TI单芯片毫米波雷达代码走读（二十三）—— 峰值聚合（谱峰搜索）

最新推荐文章于 2024-01-11 11:49:55 发布
最新推荐文章于 2024-01-11 11:49:55 发布
阅读量3.8k 收藏 8
点赞数 4
分类专栏： TI毫米波雷达代码走读 文章标签： 毫米波雷达 FMCW 雷达信号处理 peak grouping 谱峰搜索
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lightninghenry/article/details/113607698
版权
本文详细解读TI毫米波雷达代码中的峰值聚合策略，包括MMW_PEAK_GROUPING_DET_MATRIX_BASED和MMW_PEAK_GROUPING_CFAR_PEAK_BASED两种策略，分析其工作原理和区别，并通过实例解释如何通过峰值聚合提高目标检测的精度。
摘要由CSDN通过智能技术生成

本期要讲的内容是Peak grouping，译为峰值聚合。

代码走读到了这里：

/* Peak grouping */
    obj->numDetObjRaw = numDetObj2D;
    if (obj->cliCfg->peakGroupingCfg.scheme == MMW_PEAK_GROUPING_CFAR_PEAK_BASED)
    {
        numDetObj2D = MmwDemo_cfarPeakGroupingCfarQualified( obj->detObj2D,
                                                obj->detObj2DRaw,
                                                numDetObj2D,
                                                obj->numDopplerBins,
                                                obj->cliCfg->peakGroupingCfg.maxRangeIndex,
                                                obj->cliCfg->peakGroupingCfg.minRangeIndex,
                                                obj
了解本专栏 订阅专栏 解锁全文
lightninghenry
关注
  • 4
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
专栏目录
订阅专栏
TI单芯片毫米波雷达1642代码走读（〇）——总纲
lightninghenry的博客
11-06 2万+
前言 近年来，自动驾驶行业发展如火如荼，雷达技术也逐渐从军工封闭圈走向了开放的市场。 毫米波雷达具有全天候探测能力，特别是在雨雪雾天气以及夜间都能可靠工作，并且探测距离相对其他车载传感器非常远，对运动目标非常敏感，价格还低廉，这些特性都使其成为自动驾驶感知层面不可或缺的一环。 现如今的雷达已经不仅仅局限于测距测速测角等传统的功能，雷达技术正在从感知走向认知、从宽带走向超宽带、从二维走向三维四维、从相控阵走向数字阵列、从单通道走向MIMO、从独立工作走向分布式协同、从分立组件走向射频数字一体化。MIMO
不使用mmwaveStudio软件，通过DCA1000采集原始数据（以IWR1642为例）
wangshuxuan121的博客
09-19 5993
IWR1642+DCA1000，不使用mmwaveStudio从网口获取原始数据的方法。
peak-grouping-alignment
06-30
峰分组比对 此页面包含 Wandy 等人的论文Incorporating peak grouping information for alignment of multiple Liquid Chromatography -mass spectrometry datasets的支持文件。 (2014)。 MW包含用于建议方法 (MW/MWG/MWM) 方法的主峰对齐（匹配）代码。 实现是用Python完成的，主要的可执行脚本是MW.py。 input_data包含实验中用于衡量论文性能的数据集。 可以在该目录中找到进一步的解释。 实验包含运行评估管道和进行参数扫描的脚本。 可以在该目录中找到更多详细信息。 检查整个项目 使用以下命令克隆整个存储库。 这将为您提供本文中使用的所有可执行文件、input_data 和评估脚本。 git clone https://github.com
雷达算法 | 一种适用于汽车雷达的聚类算法研究与分析
【调皮连续波】雷达技术领域知识博主
01-11 1739
雷达接收处理包括射频前端，基带信号处理和后处理算法三部分：（1）射频前端完成高频雷达接收信号的模拟域信号处理和数模转换(ADC)；（2）基带信号处理在零中频上完成雷达接收信号的数字信号处理(DSP)和目标检测；（3）在目标检测之后的高层算法被统称为后处理算法，如聚类(Clustering)、 关联(Association)、跟踪(Tracking)、分类(Classification)等。这三部分是雷达工程师需要重视的，建议进行系统性地学习，多看、多思考、多动手实践。
快速搜索密度峰值聚类
06-23
快速搜索密度峰值聚类实现代码
雷达信号处理——恒虚警检测（CFAR）
最新发布
诚朴勇毅
01-11 8929
上图展示的是同时在距离维和多普勒维进行恒虚警检测的原理，如果只是在距离维或多普勒维做CFAR，检测单元的左右两侧均有设定好数量的保护单元和参考单元。不同的CFAR检测器适用于不同的场景，CA-CFAR算法适用于均匀环境中的单目标或彼此相距较远的多目标环境，在邻近多目标环境会发生目标的遮蔽效应，在杂波边缘会发生杂波边缘效应。从图中也可以看到，根据阈值的选择不同，有不同的检测器，其中CA-CFAR是取的参考单元的均值，SO-CFAR取的是参考单元的最小值，而GO-CFAR是取的参考单元的最大值。
【雷达仿真 | FMCW TDMA-MIMO毫米波雷达信号处理仿真（可修改为DDMA-MIMO）】
【调皮连续波】雷达技术领域知识博主
10-31 9759
1、FMCW叫做调频连续波，调频连续波有步进调频连续波（SFMCW）、线性调频连续波（LFMCW），以及其他非线性调频连续波。LFMCW有锯齿波和三角波等等；锯齿波有恒定调制周期的锯齿波和非恒定周期的锯齿波。Introduction to mmwave sensing:FMCW radars.pdf和The fundamentals of millimeter wave sensors。2、MIMO是多输入多输出（Multiple input Multiple output），也就是多发多收。
