乾貨| 利用Python實現FMCW雷達的距離都卜勒估計

熟悉的標題，熟悉的內容，熟悉的...，What？竟然不是MATLAB，沒錯，這篇文章我們來看看如何通過Python實現FMCW雷達的距離都卜勒估計。

為什麼要用Python呢，作為一個千年MATLAB黨（嘿嘿嘿），用久了就會發現這個東西更像是一個工具軟體，拿去搞搞算法驗證之類的是不可否認的強大。而Python作為一個通用的程式語言，在實際應用中的好處自然是不言而喻。通過利用一些第三方的庫比如numpy,scipy和matplotlab也可以進行同樣的科學計算。

OK，廢話少說，速速回到正題。關於如何利用MATLAB對FMCW雷達的距離和都卜勒估計前不久有寫一篇，

乾貨 | 利用MATLAB實現FMCW雷達的距離都卜勒估計

下面我們就如何利用Python得到FMCW雷達的距離都卜勒估計進行介紹。

首先是關於環境搭建，作為一個不折不扣的懶人（哭），一想到要一個個的添加庫，瞬間哭瞎，於是便奔向了Anaconda。最終的環境是WINDOWS+Pycharm+Anaconda,採用了將Anaconda集合在Pycharm中的方法。

然後回到算法本身，通過對FMCW雷達接收數據分別在快時間維和慢時間維先後進行FFT處理即可得到目標的距離和都卜勒估計。下面的圖給出了具體的算法流程。

最後回到代碼上來，具體還是得看實現。下面貼出了如何利用Python進行FMCW雷達的距離和都卜勒估計的代碼，在實現的過程中，我們主要用到了numpy,scipy 這兩個科學計算的庫以及matplotlib用於數值可視化的繪圖類庫。在這幾個庫的支撐下，利用Python與MATALB的結果幾乎沒有差別。

# coding=utf-8import numpy as npimport matplotlib.pyplot as pltimport scipy as spfrom mpl_toolkits.mplot3d import Axes3D# parameters settingB = 135e6  # Sweep BandwidthT = 36.5e-6  # Sweep TimeN = 512  # Sample LengthL = 128  # Chirp Totalc = 3e8  # Speed of Lightf0 = 76.5e9  # Start FrequencyNumRangeFFT = 512  # Range FFT LengthNumDopplerFFT = 128  # Doppler FFT LengthrangeRes = c/2/B  # Range ResolutionvelRes = c/2/f0/T/NumDopplerFFT  # Velocity ResolutionmaxRange = rangeRes * NumRangeFFT/2  # Max RangemaxVel = velRes * NumDopplerFFT/2  # Max VelocitytarR = [50, 90]  # Target RangetarV = [3, 20]  # Target Velocity# generate receive signalS1 = np.zeros((L, N), dtype=complex)for l in range(0, L):    for n in range(0, N):        S1[l][n] = np.exp(np.complex(0, 1) * 2 * np.pi * (((2 * B * (tarR[0] + tarV[0] * T * l))/(c * T) + (2 * f0 * tarV[0])/c) * (T/N) * n + (2 * f0 * (tarR[0] + tarV[0] * T * l))/c))S2 = np.zeros((L, N), dtype=complex)for l in range(0, L):    for n in range(0, N):        S2[l][n] = np.exp(np.complex(0, 1) * 2 * np.pi * (((2 * B * (tarR[1] + tarV[1] * T * l))/(c * T) + (2 * f0 * tarV[1])/c) * (T/N) * n + (2 * f0 * (tarR[1] + tarV[1] * T * l))/c))sigReceive = S1 + S2# range win processingsigRangeWin = np.zeros((L, N), dtype=complex)for l in range(0, L):    sigRangeWin[l] = sp.multiply(sigReceive[l], sp.hamming(N).T)# range fft processingsigRangeFFT = np.zeros((L, N), dtype=complex)for l in range(0, L):    sigRangeFFT[l] = np.fft.fft(sigRangeWin[l], NumRangeFFT)# doppler win processingsigDopplerWin = np.zeros((L, N), dtype=complex)for n in range(0, N):    sigDopplerWin[:, n] = sp.multiply(sigRangeFFT[:, n], sp.hamming(L).T)# doppler fft processingsigDopplerFFT = np.zeros((L, N), dtype=complex)for n in range(0, N):    sigDopplerFFT[:, n] = np.fft.fft(sigDopplerWin[:, n], NumDopplerFFT)

簡單run一下，可以得到最終的結果為，對比一下左邊MATLAB的結果，Python的科學計算結果並未有明顯差別。

還在猶豫什麼，快來和我一起用Py吧~

題圖：Pexels，From Pixabay.