這期聊聊框架，希望對你有所啟發。雷達信號處理框架是整個信號處理的骨架，只有建立了合適的處理框架，往里添加子模塊反而是相對容易的事情。

注意這里的用詞，“合適的”處理框架。是的，首先處理框架有多種選擇，并且最重要的是，所作的選擇要適合于實際的應用場景，否則雷達環境感知效果并不能達到預期。這期主要聚焦于兩種處理框架。

圖1 RSP framework

如圖1所示，第1種是被稱作“traditional chain”, 它的處理思路是adc數據作range-FFT，再到doppler-FFT，構建range-Dopper map，再到cfar，最后對候選點作angle-FFT，當然，這是最經典的framework，這其中的每個環節可以用更高級的信號處理方法替換，比如angle-FFT這個環節，完全可以用其他方法替換，以求更好的角度性能，不過這一切都是基于建立了framework之后。

與之對應的是“Capon Beamforming Chain”， 其處理思路是對adc數據作range-FFT，然后角度為使用capon，以構建range-Azimuth map，再到cfar，對候選點作elevation BF 以及Doppler-FFT。同樣的，這里的每個環節都可以用其他高級信號處理方法替換，比如capon可以替換為MUSIC等，以求更好的性能。

圖1 range-Doppler map

這里的核心問題是如何在兩者之間選擇，這需要對兩個框架的特征深入了解。最重要的差異點是range-Doppler map以及range-Azimuth map。選擇的map不同，采用的cfar方法，篩選detections的策略也都會不同，以至于同一場景，基于不同map的點云輸出天壤之別。

一般來講，range-Doppler map由于有通道之間的非相參積累（Non-coherent Integration）,存在相應的非相參積累增益，并且不論range-FFT還是Doppler FFT，其FFT 點數相對angle-FFT來說是比較高的，所以基于range-Doppler map的處理相對來說會獲得較高的處理增益，適合檢測行人等VRU目標。

在一些近距離需要大帶寬高分辨應用，range-Doppler map是不太適合的，主要原因在于doppler譜擴展導致的互干擾和虛警比較嚴重。此外，該框架帶來的副作用是角度維處理只有單快拍（single snapshot）,而基于單快拍DoA方法的選擇面相對來說窄一些。

圖2 range-Azimuth map

而對于range-Azimuth map，由于直接獲得的是方位信息，不會受到類似range-Doppler map的困擾，并且可以分析每個位置反射點的微多普勒分布，這對于分析行人運動是極其有利的。由于方位信息隨距離增加而分辨率及精度降低，性能下降嚴重，因此該框架并不適合遠距離應用，適合室內人員檢測等超短距離應用。

此外，由于angle-FFT在Doppler-FFT之前，完全可以用chirp間的對應復數數據作快拍數據，從而構建合適的協方差矩陣，這對于capon，MUSIC等對協方差矩陣要求高的方法來講簡直是福音。因此，該framework對DoA是相當友好的。但是由于缺乏相應的非相參積累增益，目標檢測性能稍微弱一些，但對于室內等短距離應用問題不大。

此外，類似相控陣，芯片級聯，TX beamforming 等技術引入，信號處理框架也日趨豐富，但是基調還是要以應用場景為導向，以選擇合適的方法。