1. 项目缘起与整体设计思路PLFM_RADAR 这个项目从名字拆开看就是 Pulsed Linear Frequency Modulation Radar脉冲线性调频雷达。我第一次接触这个方向是在做一个低成本毫米波感知模块的时候当时市面上能买到的成品雷达模块要么贵得离谱要么接口封闭得让人抓狂想改个波形参数都得看厂商脸色。后来索性决定自己搭一套核心思路就是用 FPGA 做高速时序控制和信号预处理用 STM32 做系统调度和人机交互用 Python 做上位机数据分析和可视化。这套组合拳打下来成本可控灵活性极高而且每个环节都能自己掌控。为什么选 FPGA 而不是纯用 STM32 或者纯用 Python这是整个项目最核心的架构决策。线性调频雷达的工作原理是发射一个频率随时间线性变化的脉冲信号然后接收回波通过混频得到差频信号再对差频信号做 FFT 就能得到目标的距离信息。这个过程对时序精度的要求极高纳秒级的抖动都会直接影响测距精度。STM32 再快也是串行执行架构中断响应有延迟做不到真正的并行硬实时。而 FPGA 天生就是并行处理的你可以同时跑几十个通道的 ADC 采样、混频、滤波、FFT时序精确到时钟周期。Python 就更不用说了它适合做后处理不适合做前端实时信号链。那 STM32 在这个项目里扮演什么角色它负责的是系统级的协调工作。比如控制 ADAR1000 这个波束成形芯片的寄存器配置管理整个系统的电源时序通过 USB 或者串口和上位机通信跑一些状态机和协议解析。这些任务对实时性要求没那么苛刻但对灵活性和开发效率要求高STM32 的生态和库支持正好合适。ADAR1000 是 ADI 的一款 8 通道波束成形芯片支持 8 到 16 GHz 的射频前端内置移相器和衰减器通过 SPI 接口配置。用 STM32 去配置它比用 FPGA 写一套 SPI 状态机要省事得多而且调试起来直观。整个系统的信号链是这样的FPGA 产生线性调频脉冲的基带波形通过 DAC 送到射频前端上变频发射出去。回波信号经过下变频后送到 ADCFPGA 采集 ADC 数据做数字混频得到 I/Q 两路差频信号然后做抽取滤波和 FFT把距离信息提取出来。STM32 通过 SPI 配置 ADAR1000 的波束方向和增益同时通过 USB 把 FPGA 处理后的数据传给 Python 上位机。Python 端做点云生成、目标跟踪和可视化显示。这套架构的好处是每个环节各司其职FPGA 干它擅长的硬实时信号处理STM32 干它擅长的系统控制和协议交互Python 干它擅长的数据分析和界面展示。注意FPGA 和 STM32 之间的数据交互一定要设计好握手协议。我一开始图省事直接用 FPGA 往 STM32 的 FSMC 总线上写数据结果因为时序不匹配导致数据错位。后来改成用双口 RAM 加中断的方式FPGA 写完后拉一个中断信号给 STM32STM32 在中断里读数据稳定多了。关于 ADAR1000 的选型这里多说几句。这颗芯片在 8 到 16 GHz 频段工作每个通道有独立的移相器和衰减器相位控制精度 2.8 度衰减范围 31 dB。对于做波束扫描的雷达来说它可以把多个天线通道的相位关系调好形成定向波束。我用的是四片级联的方式每片管 8 个通道总共 32 通道理论上可以做到比较窄的波束宽度。当然实际调试的时候发现通道间的一致性需要校准这个后面会详细说。2. 核心硬件选型与信号链细节2.1 FPGA 选型与资源评估FPGA 我选的是 Xilinx Artix-7 系列的 XC7A100T这个型号在性价比和资源之间平衡得比较好。100T 的逻辑单元有 101440 个DSP Slice 有 240 个Block RAM 有 4860 Kb。