墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
2.4k累计阅读
2.5k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
DCA1000EVM遵循UDP协议，支持14条预定义命令。DCA1000EVM的配置和状态通过配置端口进行通信。数据端口用于传输原始模式/数据分离模式的数据。
1.DCA1000命令格式
1）通过配置端口接收命令并且在同一端口返回响应。
2）命令请求协议包括以下几个部分：
• Header
a. Header
b. Command code
c. Data size
• Data
• Footer
3）命令协议包括
• Header
a. Header
b. Command code
• Status
• Footer
2.数据形式
DCA1000EVM通过数据端口向主机发送原始模式/数据分离模式的数据。
•原始模式数据格式:DCA1000EVM发送原始模式数据的格式如下。
•数据分离模式数据格式:DCA1000EVM发送数据分离模式数据的格式如下。
原始模式数据格式:原始模式下，文件存储格式如
毫米波雷达器件ADC原始数据捕获
毫米波雷达器件ADC原始数据捕获 本应用程序报告演示了如何解释使用Capture Demo或Mmwave Studio捕获的原始模数转换器(ADC)数据。针对不同的硬件设置，分别讨论了获取原始ADC数据的格式。Matlab代码片段提供给需要开发自定义代码进行数据处理的工程师。
自动驾驶感知——毫米波雷达
毫米波雷达分类毫米波雷达的信号频段毫米波雷达工作原理车载毫米波雷达的重要参数FMCW雷达的工作流程单目标距离估计多目标距离估计单目标速度估计多目标速度估计。
毫米波雷达的自我学习——TI毫米波雷达数据的BIN存储
与复杂数据的非交错模式类似，在真实数据的非交错模式下，给定RX的所有数据都存储在一个内存块中，然后存储下一个内存块中下一个RX的所有数据。通常TI的系列雷达如IWR1642、IWR6843采集长时间的数据都是需要使用DCA1000的，不过我们用于学习毫米波雷达传感器的基础知识，其实可以不需要使用DCA1000，使用串口就可以采集到一帧的数据了。在非交错格式中，将给定RX的所有数据存储在单个内存块中，然后存储在另一个内存块中的下一个RX的所有数据。例如，所有的RX0数据都按顺序存储，然后是所有的RX1数据。
使用DCA1000和EVM板进行数据采集
目录 1. 准备工作 1.1 硬件 1.2 软件 2. 驱动安装 3. 设置静态IP地址 4. 采集数据 5. 采集的数据文件的格式 6. 数据采集存储的数据流 参考资料 1. 准备工作 1.1 硬件 EVM板，电源线（5V，>2.5A），USB线 DCA1000，电源线（5V，>2A），USB线，网线，60pin Samtec cable 1.2 软件 mmWave Studio Matlab Runtime Engine v8.5.1 将DCA1000和EVM板
SP70C毫米波雷达数据解析
SP70C毫米波雷达数据解析
【TI毫米波雷达】DCA1000EVM+mmWave Studio数据采集的MIMO模式设置（多天线发射工作模式）
【TI毫米波雷达】DCA1000EVM+mmWave Studio数据采集的MIMO模式设置（多天线发射工作模式）
强化学习之课程学习法
课程学习是一种有计划的学习方法，模拟人类学习的过程。它通过设置逐步增加难度的任务序列，让学习系统从简单的任务开始，逐渐过渡到复杂任务。这一方法可以显著提高训练效率，避免智能体一开始就面临过于复杂的任务，从而导致学习过程困难。逐步难度增加：从简单的任务开始，逐步增加任务的难度，直到智能体能够解决最复杂的任务。动态调整：根据智能体的学习进展，动态调整任务的难度，保证学习的过程始终处于一个适当的挑战性范围。
深入探讨 VQ-VAE：理解变分量化自动编码器
VQ-VAE代表"Variational Quantized Variational Autoencoder"，是一种生成模型，通常用于处理高维数据，如图像和音频。它的设计灵感来自于变分自动编码器（VAE）和量化方法，结合了它们的优点，使得 VQ-VAE 能够生成高质量的数据，并在数据表示上引入离散性。VQ-VAE 是一种强大的生成模型，结合了变分自动编码器和量化方法的优点。它在图像和音频生成、数据压缩和生成性对抗网络等领域具有广泛的应用。
手把手教你解决Kernel panic报错：init找不到的5种排查方法（附NFS挂载实战）
本文深入解析了Linux系统启动时出现“Kernel panic - not syncing: No working init found”报错的根本原因，并提供了五种系统性的排查方法。文章结合NFS挂载根文件系统的实战场景，详细阐述了从动态链接库依赖、内核引导参数、NFS权限配置、文件系统完整性到内核配置干扰的完整排查路径，帮助开发者快速定位并解决这一常见的系统启动故障。
高速SerDes均衡技术解析
均衡技术是高速SerDes链路中补偿信道损耗和失真的核心技术，通过FFE、CTLE和DFE三种主要方法对抗码间干扰(ISI)。FFE在发射端预补偿前光标干扰，CTLE通过提升高频增益补偿信道损耗，DFE则精准消除后光标干扰。三种技术各具优势：FFE实现简单且不放大噪声，CTLE功耗低易于集成，DFE能自适应调整且保持信噪比。这些技术协同工作可有效提升系统传输速率和可靠性。
Qwen3.6-27B本地部署实战：LM Studio配置、硬件门槛与避坑指南
大语言模型本地部署是当前AI工程落地的核心能力之一，其本质是将高参数量模型（如27B级）在受限硬件环境下实现低延迟、高稳定推理。关键技术原理涵盖量化压缩（如GGUF格式与q4_k_m精度权衡）、GPU显存分配策略（KV Cache管理与Offloading机制）、以及运行时环境兼容性（CUDA驱动、llama.cpp后端版本）。该能力直接决定私有化AI应用的技术可行性与成本边界，广泛应用于企业知识库构建、代码辅助、长文档分析等对数据主权和响应确定性要求高的场景。本文聚焦Qwen3.6-27B这一典型27B模
PID调参避坑手册：用APM/PX4飞控让无人机稳如老狗
本文提供了一份针对APM/PX4飞控的PID调参实战指南。文章从理解PID控制原理出发，详细解析了级联控制结构，并给出了从内环到外环的五步调参流程与数据日志分析方法，帮助无人机爱好者避开常见误区，实现稳定飞行。
STM32：TTL串口调试
TTL只需要两个线就可以完成两个设备之间的双向通信，一个发送电平的I/O称之为TX，与另一个设备的接收I/O口RX相互连接。两设备之间还需要连接地线(GND)，这样两设备就有相同的0V参考电势。
大模型——Ollama简明教程
在这篇文章中，我们将了解如何使用 Ollama、如何在 Ollama 中创建自己的模型 以及如何使用 Ollama 构建聊天机器人。这是深入研究 Ollama 的第一部分，以及我所学到的有关本地 LLM 的知识以及如何将它们用于基于推理的应用程序。在这篇文章中，你将了解——
Outlook Express 6 (OE6) for Win7/Win8/Win10
英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。
android 蓝牙通讯demo
android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。
NTscan扫描工具
ntscan是一个扫描器，可以扫描没有密码和弱密码的共享，先到配置文件中填写猜测的用户名和密码，扫描过程中右侧出现的是扫描日志。
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
9303
扫一扫
