<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[XYTengC的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/XYTengC</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; XYTengC]]></copyright><item><title><![CDATA[使用AWR1843和DCA1000采集原始ADC数据]]></title><link>https://blog.youkuaiyun.com/XYTengC/article/details/143687879</link><guid>https://blog.youkuaiyun.com/XYTengC/article/details/143687879</guid><author>XYTengC</author><pubDate>Mon, 11 Nov 2024 16:12:19 +0800</pubDate><description><![CDATA[3、5V/2.5A（电流要求不小于2.5A）电源、电源线、USB线*2、网线、AWR1843与DCA1000连接的带状线。]]></description><category></category></item><item><title><![CDATA[RODNet论文阅读]]></title><link>https://blog.youkuaiyun.com/XYTengC/article/details/141104860</link><guid>https://blog.youkuaiyun.com/XYTengC/article/details/141104860</guid><author>XYTengC</author><pubDate>Mon, 12 Aug 2024 11:52:19 +0800</pubDate><description><![CDATA[从雷达信号中提取语义信息是困难的。作者提出了一个深度雷达目标检测网络(RODNet)，纯粹从经过处理的雷达频率数据中以距离-方位频率热图(RAMaps)的格式有效地检测目标。引入了三种不同的基于3D自编码器的架构来预测输入RAMaps的每个片段的对象置信度分布。然后使用后处理方法计算最终的检测结果，称为基于位置的非最大抑制(L-NMS)。相对于使用繁琐的人工标记的地面真值，取而代之使用一种新的3D定位方法使用相机-雷达融合(CRF)策略自动生成的注释来训练RODNet。]]></description><category></category></item></channel></rss>