与其他ASIC 解决方案相比，这些低成本SoC FPGA 器件支持大批量应用，而且产品能够更迅速面市。
SoC FPGA 方法支持对产品线甚至是现场固件进行软件和硬件更新，这对于越来越复杂的汽车雷达系统而言非常重要。SoC FPGA 也是摄像机集成视频处理功能的理想选择。视频分析处理可以结合雷达探测信息，用在名为传感器融合的过程中，在这一过程中，多个传感系统相结合，产生最可靠的数据，进行基本判断。
汽车雷达的脉冲多普勒方法
很多雷达系统采用了脉冲多普勒方法，发送器工作一段很短的时间，然后，系统切换到接收模式，直到产生下一个发送脉冲。脉冲多普勒雷达按照一定的间隔或者脉冲重复间隔（PRI） 来发送连续脉冲。雷达信号返回后，对反射信号进行连续处理，提取出被探测目标的范围和相对运动信息。空时自适应雷达（STAP） 等更复杂的处理方法进一步处理雷达反射信号信息，即使是在地杂波严重遮蔽，或者背景反射被探测目标周围物体的情况下，也能够提取出目标数据。
在汽车雷达中，探测范围可以短到只有几米，也能够长达几百米。对于2 m 的范围，雷达脉冲的往返传输时间是13 ns。这么短的距离要求发送器和接收器能够同时工作，这就需要使用相互分开的天线。脉冲多普勒雷达周期性的发送脉冲，发送器工作的时间与总时间之比就是占空比。由于占空比一般较小，因此，这一比例限制了总发送功率。功率大小也就限制了探测范围。实现1 到2 m 范围的探测分辨率还要求100MSPS甚至更高量级的采样率，能够对目标范围和多普勒大小数据进行数字化处理。较高的采样率提高了雷达系统的成本。
或者，可以采用名为连续波频率调制（CWFM） 的雷达方法。CWFM 并不发射脉冲，然后监视返回信号，即雷达回波。而是连续发送载波频率。为能够从连续返回波中提取出有用信息，载波频率随时间稳步增大，然后下降，如图1 所示。发送器和接收器都是连续工作。为防止发送信号泄漏到接收器中，我们的发送和接收天线是分开的。
雷达必须确定被探测目标的范围。在CWFM 中，通过测量与发送频率的瞬时接收频率差，即delta，来获得这一范围。在发送周期的频率斜坡上升部分，接收频率要小于发送频率，这取决于时间延时。在发送周期的频率斜坡下降部分，接收频率要大于发送频率，这也取决于时间延时。这些频率差，或者偏移，与往返延时成正比，因此，提供了测量范围的一种手段。范围越大，从发送器到接收器的时间延时就越大。由于发送频率在不断变化，因此，任何时候的发送和接收频率之差都与发送信号从雷达传输至目标然后返回所花费的时间成正比。
图2 所示是CWFM 雷达的实际结构图。汽车雷达工作在毫米范围，意味着，发送信号的波长只有几个毫米。常用的频率是24 GHz （λ =12.5 mm） 和77 GHz （λ = 3.9 mm）。我们之所以使用这些频率主要是考虑到，需要尺寸较小的天线，频谱的相对可用性，射频信号的快速衰减（ 汽车雷达范围限制在数百米） 等因素。通过使用CWFM，就不需要幅度调制，发送器仅在频率上变化。使用FM，支持发送电路工作在饱和状态，这是所有RF 放大器最高效的模式。
由于采用了模拟合成器电路，因此，接收器低通滤波器只需要通过接收和发送信号之间的差值，不需要通过相对于发送周期500 MHz 带宽的接收信号。很容易由实例来说明这一信号差值的通过特性。让我们假设接收反射信号处于系统的极端范围内，即：1m 距离和300 m 的距离。当频率斜坡是0.5 ms 内500 MHz 时，即每ns 1 kHz，接收信号的频率如下：其中，光速是3 x 10e8 m/s：1m距离=2m往返延时=2m/（3*10e8m/s） =7ns；300m距离 =600m往返延时 =600m/（3 *10e8 m/s） = 2us。
