xhblair的博客

​ 本文对基于车载毫米波雷达的目标分类问题做了简单的探讨，阐述了我们可以做哪些分类，并从传统机器学习方法、深度学习方法实现目标分类两个方面展开论述(本文没有涉及实现目标分类的过程和细节，这部分内容本质上就是各类分类工具(算法)的具体使用，和机器学习更接近一些，读者可以从我的机器学习专栏: 机器学习_墨@#≯的博客-优快云博客做更进一步的了解),进一步地，本文重点讨论了数据集这一基于车载雷达进行目标分类的难点。 此外，文中给出的几篇参考文献可以作为感兴趣的读者做更深入理解的参考资料。

本文探讨中心极限定理，具体地，先对中心极限定理的相关概念做了介绍，随后分别仿真实践 对所述中心极限定理的两层含义做了验证。 中心极限定理有着很广泛的应用场景，在雷达目标检测中，该定理是我们将噪声建模为高斯分布的理论依据，此外，在相干/非相干积累中我们也可以基于该定理对信号的pdf做一些辅助分析。

本文是想探讨概率密度和功率谱密度，首先对相关的概念做了梳理，随后进行了简单的仿真实践。 内容其实是很简单的(不过也有点绕，我也不太清楚我有没有说清楚)，由此专门写一篇博文似乎有点滥竽充数之嫌。 这几个概念对于我们后续进行有关目标检测的各类探讨是很重要的！： 概率是我们用来评估雷达检测效果的唯一指标！而我们所倚赖的就是包括噪声、目标、杂波等的概率密度！

这里借这篇博文用来记录一下我在高校的工作感受以及后续的大体规划(特别是关于后续的博文)。

本文针对数据集中的实测数据进行了跟踪实践，实践的结果基本符合预期，本系列博文对跟踪算法的探讨是很基础的，但本系列博文的内容止步于此，读者可以在本系列博文的基础上作更深入的研究。

本文对一份典型的可用于目标跟踪实践的数据集进行了较为详尽的介绍。本文的工作主要是为后续基于数据集的目标跟踪实践打基础。当然，读者也可以基于本文所介绍的数据集做其它有意思的研究。

本文对跟踪算法做了仿真实践。首先对仿真方案做了介绍，随后在[1]的基础上对跟踪算法各模块的设计细节做了补充说明，在前述工作的基础上，仿真给出了一维匀加速运动、二维匀速运动两种目标运动模型下的目标跟踪结果，结果符合预期。本文的工作算法是跟踪算法的一个粗浅的仿真尝试，读者可以在本文的基础上设计更复杂的目标参数、场景参数等更深入地理解跟踪算法，并迭代优化该算法。

本系列博文对目标跟踪算法做了比较系统和详尽的介绍，以经典的卡尔曼滤波算法为例，分别从仿真和基于数据集的目标跟踪实现两个方面进行了实践。后续有机会我再扩展其它的滤波算法，希望该系列文章可以对读者有所帮助，欢迎批评指正！

本文对K-means算法进行了实践。首先对K-means算法进行了简单的介绍，并给出了其典型的算法流程图。随后分别给出了基于K-means算法对Iris数据集、自己生成的二维平面点簇形数据集的聚类结果。

本文对DBSCAN算法进行了实践。首先对DBSCAN算法进行了介绍，给出了其典型的算法流程图、对其涉及的两个核心概念：邻域半径和最小样本数进行了介绍，并以车载雷达数据处理为例对这两概念做了更深入的探讨。随后比较详尽地介绍了Iris数据集，并分别给出了基于DBSCAN算法对Iris数据集、自己生成的二维平面点簇形数据集的聚类结果。

本文对聚类算法做了一些宽泛性/框架性的介绍。具体地，介绍了几种聚类算法、给出了一个可用作聚类算法实践的数据集、给出了一种自己生成二维平面内点簇的方法以及生成的结果、介绍了4种聚类结果的客观评价指标。本文的工作为后续基于具体的聚类算法的实践打下了基础。

本文结合诸多参考资料，梳理了一个关于CFAR算法的框架，系统且较为详实地给出了常见的几类CFAR算法，并以加特兰的CFAR处理方案为例，给出了现有的在车载雷达工程实践上较为先进的处理方式。希望本文的工作可以对研究雷达目标检测技术的科研或工程实践人员有所帮助。

本博文对基于遗传算法和粒子群算法的多变量、多目标函数下的优化问题进行了探讨。以波束形成优化为例，使用这两种算法分别仿真了多变量(阵元幅值、相位、位置)，单一目标优化(更高的峰值旁瓣比)，多目标(设定波束指向&更高的峰值旁瓣比)优化四种情况，给出了仿真结果以及一些简单的探讨。 本博文的目的在于提供一个基础的、对于该问题的解决思路、框架和初步结果。更理想的优化结果，需要做更细节和更深入的工作。

