一、频域动态压缩方法在FMCW毫米波雷达中的应用（论文文献综述）
郑朋[1]（2021）在《车载毫米波雷达抗干扰方法研究》文中研究指明毫米波雷达是高级驾驶辅助系统的关键组成部分,随着汽车工业的发展道路上的毫米波雷达也越来越多。在众多雷达系统中,线性调频连续波雷达系统由于成本低、尺寸小和测量精度高等优点被广泛应用于汽车领域。随着毫米波雷达数量的增加以及有限的频谱资源,雷达间相互干扰的问题将会变得更加突出。线性调频连续波雷达之间的干扰可以分为交叉干扰和平行干扰,交叉干扰会增加频域的噪声基底,降低雷达的检测性能;平行干扰会产生虚假目标,使得雷达产生虚警。以上两种干扰都会影响雷达的正常工作,但平行干扰出现的概率较低,所以本文的主要研究对象为交叉干扰。针对调频连续波雷达系统之间的相互干扰,已经有时域、频域、极化域、空域和波形编码等抗干扰技术,针对交叉干扰本文从时域的角度进行干扰抑制。本文的主要研究内容如下:（1）分析了线性调频连续波雷达之间相互干扰的原理及其影响,推导了含有干扰信号的雷达回波模型。通过理论推导证明了交叉干扰在频域上会导致噪声基底的升高并通过典型干扰场景说明了干扰信号的功率远高于回波信号的功率,表明干扰对雷达检测而言是一个不容忽视的问题。（2）基于回波信号和干扰信号之间的差异,对传统的固定阈值检测方法进行了改进,改进后的方法即使在多干扰源的情况下依然能起到很好的干扰检测效果。在干扰检测的基础上,提出了使用自回归模型进行干扰区域采样点的重构。实验结果表明,该方法不仅解决了置零法带来的高旁瓣的影响同时也起到了很好的干扰抑制效果。（3）采用先检测后抑制的方法对干扰进行处理能够达到干扰抑制的目的,但是忽略了干扰区域的信号也包含有用信号这一事实。针对该问题,提出了一种经验模态分解和自回归模型相结合的干扰抑制方法。首先是对含有干扰信号的回波进行经验模态分解,得到一系列本征模态函数。接着根据各个模态的自相关函数的能量分别确定出干扰信号和有用信号主导的模态。最后,保留有用信号主导的模态的同时对干扰主导的模态做进一步处理并将处理之后的各个模态和有用信号主导的模态相加得到最终的信号。
杨旭[2]（2021）在《24GHz MCS基站与车载雷达的干扰研究》文中研究说明本文基于国际电信联盟在WRC-19大会提议的5G候选频段24.25-27.5GHz（简称24GHz频段）,结合我国在该频段下的相关无线电业务规划使用情况,研究分析 24GHz 毫米波通信系统（Millimeter-wave Communication System,MCS）基站与车载雷达之间存在的相互干扰情况。本文的主要工作有:第一,分析总结了24GHz毫米波通信系统的主要技术和车载雷达系统的基本架构,其中包括输出信号频率、回波信号功率和多普勒频移等。第二,基于三角波FMCW信号测速测距原理,通过搭建外场干扰实验,研究了 24GHz MCS基站对车载雷达在测速测距中的实际干扰,和在灵敏度典型测量距离下的最小目标RCS值。第三,研究了 24GHz集群车载雷达对MCS基站的确定性干扰,以实际干扰场景为背景,提出了视距和非视距情况下的路径损耗模型和链路计算的方法;并在随机分布情况下的集群车辆在城市公路上对MCS基站造成的动态干扰进行了模拟仿真分析。本文以24GHz频段规划现状为背景,选取合理的参考模型及设备参数,并构建系统级的模拟分析仿真,研究24GHz MCS基站和车载雷达之间的相互干扰情况,为未来的5G毫米波通信系统和车载雷达系统的设计提供了参考方案和重要的工程应用价值。
董子禾[3]（2021）在《移动设备上毫米波手势识别系统设计与实现》文中研究说明随着移动设备的不断普及和模式识别算法的进步,移动设备新型人机交互应用得到了快速发展。目前最成熟的手势识别系统依靠可见光摄像头和机器视觉来实现,但是此类系统在弱光或被遮挡的情况下存在失效的风险,因此有必要探索新的无线感知介质。60GHz毫米波具有频率高、波长短的特点,最高可用带宽达到7GHz,可望支持厘米级的手势分辨率,因此可以有效替代可见光来感知手势。目前已有的毫米波手势识别系统普遍使用Range-Doppler图直接描述手势,然而使用这种简单方法提取的手势特征有限,而且会导致手势数据规模较大,难以在移动设备上处理。本文提出了一种轻量化手部模型的构建方法,并基于此设计并实现了移动设备上的毫米波手势识别系统。本文利用快速傅里叶变换等信号处理算法从FMCW雷达原始信号中提取10个特征参数来构建手部模型,基于此设计了双重阈值干预的手部判别算法用来降低非手部动作产生的影响。利用以上全部特征参数设计了基于特征提取的手势识别方法,该方法利用计时器和手势趋于停止时的运动特征来分割手势,将手势采集过程拆分结合多线程技术解决丢帧问题,通过裁剪残差网络模型的残差模块有效降低参数规模。此外,本文利用距离、方位角等特征参数设计了基于轨迹分析的手势识别方法,该方法通过几何原理计算手部的坐标,使用队列数据结构记录历史轨迹,无需神经网络模型实现对简单手势的识别。实验结果表明,本文构建的实时手势识别系统在移动设备上的准确率达到93.2%,系统最大延时控制在1016ms,达到了预期的实时手势识别研究目标。
曹佳禾[4]（2021）在《基于毫米波雷达的身份识别技术研究》文中研究说明身份识别技术在日常生活中有着广泛的应用,电脑解锁、手机支付、系统登陆无时无刻不在验证你的身份。传统的身份识别的方法主要包括指纹识别、人脸识别、密码识别等。指纹识别需要人的手指和传感器有直接接触,存在卫生隐患;人脸识别需要采集每个人的人脸信息,存在隐私泄露隐患;密码识别则需要人记住自己创建的密码而非使用人体自身特征,存在遗忘隐患。本论文提出一系列基于FMCW（Frequency Modulated Continuous Wave,调频连续波）毫米波雷达（Millimeter-Wave Radar,mm Wave Radar）的身份识别技术。通过分析人体雷达回波信号并且使用相应的深度学习分类器来对个体的身份进行识别。这项技术可以实现非接触的、使用人体生物特征的且无隐私泄露风险的身份识别。具体工作包括:1.研究FMCW毫米波雷达理论基础,阐释如何通过FMCW毫米波雷达原始回波信号获得物体的距离、速度、角度等信息。研究雷达目标检测,并对背景减除法和恒虚警（Constant False-Alarm Rate,CFAR）进行对比实验。2.研究并提出了一种基于单次手掌/头部雷达回波信号的身份识别技术,包含目标检测、静止检测、活体检测、数据预处理、模型推理、多chirp联合判决等步骤。提出了PNA（Piecewise Normalization Average）的雷达回波数据预处理方法和基于1D-CNN（One-dimensional Convolutional Neural Network）的深度学习分类算法。同时采集建立了包含21名志愿者共计12万个样本的数据集,算法在该数据集中实现97.3%的平均识别准确率。3.研究并提出一种多特征融合的手势识别技术,使用深度学习卷积神经网络来提取距离多普勒图和距离角度图的特征,同时使用一些手工提取的特征辅助判断。在手势识别的基础上,又提出一种基于自编码单分类器的身份识别方法。手势识别算法在公开数据集和自己采集的数据中均能实现95%以上的识别准确率,手势身份验证可以实现96.7%的识别准确率。
