跳频技术在雷达系统中应用的数学原理-CSDN博客

跳频技术在雷达系统中应用的数学原理

引言

在现代雷达技术的发展历程中，如何同时准确测量目标的距离和速度一直是一个核心挑战。传统的调频连续波（FMCW）雷达虽然在许多应用场景中表现出色，但面对复杂的多目标环境时，往往会遇到距离-速度耦合的问题。这就像我们在雾天开车，不仅要判断前车的距离，还要判断它的速度，而这两个信息可能会相互干扰。跳频技术的引入，为解决这一难题提供了一种方案。

从传统FMCW说起

要理解跳频技术的价值，我们先回顾一下传统FMCW雷达的工作原理。FMCW雷达发射的是频率随时间线性变化的连续波信号，就像一个音调不断升高的哨音。当这个信号遇到目标反射回来时，由于传播时间的延迟，接收信号相对于当前发射信号会有一个频率差，这个频率差正比于目标距离。

数学上，发射信号可以表示为：

$st(t)=exp⁡[j2π(f0t+μt22)]s_t(t) = \exp\left[j2\pi\left(f_0 t + \frac{\mu t^2}{2}\right)\right]$

其中 $f_0$ 是起始频率， $μ=B/T\mu = B/T$ 是调频斜率， $B$ 是扫频带宽， $T$ 是扫频周期。

对于距离为 $R$ 的静止目标，回波信号经历了 $τ=2R/c\tau = 2R/c$ 的时间延迟，混频后得到的中频信号频率为：

$fIF=μτ=2μRcf_{IF} = \mu \tau = \frac{2\mu R}{c}$

这个简单的线性关系让我们可以通过测量频率来确定距离。然而，当目标运动时，情况变得复杂起来。

运动目标带来的挑战

当目标以速度 $v$ 运动时，不仅会产生传统的多普勒频移，还会影响FMCW的测距结果。这是因为在每个扫频周期内，目标的距离都在变化。假设我们发射多个连续的chirp信号（这在实际雷达中很常见，用于提高信噪比和测量精度），第 $m$ 个chirp的回波延迟变成：

$τm=2(R0+v⋅mT)c\tau_m = \frac{2(R_0 + v \cdot m T)}{c}$

这里 $R_0$ 是初始距离， $m T$ 是到第 $m$ 个chirp的时间。

这种随时间变化的延迟会在两个维度上影响测量结果。在单个chirp内（快时间维度），速度会引入额外的频率偏移；在多个chirp之间（慢时间维度），会产生多普勒频移。更麻烦的是，这两种效应相互耦合，使得我们难以准确分离距离和速度信息。

跳频技术的引入

跳频技术的核心思想是让每个chirp使用不同的起始频率。具体来说，第 $m$ 个chirp的起始频率设置为：

$fm=f0+(m−1)Δff_m = f_0 + (m-1)\Delta f$

其中 $Δf\Delta f$ 是频率步进量。这样，发射信号变成：

$st(t^,tm)=exp⁡[j2π(fmt^+μt^22)]s_t(\hat{t}, t_m) = \exp\left[j2\pi\left(f_m \hat{t} + \frac{\mu \hat{t}^2}{2}\right)\right]$

这里我们用 $t^\hat{t}$ 表示快时间（chirp内的时间）， $t_m = (m-1)T$ 表示慢时间。

当我们对接收信号进行处理时，跳频会在多普勒维度引入一个与距离相关的频移，这个额外的信息维度正是解决耦合问题的关键。

数学推导：跳频如何解耦

让我们详细推导跳频后的信号处理过程。目标的回波信号为：

$sr(t^,tm)=exp⁡[j2π(fm(t^−τ)+μ(t^−τ)22)]s_r(\hat{t}, t_m) = \exp\left[j2\pi\left(f_m(\hat{t} - \tau) + \frac{\mu(\hat{t} - \tau)^2}{2}\right)\right]$

