1. FMCW雷达干扰问题与分数傅里叶变换的机遇在79GHz频段工作的车载FMCW雷达其线性调频连续波LFM信号极易受到同频段其他雷达设备的干扰。这种干扰会导致雷达检测性能显著下降——实测数据显示强干扰环境下目标检测的虚警率可能升高30倍以上。传统时域滤波或频域陷波方法对LFM型干扰的抑制效果有限因为它们无法同时兼顾时频二维特性。分数傅里叶变换FrFT的独特价值在于其时频旋转特性。当旋转角度απ/2时FrFT退化为标准傅里叶变换当α0时即为原始时域信号。对于调频斜率为μ的LFM信号存在特定角度α₀arccot(-μ)使其在分数域呈现冲激函数特性。这意味着干扰信号的LFM成分可在最优分数域被压缩为窄带峰值目标信号具有不同调频斜率在该分数域仍保持扩散状态通过简单的阈值处理即可实现干扰精准滤除2. 离散分数傅里叶变换的工程实现挑战2.1 DFrFT的三种主流实现方式实际工程中需采用离散分数傅里叶变换DFrFT主要实现方式包括特征分解法基于Hermite-Gaussian函数的离散化实现数学表达式F^α Σ λ_k^α u_k u_k^H优势严格满足旋转可加性缺陷计算复杂度O(N^3)N512时需约1.34亿次运算线性调频乘法法通过时频调制实现计算流程时域伸缩→线性调频相乘→FFT→二次调频相乘复杂度O(N logN)问题边界效应显著需50%以上补零正交投影法基于离散傅里叶矩阵特征向量平衡了计算精度与效率本文采用的EMDFrFT即基于此方法优化2.2 EMDFrFT算法创新高效多角度离散分数傅里叶变换EMDFrFT通过三项关键技术提升性能对称性利用仅计算0≤α≤π/2范围的变换利用F^(απ/2) F^α F^(π/2)性质推导其他象限角度采样优化根据(15)式确定最小采样数Nα⌈(N/2M)α_max⌉1实验显示M64时性能损失2%计算量降低23倍从7.87×10^6次降至3.44×10^5次补零策略将N512扩展至896点改善边界效应3. 干扰抑制算法IMfrac的完整实现3.1 系统参数配置基于Table I-III的实测参数建议# 雷达系统参数 f_start 79e9 # 起始频率79GHz BW 0.25e9 # 带宽250MHz T_ramp 12.8e-6 # 扫频时间12.8μs N 512 # 快时间采样点 M 128 # 慢时间采样数 # IMfrac算法参数 N_alpha 113 # 分数角采样数 alpha_max 80 # 最大旋转角度(度) G 20 # 保护单元数 beta 20 # CFAR检测阈值(dB)3.2 核心处理流程多角度DFrFT计算for k 1:N_alpha alpha alpha_max*(k-1)/(N_alpha-1); S_alpha EMDFrFT(s, alpha); [peaks, locs] findpeaks(abs(S_alpha)); end干扰检测与消除采用CA-CFAR检测器保护单元G20参考窗Φ235满足|WαsI|[n] β·σ^2时置零处理补零版本需进行时频域裁剪恢复原始尺寸信号重构通过逆DFrFT恢复时域信号计算距离-多普勒谱RD fft2(reshape(s, N, M))4. 性能实测与工程优化建议4.1 量化评估结果在250组快慢时间序列测试中参数见表II关键指标对比如下方法MSE(×10^-4)SINR(dB)EVM(%)FAR(%)无抑制92.718.328.46.2时域置零15.325.112.73.8斜坡滤波[5]8.629.49.22.1IMfrac(本文)3.238.74.50.7IMfrac(补零)1.842.13.10.44.2 实际部署注意事项计算资源分配在TI TDA2x处理器上N512点EMDFrFT耗时约1.2ms建议采用并行计算架构处理多通道数据参数自适应策略// 动态调整Nα的示例代码 if (interferer_num 1) { N_alpha min(113, 57 28*interferer_num); alpha_max 80 10*log2(interferer_num); }边界效应处理补零可提升约15%的干扰检测率实际应用中建议保留5%-10%的过渡带5. 技术演进方向多径环境扩展将冲激响应建模为h(t) Σa_iδ(t-τ_i)在分数域表现为多个相关峰需改进CFAR检测器硬件加速方案基于Xilinx RFSoC的DFrFT IP核设计利用对称性减少50%乘法器资源与深度学习融合# 神经网络辅助角度选择示例 model CNN() alpha_hat model(RD_map) S_alpha EMDFrFT(s, alpha_hat)实测表明在复杂城区场景下本文方法可使雷达探测距离提升35%同时将虚警率控制在1%以下。这种时频联合处理框架也为5G NR-V2X中的同频干扰问题提供了新思路。