周宽[5]（2020）在《汽车前视防撞雷达抗交叉干扰技术研究》文中指出随着雷达技术的发展,雷达的应用范围也越来越广,在上世纪的六十年代,汽车防撞领域也逐渐展开对雷达技术的研究,越来越多的汽车将安装防撞雷达,由于汽车防撞雷达使用量的逐年增加、信号波形的单一、汽车防撞雷达系统可用频段的限制等因素,不同车辆之间的汽车防撞雷达系统将会产生交叉干扰,汽车防撞雷达系统将会造成误判,进而危及人们的安全。汽车防撞雷达产生的交叉干扰问题,逐渐引发人们的关注,所以对雷达信号的设计与处理具有重要意义,为了提高汽车防撞雷达的精度与其抗干扰能力,本文进行了以下研究。本文首先介绍了毫米波汽车防撞雷达交叉干扰的研究现状,讨论了汽车防撞雷达信号波形形式,以及车辆行驶中应该保持的安全距离。其次对现有FMCW（Frequency Modulating Continue Wave）,MFSK（Multiple Frequency Shift Keying）,PMCW（Phase Modulating Continue Wave）汽车防撞雷达信号形式进行公式的推导,对以上几种体制的汽车防撞雷达的测距测速进行了仿真,并对得到的雷达差频信号进行分析,然后在前人研究基础上加入载波频率扰动,带宽扰动和噪声,再次对现有的汽车防撞雷达的抗干扰技术进行了分析与仿真,讨论了汽车防撞雷达系统间的干扰问题,研究了抑制干扰的方法,并设计了抗干扰信号的信号处理方案。最后通过研究抑制干扰的方法和抗干扰信号的设计处理方案,分析研究了LFM-OFDM组合波形抗雷达交叉干扰的处理方法,基于LFM-OFDM波形采用自适应波束形成方法抑制干扰,根据仿真结果可知这种方法可以有效抑制汽车防撞雷达间的干扰,使目标的分辨力得到提高,能够提高对目标速度与距离的检测精度,该方法在汽车防撞雷达领域有很广的应用前景。
李鑫[6]（2020）在《面向汽车智能驾驶的毫米波雷达建模与仿真研究》文中指出智能驾驶代表着现代汽车技术与产业发展的大趋势,而环境感知则是汽车智能驾驶的关键核心技术,也是学术界长期研究的热点领域。毫米波雷达具有波长短、频段宽、波束窄,抗天气干扰能力强等特点,可实现对被测目标的检测以及距离、速度和方位角等的高精度测量,具有技术成熟、应用广泛、成本低廉等优势。因此,毫米波雷达已经成为汽车智能驾驶不可或缺的环境传感器,具有广阔的应用前景。由于汽车行驶环境具有高度动态、复杂和不确定性,测试验证成为了汽车智能驾驶技术发展与产业化面临的重要挑战,而模拟仿真技术被广泛地视为有效解决传统道路或场地测试中存在的周期长、成本高、安全性难以保障等瓶颈问题的关键技术,也必将成为未来智能汽车产品验证和评价的重要且必备途径。因此,开展对毫米波雷达等在内的环境传感器的建模研究,是高效、安全且可靠地开展智能驾驶系统研究所急需解决的关键课题,具有迫切且重要的意义。车载毫米波雷达建模研究极具挑战性,其建模面临的挑战一方面来自雷达的黑盒本质,包括雷达内部电子器件特性及结构、数据采集及处理算法等的未知和多样性;另一方面则来自目标电磁散射、地表杂波和环境噪声等对雷达检测影响的动态随机性。现有的面向汽车智能驾驶仿真测试的毫米波雷达模型普遍存在简单化、理想化等现象,对影响雷达检测的诸多环境因素、目标特性等反映不够、置信度不高,包括环境杂波模型的简单化,目标雷达散射面积（RCS）常量化等。而另一些采用散射统计特性的杂波建模途径和采用有限元方法的目标RCS建模途径等,其模型不仅十分复杂,而且不适用于处理电大尺寸近场电磁问题,同时,其计算时间也远远无法满足汽车智能驾驶仿真测试所需的实时性要求。基于对上述问题的深入调研,本文以突破上述难题为目标开展了面向汽车智能驾驶的毫米波雷达建模与仿真研究。通过深入研究雷达电磁波发射机理,建立对雷达发射波形和雷达发射天线等引发的检测缺陷及影响因素的深刻理解;通过深入研究雷达电磁波传播机理,建立对雷达内部传输衰减和外部环境传播衰减等引发的检测缺陷及影响因素的深刻理解;通过深入研究雷达电磁波反射机理,建立对雷达目标RCS和雷达环境杂波等引发的检测缺陷及影响因素的深刻理解;通过研究雷达电磁波接收与处理机理,建立对雷达接收天线、雷达接收机特性和雷达回波处理方法等引发的检测缺陷及影响因素的深刻理解。其次,本文在雷达机理分析的基础上,针对汽车行驶场景的地物特点,开展地杂波建模方法研究;针对汽车行驶场景的天气特点,开展雨、雪、雾等天气杂波的建模方法研究;针对汽车行驶场景中潜在的人为干扰特点,开展人为有源干扰的建模方法研究。设计了典型场景,开展了杂波建模方法仿真验证,证实了杂波建模方法的有效性。同时,本文深入研究了雷达目标RCS精确实时估算方法。针对汽车行驶场景中雷达目标的特点,开展了RCS估值影响因素研究,开展了雷达目标尺寸因子、材料因子、形状因子等的计算方法研究,开展了车辆和行人等目标的RCS估算方法仿真验证研究,通过FEKO电磁仿真平台与估算方法的对比,验证了雷达目标RCS实时估算方法的有效性。本文进一步基于雷达目标检测机理、杂波建模方法、目标RCS估算方法等,开展了雷达建模方法研究,包括考虑雷达虚警概率分布特点,建立雷达虚警模型;基于目标之间的空域遮挡、雷达与环境之间的能域衰减及频域遮挡等的定量分析,建立雷达漏报模型;在综合分析雷达内外部因素对测距、测速和测角的影响关系的基础上,建立雷达测距误差、测速误差、测角误差的建模方法。通过设计典型交通仿真场景,开展虚警、漏报、测量误差等建模方法的仿真验证,仿真结果证明了虚警,漏报,测量误差建模方法的正确性。最后,为展示车载雷达模型在汽车智能驾驶仿真测试中的应用,设计了基于雷达目标检测的AEB和ACC决策算法,相应地构建AEB和ACC测试仿真场景,展示了雷达模型在仿真测试中的应用。应用结果证实,基于本文雷达模型开展仿真测试,可有效测试出AEB算法和ACC算法中的潜在问题,可为算法有效改进提供重要技术支撑。