其中延迟 $τ\tau$ 包含了距离和速度的影响：

$τ=2R0c+2vtmc\tau = \frac{2R_0}{c} + \frac{2v t_m}{c}$

混频后的中频信号经过推导可得：

$sIF(t^,tm)=exp⁡[j2π(2μR0ct^+2fmvctm+2μvTcmtm+其他项)]s_{IF}(\hat{t}, t_m) = \exp\left[j2\pi\left(\frac{2\mu R_0}{c}\hat{t} + \frac{2f_m v}{c}t_m + \frac{2\mu v T}{c}mt_m + \text{其他项}\right)\right]$

这个表达式看起来复杂，但我们可以通过二维傅里叶变换来分析它。对快时间 $t^\hat{t}$ 进行FFT，得到距离维频率：

$fIF=2μR0c+2μvtmcf_{IF} = \frac{2\mu R_0}{c} + \frac{2\mu v t_m}{c}$

对慢时间 $t_m$ 进行FFT，并注意到 $fm=f0+tmΔf/Tf_m = f_0 + t_m \Delta f / T$ ，得到多普勒频率：

$fdo=2f0vc+2ΔfR0cT+2ΔfvtmcTf_{do} = \frac{2f_0 v}{c} + \frac{2\Delta f R_0}{cT} + \frac{2\Delta f v t_m}{cT}$

这里出现了关键的一项： $2ΔfR0cT\frac{2\Delta f R_0}{cT}$ 。这是跳频引入的、与距离成正比的多普勒频移。正是这一项，让我们能够建立起一个可解的方程组。

联立求解：距离和速度的分离

现在我们有两个方程，包含两个未知数 $R_0$ 和 $v$ ：

$[fIFfdo]=[2μc2μtmc2ΔfcT2fcc][R0v]\begin{bmatrix} f_{IF} \\ f_{do} \end{bmatrix} = \begin{bmatrix} \frac{2\mu}{c} & \frac{2\mu t_m}{c} \\ \frac{2\Delta f}{cT} & \frac{2f_c}{c} \end{bmatrix} \begin{bmatrix} R_0 \\ v \end{bmatrix}$

其中 $f_c$ 是中心频率。这个线性方程组的系数矩阵是可逆的（只要 $Δf≠0\Delta f \neq 0$ ），因此我们可以唯一地解出：

$[R0v]=[2μc2μtmc2ΔfcT2fcc]−1[fIFfdo]\begin{bmatrix} R_0 \\ v \end{bmatrix} = \begin{bmatrix} \frac{2\mu}{c} & \frac{2\mu t_m}{c} \\ \frac{2\Delta f}{cT} & \frac{2f_c}{c} \end{bmatrix}^{-1} \begin{bmatrix} f_{IF} \\ f_{do} \end{bmatrix}$

这就实现了距离和速度的解耦测量。

跳频带来的额外好处

除了解决距离-速度耦合问题，跳频技术还带来了一个意想不到的好处：在速度维上的距离分辨能力。考虑两个速度相同但距离略有差异的目标，它们在距离维FFT中可能无法分辨（因为距离差小于 $c / (2 B)$ ），但由于跳频的存在，它们会在多普勒谱上产生不同的频移：

$Δfdo=2Δf⋅ΔRcT\Delta f_{do} = \frac{2\Delta f \cdot \Delta R}{cT}$

只要这个频率差大于多普勒分辨率 $1/ (MT)$ ，我们就能在速度维上将它们区分开。这相当于雷达获得了一种"超分辨"能力，可以分辨的最小距离差为：

$ΔRmin=c2MΔf\Delta R_{min} = \frac{c}{2M\Delta f}$

这个分辨率与传统的距离分辨率 $c / (2 B)$ 是互补的，为雷达系统提供了更灵活的目标分辨能力。

实际应用中的考虑

在实际的雷达系统设计中，跳频参数的选择需要综合考虑多个因素。频率步进 $Δf\Delta f$ 不能太小，否则解耦效果不明显；也不能太大，否则会增加系统的复杂度和成本。典型的选择是让 $Δf\Delta f$ 与单个chirp的带宽 $B$ 相当，这样可以在不显著增加总带宽的情况下实现有效的解耦。chirp数量 $M$ 的选择则主要影响速度测量精度和数据率。更多的chirp意味着更好的速度分辨率和信噪比，但也意味着更长的观测时间。在跟踪快速移动目标时，需要在精度和实时性之间找到平衡。信号处理的实现也需要特别注意。由于跳频会在多普勒谱上引入与距离相关的偏移，传统的恒虚警（CFAR）检测算法可能需要修改。一种常见的做法是先进行距离-速度解耦，然后在真实的距离-速度域进行目标检测。