做雷达信号处理DSP Slice 的数量直接决定了你能同时跑多少个乘法累加运算。数字混频需要乘法器FFT 需要大量的蝶形运算单元这些都是吃 DSP 的大户。240 个 DSP 做 1024 点 FFT 是够用的但如果你想做 4096 点或者更大就得考虑更高端的型号了。Block RAM 的容量决定了你能缓存多少采样数据。假设 ADC 采样率 100 MSPS16 位精度一秒钟的数据量就是 200 MB肯定不能全存。实际做法是存一个脉冲重复周期内的数据比如 100 微秒那就是 100e-6 乘以 100e6 等于 10000 个采样点16 位就是 160 Kb用 Block RAM 完全放得下。Artix-7 的 4860 Kb Block RAM 可以存好几个通道的数据做乒乓缓冲也够用。时钟管理方面Artix-7 内置的 MMCM 和 PLL 可以产生多路不同频率的时钟。ADC 采样时钟、DAC 输出时钟、SPI 配置时钟、USB 通信时钟这些都需要独立的时钟域。跨时钟域的数据传输一定要用异步 FIFO不要直接打拍否则亚稳态问题会让你调到怀疑人生。2.2 STM32 的职责与外围接口STM32 我选的是 STM32F407VGT6168 MHz 主频1 MB Flash192 KB RAM带 USB OTG FS 和以太网 MAC。这个型号在雷达项目里够用了主要跑这些任务SPI 配置 ADAR1000、USB 和上位机通信、UART 调试输出、GPIO 控制电源时序、定时器产生系统心跳。SPI 配置 ADAR1000 的时候要注意这颗芯片的 SPI 时序要求比较严格CPOL 和 CPHA 要设对不然读回来的寄存器值全是乱的。我一开始就是 CPHA 设反了读 ADAR1000 的 ID 寄存器一直返回 0x00查了半天才发现是时序模式的问题。ADAR1000 支持的最高 SPI 时钟是 50 MHz但实际跑的时候建议先降到 10 MHz 调通再逐步往上加。USB 通信这块STM32F407 的 USB OTG FS 可以跑全速 12 Mbps对于雷达点云数据来说够用了。我用的是 CDC 类虚拟串口模式上位机不用装驱动就能识别。数据打包的时候要注意每包不要超过 64 字节这是 USB 全速端点的最大包长。如果数据量大就分包发送上位机收到后按协议拼接。实操心得STM32 的 USB 中断优先级一定要设成最高不然雷达数据来了之后如果被其他中断打断USB 包就会丢。我试过把 USB 中断优先级设成 5结果每秒钟丢十几个包改成 0 之后就稳了。2.3 ADAR1000 波束成形芯片的配置要点ADAR1000 的配置是通过 SPI 写寄存器实现的主要配置项包括通道使能、移相器相位值、衰减器衰减值、发射接收模式切换、波束扫描步进。每个通道有独立的相位和衰减寄存器地址从 0x010 到 0x017 对应通道 1 到 8。相位值是 7 位范围 0 到 127对应 0 到 360 度所以每步是 2.8125 度。衰减值是 6 位范围 0 到 63对应 0 到 31.5 dB每步 0.5 dB。波束扫描的时候你需要根据目标角度计算每个通道的相位差。假设天线阵元间距是半波长波束指向角度 theta那么相邻通道的相位差是 pi 乘以 sin(theta)。把这个相位差转换成 ADAR1000 的相位寄存器值写到对应的通道里。我写了一个 Python 脚本自动算这个相位表生成一个查找表STM32 直接查表写寄存器就行不用在单片机里做三角函数运算。四片 ADAR1000 级联的时候SPI 片选信号要独立控制每片有自己的 CS 引脚。STM32 的 SPI 外设只有一个 CS 输出所以需要用 GPIO 模拟片选。配置的时候先拉低对应片的 CS写完数据再拉高。