李杨[7]（2020）在《车载毫米波雷达中的参数估计算法设计与系统实现》文中研究说明伴随着新一轮的技术革命和产业革命,高级辅助驾驶系统（Advanced driver assistance system,ADAS）作为一种极为重要的主动安全技术,极大提高了人们出行的安全指数,保障了生命和财产安全,成为近年来汽车产业的研究热点与产业趋势。毫米波雷达凭借其体积小、成本低以及不易受恶劣环境因素影响等特性,被视为ADAS系统感知层的核心传感器之一,并成为车载雷达应用的主流。车载毫米波雷达对于周遭环境感知与目标车辆检测的性能表现很大程度上依赖于雷达信号处理算法的性能,车载毫米波雷达信号处理方案受限于有限的硬件规模和成本考量,面临着两方面的主要问题:一方面,车载毫米波雷达在中远距面临回波信噪比水平严重恶化导致参数估计算法方案失效的情况;另一方面,实现在短距范围的高精度检测与参数估计通常会带来庞大的计算量和内存占用量,对系统的算力提出了很高的要求,同时很难满足实时性的场景需要。为了以更低的复杂度实现更加鲁棒且精确的目标检测与参数估计,本论文对其中的一些关键技术进行了如下的研究:首先,研究了车载毫米波雷达系统中的距离信息测量方案。针对现有的基于峰值频率估计的距离信息测量方案所存在的峰值频率估计不准确的问题,提出了复调制选带频谱分析的方法对差拍信号峰值频率附近的频谱进行局部细化,并利用Jacobsen算法来减少跨骑损失,提高峰值频率估计精度;针对现有的基于峰值频率估计的距离信息测量方案所存在的忽略距离-速度耦合以及快时间-慢时间维耦合的问题,提出了简易频域插值校正方案去除快时间-慢时间维耦合,以及距离-多普勒联合处理方案来去除距离-速度耦合,获得更高精度的距离信息测量。其次,研究了车载毫米波雷达系统中的角度信息测量方案。针对现有的基于多重信号分类（Multiple signal classification,MUSIC）角度测量方案在大阵列情况下,系统内存占用高、计算度复杂度高的缺陷、提出了采用波束域MUSIC作为算法框架并且对波束形成矩阵进行针对性优化设计;针对现有的MUSIC角度测量方案在单快拍、低信噪比等恶劣情况下目标回波相干性增强、接收信号样本协方差矩阵估计不准确的问题,提出了一种全新设计的波束空间MUSIC估计子,其不仅利用了噪声子空间和阵列流型矢量之间的正交性,还充分挖掘了回波信号中包含的目标功率信息,同时在波束域中引入了阵列平滑和Toeplitz结构恢复的联合处理方法,可显着改善车载毫米波雷达系统的角度估计性能表现。最后,研究了基于TI-AWR1243P芯片的77 GHz多片级联车载毫米波雷达系统实现。针对多芯片级联所提供的更可观的天线阵列资源,设计了一个采用虚拟阵列技术的天线排布,很好的平衡了功率负担和系统性能;针对目前车载毫米波雷达系统中帧结构设计结构复杂、层次不清晰、功能指标无明确对应的情况,设计了一个多层次、双模式工作、复杂度较低的帧结构,简洁明晰易于实际系统实施;针对实际情况中存在天线相位误差的问题,提出了一种天线自校正方案;针对远距回波信号信噪比水平下降带来的原有速度解模糊方案失效的问题,提出了多天线同时发送的解速度模糊改进算法,并且对基于TI-AWR1243P的多片级联车载毫米波雷达系统进行了一定的实际测量和数据分析,证明了其可行性。
罗翔[8]（2020）在《毫米波雷达信号处理与精密测量应用研究》文中研究表明随着科学生产技术的进步,现代工程建设对工程测量工作的精密性、实时性、动态性提出了更高的要求。传统测量手段及设备越来越难以满足现代工程建设的需要,因此测量领域亟需引入新的科学技术与设备来改进工作质量并提高工作效率。毫米波雷达（Millimeter Wave Radio Detection And Ranging,MMW Radar）作为一种新兴的非接触式高精度传感器,在目标位置和位置变化的精密测量方面具有显着优势,将其运用到工程测量领域对于整个测绘领域的发展都有着积极意义。鉴此,本文以毫米波雷达为研究对象,围绕毫米波雷达的信号处理流程、算法以及在精密测量领域的应用展开研究,为现代工程测量的发展提供一定的支持。论文的主要研究工作包括:（1）详细介绍了毫米波雷达的分类、系统结构、工作原理及流程。推导了影响雷达观测性能的雷达方程;继而以锯齿波FMCW（Frequency Modulated Continuous Wave）毫米波雷达为研究对象,详细推导了其测距测速的基本算法,研究结果表明毫米波雷达的观测信息包含在信号的频率和相位信息中;最后分析了毫米波雷达的距离分辨率和速度分辨率,并对雷达测距测速算法进行了仿真实验,成功从雷达信号中提取出目标观测量。（2）对FMCW毫米波雷达精密测距算法进行了研究推导。分析指出雷达测距的主要误差来源为频率检测中的栅栏效应,并基于此提出利用FFT（Fast Fourier Transform）+Chirp-Z变换+谱线校正的三段雷达测频算法提高测量的精度,最后基于该算法进行了对比仿真实验。实验结果表明,相较于传统FFT频谱分析方法,该算法能够显着提高频谱估计的精度,继而提高雷达测距精度,适用于毫米波雷达的测量应用。（3）对毫米波雷达多维空间测量技术进行了研究。分析了雷达测角的基本原理,推导了雷达角分辨率计算公式;为解决角度分辨率与雷达天线个数的矛盾,引入了多输入多输出（Multiple Input and Multiple Output,MIMO）雷达天线技术,并基于此分析了MIMO雷达应用于三维测量的天线布局,研究表明多维天线布设可实现空间目标的观测;进而在此基础上推导了空间目标三维坐标的计算公式;最后为实现雷达坐标系到当地坐标系的转换提出一种新的坐标转换算法。（4）基于AWR1443BOOST雷达开发平台搭建了一套毫米波雷达测量系统。该系统包括软件和硬件部分,详细描述了毫米波雷达选型、硬件参数,利用雷达开发软件完成了系统硬件开发工作,同时根据实际需求开发了对应的数据传输和处理的软件平台。最后利用该系统进行了室内外实测实验,实验结果表明毫米波雷达平台运行状态良好,精度较高。（5）对毫米波雷达在实际精密工程测量的应用做了研究。利用搭建的毫米波雷达测量平台在京沪高铁沿线进行了高铁桥振动检测实验。利用现代时频分析方法,从时域和频域两个方面对雷达数据进行了处理,准确提取出桥梁振动特征值并评估了桥梁的健康状态。实验表明,毫米波雷达可作为新技术应用于高精度工程测量行业。该论文有图68幅,表18个,参考文献110篇。
