矩阵束法在FMCW雷达干扰抑制中的应用与优化

1. 项目背景与核心价值

在毫米波雷达信号处理领域，FMCW（调频连续波）雷达因其成本低、功耗小、分辨率高等优势，已成为自动驾驶、智能家居、工业检测等场景的首选方案。然而实际部署中，多台同频段雷达同时工作时产生的互干扰问题，会导致虚假目标检测、信噪比恶化等严重后果。传统频域滤波、时域门限等方法在应对复杂干扰环境时往往力不从心。

矩阵束法（Matrix Pencil）作为一种高分辨率的参数估计算法，最初用于电磁散射分析，近年来被引入雷达信号处理领域。其核心优势在于：

• 对密集多径信号具有亚波长级分辨能力
• 无需预设信号模型阶数
• 计算复杂度显著低于MUSIC等子空间算法

这篇论文的创新点在于将矩阵束法适配到FMCW雷达的干扰抑制场景，通过信号子空间分解实现干扰成分的精准提取与剔除。我在车载雷达项目中实测发现，该方法在-10dB干信比条件下仍能保持90%以上的真实目标检出率。

2. 矩阵束法原理精要

2.1 数学模型构建

假设接收到的混合信号包含K个复指数分量（含目标回波与干扰）：

code复制x(n) = Σ β_k exp(jω_k n) + w(n), n=0,1,...,N-1

其中ω_k=2πf_k为角频率，β_k为复幅度，w(n)为噪声。构建Hankel矩阵：

code复制       | x(0)   x(1)   ...  x(L)  |
X = | x(1)   x(2)   ... x(L+1)|
       | :        :            :     |
       | x(N-L) ...  x(N-1) |

L为束参数（Pencil Parameter），通常取N/3~N/2。

2.2 关键算法步骤

1. 奇异值分解降噪：

   python复制U, S, V = svd(X)
   # 保留前K个大奇异值（MDL准则确定K）
   X_filtered = U[:,:K] @ np.diag(S[:K]) @ V[:K,:] 
   

2. 构建矩阵束：

   python复制X1 = X_filtered[:-1,:]  # 删除最后一行
   X2 = X_filtered[1:,:]    # 删除第一行