在频率斜坡上升期间，从1 m 距离的物体反射回的信号具有-7 kHz 的偏移。在频率斜坡下降期间，从1m距离的物体反射回的信号具有+7 kHz的偏移。在频率斜坡上升期间，从300 m 距离的物体反射回的信号具有-2 MHz 的偏移。在频率斜坡下降期间，从1 m 距离的物体反射回的信号具有+2 MHz 的偏移。这些偏移告诉我们，接收器会看到±2 MHz 范围的频率，它取决于产生回波信号的目标的范围。通过对图3 所示的时间间隔进行快速傅里叶变换（FFT），可以探测到这一频率。如果接收器采样是5 MSPS，那么对于大约0.4 ms 的接收器FFT 采样间隔，可以使用2，048 点的FFT，其频率分辨率大约为1 kHz，足以达到一米以下的分辨率。通过对FFT 输出进行插值处理，还可以进一步提高分辨率。
图3. 接收器FFT 采样间隔
观察到的这种频率偏移为接收器提供了目标范围，但是不能用于分辨迎面行驶的车辆、同向行驶的车辆，以及同样范围内的静止物体。为能够对此进行分辨，必须利用反射信号的多普勒频移特性。
还是通过一个实例来很好的说明怎样探测到多普勒频移。假设装备了77 GHz 雷达的汽车，时速达到80 km/ 小时，即，22.2 m/s，考虑在30 m 的距离上有三个目标—— 一个是迎面以50 km/ 小时速度行驶的车辆，另一个是以100 km/ 小时速度同向行驶的车辆，还有一个静止的物体。当目标接近时，多普勒频移是正值，意味着返回信号的频率高于发送信号的频率。直观的，这是因为，由于距离接近，导致信号波峰看起来更靠近一些。相反，当雷达和目标之间的距离拉远时，即，彼此越来越远，那么，结果是负的多普勒频移。可以按照方程1 来计算多普勒频移的大小。
方程1. 多普勒频移
多普勒频移 = （2*速度差）/波长
迎面行驶的汽车速度是50km/小时，安装了雷达的汽车速度是80km/小时，接近速度是130 km/小时，即时36.1m/s。
多普勒频移 = 2 （36.1 m/s）/（.0039 m）=18.5kHz
对于静止物体，安装了雷达的汽车速度是80km/小时，那么，接近速度是80km/小时，即22.2m/s。
多普勒频移 = 2 （22.2 m/s）/（.0039 m） = 11.4kHz
前面同向行驶的汽车速度是100 km/ 小时，安装了雷达的汽车速度是80 km/ 小时，那么，拉开的速度是20km/小时，即5.56 m/s。
多普勒频移 = -2 （5.56 m/s）/（.0039 m） =-2.8kHz
这些多普勒频移会对探测到的频率上升和下降斜坡的频率差产生偏移。没有相对运动时，对于上升和下降频率斜坡，没有多普勒频移，那么接收频率差相等，但是符号相反。那么，可以通过对比发送信号频率斜坡上升期间和下降期间的接收频率偏移，找到多普勒频移。方程2 描述了这一关系，使用发送器频率斜坡上升和下降期间的结果，通过FFT 的输出来确定范围和相对速度。
方程2. 相对速度
相对速度（ 目标和雷达之间） = （ 波长÷2）×（ 探测到的频率上升斜坡–探测到的频率下降斜坡）÷2
接收器接收到的频率，以及FFT 处理的频率如图4 所示。接收器使用发送信号作为本地振荡器（LO），进行解调，或者下转换，那么，FFT 会处理发送和接收波形之间的频率差。图4 显示了一个目标脉冲回波；但是，会有多个（ 我们的例子中是三个） 不同的目标产生多个频率，FFT 能够探测出这些频率。
图4. 多普勒频率探测
返回到实例中来，在30 m 距离上有三个目标—— 一个是迎面以50 km/ 小时速度行驶的车辆，另一个是以100 km/ 小时速度同向行驶的车辆，还有一个静止的物体。安装了雷达的汽车速度是80 km/ 小时，即22.2 m/s。对于30 m 距离的所有三个目标，接收频率偏移是：