张小卫[9]（2020）在《基于英飞凌TriCore汽车毫米波雷达设计与实现》文中研究说明随着汽车工业迅速发展,汽车数量逐年增加,交通事故愈加频发。高级辅助驾驶系统能在很大程度上减少交通事故的发生,汽车盲点监测系统是高级驾驶辅助系统的重要组成部分,它以毫米波雷达作为传感器,监测车辆后方盲区内运动的物体,以此来辅助驾驶,减少交通事故。本文以汽车盲点监测系统为对象,以英飞凌公司下的Tri Core微控处理器和一发双收的24GHZ射频芯片为硬件平台,开展基于英飞凌Tri Core汽车毫米波雷达设计与实现。根据课题需求,本文主要针对汽车毫米波雷达系统与调制波形研究与设计,对汽车雷达测角算法进行研究和优化改进,以及针对硬件平台开展硬软设计和解决系统实现中存在的问题。本文主要承担以下工作:1、首先根据汽车毫米波系统的技术指标,进行硬软总体方案设计,对FMCW调制方式下慢速斜波和快速斜波模式进行分析,并进行优缺点比较。然后通过理论公式的推导和仿真来说明影响距离和速度、角度性能的因素。最后本文选取快速斜波模式为本系统的调制波形。2、对汽车毫米波雷达测角方法展开分析与研究。首先对两天线相位测角方法进行仿真和实测分析,由于实测效果较差,所以对MIMO体制下的MUSIC和3D-FFT测角算法进行分析,通过3D-FFT实测得出其测角精度和角分辨率较高,但其运算量大,然后提出了一种改进的多天线2D-FFT测角方法,在硬件平台AWR1642下,相比于3D-FFT测角,它同样具备高精度测角和高角度分辨率,同时还减少了系统的运算量。3、研究毫米波雷达系统的硬软件实现。首先设计硬件平台的模块电路,分析了在外围电路和天线设计的过程中,芯片的选择与参数的设计对于距离和角度指标的影响。然后进行系统软件设计实现,给出了主要电路模块的程序流程图,分析了本系统目标角度计算的具体实现流程。最后分析了雷达数据在微控制器内部进行传输和处理的过程,由于FFT加速器位数有限,近距离的信号幅值大,所以对距离维的数据进行分段截位处理,降低信号的幅值,以保证多普勒维变换后能反映目标的真实距离和速度,最后通过实验验证了数据分段截位的必要性。4、对毫米波雷达系统进行实测分析。按照指标要求对距离和角度进行测试,由测试结果可知:测距范围超过45m;测距精度小于0.1m;距离分辨率可达1.2m;3d B波束角内测角精度小于2。最后由路测可知,对于远近处的单目标和多目标测量准确,整个系统工作稳定,满足系统技术指标要求,达到实际预期效果。
赵泽东[10]（2020）在《基于类目标干扰抑制的FMCW手势识别算法研究》文中提出随着5G和人工智能技术的不断崛起,人机交互方式的不断完善,越来越多的研究者开始从事于人工智能、自动驾驶以及人机交互领域。手势作为人机交互中最常见的沟通方式,逐渐成为当前研究的热点。传统的手势识别方法主要采用穿戴设备或摄像头设备进行识别。这类方法由于其穿戴不方便且容易受到光线强弱影响而无法广泛应用。相比于传统手势识别方法,基于调频连续波（Frequency Modulated Continuous Wave,FMCW）雷达的手势识别具有抗干扰性强、便捷性等优点。本文基于类目标干扰抑制的FMCW手势识别方法开展研究。首先,修正雷达中频信号（Intermediate Frequency,IF）中相位偏移的部分,分别利用二维快速傅里叶变换（2D Fast Fourier Transform,2D-FFT）算法和多信号分类（Multiple Signal classification,MUSIC）算法提取手势目标的距离、速度和角度参数,构建距离-多普勒耦合图（Range-Doppler Map,RDM）和角度-时间图（Angle-Time Map,ATM）。其次,根据RDM和ATM的估计结果,研究类目标干扰抑制方法。根据参数估计后目标功率峰值,利用恒虚警检测（Constant False Alarm Rate,CFAR）设计自适应门限提取目标信号,然后联合目标参数信息,修正信号中径向速度与手势实际运动速度的偏差,改进卡尔曼滤波方式使其残差序列保持正交,完成手势目标的跟踪,并对非手势目标进行抑制。最后,研究多参数手势识别方法。首先将处理后的手势信息融合,构建距离-多普勒数据集和角度-时间数据集。根据各数据集特点分别采用三维膨胀卷积神经网络（Inflated 3D Conv Net,I3D）和单参数神经网络进行特征提取,然后再从各参数中提取手势的时间关联特征,最后将RDM特征进行分割后与ATM特征重组,采用支持向量机（Support Vector Machine,SVM）和全连接层（Fully Connected Layers,FC）进行特征融合和分类。
二、频域动态压缩方法在FMCW毫米波雷达中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、频域动态压缩方法在FMCW毫米波雷达中的应用（论文提纲范文）
（1）车载毫米波雷达抗干扰方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| §1.1 研究背景及意义 |
| §1.2 研究现状及发展趋势 |
| §1.3 本论文的主要工作和内容安排 |
| 第二章 调频连续波雷达的相互干扰 |
| §2.1 相互干扰的原理 |
| §2.2 回波信号模型 |
| §2.3 干扰信号的频域表示 |
| §2.4 干扰信号和回波信号功率比较 |
| §2.5 干扰分类 |
| §2.6 本章小结 |
| 第三章 基于自回归模型的车载雷达抗干扰研究 |
| §3.1 干扰检测方法 |
| §3.2 自回归模型 |
| §3.3 实验验证 |
| §3.4 本章小结 |
| 第四章 基于经验模态分解的车载雷达抗干扰研究 |
| §4.1 经验模态分解 |
| §4.2 IMF筛分准则 |
| §4.3 实验验证 |
| §4.4 本章小结 |
| 第五章 总结与展望 |
| §5.1 全文总结 |
