- 博客(42)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 毫米波雷达3-三个FFT(距离，速度，角度)
在快时间维度，即使一个移动的物体，我们也可以看作不动，那么对于快时间维度进行FFT就可以得到距离。在这个过程中，复数信号数据的实部和虚部被视为同相分量（I）和正交分量（Q），它们可以用来表示信号的振幅和相位。不同的天线之间本就有一定的相位差，就引起了不同的尖峰，那么实际上这代表了不同方向产生的“频率分量”，综合所有的方向的“频率分量”，第三维的FFT终于就给了我们目标角度的信息。我们在慢时间进行FFT的时候，物体可以看作移动了，这时我们提取2维fft中携带的相位（多普勒）信息就可以获得物体的速度了。
2023-10-31 21:37:00
2702
原创 毫米波雷达2-雷达的工作模式
文章目录flash mode: 用于烧写functional mode: Power off the board and remove the jumper from only header SOP2 (this puts the board back in functional mode)flash mode: 用于烧写functional mode: Power off the board and remove the jumper from only header SOP2 (this puts
2023-10-19 13:44:51
271
原创 毫米波雷达1-雷达基础知识
多个物体会导致出现多个频率的IF信号，频率越大越远，这种包含多个频率的IF信号必须用FFT进行分离，得到一个频率谱，观察到多个峰值。见：https://blog.csdn.net/qq_45377662/article/details/109999269。频率随时间线性增加的正弦信号，用于FMCW雷达。带宽（bandwith B）: 增加的频率大小。时延（duration。RX和TX信号的频率之差。）: 脉冲的起始频率。
2023-10-09 10:51:48
131
7原创 pytorch-tensorboard的基本用法二——add_image()
pytorch-tensorboard的基本用法二——add_image()
2022-07-01 20:28:06
1325
原创 pytorch-tensorboard的基本用法一——add_scalar()
pytorch-tensorboard的基本用法一——add_scalar()
2022-07-01 19:53:26
1136
原创 Python深度学习之Tensorflow基础
介绍神经网络框架tensorflow,参考吴恩达老师的深度学习课程,tensorflow版本为2.x
2022-02-17 15:30:47
1011
MotorcycleData.csv
2022-01-30
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人