30 m 范围 = 60 m往返延时 = 60m÷（3 *10e8 m/s） =200ns
频率偏移：下降频率斜坡和上升频率斜坡分别是±200 kHz。
多普勒偏移必须加到由范围延时导致的频率偏移中。表1 对这些数值进行了总结。
表1. 由于范围和多普勒导致的目标频率偏移
只使用观察到的下降和上升频率偏移，可以通过方程3、方程4 和方程5 来确定目标范围和相对多普勒频移。由于已经知道安装了雷达的汽车的行驶速度，因此，很容易计算出目标的速度。相似的，也能够知道雷达的频率斜率。
方程3. 范围
范围 = （光速÷（4×频率斜率））×（下降频率偏移–上升频率偏移）
方程4. 相对速度
相对速度 = （光速÷（4×载波频率））×（下降频率偏移+上升频率偏移）
方程5. 绝对目标速度
绝对目标速度 = 相对速度–装有雷达的车辆的速度
在这一例子中，频率斜率是0.5 ms 内500 MHz，即，每秒1，000 GHz。插入我们的实例值，我们发现：
对于接近50 km/h 的车辆：
范围 = （3·10e8 /（4*1000*10e9））*（218.5*10e3 – -181.5*10e3） =30 m
相对速度 = （3·10e8/（4*77*10e9））*（218.5*10e3 + -181.5*10e3） = 36m/s= 130 km/hr
绝对目标速度 = 130–80 =50 km/小时接近速率
其他目标的计算也是相似的。
在出现多个目标时，需要考虑的一个关键因素是，不太容易知道怎样对下降和上升斜坡周期的频率进行配对。在雷达术语中，这一问题被称为“ 模糊”，需要特殊方法来处理它，与多普勒雷达相比，在CWFM 雷达中，这一问题要更复杂一些。
解决这一问题的一个方法是改变斜坡的持续时间和频率，研究在具有不同频率斜坡陡度的频谱中，被探测的频率是怎样变化的。这种变化支持上升频率和下降频率进行精确的配对，以识别每一目标。由于斜坡大概每毫秒变化一次，因此，在不到一秒的时间内能够分析数百次这种变化。一般是控制处理器完成这一工作，在 SoC FPGA 的一个ARM Cortex-A9 处理器中实现控制处理器，控制频率斜坡和持续时间的设置，从上升和下降频率斜坡中探测到的FFT 输出频率来确定目标范围和多普勒。
使用其他的传感技术也会有所帮助。摄像机有助于分辨来自车辆较强的反射信号和来自人员较弱的反射信号，以及可能会出现哪一类多普勒偏移。如果采用了立体摄像机，那么，也可以通过图像分析技术来帮助估算范围。
另一种选择是多模式雷达，使用CWFM 来找到开阔高速公路较远距离上的目标，而在城市区域使用短距多普勒雷达，在城市中，近距离内会有很多目标反射信号。在拥挤的目标环境中，多普勒雷达的模糊探测问题不太严重。
雷达链路预算
雷达性能主要是由链路预算方程决定的，它确定了探测可以使用哪一级的接收信号。方程6 表达了简化的雷达链路预算。
方程6. 雷达链路预算
Prcv = Ptrx*G*G*σ*λ*λ*τ/（（ 4π）e3* Re4）
其中：
Ptrx 是峰值发送功率；G 是发送和接收天线增益；σ是目标区域的雷达交叉部分；λ是雷达波长；τ是发送器占空比；R 是目标范围。
一般以对数标度来设定参数，使用分贝（dB），或者dBm （dB 是以1 mW 为参考）。这个例子中使用了这一标度，但也同时会给出瓦特指标。我们必须做出一些假设。可以实现的接收器噪声指标是5 dB，接收器灵敏度指标应该在-120dBm （10-15 W）。假设大约20 dB 的信噪比（SNR） 能够实现合理的频率探测，那么，在最差环境下，将要求Prcv 应至少为100 dBm （10-13 W）。天线增益大约为30 dB，即，1000。对于抛物面天线，可以采用方程7 来计算天线轴向增益。
方程7. 天线轴向增益
G = 4πAeff /λ ?