本文从仿真以及实测两个方面探讨信号功率、噪声功率以及SNR随相干脉冲数量的变化关系。在一定的阈值下，信号功率的增长与积累数N成N^2倍的关系、噪声功率的增长与积累数N成N倍的关系、SNR的增长与积累数N成N倍的关系，不过，当积累数达到一定数量时，此时信号泄露到远端的能量会超过噪底，从而使得SNR不再会随着脉冲积累数的增加而继续增长。更细节的结论请参看2.4和3.4节。

本文围绕多脉冲积累下对SNR的影响这一问题展开，对多脉冲积累问题进行了系统介绍、详尽的仿真以及基于实测数据的分析讨论。在定性的理论分析、定量的仿真和实测数据结果支撑下，形成了以及验证了一些有益的定理和结论(见2.4以及3.2节)。本文的工作对多脉冲积累的应用(或各类相干/非相干积累应用)打下了基础。

本博文基于Rastrigin测试函数探讨粒子群算法和遗传算法的混合使用，分别给出了嵌入式混合以及串行混合下的算法流程，并对串行混合进行了仿真验证，仿真的结果验证了算法流程的可行性。 本文提供的仿真结果下，串行混合的效果不如粒子群或遗传算法单独使用时的效果，但优化混合算法参数以使得该算法的结果优于单独使用某种算法时的效果不是本文的核心目标(因为算法涉及的参数很多)。本博文的目的在于建立算法混合使用时的思路和框架。

本文讨论基于粒子群算法的波束形成优化问题，具体地：本文针对峰值旁瓣比这一波束方向图中的核心参数之一，在控制单一变量的前提下，探讨如何基于该算法分别通过优化各阵元馈电幅度、馈电相位、阵元间相对位置关系的方法来达到压低波束旁瓣(提高峰值旁瓣比)的目的。仿真的结果验证了算法的可行性和正确性。

本博文对粒子群算法做了系统性&细节性介绍：包括其相关概念、经典的处理流程等。并以一元函数寻优、二元函数寻优、01背包问题作为研究对象，探讨了如何使用粒子群算法解决这三个问题。

本文探讨柔性阵列在位置畸变下的波束方向图问题。首先对柔性阵列、波束形成的概念进行了简要说明，并结合之前的积累[1]给出了一个三维阵列下阵列因子的通用表达式，在此基础上，分别基于线阵、面阵进行了仿真实践，探讨了在不同维度下位置畸变的影响。最后在第五章，简要探讨了如何对位置畸变后的阵列进行处理以消除/减弱畸变的影响。本章的内容主要旨在搭建一个阵列畸变研究的基本框架和基础，以期对后续更深入的研究有所帮助。

本博文的内容相对简单，主要是试图理清楚关于参数估计、无偏估计、CRLB的由来和原理等概念，并以一维线阵为例，给出线阵DOA估计的CRLB、不同DOA估计算法的性能比较。后续有更多的细节和拓展我再不定期补充。

本文讨论基于遗传算法的波束形成优化问题，具体地：本文针对峰值旁瓣比这一波束方向图中的核心参数之一，在控制单一变量的前提下，探讨如何基于遗传算法分别通过优化各阵元馈电幅度、馈电相位、阵元间相对位置关系的方法来达到压低波束旁瓣(提高峰值旁瓣比)的目的。

本博文对遗传算法做了系统性&细节性介绍：包括其相关概念、经典的处理流程等。并以调度问题、旅行商问题作为研究对象，探讨了如何使用遗传算法解决这两个问题(截止2024.3.15)。如前文说明部分所述：最近在看波束形成相关内容时了解到可以用这个算法来优化阵元激励以压低旁瓣，便特地了解和学习了一下这个算法，觉得蛮有意思的，于是把这两天关于该算法的学习和实践的内容总结成了一篇博文。我后续会不定期新增遗传算法在信号处理、自动驾驶、以及人工智能等方向的应用实践示例。

本博文探讨一维成像，并介绍了一份内容非常全面且丰富的原始数据集，基于该数据集实践了几种一维成像方法。因为一维成像的数学原理相对简单且成熟，网上有诸多资料，本博文并没有涉及太多的理论/公式推导。本博文的工作为后续更高维度的成像方法研究以及基于数据集的深度学习模型训练等提供了基础，后续有机会我会出基于该数据集更多的思考和探讨。

本文梳理了雷达信号处理中的测量精度、准确度以及频谱细化的问题，简单探讨了它们三者之间的关系，给出了频谱细化的三种主要手段：补0 FFT、zoom FFT以及chirp-Z变换的介绍及其与直接FFT处理下的结果对比，仿真代码见第九章链接，同时给出了一些比较有料的参考资料。

本博文的主要目的在于实践DDM的发射模式，走通从发射、通道分离、数据处理的整个流程。本文设计了3T4R加1个Emptyband的DDM收发实验，此外也基于TDM的发射模式在相同的雷达参数和实验场景下采集了数据，并对两种发射模式下所采集的数据进行了对比分析。本文的工作实现了基于DDM的发射、数据采集以及解析处理的整个流程，为后续更深入的实践奠定了基础。