| §5.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者在攻读硕士期间的主要研究成果 |
（2）24GHz MCS基站与车载雷达的干扰研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国内外研究动态 |
| 1.2.2 当前研究发展前景 |
| 1.3 论文的主要工作和内容安排 |
| 第2章 24GHz MCS和车载雷达系统 |
| 2.1 5G毫米波通信系统(MCS)特点 |
| 2.2 24GHz毫米波通信系统(MCS)主要技术 |
| 2.2.1 物理层技术 |
| 2.2.2 天线技术 |
| 2.2.3 毫米波MIMO信道容量 |
| 2.3 24GHz毫米波车载雷达系统基本架构 |
| 2.3.1 调频连续波(FMCW)雷达模型 |
| 2.3.2 车载雷达信号及参数 |
| 2.3.2.1 VCO输出信号频率 |
| 2.3.2.2 回波信号功率 |
| 2.3.2.3 多普勒频移 |
| 2.4 本章小结 |
| 第3章 24GHz MCS基站对车载雷达测速测距的干扰研究 |
| 3.1 基于FMCW的测速测距原理 |
| 3.1.1 三角波FMCW信号 |
| 3.1.2 三角波差拍信号测速测距 |
| 3.2 24GHz MCS基站对车载雷达的测速测距干扰测试 |
| 3.2.1 外场干扰测试场景 |
| 3.2.2 测速测距干扰实验 |
| 3.2.2.1 干扰测试设备及参数 |
| 3.2.2.2 干扰测试结果分析 |
| 3.3 灵敏度典型测量距离下的最小目标RCS |
| 3.3.1 最小可探测RCS值干扰测试 |
| 3.3.2 最小可探测RCS值结果分析 |
| 3.4 本章小结 |
| 第4章 24GHz集群车载雷达对MCS基站的干扰研究 |
| 4.1 基于5G车联网系统中的互联层干扰研究 |
| 4.2 24GHz集群车载雷达对MCS基站的确定性干扰研究 |
| 4.2.1 集群车载雷达与毫米波基站干扰场景 |
| 4.2.2 路径损耗模型 |
| 4.2.3 链路计算 |
| 4.2.4 确定性干扰仿真结果分析 |
| 4.3 24GHz集群车载雷达对MCS基站的动态干扰研究 |
| 4.3.1 动态干扰实际仿真场景 |
| 4.3.2 动态干扰仿真结果分析 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 全文工作总结 |
| 5.2 未来工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（3）移动设备上毫米波手势识别系统设计与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 手势识别系统概述 |
| 1.2.1 手势的定义和分类 |
| 1.2.2 手势感知设备 |
| 1.3 手势识别国内外研究现状及主要问题 |
| 1.4 主要研究内容 |
| 1.5 论文章节安排 |
| 第二章 相关技术 |
| 2.1 60GHz毫米波传播特性及通信标准 |
| 2.2 FMCW雷达工作原理 |
| 2.2.1 FMCW雷达架构和工作流程 |
| 2.2.2 FMCW雷达的分辨率 |
| 2.2.3 FMCW雷达的目标检测原理 |
| 2.3 本章小结 |
| 第三章 系统设计与方法研究 |
| 3.1 毫米波手势识别系统的架构设计 |
| 3.2 雷达信号处理方法 |
| 3.2.1 中频信号 |
| 3.2.2 Range-FFT计算距离 |
| 3.2.3 Doppler-FFT计算速度 |
| 3.2.4 相位法计算方位角 |
| 3.3 构建手部模型的方法 |
| 3.3.1 轻量化手部模型 |
| 3.3.2 双重阈值干预的手部判别算法 |
| 3.4 基于特征提取的手势识别方法 |
| 3.4.1 系统状态转移图 |
| 3.4.2 手势特征序列 |
| 3.4.3 自适应手势分割算法 |
| 3.4.4 流水线式手势采集方法 |
| 3.4.5 残差神经网络及改进 |
| 3.5 基于轨迹分析的手势识别方法 |
| 3.5.1 轨迹特征选取 |
| 3.5.2 历史轨迹分析方法 |
| 3.5.3 轨迹映射方法 |
| 3.6 本章小结 |
| 第四章 手势识别系统具体实现 |
| 4.1 系统功能模块设计 |
| 4.2 软硬件平台及开发环境 |
| 4.3 系统模块实现 |
| 4.3.1 雷达通信模块 |
| 4.3.2 信号处理模块 |
| 4.3.3 手势采集与上传模块 |
| 4.3.4 模型训练与发布模块 |
| 4.3.5 手势识别模块 |
| 4.4 本章小结 |
| 第五章 系统测试及分析 |
| 5.1 构建手势数据库 |
| 5.1.1 手势设计 |
| 5.1.2 手势数据集的构建 |
| 5.2 实验环境 |
| 5.3 本文方法的有效性验证 |
| 5.3.1 信号处理的有效性 |
| 5.3.2 手部模型的有效性 |
| 5.3.3 手部判别算法的有效性 |
| 5.3.4 手势采集方法的有效性 |
| 5.3.5 神经网络模型的有效性 |
| 5.3.6 手部轨迹的有效性 |
| 5.4 实时系统性能分析 |
| 5.4.1 实时系统的准确率 |
| 5.4.2 系统延时分析 |
| 5.5 实时系统鲁棒性分析 |
| 5.5.1 毫米波穿透能力测试 |
| 5.5.2 抗环境干扰能力测试 |
| 5.6 应用场景展示 |
| 5.6.1 手势控制音乐播放器 |
| 5.6.2 手势控制游戏玩家移动 |
| 5.7 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文与研究成果 |
（4）基于毫米波雷达的身份识别技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 身份识别 |
| 1.2.2 毫米波雷达传统应用 |
| 1.2.3 毫米波雷达的新型应用 |
| 1.3 研究内容与章节安排 |
| 第2章 相关技术介绍 |
| 2.1 FMCW雷达技术原理介绍 |
| 2.1.1 FMCW雷达 |
| 2.1.2 FMCW雷达测距 |
| 2.1.3 FMCW雷达测速和测角 |
| 2.2 分类、识别算法 |
