FMCW 到底在"调"什么频率？
FMCW（调频连续波）雷达发射的不是固定频率，而是一段连续扫频的波，频率随时间线性变化，比如从 76GHz 扫到 77GHz 再回来。目标回波被延迟后返回，和当前发射频率之间就出现一个频率差，叫差频。
这个差频和目标的往返时间成正比，而往返时间就是距离。所以"距离"被编码进了频差里。扫频范围越宽，距离分辨越细。
距离是怎么从差频算出来的？
发射频率按斜率 S 上升，目标延迟 τ 后回波频率比发射低（或高）了 S·τ。差频 f_b = S·τ，而 τ = 2R/c，于是 R = c·f_b / (2S)。一次回波就能解出距离，不需要像脉冲雷达那样掐时间。
关键点：差频只和距离有关，和速度无关——至少在单次扫频内是这样。这就给"同时测距测速"留出了另一条线索。
速度又是靠什么线索？
运动目标会让回波叠加一个多普勒频移 f_d = 2v/λ，λ 是波长。这个频移和速度直接相关，和距离无关。于是同一段回波里，既藏着距离（差频），也藏着速度（多普勒）。
问题是两者在同一个信号里，怎么分开？靠"快时间"和"慢时间"两个维度做两次 FFT：快时间维解距离，慢时间维（跨多次扫频）解多普勒，得到距离-速度二维谱。
一个目标会不会距离速度算串？
理想单目标不会，但真实路面常有多目标、强反射、多径。二维 FFT 后每个"峰"对应一个 (距离, 速度) 单元，算法再聚类成目标。距离速度耦合、镜像目标、静止杂波是主要干扰源。
所以雷达好不好，一半在硬件带宽，一半在后面的信号处理把耦合和杂波解干净。
测距测速的精度大概在什么水平？
| 指标 | 公开参考水平 | 说明 |
|---|---|---|
| 测距精度 | 厘米级 | 依赖带宽与 SNR |
| 测速精度 | 优于 0.1m/s | 依赖相干积累时间 |
| 距离分辨 | 0.3m 上下 | 由扫频带宽决定 |
| 最大不模糊速度 | 受 PRF 限制 | 超速会速度模糊 |
上表为行业公开参考，具体以器件与算法实测为准。
为什么车载几乎都用 FMCW？
因为它发射连续波、峰值功率低、容易做小、适合近距离高精度，且 77GHz 附近天线尺寸小、能塞进车标和保险杠。相比脉冲体制，FMCW 在车载量产里更成熟可控。
这也是为什么 76–81GHz 成了车载雷达的主频段——带宽够、器件够、法规也放开了。
理解了测距测速，下一步看什么？
距离速度解决"在哪、多快"，但还缺"在哪个方向"，这就引出测角，而测角要靠多天线形成的孔径，尤其 MIMO 虚拟孔径。把三维（距离、速度、方位）再补上俯仰，才是 4D 成像。
结论：FMCW 用差频算距离、用多普勒算速度，靠快/慢时间二维 FFT 把两者分开。测距精度厘米级、测速优于 0.1m/s 是公开参考水平，车载选它是因为小天线、低峰值功率和成熟量产。理解这三维后，测角与 4D 才接得上。
FMCW 是怎么同时拿到距离和速度的？
调频连续波发射的是频率随时间线性变化的锯齿波或三角波。目标回波有延迟，本振和回波混频后得到一个差频，差频大小正比于距离；而目标在运动又会让回波产生多普勒频移，叠加在差频上。解调这两部分，就能分开解出距离和速度。
正因为距离和速度耦合在同一个差频里，单一锯齿波在高速目标上会出现速度模糊，所以实际常用对称三角波，用上下扫频段的两个差频联立求解。这一步是后续所有测角与目标跟踪的物理基础。
实现上还要考虑 ADC 采样率、啁啾斜率和扫频带宽的匹配：带宽越大距离分辨率越高，但硬件线性度和处理压力也越大，需要按目标场景权衡。
这些原理落到工程上，最终都变成对天线、波形和算力的具体约束，理解物理边界才能合理分配指标。
需要强调的是，理论极限和量产可用之间隔着温区、工艺和干扰，判方案时要把余量留够。
MIMO 虚拟孔径靠什么“凭空”增加天线？
MIMO 的思路是让多颗发射天线用互不相同的波形依次发射，接收端靠波形正交性把每一发每一收的链路分开。N 发 M 收理论上能形成 N×M 个虚拟通道，等于用少量物理天线换出远大于此的孔径。
虚拟孔径变密，角分辨率就上去，能区分更近的两个目标。代价是波形设计和信号处理更复杂，对同步、隔离和算力都有更高要求，这也是为什么 MIMO 雷达对域控平台更挑剔。
值得注意，虚拟通道数不是越大越好：通道间隔离不足、幅相一致性差，会直接毁掉合成孔径的质量。所以 MIMO 的收益建立在硬件和校准都到位的前提下。
需要强调的是，理论极限和量产可用之间隔着温区、工艺和干扰，判方案时要把余量留够。
很多“玄学”问题追到底都是基础物理量没对齐，比如同步误差直接变成测角噪声，绕不开。
为什么 4D 成像要补一个俯仰维？
传统车载雷达只有方位角，分不清前方一辆大车和“大车顶上的行人”，容易漏掉高位目标。4D 成像雷达通过增加俯仰通道，把仰角也测出来，目标在三维空间里有了高度信息，静态与高位障碍的判别能力明显增强。
有了高度，AEB 才能判断“前方是龙门架还是真实障碍”，减少误刹；泊车和匝道场景里也能更好地区分路肩、护栏和可通行区域。这是 4D 相比普通雷达最直观的能力跃迁。
但俯仰维也带来数据量和算力翻倍，点云密度、超分辨算法和域控带宽都要重新评估。我们建议按功能等级决定俯仰通道数，而不是盲目堆满。
很多“玄学”问题追到底都是基础物理量没对齐，比如同步误差直接变成测角噪声，绕不开。
建议把关键公式和约束做成内部速查表，新人上手和跨团队沟通都能少走弯路。
测角为什么离不开超分辨算法？
硬件通道数有限时，靠波束扫描得到的角分辨力受限于孔径。超分辨算法（如 MUSIC、ESPRIT 类思路或基于稀疏重建的方法）能在不增加天线的情况下，把靠得很近的两个目标在角度上拆开。
当然算法不是万能，低信噪比下超分辨会不稳定。工程上通常把经典波束形成做粗测、超分辨做精修，再用跟踪滤波平滑，既保住稳定性又不浪费硬件分辨率。
实际部署还要考虑实时性：超分辨对算力不友好，必须在域控上做好定点化和流水线，否则会拖慢整帧处理周期，影响感知时延。
建议把关键公式和约束做成内部速查表，新人上手和跨团队沟通都能少走弯路。
原理吃透之后，面对奇怪的现场现象才不会盲目调参，而是能倒推最可能的物理根因。
