D3 Embedded毫米波雷达传感器实现无人机探测

本文最初由D3 Embedded首席产品线经理Tom Mayo发布于LinkedIn，经D3 Embedded授权转载。

在当今全球军事冲突中，探测小型消费级无人机是一项重要任务。这类无人机正被越来越多地用于低成本作战，而反无人机系统的高昂成本和数量不足则成为致命短板。当前市场需要一种可大规模部署的低成本解决方案。

D3 Embedded自毫米波雷达技术问世以来，便与德州仪器展开合作，涉及天线与射频设计、硬件设计、嵌入式信号处理及可视化等多个领域，并提供了多种雷达传感器与解决方案。其中一款基于德州仪器IWR6843芯片，配备每个收发器24个贴片的天线阵列，如图1所示。该设计使每个收发器的天线增益达到19 dBi，相比单贴片设计的5 dBi，在收发增益上均提升了14 dB。通过这一改进，传感器的波束宽度从标准的120度收窄至20度。该传感器尺寸约为3英寸（75毫米）见方，可通过5伏电压、低于2瓦功耗供电，数据接口为USB，配合适配接口板使用。

在芯片自身限制条件下，D3 Embedded对探测处理链进行了优化，使其能够在75米及更远距离探测到重量为250克的无人机。

实现这一成果的几个关键因素包括：

优化探测矩阵内存的使用，在距离分辨率与目标chirp数量之间取得平衡。

最大化目标chirp数量，以获得额外6 dB的增益。

同时使用三个发射器，获得额外5 dB的增益。

结合距离和多普勒信息，即便目标处于运动状态也能实现识别。

在开展这项技术演示时，团队的目标是探测一款市售的250克级无人机，所使用的是图2所示的常见产品。该类无人机的雷达散射截面约为0.05平方米，相比之下，一个人的雷达散射截面约为1平方米。团队将传感器正对上方放置，通过控制无人机在传感器上方升降来调整其位置。

图2 – 250克无人机

此次演示的主要目的是为这类小尺寸远距离目标的探测提供起点并验证可行性，而非开发量产解决方案。根据以往经验，每位客户的需求都不尽相同，团队的专长之一便是与客户协作，为每个应用场景优化定制方案。

本次雷达配置每帧使用128个重复chirp，三个发射器同时工作。团队将每个chirp的采样点数减少至64个，虽然这降低了距离分辨率，但所有chirp累积的能量有助于最大化信噪比。这种组合方式确保探测矩阵大小不超过16 KB。频率chirp斜率为10 MHz/微秒，使IWR6843的最大探测距离达到约150米。每个chirp持续时间为5.120微秒，配合64个采样点，距离分辨率约为3米。

由于同时使用三个发射器，且天线阵列间距并非lambda/2（若采用该间距，可简化运算使IWR6843单独完成处理），团队省略了到达角估计。就视场而言，发射与接收阵列分别为4×6和6×4贴片排列，两者波束宽度虽有差异，但综合结果为约20度的3 dB波束宽度。基于设备规格、射频设计与chirp配置，路径预测结果如图3所示。图中的“余量”参数具有一定的主观设定性，团队据此调整以反映实际观测结果。

图3 – 路径预测

在完成上述传感器与软件配置后，团队使用第二代可视化工具的测试版对数据进行了实时采集与显示。所选视图为距离多普勒热力图，如图4所示。在该视图中，目标会以暖色调呈现，横轴为距离，纵轴为多普勒速度。如图所示，无人机距离约80米，多普勒速度略为正值，表明其正在远离传感器。图中零距离附近的红色区域及最大距离处的溢出信号，为近场场景（即传感器本身及附近其他物体）。图5展示了无人机视角的画面。

图4 – 距离多普勒热力图

图5 – 无人机视角画面

通过此次演示，团队证明了利用低成本毫米波雷达方案，即便是最小型的无人机也能实现远距离探测。

团队提出了以下几种定制化改进思路：

在主机端进行到达角估计

利用微多普勒分类技术区分无人机与鸟类

雷达与视觉融合

多传感器协同工作以覆盖更广视场

D3 Embedded致力于帮助客户根据具体需求定制此类解决方案。如需就此方案展开合作以满足您的定制化需求，请联系相关邮箱。

相关网络研讨会

如果您想进一步了解毫米波雷达传感器及其与智能成像技术结合的应用方式，可注册参加D3 Embedded即将举办的网络研讨会“多模态传感如何赋能物理AI：智能成像与毫米波雷达的结合”，时间为10月8日太平洋夏令时上午9点。

Q&A

Q1：D3 Embedded的毫米波雷达传感器能探测多远的无人机？

A：该传感器基于德州仪器IWR6843芯片，通过优化探测处理链，能够在75米及更远距离探测到重量为250克的小型无人机。

Q2：这款雷达传感器的天线设计有什么特点？

A：该传感器采用每个收发器24个贴片的天线阵列，天线增益达19 dBi，相比单贴片设计提升14 dB，波束宽度从标准的120度收窄至20度，尺寸约3英寸见方，功耗低于2瓦。

Q3：这项无人机探测技术未来还可以如何改进？

A：团队提出了多个改进方向，包括在主机端进行到达角估计、利用微多普勒分类区分无人机与鸟类、雷达与视觉融合，以及采用多传感器协同工作以覆盖更广视场。