本博文的主要目的在于实践BPM的发射模式，走通从发射、通道分离、数据处理的整个流程。本文设计了两个实验，实验一采用4T4R，分别实践了TDM 和BPM两种发射模式，并对其所采集的数据进行了对比。实验二采用2T4R的BPM发射模式采集了100帧的数据，对在不同节点下进行通道分离做了对比，此外还实现了一个简单的微弱形变测量demo。

​本文放在PMCW体制雷达系列文章中，设想是对有多个发射通道下的PMCW体制雷达的发射问题进行阐述(单发射通道的情况我已经在之前的博文中说明了)，并将之与FMCW进行对比以呼应PMCW体制雷达系列文章(1) – PMCW体制雷达综述 -优快云博客中说PMCW雷达更适用于CDMA的这一结论。

一篇对于个人工作选择、以及行业发展的粗浅感受和理解的博文

本文针对匹配滤波这个话题进行了讨论，首先对匹配滤波的原理与方法进行了介绍，随后对PMCW雷达的波形进行了建模，在本文第三章，对最简单的单频单chip下的单发单收进行了仿真和讨论，仿真的结果与理论分析做了很好的相互验证。匹配滤波作为PMCW&FMCW两种体制雷达在信号处理端最核心的区别，本文其实只做了初步的探讨，关于更贴近PMCW雷达实际的完整的相位编码信号的仿真、匹配滤波与FFT处理的优缺点对比是后续值得更深入研究的方向。

本文论述雷达间的干扰问题，首先针对最简单的应用场景对干扰问题进行了数学建模，随后在干扰功率谱密度公式的指导下，比较细节地对FMCW雷达间、PMCW雷达间的干扰情况进行了论述，并分别从更不易受干扰影响以及更容易规避干扰两个角度探讨了PMCW体制雷达相较于FMCW体制雷达在抗干扰上的优势。本文的最后给出了关于抗干扰手段的总结。

随着相关芯片技术和工艺的进步、成本的下降，PMCW体制SOC芯片将开始逐步走向市场，PMCW雷达因其特有的一些优势相信会是未来FMCW雷达强有力的挑战者。本文从PMCW雷达发展历程、射频架构、与FMCW雷达的优缺点对比、以及与PMCW雷达相关的几个核心技术点：发射模式与CDM、匹配滤波、抗干扰几个维度，多个方面对PMCW雷达做了全面而详尽的论述。

本博文论述了可行驶区域检测这一自动驾驶里的概念，并探讨基于毫米波雷达来做可行驶区域检测的优势，结合专利给出了两种实践的算法流程

本博文对车载毫米波雷达遮挡问题进行讨论，主要围绕遮挡问题的定义和遮挡判断方法这两个方面展开。针对遮挡这个词语的覆盖范围广，难收敛，定义难的问题，本文给出了一种定义说明；针对遮挡的判断方法，本文结合现有已授权的几篇发明专利进行解读和讨论。

最小二乘拟合法是一个很常用(且很通用)的数学工具，本博文介绍了最小二乘拟合的相关概念与原理，随后分别基于代数求解和Matlab自带函数两种方式仿真实践了该方法，并做了一些有益的讨论，特别是关于过拟合问题。

本博文作为个人经历与感悟分享系列之一。

本博文探讨了雷达安装与雷达标定两个话题，捋清了与这两话题相关的基本概念及其内在联系，着重分析了关于雷达标定的各项问题，并做了一些有益的解释和探讨，希望能给感兴趣的读者提供些许帮助。

本博文实践基于TI_AWR2243级联板的发射端波束形成(相控阵)。从级联板的介绍、发射端波束形成的原理与方法、信号处理流程及其实验验证几个角度进行展开，较为系统地、且理论结合实际地对发射端波束形成所相关的核心问题做了论述。

本博文探讨发射端波束形成（相控阵）的问题，阐述了关于波束形成的概念、原理、求解阵列方向图的方法、以及将阵列波束指向某个角度的方法，文中分别以线阵和面阵为分析对象，仿真实践了这两种阵列的波束方向图。

本文讨论车载毫米波雷达信号处理中通道之间相干与非相干积累的问题。简单介绍了通道间积累的概念和做这件事情的必要性，给出了两种具体的积累方法，并用实测数据验证了这两种方法、给出了其对比分析。

本博文写作最开始的想法是要捋清楚静态杂波的问题，但是该话题有点过大了，后面还是将之局限于(车载)毫米波雷达的静止“目标”滤除问题上。本文对杂波、静止目标的概念进行了描述，探讨了雷达静止和运动两种情况下静止目标去除的方法，其中，前者用实测数据进行了处理和说明，后者给出了解决的方法和流程。