性能分析与验证

从理论分析可以看出，跳频技术并不会改变基本的距离和速度分辨率。距离分辨率仍然由总的扫频带宽决定：

$ΔR=c2Bs\Delta R = \frac{c}{2B_s}$

速度分辨率仍然由总的观测时间决定：

$Δv=c2MTfc\Delta v = \frac{c}{2MTf_c}$

但跳频确实改变了模糊函数的形状，使得距离和速度的测量更加独立。这在多目标环境中特别有价值，可以避免"鬼影"目标的出现。

附录A：跳频FMCW雷达推导

A.1 混频过程的完整推导

在主文中，我们简化了混频过程的推导。这里给出完整的数学细节。

发射信号的复数形式为：
$st(t^,tm)=exp⁡[j2π(fmt^+μt^22)]s_t(\hat{t}, t_m) = \exp\left[j2\pi\left(f_m \hat{t} + \frac{\mu \hat{t}^2}{2}\right)\right]$

其中 $fm=f0+(m−1)Δff_m = f_0 + (m-1)\Delta f$ ，可以写成：
$fm=f0+tmTΔff_m = f_0 + \frac{t_m}{T}\Delta f$

这里 $t_m = (m-1)T$ 是第 $m$ 个chirp的起始时刻。

目标回波信号考虑完整的时变延迟：
$τ(t^,tm)=2[R0+v(tm+t^)]c\tau(\hat{t}, t_m) = \frac{2[R_0 + v(t_m + \hat{t})]}{c}$

为了简化分析，我们通常采用"停走停"近似，即在单个chirp内认为目标距离不变：
$τ(tm)≈2(R0+v⋅tm)c\tau(t_m) \approx \frac{2(R_0 + v \cdot t_m)}{c}$

这个近似在 $\cdot T \ll R_0$ 时是合理的。

回波信号为：
$sr(t^,tm)=A⋅exp⁡[j2π(fm(t^−τ)+μ(t^−τ)22)]s_r(\hat{t}, t_m) = A \cdot \exp\left[j2\pi\left(f_m(\hat{t} - \tau) + \frac{\mu(\hat{t} - \tau)^2}{2}\right)\right]$

其中 $A$ 是包含路径损耗和目标反射系数的复振幅。

混频器输出为发射信号和接收信号的共轭相乘：
$sIF(t^,tm)=sr(t^,tm)⋅st∗(t^,tm)s_{IF}(\hat{t}, t_m) = s_r(\hat{t}, t_m) \cdot s_t^*(\hat{t}, t_m)$

展开后得到：
$sIF=A⋅exp⁡[j2π(fm(t^−τ)+μ(t^−τ)22−fmt^−μt^22)]s_{IF} = A \cdot \exp\left[j2\pi\left(f_m(\hat{t} - \tau) + \frac{\mu(\hat{t} - \tau)^2}{2} - f_m\hat{t} - \frac{\mu\hat{t}^2}{2}\right)\right]$

A.2 相位项的详细展开

让我们逐项展开混频后的相位：

$ϕIF=2π[−fmτ+μt^(t^−τ)−μ(t^−τ)22+μ(t^−τ)22−μt^22]\phi_{IF} = 2\pi\left[-f_m\tau + \mu\hat{t}(\hat{t} - \tau) - \frac{\mu(\hat{t} - \tau)^2}{2} + \frac{\mu(\hat{t} - \tau)^2}{2} - \frac{\mu\hat{t}^2}{2}\right]$

简化后：
$ϕIF=2π[−fmτ+μτt^−μτ22]\phi_{IF} = 2\pi\left[-f_m\tau + \mu\tau\hat{t} - \frac{\mu\tau^2}{2}\right]$

将 $τ=2R0c+2vtmc\tau = \frac{2R_0}{c} + \frac{2vt_m}{c}$ 和 $fm=f0+tmΔfTf_m = f_0 + \frac{t_m\Delta f}{T}$ 代入：

