毫米波雷达天线罩设计指导1(TI文档)

摘要

在过去的几十年里,雷达技术已经从导弹控制、地面监视、空中交通管制等军事应用发展到众多汽车和工业应用,如自适应巡航控制、停车辅助、自动停车、运动和存在检测、液位传感、计数等。为了使雷达传感器在这些应用中完美地执行,关键要确保天线罩或外壳的设计能够最大限度地减少对雷达传感器天线的电气和环境干扰。本应用报告介绍了天线罩设计,并强调了在考虑雷达传感器性能的同时设计毫米波天线罩的关键注意事项。它描述了天线罩设计考虑的概念,以及天线罩测试和鉴定。给出了不同天线罩结构的实例,并给出了相应的设计仿真和测量结果。

1 介绍和挑战

天线罩(雷达天线罩)是一种电磁透明防护罩,将毫米波雷达传感器和天线包裹起来。它保护毫米波天线和电子设备免受外部环境的影响,如雨、阳光、风,提供结构防风雨外壳。天线罩对天线发射或接收的电磁信号的衰减最小,因此对无线电波应有效透明。

在某些情况下,天线罩可以被构造成一个透镜,故意改变波束的特性。这种天线罩或透镜需要使用电磁仿真工具,结合天线和所需的视场进行设计。

根据特定终端设备的需要,天线罩可以构造成几种形状,如平面、球形和测地线形状,这些形状会对雷达传感器的辐射方向图或视场和最大可达距离产生一定影响。天线罩材料的选择,如玻璃纤维、聚碳酸酯涂层织物和聚碳酸酯,通常取决于目标应用环境的用途。

2 天线罩设计元素

2.1 了解天线罩和天线设计中的介电常数和损耗正切

为了了解电磁波在材料中的传播,必须了解材料的本构参数,如介电常数、磁导率和电导率。这些本构参数表征了材料的电磁性能。从这些参数中,必须特别注意选择具有最佳相对介电常数(Er)或介电常数(Dk)的天线罩材料。(大多数天线罩是用非磁性介质材料设计的,使得相对磁导率= 1,电导率= 0。)信号衰减或"损失"是由于电磁波在天线罩结构边界处的反射或由于天线罩材料本身的多次反射而发生的。这主要是由于天线罩相对于空气的介电常数(Dk)的差异。介电常数(Dk)表示材料的反射性和折射率。一般来说,与空气相比,电磁信号在穿过天线罩时可以被认为是"减速"的。

损耗正切的定义:介电损耗量化了介电材料电磁能量的固有耗散。它可以用损耗角δ或相应的损耗正切tan δ来参数化。

介电常数和损耗正切一起确定了天线罩与天线系统相结合的传输效率,两者都是在预期的工作频率下理想条件下测量。介电损耗量化了介电材料电磁能量的固有耗散。它可以用损耗角δ或相应的损耗正切tan(δ)来参数化。介电常数和损耗正切越低,天线罩对天线性能的影响越小。理想情况下Dk应该接近于1,因为自由空间Dk是1。然而,使用Dk=1(聚苯乙烯泡沫)的材料是不切实际的,因为它们不适合天线罩的其他目标(美观,成本和环境坚固性)。需要注意的是,不是天线设计迫使Dk>1,而是天线罩材料特性和可用性。

2.2 天线罩边界处的阻抗失配

电磁波反射发生在失配平面边界处。该失配平面可以看作是两种介电性质不同的介质的边界,即如图2-1所示的介电常数不同的介质。

图2-1 介电介质间失配边界

通过观察阻抗失配平面上的电磁波相互作用,可以更好地理解这些由阻抗失配引起的反射。电磁波在这些平面上的相互作用导致波在介质边界处的反射和透射,用反射系数Γ和透射系数τ量化。反射系数为反射Er与入射Ei电场强度之比,透射系数为透射Et与入射Ei电场强度之比,如式1、式2所示。

(1)

(2)

备注:(1)和(2)是仅在单一界面边界处的反射。

从本质上讲,会有多次反射发生在天线罩材料内,并导致如图2-2所示的积累。这就产生了由入射波(Eri)产生的反射波(ErT)和透射波(EtT)。

图2-2 介电介质在边界的多次反射

天线罩内反射可以简化为如图2-3所示。自由空间或空气波阻抗约为377Ω,因此天线罩内的波阻抗为377/Ω。电磁波将从空气-天线罩界面和天线罩-空气界面反射回来。

图2-3 在天线罩边界的反射(假设天线罩有坚固的单壁)

2.3 天线罩壁厚

天线罩的壁厚对毫米波雷达传感器的最佳性能起着至关重要的作用。重要的是要确保天线罩壁厚等于雷达波长的整数倍/2,以便天线罩在毫米波频率范围内"接近透明"。天线罩的厚度如式3所示。天线罩材料中的波长相对于自由空气变得更短,并且是材料介电常数的反函数,如式4所示。

(3)

(4)

这里,

= 使天线罩透明的最佳天线罩壁厚度或目标厚度。

n:1,2,3...