回到前面的工作，我们发现77 GHz 时，天线需要的区域是.0012 m2，其直径是0.04m，即4 cm，这一尺寸完全可以在汽车头部安装实现。（ 注意，我们至少需要一面发送和一面接收天线）。
在CWFM 中，占空比? 是100%，即，1。如果我们假设发送功率是0.1 W （20 dBm），最大范围300 m，目标车辆反射区域是1 m2，我们可以找到在一定环境下最差情况的接收功率。
Prcv = （0.1* 1000e2*1*.0039e2 *1）/（（ 4π）e3 *300e4 ） = 9.4* 10e(-14)W，即，-100 dBm
使用非常接近的范围，例如，2 m，以及10 m2 相同的横截面积（ 例如，拖拉机后部），我们可以计算出在一定环境下能够得到的最大Prcv。
Prcv = （0.1* 1000e2*1*.0039e2*10）/（（ 4π）e3 * 2e-4） = 4.8*10e-4 W，即-3.2 dBm
这些计算告诉我们，我们的系统需要动态范围非常高的接收器，量级在120 dB 左右。大动态范围对接收器和模数转换器（ADC） 线性度提出了很高的要求。但是，2 m 外很大的目标会遮挡其他目标的雷达视线。因此，可以采用模拟自动增益控制（AGC） 环来减小接收器和ADC 的动态范围，在出现很大的回波信号时，通过衰减降低接收器的敏感度。
在要求不太高的情况下，例如，4 m 距离外1 m2 的目标，还是需要很高的灵敏度，用于探测很远距离外的其他目标。在这种情况下，较大回波信号的接收功率是：
Prcv = （0.1* 1000e2 *1* *.0039e2*1）/（（ 4π）e3 * 4e4） = 3.0* 10e-6W，即-25dBm
使用AGC 将动态范围要求降低到大约95 dBm，使用16 位ADC 就能够实现。为给出一定的余量，ADC 可以工作在32x 过采样（ 超出Nyquist 要求），再获得有效的3 比特，进一步把量化噪声基底降低18 dB。或者，采用18 位ADC，但是成本可能会高出很多。
实施时的考虑
CWFM 雷达体系结构的优势在于，其模拟和数字实现方法都比较简单。在模拟侧，可以使用具有标准参考晶体的直接数字合成器（DDS） 来实现发送器。DDS 为锁相环（PLL） 产生一个模拟频率斜坡参考，以获得所需的发送频率调制。例如，如果PLL 的分频器是1000，那么，在我们的例子中，参考的中心位于77 MHz，有5 MHz 频率斜坡。这一模拟斜坡信号驱动PLL 参考，用于77 GHz 振荡器。对电路的振荡器输出进行放大，产生连续波（CW） 信号，在500 MHz 内上升或者下降，其中心频率是77 GHz。使用刻蚀在高epsilon R 介质电路卡中的无源器件可以实现77 GHz 的滤波和匹配电路，从而减少了所需的元器件数量。图5 显示了一个模拟电路的结构图。
图5. 模拟电路结构图
在接收器中，前端需要滤波和低噪声放大器（LNA），其后是一个正交解调器。正交解调器混合77 GHz 接收信号和斜坡发送信号，输出一个复杂的基带信号，它含有发送和接收波形在任意时刻的差值。抵消了斜坡，我们可以看到固定频率取决于目标返回信号的范围和多普勒频移。还是可以使用刻蚀无源器件来实现77 GHz 的高频滤波功能。正交解调器的输出是在低频，最大范围是±2 MHz。因此，可以采用传统的无源器件和运算放大器，在同相（I） 和正交（Q） ADC 之前提供抗混叠低通滤波功能。或者，采用中频（IF） 体系结构，但是需要偏移接收LO 生成电路。
I 和Q 输入的ADC 必须至少工作在5 MSPS 才能满足Nyquist 标准。如果采用了40MSPS 的8x 采样频率，然后是8:1 数字抽取滤波器，那么，可以进一步将分辨率提高大约3 比特。这种抽取技术支持16 位ADC 高效的工作在18 位到19 位范围内，动态范围超过100 dB。使用16 位I 和Q 输入采样，数字滤波器可以工作在160 MHz，输出采样是5 MHz，但是取整为24 比特。信号处理的下一步是使用FFT 进行频率识别，随后是差值电路。