$ϕIF=2π[−(f0+tmΔfT)(2R0c+2vtmc)+2μR0ct^+2μvtmct^−μτ22]\phi_{IF} = 2\pi\left[-\left(f_0 + \frac{t_m\Delta f}{T}\right)\left(\frac{2R_0}{c} + \frac{2vt_m}{c}\right) + \frac{2\mu R_0}{c}\hat{t} + \frac{2\mu v t_m}{c}\hat{t} - \frac{\mu\tau^2}{2}\right]$

展开所有项：
$ϕIF=2π[−2f0R0c−2f0vtmc−2ΔfR0tmcT−2Δfvtm2cT+2μR0ct^+2μvtmct^−μτ22]\phi_{IF} = 2\pi\left[-\frac{2f_0R_0}{c} - \frac{2f_0vt_m}{c} - \frac{2\Delta f R_0 t_m}{cT} - \frac{2\Delta f v t_m^2}{cT} + \frac{2\mu R_0}{c}\hat{t} + \frac{2\mu v t_m}{c}\hat{t} - \frac{\mu\tau^2}{2}\right]$

A.3 二维傅里叶变换分析

中频信号可以写成：
$sIF(t^,tm)=A⋅exp⁡[jϕIF(t^,tm)]s_{IF}(\hat{t}, t_m) = A \cdot \exp[j\phi_{IF}(\hat{t}, t_m)]$

对快时间 $t^\hat{t}$ 的傅里叶变换：
$SIF(ft^,tm)=∫−T/2T/2sIF(t^,tm)exp⁡(−j2πft^t^)dt^S_{IF}(f_{\hat{t}}, t_m) = \int_{-T/2}^{T/2} s_{IF}(\hat{t}, t_m) \exp(-j2\pi f_{\hat{t}} \hat{t}) d\hat{t}$

由于相位中 $t^\hat{t}$ 的系数为 $2π(2μR0c+2μvtmc)2\pi\left(\frac{2\mu R_0}{c} + \frac{2\mu v t_m}{c}\right)$ ，峰值出现在：
$fIF=2μR0c+2μvtmcf_{IF} = \frac{2\mu R_0}{c} + \frac{2\mu v t_m}{c}$

对慢时间 $t_m$ 的傅里叶变换更加复杂，因为相位中包含 $t_m$ 的一次项和二次项。忽略二次项（在 $MΔfvT/c≪1M\Delta f v T/c \ll 1$ 的条件下），主要的频率分量为：
$fdo=12π∂ϕIF∂tm=2f0vc+2ΔfR0cTf_{do} = \frac{1}{2\pi}\frac{\partial \phi_{IF}}{\partial t_m} = \frac{2f_0 v}{c} + \frac{2\Delta f R_0}{cT}$

这里出现了关键的交叉项 $2ΔfR0cT\frac{2\Delta f R_0}{cT}$ 。

A.4 矩阵形式和求逆计算

将两个频率方程写成矩阵形式（取 $t_m$ 的中点值）：
$[fIFfdo]=[2μcμ(M−1)Tc2ΔfcT2fcc][R0v]\begin{bmatrix} f_{IF} \\ f_{do} \end{bmatrix} = \begin{bmatrix} \frac{2\mu}{c} & \frac{\mu(M-1)T}{c} \\ \frac{2\Delta f}{cT} & \frac{2f_c}{c} \end{bmatrix} \begin{bmatrix} R_0 \\ v \end{bmatrix}$

其中 $fc=f0+(M−1)Δf2f_c = f_0 + \frac{(M-1)\Delta f}{2}$ 是中心频率。

系数矩阵的行列式为：
$det⁡(A)=2μc⋅2fcc−μ(M−1)Tc⋅2ΔfcT\det(A) = \frac{2\mu}{c} \cdot \frac{2f_c}{c} - \frac{\mu(M-1)T}{c} \cdot \frac{2\Delta f}{cT}$