| 2.2.1 随机森林、支持向量机算法 |
| 2.3 深度学习算法 |
| 2.3.1 多层感知机 |
| 2.3.2 卷积神经网络 |
| 2.4 本章小结 |
| 第3章 基于静态毫米波雷达回波信号进行身份识别 |
| 3.1 系统整体构架和功能介绍 |
| 3.2 可行性调研及系统实现方式 |
| 3.3 雷达目标检测和静止检测 |
| 3.4 数据预处理 |
| 3.5 毫米波雷达活体检测 |
| 3.6 身份识别分类算法网络模型设计 |
| 3.6.1 误差原因探究 |
| 3.6.2 神经网络结构设计 |
| 3.7 数据增强 |
| 3.8 数据集的建立 |
| 3.9 实验结果 |
| 3.10 本章小结 |
| 第4章 基于动态毫米波雷达回波信号进行识别 |
| 4.1 系统整体架构和功能介绍 |
| 4.2 距离和速度的获取 |
| 4.3 距离和角度信息的获取 |
| 4.4 手势特征提取 |
| 4.5 毫米波雷达手势识别 |
| 4.6 手势识别实验结果和分析 |
| 4.7 毫米波雷达手势身份验证 |
| 4.8 雷达手势身份验证实验结果 |
| 4.9 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 攻读学位期间取得的成果 |
（5）汽车前视防撞雷达抗交叉干扰技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 抗干扰技术 |
| 1.2.2 波形设计 |
| 1.2.3 汽车防撞系统的比较 |
| 1.3 论文的研究内容及安排 |
| 1.4 本章小结 |
| 第2章 汽车前视防撞雷达交叉干扰分析 |
| 2.1 安全距离模型 |
| 2.2 交叉干扰产生原因 |
| 2.3 汽车防撞雷达之间的干扰分类 |
| 2.3.1 不同频率雷达之间的干扰 |
| 2.3.2 相同频率雷达之间的干扰 |
| 2.4 雷达的工作原理 |
| 2.4.1 雷达的基本原理 |
| 2.4.2 雷达的基本方程 |
| 2.4.3 雷达的工作频率 |
| 2.5 FMCW 毫米波雷达 |
| 2.5.1 FMCW雷达结构与工作原理 |
| 2.5.2 雷达发射机 |
| 2.5.3 雷达接收机 |
| 2.5.4 雷达天线 |
| 2.5.5 信号处理机 |
| 2.6 三角波调制下雷达信号分析 |
| 2.6.1 三角波雷达测距测速的工作原理 |
| 2.6.2 三角调频连续波雷达信号分析 |
| 2.6.3 仿真分析 |
| 2.7 多频移键控体制波形 |
| 2.7.1 多频移键控体制工作原理 |
| 2.7.2 仿真分析 |
| 2.8 伪码调相连续波雷达信号分析 |
| 2.8.1 伪码调相连续波雷达工作原理 |
| 2.8.2 仿真分析 |
| 2.9 本章小结 |
| 第3章 抗干扰技术分析 |
| 3.1 改变发射波形斜率的方法 |
| 1 、仿真参数选择 |
| 2 、仿真结果分析 |
| 3.2 汽车防撞雷达抗同频异步干扰的仿真 |
| 3.3 汽车防撞雷达抗相同频率同步干扰的研究 |
| 3.4 本章小结 |
| 第4章 抗干扰信号处理 |
| 4.1 LFM-OFDM信号模型 |
| 4.1.1 发射信号模型 |
| 4.1.2 接收信号模型 |
| 4.1.3 LFM-OFDM信号测距测速方法 |
| 4.2 自适应波束形成基本原理 |
| 4.2.1 Capon算法原理 |
| 4.2.2 实验仿真 |
| 4.3 测距测速仿真分析 |
| 1. 各项仿真参数 |
| 2. 正常回波情况下 |
| 4.4 存在干扰信号时的仿真 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 申请学位期间的研究成果及发表的学术论文 |
| 发表论文 |
| 参与项目 |
（6）面向汽车智能驾驶的毫米波雷达建模与仿真研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 现有研究的不足与难点 |
| 1.4 本文研究内容 |
| 第2章 车载毫米波雷达目标检测机理分析 |
| 2.1 雷达电磁波发射机理分析 |
| 2.1.1 雷达发射波形分析 |
| 2.1.2 雷达发射天线分析 |
| 2.2 雷达电磁波传播机理分析 |
| 2.2.1 雷达内部传输衰减 |
| 2.2.2 环境传播衰减 |
| 2.3 雷达电磁波反射机理分析 |
| 2.3.1 雷达目标反射特性分析 |
| 2.3.2 雷达环境杂波分析 |
| 2.4 雷达电磁波接收与处理机理分析 |
| 2.4.1 雷达接收天线分析 |
| 2.4.2 雷达接收机特性分析 |
| 2.4.3 雷达回波处理方法分析 |
| 2.5 本章小结 |
| 第3章 雷达环境杂波建模研究 |
| 3.1 地杂波建模及模型应用验证 |
| 3.1.1 地杂波建模 |
| 3.1.2 地杂波建模应用验证 |
| 3.2 天气杂波建模及模型应用验证 |
| 3.2.1 天气杂波建模 |
| 3.2.2 天气杂波建模应用验证 |
| 3.3 人为干扰建模及模型应用验证 |
| 3.3.1 人为干扰建模 |
| 3.3.2 人为干扰建模应用验证 |
| 3.4 本章小结 |
| 第4章 雷达目标RCS实时估算方法研究 |
| 4.1 RCS估算方法设计 |
| 4.1.1 实时估算流程 |
| 4.1.2 RCS尺寸因子计算 |
| 4.1.3 RCS材料因子计算 |
| 4.1.4 RCS形状因子计算 |
| 4.2 估算方法验证 |
| 4.2.1 车辆RCS估算验证 |
| 4.2.2 行人RCS估算验证 |
| 4.3 本章小结 |
| 第5章 基于目标检测机理的雷达建模方法研究 |
| 5.1 雷达模型设计 |
| 5.1.1 雷达虚警建模 |
| 5.1.2 雷达漏报建模 |
| 5.1.3 雷达测距误差建模 |
| 5.1.4 雷达测速误差建模 |
| 5.1.5 雷达测角误差建模 |
| 5.2 雷达模型仿真验证 |
| 5.2.1 雷达虚警仿真验证 |
| 5.2.2 雷达漏报仿真验证 |
| 5.2.3 测量误差仿真验证 |
| 5.3 本章小结 |
| 第6章 雷达模型在汽车智能驾驶仿真测试中的应用研究 |