FFT 的特性是通过处理级进行处理来提高数据精度。对于我们的例子，假设2，048 点的FFT，这可能要额外的10 比特精度才能避免数据的丢失。但是，通过在单精度浮点处理中实现FFT 能够避免这种比特的增长。通过FFT 能够保持全24 位尾数精度（23 位加上符号），很容易实现被探测目标的100+ dB 动态范围。远距离和弱目标返回信号不会被近距离目标和强返回信号遮挡，因此，避免了雷达系统被较强的近距离反射信号“ 致盲”。浮点处理还能够防止弱反射信号被“ 淹没” 在FFT 的数字噪声基底中。图6 显示了一个数字电路的结构图。
图6. 数字电路结构图
浮点FFT 电路虽然只处理10 MSPS 的复数数据，但是，其时钟也是160 MHz。采用Altera 的DSP Builder 高级工具流程，只需要很少的逻辑就能够实现浮点电路。除了产生全浮点电路外，当时钟速率高于数据速率时，还能够对数据通路进行“ 折叠”，从而节省了逻辑和DSP 模块资源，也降低了功耗。在Cyclone V SoC FPGA 中实现了这些优化措施，DSP Builder 工具自动完成时序收敛过程。低成本Cyclone V SoC FPGA还具有DSP 模块，同时支持18 x 19 和27 x 27 乘法器。规模较大的27 x 27 乘法器适用于在浮点设计中使用。
FFT 输出插值有助于提高频率分辨精度。如果其能量在频率箱之间，那么插值能够将FFT 能量混叠到其他箱中，从而防止错过弱返回信号，如图7 所示。
图7.FFT 插值
可以使用一个ARM Cortex-A9 微处理器来完成探测处理。可以采用从简单阈值到更复杂的恒定虚警率（CFAR） 等算法。能够在逻辑中或者软件中实现FFT 结果插值，这取决于系统设计人员的选择。
对干扰的考虑
必须要考虑实际上有很多车辆装备了工作在77 GHz 的雷达。迎面行驶而来的车辆上的雷达发送器可能会产生比大部分目标反射信号更强的信号。但是，发送器工作在数百MHz，特别是这个例子中的500 MHz接收器输入带宽在5 MHz 量级，大约是发送带宽的1%。如果迎面而来的车辆雷达发送器扫过这一带宽的1%，同时另一接收器也恰巧扫过这一带宽，那么就会出现干扰。统计上，不太会经常发生这种重叠，一旦出现时，可以通过随机调整发送斜坡时序来消除它。对于很多设备使用随机访问技术在共享通道上偶尔进行通信的系统，这一问题比较常见。
聚束
目前为止介绍的雷达系统能够探测目标的范围和速度，但是不能提供目标方向的任何信息，即使目标位于车辆前部，在天线波束范围内。如果系统能够搜索或者控制雷达发送和接收天线的方向，监视搜索时目标产生的回波变化，那么就能够确定目标方向。
假设所描述的系统使用了抛物面天线。抛物面天线将发送或者接收到的电磁波聚焦到一个特定的方向上。聚焦角度主要取决于天线面积和波长。使用毫米波雷达减小了天线的体积。
可以通过机械方式把抛物面天线“ 瞄准” 所需的方向，这主要限制在机械运动的速度，以及可靠性和成本等因素上。流行的替代方案是使用电子聚束转向技术。在这个例子中，天线由独立接收或者发送天线变成线性或者二维阵列。通过连续组合独立的天线信号，合成和分解波前信号能够大幅度提高某一方向的增益，同时减小其他方向的增益。
对于汽车雷达，雷达一般并不需要俯仰转向（ 上和下），因此，不需要两维天线阵列。线性阵列，或者天线阵，支持对天线的方位（ 侧向） 进行调整。代价是成本和复杂度。
在这个例子中，调整接收方向非常简单，这是因为对接收信号进行了数字处理。每一接收器必须单独调整接收信号的相位。
这种相位调整技术支持对天线波束的方向调整。只有当接收信号同相到达所有天线单元时，才会出现最强信号。天线阵能够“ 瞄准” 所需方向上天线的主波瓣。每一天线单元都有延时，或者相位调整，这样，进行了这种调整后，所有单元都具有共同的信号相位。如果角度= 0，那么，所有单元会同时接收到信号，不需要进行相位调整。对于非零角，每一单元会有延时对天线阵的波前进行对齐，如图8 所示。
图8. 电动转向天线
电动转向天线需要复制N 个天线接收节点每一个的模拟接收器电路。好在对于毫米波雷达，包括天线罩、滤波器和匹配电路在内的大部分电路都可以直接在PCB 上实现。
对于N 个节点中的每一个，也必须复制LNA、正交解调器和ADC，对成本影响最大的可能是ADC。