$\frac{4\mu f_c}{c^2} - \frac{2\mu(M-1)\Delta f}{c^2}$

$\frac{2\mu}{c^2}\left[2f_c - (M-1)\Delta f\right]$

$\frac{2\mu}{c^2}\left[2f_0 + (M-1)\Delta f - (M-1)\Delta f\right] = \frac{4\mu f_0}{c^2}$

逆矩阵为：
$A−1=c24μf0[2fcc−μ(M−1)Tc−2ΔfcT2μc]A^{-1} = \frac{c^2}{4\mu f_0} \begin{bmatrix} \frac{2f_c}{c} & -\frac{\mu(M-1)T}{c} \\ -\frac{2\Delta f}{cT} & \frac{2\mu}{c} \end{bmatrix}$

简化后：
$A−1=[cfc2μf0−(M−1)T2f0−cΔf2μf0Tc2f0]A^{-1} = \begin{bmatrix} \frac{cf_c}{2\mu f_0} & -\frac{(M-1)T}{2f_0} \\ -\frac{c\Delta f}{2\mu f_0 T} & \frac{c}{2f_0} \end{bmatrix}$

A.5 高阶效应和误差分析

在上述推导中，我们做了几个近似：

停走停近似的误差：
实际延迟为 $τ(t^)=2[R0+v(tm+t^)]c\tau(\hat{t}) = \frac{2[R_0 + v(t_m + \hat{t})]}{c}$

近似误差为： $Δτ=2vt^c\Delta\tau = \frac{2v\hat{t}}{c}$

引起的相位误差： $Δϕ=2πfmΔτ=4πfmvt^c\Delta\phi = 2\pi f_m \Delta\tau = \frac{4\pi f_m v \hat{t}}{c}$

当 $4πfmvTc<π\frac{4\pi f_m v T}{c} < \pi$ 时，这个误差可以忽略。
二次项的影响：
慢时间相位中的二次项 $2Δfvtm2cT\frac{2\Delta f v t_m^2}{cT}$ 会导致多普勒谱展宽。

频谱展宽量： $Δfspread=2ΔfvMTcT=2MΔfvc\Delta f_{spread} = \frac{2\Delta f v M T}{cT} = \frac{2M\Delta f v}{c}$

当 $Δfspread<1MT\Delta f_{spread} < \frac{1}{MT}$ 时可以忽略。
距离走动补偿：
在长相干处理时间内，目标可能移动多个距离单元。距离走动量为：
$ΔRwalk=v⋅MT\Delta R_{walk} = v \cdot M T$

如果 $ΔRwalk>c2B\Delta R_{walk} > \frac{c}{2B}$ ，需要进行距离走动补偿。

A.6 跳频间隔的优化设计

频率步进 $Δf\Delta f$ 的选择需要满足多个约束：

解耦条件：矩阵 $A$ 必须可逆，即 $Δf≠0\Delta f \neq 0$ 。
避免盲速：当 $2ΔfR0cT=k⋅PRF\frac{2\Delta f R_0}{cT} = k \cdot PRF$ （ $k$ 为整数）时，会出现多普勒模糊。
为避免这种情况：
$Δf≠kcT2Rmax⁡\Delta f \neq \frac{kcT}{2R_{\max}}$
最大不模糊速度：考虑多普勒模糊，最大不模糊速度为：
$vmax⁡=c4fcT−ΔfRmax⁡2fcTv_{\max} = \frac{c}{4f_c T} - \frac{\Delta f R_{\max}}{2f_c T}$
速度维距离分辨率：在速度维可分辨的最小距离差为：
$ΔRv−res=c2MΔf\Delta R_{v-\text{res}} = \frac{c}{2M\Delta f}$

为了充分利用这个能力，通常选择：
$Δf=c2M⋅ΔRdesired\Delta f = \frac{c}{2M \cdot \Delta R_{desired}}$

A.7 信号处理流程的矩阵表示

实际信号处理中，通常采用矩阵运算来提高效率。设采样后的信号矩阵为 $S∈CN×M\mathbf{S} \in \mathbb{C}^{N \times M}$ ，其中 $N$ 是快时间采样点数， $M$ 是chirp数。