| 6.1 基于雷达模型的AEB算法测试 |
| 6.1.1 AEB决策算法设计 |
| 6.1.2 AEB测试场景构建 |
| 6.1.3 算法仿真测试 |
| 6.2 基于雷达模型的ACC算法测试 |
| 6.2.1 ACC决策算法设计 |
| 6.2.2 ACC测试场景构建 |
| 6.2.3 算法仿真测试 |
| 6.3 本章小结 |
| 第7章 全文总结及展望 |
| 7.1 全文工作总结 |
| 7.2 本文创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（7）车载毫米波雷达中的参数估计算法设计与系统实现（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略词 |
| 第一章 绪论 |
| 1.1 论文研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车载毫米波雷达产品现状 |
| 1.2.2 车载毫米波雷达信号处理研究 |
| 1.3 论文主要贡献与结构安排 |
| 第二章 车载毫米波雷达工作原理及信号处理方案 |
| 2.1 引言 |
| 2.2 连续波体制雷达工作原理 |
| 2.2.1 系统结构 |
| 2.2.2 雷达距离方程 |
| 2.2.3 连续波雷达波形设计分析 |
| 2.3 线性调频连续波雷达信号处理 |
| 2.3.1 雷达数据块结构 |
| 2.3.2 雷达信号的能量积累 |
| 2.3.3 雷达目标检测原理 |
| 2.3.4 雷达距离/速度测量 |
| 2.3.5 雷达角度测量 |
| 2.4 本章小结 |
| 第三章 基于频率估计的车载毫米波雷达去耦合校正测距算法 |
| 3.1 引言 |
| 3.2 基于峰值频率估计的去耦合校正高精度距离测量方案 |
| 3.2.1 锯齿波回波信号模型及耦合频率项分析 |
| 3.2.2 锯齿波回波信号耦合频率项校正 |
| 3.2.3 复调制细化选带频谱分析 |
| 3.2.4 基于Jacobsen算法的峰值频率校正 |
| 3.3 算法仿真与结果分析 |
| 3.4 本章小结 |
| 第四章 基于波束域MUSIC的车载毫米波雷达单快拍测角算法 |
| 4.1 引言 |
| 4.2 波束域MUSIC算法的基本原理 |
| 4.3 增强的低复杂度波束域MUSIC算法设计 |
| 4.3.1 先验信息辅助的波束形成矩阵设计 |
| 4.3.2 基于斜投影矩阵的MUSIC估计子设计 |
| 4.3.3 无偏样本协方差矩阵修正处理 |
| 4.4 算法仿真与结果分析 |
| 4.5 本章小结 |
| 第五章 基于TI-AWR1243P芯片的车载毫米波雷达系统设计与实现 |
| 5.1 引言 |
| 5.2 TI-AWR1243P芯片性能指标 |
| 5.3 多片级联模式下车载毫米波雷达系统的天线排布 |
| 5.3.1 虚拟阵列技术 |
| 5.3.2 天线布阵方式 |
| 5.4 多片级联模式下车载毫米波雷达系统的帧结构设计 |
| 5.4.1 目标撒点设置与系统参数 |
| 5.4.2 共解模糊模块的双模式帧结构 |
| 5.5 多片级联模式下车载毫米波雷达系统的信号处理方案设计 |
| 5.6 多天线同时发送解速度模糊方案设计 |
| 5.6.1 多重频解速度模糊方案原理 |
| 5.6.2 多天线同时发送解速度模糊方案设计 |
| 5.6.3 仿真结果分析 |
| 5.7 天线阵列误差自校正方案设计 |
| 5.7.1 天线相位误差模型 |
| 5.7.2 天线相位校正算法 |
| 5.7.3 天线相位校正算法性能仿真 |
| 5.8 系统实测分析 |
| 5.9 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 作者简介(包括论文和成果清单) |
（8）毫米波雷达信号处理与精密测量应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 毫米波雷达国内外研究进展 |
| 1.3 主要研究内容与技术路线 |
| 2 毫米波雷达基本理论 |
| 2.1 雷达体制和探测性能 |
| 2.2 FMCW雷达信号调制 |
| 2.3 FMCW雷达测距测速原理 |
| 2.4 测距测速算法实现 |
| 2.5 本章小结 |
| 3 毫米波雷达精密测距算法改进研究 |
| 3.1 频率法粗测距误差源 |
| 3.2 频谱细分算法 |
| 3.3 谱线校正算法 |
| 3.4 频谱细分与谱线校正联合算法 |
| 3.5 本章小结 |
| 4 毫米波雷达三维测量研究 |
| 4.1 雷达三维测量原理 |
| 4.2 一发多收雷达测角 |
| 4.3 多发多收雷达三维定位 |
| 4.4 三维坐标转换算法改进 |
| 4.5 本章小结 |
| 5 毫米波雷达测量系统构建 |
| 5.1 FMCW雷达硬件系统开发 |
| 5.2 FMCW雷达数据采集软件开发 |
| 5.3 FMCW雷达测量系统测试 |
| 5.4 本章小结 |
| 6 毫米波雷达精密测量应用 |
| 6.1 高铁桥梁动态挠度测量背景 |
| 6.2 车桥振动动力学原理 |
| 6.3 动挠度信号的时频分析方法 |
| 6.4 高铁桥振动试验方案 |
| 6.5 振动检测结果与分析 |
| 6.6 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）基于英飞凌TriCore汽车毫米波雷达设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文研究内容及章节安排 |
| 2 汽车毫米波雷达系统与调制波形设计 |
| 2.1 汽车毫米波系统总体方案设计 |
| 2.1.1 汽车毫米波雷达系统技术指标 |
| 2.1.2 汽车毫米波雷达系统功能组成 |
| 2.1.3 汽车毫米波雷达系统硬件设备选择 |
| 2.1.4 汽车毫米波雷达硬件方案 |
| 2.1.5 汽车毫米波雷达软件方案 |
| 2.2 毫米波雷达波形调制设计与分析 |
| 2.2.1 慢速斜波模式FMCW调制 |
| 2.2.2 快速斜波模式FMCW调制 |
| 2.2.3 距离-多普勒耦合效应仿真分析 |
| 2.2.4 快速斜波模式与慢速斜波模式优缺点比较 |