λm:材料的波长

C:光速

f:使用的平均载波频率(例如,典型的60-64 GHz带宽为62 GHz)

ε r:相对介电常数

一般来说,天线罩的性能主要取决于使用频率、厚度、εr、入射角和形状。对于正入射情况,公式4给出的最佳厚度如图2-4和图2-5所示。

图2-4 不同频率入射波下天线罩最佳厚度与介电系数的关系

图2-5 不同介电系数下天线罩最佳厚度与频率的关系

2.4 天线到天线罩距离

天线与天线罩内表面之间的最佳距离有助于将天线罩引起的反射影响降到最低。如果返回到天线的波与发射波相位一致,这些影响就会变得很小。式5给出了天线与天线罩之间的最佳距离

(5)

这里,

n:1,2,3...

λ 0:空气中波长

D:天线罩和天线之间最佳距离

3 典型天线罩材料示例

对于天线罩的设计,建议选用介电常数(Dk)和损耗正切(Df)较低的材料。天线罩中使用的典型材料有PBT(聚对苯二甲酸丁二酯)、有机玻璃、聚碳酸酯、聚四氟乙烯®(PTFE)、聚苯乙烯和ABS。重要的是要避免金属固定物和涂层(特别是金属涂料,会显著降低信号强度),参见[10]。

此外,所使用的材料在性质上应该是均匀的,以便在天线罩本身内不产生任何额外的Dk边界,设计的目标是墙壁是固体的,内部没有气泡或其他材料碎片。有一种天线罩设计采用了不同材料的夹层结构,主要是为了提高强度和可能的带宽,但这些类型不在本文档中介绍。

表3-1 不同天线罩材料的介电常数和耗散系数

|----------------|-----------------------|-------------------------------|
| Materials | Permittivity (εr) | Dissipation Factor (tanδ) |
| Polycarbonate | 2.9 | 0.012 |
| ABS | 2.0-3.5 | 0.0050-0.019 |
| PEEK | 3.2 | 0.0048 |
| PTFE (Teflon®) | 2 | <0.0002 |
| Plexiglass® | 2.6 | 0.009 |
| Glass | 5.75 | 0.003 |
| Ceramics | 9.8 | 0.0005 |
| PE | 2.3 | 0.0003 |
| PBT | 2.9-4.0 | 0.002 |

4 天线罩角度相关误差

根据天线罩的类型,在天线罩材料中传播的距离可能与角度有关。当天线罩距离为矩形时,越高的掠射角,穿过的天线罩壁越大。在弯曲的天线罩中,无论是在视轴还是在较高掠射角下,穿过天线罩的距离都是相同的;因此,与角度相关的误差会更小。

4.1 矩形天线罩角度相关误差

通过天线罩视轴的电传播距离相当于天线罩壁的厚度。然而,这个距离随着到达角度的增加而增加,导致角度估计误差增大。如图4-1所示。

这种现象背后的理论是这样的,如果天线罩壁厚设计为λ/2(半波长),那么雷达信号通过内壁表面的往返,然后从外壁反射回来,引入了从内壁发射的净180°相移(180°-180°+ 180°)。

因此,在矩形天线罩的视轴处,内壁的反射由于同相而相互抵消,导致净反射较低。然而,当从视轴移动到更高的入射角时,毫米波信号传播的距离大于"最佳厚度"或"半波长"。这会导致天线罩界面边界处的多次反射,从而导致天线辐射方向图中的波纹并导致零点。这些波纹和零点会导致在较高掠射角下物体的检测不一致,从而导致角度估计误差。这种影响可以通过减小雷达视场的天线罩壁来抵消,然而,这也会损害天线罩的强度。

图4-1 矩形天线罩壁上不同掠射角度的传播距离

4.2 球面天线罩角度相关误差

弧形球形天线罩的传输距离如图4-2所示。在这种情况下,在不同的掠射角度下,天线罩的性能可以显示出与视轴相似。

图4-2 不同掠射角度下球面天线罩壁的传播距离

4.3 角度误差对应用的影响

矩形天线罩和球形天线罩的角度估计误差对被探测目标的影响如图4-3和图4-4所示。由于矩形天线罩在高掠角下移动距离较大,相对于球形天线罩结构,矩形天线罩更容易产生角度估计误差。物体可能看起来偏离了原来的位置。这种角度估计误差随着目标与雷达距离的增大而增大。

图4-3 矩形天线罩角度估计误差影响图

图4-4 球形天线罩角度估计误差影响

相关推荐
泰迪智能科技011 小时前
高校深度学习视觉应用平台产品介绍
人工智能·深度学习
盛派网络小助手1 小时前
微信 SDK 更新 Sample,NCF 文档和模板更新,更多更新日志,欢迎解锁
开发语言·人工智能·后端·架构·c#
Eric.Lee20212 小时前
Paddle OCR 中英文检测识别 - python 实现
人工智能·opencv·计算机视觉·ocr检测
cd_farsight2 小时前
nlp初学者怎么入门?需要学习哪些?
人工智能·自然语言处理
AI明说2 小时前
评估大语言模型在药物基因组学问答任务中的表现:PGxQA
人工智能·语言模型·自然语言处理·数智药师·数智药学
Focus_Liu2 小时前
NLP-UIE(Universal Information Extraction)
人工智能·自然语言处理
PowerBI学谦2 小时前
使用copilot轻松将电子邮件转为高效会议
人工智能·copilot
audyxiao0013 小时前
AI一周重要会议和活动概览
人工智能·计算机视觉·数据挖掘·多模态
Jeremy_lf3 小时前
【生成模型之三】ControlNet & Latent Diffusion Models论文详解
人工智能·深度学习·stable diffusion·aigc·扩散模型