二维FFT可以表示为：
$Y=FNSFMH\mathbf{Y} = \mathbf{F}_N \mathbf{S} \mathbf{F}_M^H$

其中 $FN\mathbf{F}_N$ 和 $FM\mathbf{F}_M$ 分别是 $N$ 点和 $M$ 点的DFT矩阵。

跳频引起的相位补偿可以表示为对角矩阵：
$P=diag(exp⁡[−j2π2ΔfRncTm])\mathbf{P} = \text{diag}\left(\exp\left[-j2\pi\frac{2\Delta f R_n}{cT}m\right]\right)$

补偿后的信号为：
$Ycomp=Y⊙P\mathbf{Y}_{comp} = \mathbf{Y} \odot \mathbf{P}$

其中 $⊙\odot$ 表示Hadamard积（逐元素相乘）。

A.8 克拉默-拉奥下界（CRLB）分析

跳频FMCW雷达的参数估计精度可以通过克拉默-拉奥下界来评估。对于距离和速度的联合估计，Fisher信息矩阵为：

$J=2SNRN0[∣∂s∂R0∣2Re{∂sH∂R0∂s∂v}Re{∂sH∂v∂s∂R0}∣∂s∂v∣2]\mathbf{J} = \frac{2\text{SNR}}{N_0} \begin{bmatrix} \left|\frac{\partial \mathbf{s}}{\partial R_0}\right|^2 & \text{Re}\left\{\frac{\partial \mathbf{s}^H}{\partial R_0}\frac{\partial \mathbf{s}}{\partial v}\right\} \\ \text{Re}\left\{\frac{\partial \mathbf{s}^H}{\partial v}\frac{\partial \mathbf{s}}{\partial R_0}\right\} & \left|\frac{\partial \mathbf{s}}{\partial v}\right|^2 \end{bmatrix}$

经过推导，距离和速度估计的方差下界为：

$var(R^0)≥c28π2SNRB2\text{var}(\hat{R}_0) \geq \frac{c^2}{8\pi^2 \text{SNR} B^2}$

$var(v^)≥c28π2SNRfc2(MT)2\text{var}(\hat{v}) \geq \frac{c^2}{8\pi^2 \text{SNR} f_c^2 (MT)^2}$

跳频的引入不会改变这些理论下界，但会改善实际估计器接近理论下界的能力，特别是在多目标环境中。

附录B：跳频技术与DD-MIMO的结合应用

B.1 DD-MIMO雷达基础

分布式数字MIMO（DD-MIMO）雷达是现代雷达技术的重要发展方向。与传统的相控阵雷达不同，MIMO雷达通过多个发射天线同时发射正交波形，多个接收天线同时接收回波，通过信号处理技术实现虚拟孔径的扩展。在DD-MIMO系统中，假设有 $N_T$ 个发射天线和 $N_R$ 个接收天线，可以形成 $NT×NRN_T \times N_R$ 个虚拟通道。每个虚拟通道对应一个特定的空间位置，相当于在该位置放置了一个虚拟天线。这种技术可以用较少的物理天线实现较大的天线孔径，从而提高角度分辨率。

B.2 跳频DD-MIMO的信号模型

将跳频技术引入DD-MIMO系统，可以同时获得两种技术的优势。完整的信号模型可以表示为：

$sIF(t^,tm,n)=exp⁡[j2π(fmτ+μτt^−μτ22+ϕMIMO(n))]s_{IF}(\hat{t}, t_m, n) = \exp\left[j2\pi\left(f_m\tau + \mu\tau\hat{t} - \frac{\mu\tau^2}{2} + \phi_{MIMO}(n)\right)\right]$

其中 $n$ 是虚拟天线编号， $ϕMIMO(n)\phi_{MIMO}(n)$ 是MIMO引入的相位项：

$ϕMIMO(n)=2πλm(dx(n)sin⁡θcos⁡ϕ+dz(n)sin⁡θsin⁡ϕ)+ϕtx(n)\phi_{MIMO}(n) = \frac{2\pi}{\lambda_m}\left(d_x^{(n)}\sin\theta\cos\phi + d_z^{(n)}\sin\theta\sin\phi\right) + \phi_{tx}^{(n)}$