| 2.3 距离、速度和角度分辨率分析及多目标仿真 |
| 2.3.1 距离分辨率 |
| 2.3.2 速度分辨率 |
| 2.3.3 角度分辨率 |
| 2.3.4 快速斜波模式的多目标仿真分析 |
| 2.4 本章小结 |
| 3 汽车毫米波雷达测角方法及仿真分析 |
| 3.1 汽车毫米波雷达相位测角方法 |
| 3.1.1 两天线相位测角方法的原理 |
| 3.1.2 相位测角法的仿真分析 |
| 3.1.3 两天线实测分析 |
| 3.2 基于MIMO体制的测角方法 |
| 3.2.1 MUSIC测角原理 |
| 3.2.2 3D-FFT测角原理 |
| 3.2.3 3D-FFT仿真分析 |
| 3.2.4 3D-FFT实测分析 |
| 3.3 一种改进的多天线2D-FFT测角方法 |
| 3.3.1 多天线2D-FFT测角流程 |
| 3.3.2 多天线2D-FFT测角精度和角分辨率仿真分析 |
| 3.3.3 多天线2D-FFT实测分析 |
| 3.4 本章小结 |
| 4 基于英飞凌TriCore硬件平台的系统实现 |
| 4.1 基于TriCore毫米波雷达硬件设计 |
| 4.1.1 TC264DA芯片简介 |
| 4.1.2 DAC转换电路 |
| 4.1.3 微带天线设计 |
| 4.1.4 CAN接口电路 |
| 4.1.5 中频差分放大电路 |
| 4.2 基于TriCore毫米波雷达系统软件实现 |
| 4.2.1 线性调频脉冲信号实现 |
| 4.2.2 ADC模块并行等距采样与传输 |
| 4.2.3 目标角度计算 |
| 4.2.4 CAN模块的数据读取 |
| 4.3 基于DMA传输的雷达二维FFT处理 |
| 4.3.1 数据截位的理论分析 |
| 4.3.2 ADC数据DMA传输处理流程框图 |
| 4.3.3 数据截位的实验分析 |
| 4.4 本章小结 |
| 5 系统测试与分析 |
| 5.1 快速斜波模式下的英飞凌TriCore硬件平台调试 |
| 5.2 距离指标的测试分析 |
| 5.3 角度指标的测试分析 |
| 5.4 动态路测 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
（10）基于类目标干扰抑制的FMCW手势识别算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 第1章 引言 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 手势识别技术研究现状 |
| 1.2.2 基于雷达的类目标抑制研究现状 |
| 1.2.3 基于深度学习的手势识别研究现状 |
| 1.3 本文研究内容以及章节安排 |
| 第2章 基于类目标抑制的FMCW手势识别方案设计 |
| 2.1 引言 |
| 2.2 FMCW雷达手势识别系统方案 |
| 2.3 FMCW雷达参数图计算原理 |
| 2.3.1 FMCW雷达中频信号获取 |
| 2.3.2 距离估计及其分辨率 |
| 2.3.3 速度估计及其分辨率 |
| 2.3.4 相位补偿基本原理 |
| 2.4 类目标滤除原理 |
| 2.4.1 噪声检测原理 |
| 2.4.2 卡尔曼滤波原理 |
| 2.5 卷积神经网络手势特征提取原理 |
| 2.5.1 卷积层原理 |
| 2.5.2 激活函数原理 |
| 2.5.3 传播算法原理 |
| 2.6 实验平台和参数设置 |
| 2.6.1 FMCW雷达平台及数据采集流程 |
| 2.6.2 AWR1642雷达的前端参数选取 |
| 2.7 本章小结 |
| 第3章 手势参数提取及类目标抑制 |
| 3.1 引言 |
| 3.2 中频信号预处理 |
| 3.2.1 FMCW雷达中频信号 |
| 3.2.2 多项式相位误差校正 |
| 3.3 手势目标参数提取 |
| 3.3.1 基于FFT的距离参数提取 |
| 3.3.2 基于2D-FFT的多普勒参数计算 |
| 3.3.3 基于MUSIC算法的角度参数提取 |
| 3.4 基于卡尔曼滤波的干扰抑制算法 |
| 3.4.1 背景消除及目标检测 |
| 3.4.2 基于卡尔曼滤波的类目标抑制 |
| 3.4.3 实验与分析 |
| 3.5 本章小结 |
| 第4章 基于双流融合卷积神经网络的手势识别算法 |
| 4.1 引言 |
| 4.2 多维参数数据集预处理 |
| 4.3 基于双流融合网络的手势特征提取 |
| 4.3.1 RDM参数特征提取 |
| 4.3.2 ATM参数特征提取 |
| 4.4 手势时序特征提取 |
| 4.4.1 时序特征的提取 |
| 4.4.2 特征融合 |
| 4.5 实验验证与分析 |
| 4.5.1 实验数据 |
| 4.5.2 实验结果分析 |
| 4.6 本章小结 |
| 第5章 总结与展望 |
| 5.1 本文工作总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间从事的科研工作及取得的成果 |
四、频域动态压缩方法在FMCW毫米波雷达中的应用（论文参考文献）
- [1]车载毫米波雷达抗干扰方法研究[D]. 郑朋. 桂林电子科技大学, 2021(02)
- [2]24GHz MCS基站与车载雷达的干扰研究[D]. 杨旭. 华北电力大学(北京), 2021(01)
- [3]移动设备上毫米波手势识别系统设计与实现[D]. 董子禾. 北京邮电大学, 2021(01)
- [4]基于毫米波雷达的身份识别技术研究[D]. 曹佳禾. 浙江大学, 2021(01)
- [5]汽车前视防撞雷达抗交叉干扰技术研究[D]. 周宽. 天津职业技术师范大学, 2020(06)
- [6]面向汽车智能驾驶的毫米波雷达建模与仿真研究[D]. 李鑫. 吉林大学, 2020
- [7]车载毫米波雷达中的参数估计算法设计与系统实现[D]. 李杨. 东南大学, 2020(01)
- [8]毫米波雷达信号处理与精密测量应用研究[D]. 罗翔. 中国矿业大学, 2020(01)
- [9]基于英飞凌TriCore汽车毫米波雷达设计与实现[D]. 张小卫. 西南科技大学, 2020(08)
- [10]基于类目标干扰抑制的FMCW手势识别算法研究[D]. 赵泽东. 重庆邮电大学, 2020(02)