对于数字电路，来自每一天线节点ADC 对的每一组I 和Q 输入都必须有同相延时。对于N 个接收节点中的每一个，通过具有N 个独立复数系数Wi 的复数乘法器来实现这一延时。Cyclone V SoC FPGA 的DSP 模块非常适合用于实现这一功能，一个DSP 模块能够实现高速复数乘法器。控制处理器通过周期性的更新第N 个复数系数，“ 扫描” 接收天线，监视目标反射振幅的变化。还需要很少的其他FPGA DSP 模块和逻辑资源来支持大小4 到16 的N 个节点的聚束功能。
在前向汽车雷达中，所需的方位调整角度大约只有汽车中心线的5 到10 度。对于成本效益问题，可以使用抛物面发送天线，它有很宽的天线波瓣，使用较窄的波瓣转向接收天线，以便能够区分不同方位上的目标。或者，采用更复杂的发送器和发送聚束天线，以提高所需发送方位上的增益，但是成本和复杂度都会增大。
多模式雷达选择
在较短的距离范围内，可以选择脉冲多普勒雷达。由于脉冲多普勒雷达所使用的发送啁啾有较短的占空比，发射功率小于CWFM，因此，脉冲多普勒雷达的探测范围较近。脉冲多普勒雷达的确具有降低探测模糊的优势，但代价是需要较高的采样率和信号处理速率，而且还使用了外部存储器。例如，使用具有64 范围箱的100 MHz （10 ns） 采样率，可以支持大约100 m 往返距离范围，范围分辨率达到1.5 m。64 个发送脉冲收集响应支持多普勒探测在每一范围上使用64 个采样。存储要求是64x64 = 4096 复数采样，这必须进行存储用于处理，需要外部DDR 存储芯片。好在Altera SoC FPGA 含有硬核DDR 存储器控制器。存储器带宽足够宽，因此，ARM 处理子系统可以共享这一DDR，这通过DDR 控制器仲裁来实现。
在范围和多普勒上使用鉴别技术，能够对所有方向上的目标进行分辨，如图9 所示。如果采用的脉冲重复速率是250 kHz，那么，脉冲间隔是4 μs，避免了范围问题。对于从一个脉冲返回的目标信号出现在下一PRI 的情况，需要1，200 m 或者更长的往返距离才能发生，即，600 m 的距离，衰减会导致无法探测到返回信号。对于250 kHz 的延长PRI （ 在下一发送脉冲之前，雷达在采样每一接收间隔后会暂停），多普勒模糊也不是问题。使用浮点处理，可以得到所有范围（“ 快” 时） 和多普勒（“ 慢” 时）的实际曲线，在软件中完成探测处理。
图9. 浮点脉冲多普勒目标探测
使用SoC FPGA 的优点是，通过部分重新配置功能，设备可以在几个毫秒内从CWFM 模式转换到脉冲多普勒雷达模式。因此，FPGA 不同时支持这两种模式，从而节省了硬件资源。而且，部分重新配置功能支持ARM 处理子系统或者接口电路等FPGA 的其他部分在进行部分重新配置时保持工作状态，不受影响。
FPGA 资源估算
表 2 和表3 列出了Altera Quartus II 软件估算的FPGA 资源使用情况。CWFM 设计使用的资源要比脉冲多普勒设计少得多，而且很容易在Altera 成本最低的SoC FPGA 中实现CWFM。
表2. 在Altera Cyclone V SoC FPGA 中实现CWFM 雷达
表3. 在Altera Cyclone V SoC FPGA 中实现的脉冲多普勒雷达（64 范围箱、64 多普勒箱、100 MHz 采样率、PRI 250 KHz）
结论
汽车传感器系统采用了雷达、LIDAR、红外和可视摄像机以及其他技术，今后这一系统会越来越复杂，功能也越来越多。本文介绍使用Altera 低成本Cyclone V SoC FPGA，实现典型雷达系统数字化处理的可行性。与定制ASIC 相比，这一方法的优势在于缩短了产品面市时间，支持现场更新升级，能够在浮点、预集成ARM Cortex-A9 双核微处理器系统中快速方便的实现，而且还可以使用汽车级器件。这一方法支持雷达集成各种技术，实现“ 传感器融合”，使用多个传感系统完成对车辆控制最合理的判断。这里虽然并没有进一步展开传感器融合这一概念，但是它会在今后的汽车辅助驾驶系统中扮演越来越重要的角色。
•联系人：徐先生
•销售电话：18042002123(同微信号)非售后
•QQ：464333839
•地址：杭州市余杭区亿丰蔚蓝郡雅苑3幢10(商)