这里：

$d_x^{(n)}$ , $d_z^{(n)}$ 是第 $n$ 个虚拟天线相对于参考点的坐标
$θ\theta$ , $ϕ\phi$ 是目标的方位角和俯仰角
$ϕtx(n)\phi_{tx}^{(n)}$ 是发射天线移相器的固有相位
$λm=c/fm\lambda_m = c/f_m$ 是第 $m$ 个chirp的波长

注意到波长 $λm\lambda_m$ 随着跳频而变化，这带来了新的信号处理挑战和机遇。

B.3 三维联合处理

在跳频DD-MIMO系统中，接收信号是三维的：快时间（距离）、慢时间（多普勒）和空间（角度）。完整的信号处理需要在这三个维度上进行：

$s(t^,tm,n)=∑k=1KAkexp⁡[j2π(2μRkct^+fdo,ktm+ϕMIMO,k(n))]s(\hat{t}, t_m, n) = \sum_{k=1}^{K} A_k \exp\left[j2\pi\left(\frac{2\mu R_k}{c}\hat{t} + f_{do,k}t_m + \phi_{MIMO,k}(n)\right)\right]$

其中 $K$ 是目标数量， $f_{do,k}$ 包含了跳频引入的距离相关项：

$fdo,k=2vkf0c+2ΔfRkcTf_{do,k} = \frac{2v_k f_0}{c} + \frac{2\Delta f R_k}{cT}$

B.4 角度估计中的跳频效应

跳频对角度估计的影响主要体现在两个方面：

1. 波长变化引起的相位变化

不同chirp的载频不同，导致波长变化：
$λm=cf0+(m−1)Δf\lambda_m = \frac{c}{f_0 + (m-1)\Delta f}$

这会影响阵列流形向量：
$a(θ,fm)=exp⁡[j2πλmdTu(θ)]\mathbf{a}(\theta, f_m) = \exp\left[j\frac{2\pi}{\lambda_m}\mathbf{d}^T\mathbf{u}(\theta)\right]$

其中 $d\mathbf{d}$ 是天线位置向量， $u(θ)\mathbf{u}(\theta)$ 是方向向量。

2. 角度-多普勒耦合

跳频会在角度维和多普勒维之间引入耦合。对于偏离法线 $θ\theta$ 角度的目标，等效的多普勒频移为：

$Δfangle=(m−1)Δfdsin⁡θc\Delta f_{angle} = \frac{(m-1)\Delta f d \sin\theta}{c}$

这种耦合在大角度扫描时尤为明显。

B.5 扩展的参数估计

在跳频DD-MIMO系统中，需要联合估计四个参数：距离 $R$ 、速度 $v$ 、方位角 $θ\theta$ 和俯仰角 $ϕ\phi$ 。扩展的方程组为：

$[fIFfdoϕxϕz]=[2μcμ(M−1)Tc002ΔfcT2fccΔfdxcTΔfdzcT2πdxλ00102πdzλ0001][Rvsin⁡θcos⁡ϕsin⁡θsin⁡ϕ]\begin{bmatrix} f_{IF} \\ f_{do} \\ \phi_x \\ \phi_z \end{bmatrix} = \begin{bmatrix} \frac{2\mu}{c} & \frac{\mu(M-1)T}{c} & 0 & 0 \\ \frac{2\Delta f}{cT} & \frac{2f_c}{c} & \frac{\Delta f d_x}{cT} & \frac{\Delta f d_z}{cT} \\ \frac{2\pi d_x}{\lambda_0} & 0 & 1 & 0 \\ \frac{2\pi d_z}{\lambda_0} & 0 & 0 & 1 \end{bmatrix} \begin{bmatrix} R \\ v \\ \sin\theta\cos\phi \\ \sin\theta\sin\phi \end{bmatrix}$

这个4×4的系统在一定条件下是可解的，实现了四个参数的解耦估计。

B.6 虚拟孔径合成

DD-MIMO的一个关键优势是虚拟孔径合成。设发射天线位置为 $pt(i)\mathbf{p}_t^{(i)}$ ，接收天线位置为 $pr(j)\mathbf{p}_r^{(j)}$ ，则虚拟天线位置为：