TI单芯片毫米波雷达代码走读（十二）—— 多普勒维（2D）处理流程与数据获取
lightninghenry的博客
09-20 9731
从今天开始，我们进入第2维度(2D)——多普勒维（或者叫速度维）的雷达信号处理。看过我之前写的文章的读者应当已经知道了第1维度(1D)——距离维 指的是什么，那么第2维度是哪个维度呢？ 我们先回顾一下《TI单芯片毫米波雷达1642demo代码走读（四）—— 数据流与乒乓操作》这篇文章，在这篇文章中，当1D处理全部结束以后，数据会汇总到radarCube中，如下图所示。 这个radarCube其实就是一个二维矩阵，列数为range bin的总数（本工程中数值为256），行数为N/2。上图中重复出现的绿
TI单芯片毫米波雷达代码走读（十四）—— 多普勒维（2D）处理之静态杂波滤除
lightninghenry的博客
10-13 5087
本期要看的代码如下： inpDoppFftBuf = (cmplx16ReIm_t *) &obj->dstPingPong[pingPongId(pingPongIdx) * obj->numDopplerBins]; if (obj->cliCfg->clutterRemovalCfg.enabled) { uint32_t sumVal[2];
TI单芯片毫米波雷达代码走读（十八）—— 多普勒维CA-CFAR检测之C代码实现
lightninghenry的博客
11-26 5127
我们今天来看距离维CA-CFAR的代码，上一期我们走读到了这里 /* CFAR-detecton on current range line: search doppler peak among numDopplerBins samples */ numDetObjPerCfar = mmwavelib_cfarCadBwrap( obj->sumAbs, obj->cfarDetObjIndex
密度峰值聚类算法DPC(Density Peak Clustering)理论基础与python实现
褪色的博客
04-06 8903
基于密度峰值的聚类算法全称为基于快速搜索和发现密度峰值的聚类算法(clustering by fast search and find of density peaks, DPC)。它是2014年在Science上提出的聚类算法，该算法能够自动地发现簇中心，实现任意形状数据的高效聚类。密度峰值聚类算法是对K-Means算法的一种改进，是一种不需要迭代的，可以一次性找到聚类中心的方法聚类方法。
XCMS | LC/MS and GC/MS Data Analysis
DrugAI
02-19 9167
https://www.bioconductor.org/packages/release/bioc/html/xcms.html
雷达点目标聚类算法及密度聚类matlab代码实现
jane0819的博客
04-28 1220
基于雷达点迹数据的聚类算法简介
非靶代谢组学数据预处理XCMS+IPO
修罗神的海岛
05-28 7681
质谱可以用来测量样品中带电分子(离子)的丰度（即一个特定的质荷比 m/z的离子计数）。 但是，当许多离子具有相同或非常相似的 m/z，光凭借质谱是很难或不可能进行区分的。因此，MS 经常与其他分离技术相结合，基于除 m/z以外的其他性质来分离分析物。比如与气相色谱法(GC)或液相色谱(LC)联用。 这些使用LC/GC-MS联用产生的数据，需要经过一系列的预处理，才能得到一个定量的表格数据。 开源软件中，XCMS是LC-MS数据前处理引用率最高的软件，在GC-MS中也很常用（第2）。..
Bottom-up Object Detection by Grouping Extreme and Center Points 解读
bupt_cy
05-25 950
本文（Exterme Net）是基于Corner Net做的，预测四个物体的极值点（上，下，左，右）和中心点，通过遍历各个极值点的组合（top, left, bottom, right），计算中心点是否被检测到，以此确定物体位置的方法。方法比较直观，相对Corner Net的优点是物体的极值点在物体上，更能够代表物体信息，而且Exterme Net不包含embedding部分，直接通过预...
整理总结：利用Python进行数据分析及思维导图
木叶生_白菜叶子的博客
06-25 1496
参考资料：机械工业出版社的《利用Python进行数据分析》 本篇目录参考资料：机械工业出版社的《利用Python进行数据分析》第一章 准备工作I、为何利用Python进行数据分析II、重要的Python库第二章 Python语言基础、IPython及Jupyter notebookI、IPython基础II、Python语言基础第三章 内建数据结构、函数及文件I、数据结构和序列II、函数III、文件与操作系统 第一章 准备工作 I、为何利用Python进行数据分析 Python作为胶水，很容易整合C、C+
TI单芯片毫米波雷达代码走读（八）—— 距离维（1D）处理之雷达参数
lightninghenry的博客
08-12 6898
今天我们通过“mmWave_Demo_Visualizer 3.1.0”上位机发送的.cfg文件来介绍1D处理时需要关心的几个雷达参数。按上一篇文章最后的步骤，我们生成了.cfg文件，文本方式打开，内容如下： % *************************************************************** % Created for SDK ver:02.00 % Created using Visualizer ver:3.1.0.1 % Frequency:77 %
【毫米波雷达】LFMCW测距/测速原理
热门推荐
baidu_37973494的博客
10-21 1万+
一、脉冲雷达&连续波雷达 雷达按照发射信号种类分成脉冲雷达和连续波雷达两大类 常规脉冲雷达发射周期性的高频脉冲，连续波雷达发射的是连续波信号。 通常，脉冲雷达具有较高的峰值功率和较小的占空比，而连续波雷达则具有100%的占空比和较低的功率。如上图 连续波雷达发射的信号可以是单频连续波(CW)或者调频连续波(FMCW)，调频方式也有多种，常见的有三角波、锯齿波、编码调制或者...
评论 3
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

lightninghenry

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值