$pv(i,j)=pt(i)+pr(j)\mathbf{p}_v^{(i,j)} = \mathbf{p}_t^{(i)} + \mathbf{p}_r^{(j)}$

在跳频系统中，每个频率对应的虚拟阵列响应略有不同：

$Am=exp⁡[j2πλmPvTu(θ)]\mathbf{A}_m = \exp\left[j\frac{2\pi}{\lambda_m}\mathbf{P}_v^T\mathbf{u}(\theta)\right]$

通过适当的补偿，可以将不同频率的响应对齐，实现相干合成：

$Acomp=∑m=1MwmAmexp⁡[−j2π(λm−λ0)λ0λmPvTu(θ)]\mathbf{A}_{comp} = \sum_{m=1}^{M} w_m \mathbf{A}_m \exp\left[-j\frac{2\pi(\lambda_m - \lambda_0)}{\lambda_0\lambda_m}\mathbf{P}_v^T\mathbf{u}(\theta)\right]$

B.7 跳频DD-MIMO的优势分析

1. 提高角度测量精度

跳频引入的频率分集效应可以抑制角度估计中的栅瓣和旁瓣：
$PSLRavg=1M∑m=1MPSLR(fm)<PSLR(f0)\text{PSLR}_{avg} = \frac{1}{M}\sum_{m=1}^{M}\text{PSLR}(f_m) < \text{PSLR}(f_0)$

2. 解决速度模糊

在高PRF的DD-MIMO系统中，速度模糊是一个严重问题。跳频提供的额外信息维度可以解决这个问题：
$vtrue=vmeasured+k⋅vmaxv_{true} = v_{measured} + k \cdot v_{max}$

其中 $k$ 可以通过跳频引入的距离-多普勒耦合关系确定。

3. 抗干扰能力增强

频率捷变使得系统更难被干扰。对于特定频率的干扰，只会影响部分chirp：
$SINRavg=Ps1M∑m=1MPn(fm)>PsPn(f0)\text{SINR}_{avg} = \frac{P_s}{\frac{1}{M}\sum_{m=1}^{M}P_n(f_m)} > \frac{P_s}{P_n(f_0)}$

B.8 实现中的关键技术

1. 正交波形设计

在跳频DD-MIMO中，需要保证不同发射天线的波形在所有频率上都保持正交性。一种方法是使用相位编码：

$si(t,m)=exp⁡[j2π(fmt+μt22+ϕi(m))]s_i(t, m) = \exp\left[j2\pi\left(f_m t + \frac{\mu t^2}{2} + \phi_i(m)\right)\right]$

其中 $ϕi(m)=2π(i−1)(m−1)/NT\phi_i(m) = 2\pi(i-1)(m-1)/N_T$ 保证了正交性。

2. 校准和补偿

由于跳频导致的波长变化，需要对每个频率进行阵列校准：
$Cm=diag[exp⁡(jϕcal(1)(fm)),…,exp⁡(jϕcal(N)(fm))]\mathbf{C}_m = \text{diag}\left[\exp(j\phi_{cal}^{(1)}(f_m)), \ldots, \exp(j\phi_{cal}^{(N)}(f_m))\right]$

3. 联合参数估计算法

实际实现中，通常采用迭代算法：

步骤1：固定角度，估计距离和速度
步骤2：固定距离和速度，估计角度
步骤3：重复直到收敛

B.9 性能界限分析

跳频DD-MIMO系统的克拉默-拉奥下界（CRLB）可以表示为：

$J4×4=2SNRN0[JRRJRvJRθJRϕJvRJvvJvθJvϕJθRJθvJθθJθϕJϕRJϕvJϕθJϕϕ]\mathbf{J}_{4×4} = \frac{2\text{SNR}}{N_0} \begin{bmatrix} J_{RR} & J_{Rv} & J_{R\theta} & J_{R\phi} \\ J_{vR} & J_{vv} & J_{v\theta} & J_{v\phi} \\ J_{\theta R} & J_{\theta v} & J_{\theta\theta} & J_{\theta\phi} \\ J_{\phi R} & J_{\phi v} & J_{\phi\theta} & J_{\phi\phi} \end{bmatrix}$