注意片选信号和 SPI 时钟之间的建立保持时间太快了芯片反应不过来。3. FPGA 信号处理链的完整实现3.1 线性调频脉冲的生成线性调频信号的数学表达式是 s(t) cos(2pi(f0t 0.5K*t^2))其中 f0 是起始频率K 是调频斜率等于带宽除以脉冲宽度。我在 FPGA 里用 DDS 的方式生成这个信号。DDS 的核心是一个相位累加器和一个正弦查找表。相位累加器的步进值决定了输出频率如果步进值随时间线性增加输出频率就线性增加这就是线性调频。具体实现是这样的用一个 32 位的相位累加器每个时钟周期累加一个步进值。步进值本身也在累加每个脉冲重复周期累加一个固定的增量。这样相位累加器的输出频率就随时间线性变化了。相位累加器的高 12 位作为查找表的地址查找表里存的是正弦波的采样值12 位地址对应 4096 个采样点精度足够了。DAC 我用的是 AD976714 位精度125 MSPS 更新率。FPGA 输出的数字波形直接送到 DAC 的并行数据口DAC 的时钟由 FPGA 提供。注意 DAC 的输出要加一个低通滤波器把采样时钟的谐波滤掉不然会干扰射频前端。注意事项DDS 的相位截断会引入杂散12 位查找表地址的杂散大约在 -74 dBc 左右。如果对杂散要求高可以用抖动注入或者泰勒级数校正。我实测下来对于近距离目标检测-74 dBc 的杂散完全够用不需要额外处理。3.2 数字混频与 I/Q 解调回波信号经过 ADC 采集后需要和发射信号的副本做混频得到差频信号。数字混频的做法是把 ADC 数据和 DDS 产生的参考信号相乘。为了得到 I/Q 两路需要两个参考信号一个是余弦一个是正弦相位差 90 度。FPGA 里用两个乘法器分别做 I 路和 Q 路的混频乘法器用 DSP Slice 实现18x18 位精度。混频之后是低通滤波把高频分量滤掉只保留差频信号。低通滤波器用 FIR 实现截止频率根据最大差频来定。假设最大探测距离对应差频 10 MHz那低通截止频率就设 12 MHz 左右留点余量。FIR 滤波器的阶数决定了过渡带宽度和阻带衰减我用了 64 阶过渡带大约 2 MHz阻带衰减 60 dB 以上。抽取滤波是必须的因为混频后的数据率还是 ADC 的采样率100 MSPS直接做 FFT 的话点数太多资源扛不住。抽取因子选 8数据率降到 12.5 MSPS再做 1024 点 FFT频率分辨率是 12.5e6/1024 约等于 12.2 kHz。对应到距离分辨率用公式 距离分辨率 光速 / (2 * 带宽) 来算假设带宽 1 GHz那就是 0.15 米够用了。3.3 FFT 与距离信息提取FFT 我用的是 Xilinx 的 FFT IP 核配置成 1024 点16 位定点输入流水线模式。IP 核的配置界面里要选对数据格式和缩放模式不然输出会溢出。我选的是 unscaled 模式输出位宽自动扩展不会溢出但资源占用多一点。1024 点 FFT 在 Artix-7 上跑 200 MHz 时钟大约需要 5 微秒出结果对于脉冲重复周期 100 微秒来说绰绰有余。FFT 输出的复数模值就是差频信号的幅度谱峰值对应的频率就是差频再根据调频斜率换算成距离。距离计算公式是 R c * f_beat / (2 * K)其中 c 是光速f_beat 是差频K 是调频斜率。比如差频 1 MHz调频斜率 10 MHz/us那距离就是 3e8 * 1e6 / (2 * 10e12) 15 米。峰值检测我用的是比较法在 FFT 输出序列里找最大值。为了抗噪声可以加一个 CFAR 检测恒虚警率检测动态调整阈值。简单的做法是取峰值周围的几个点求平均作为噪声基底阈值设成噪声基底的 3 倍。这个方法在信噪比大于 10 dB 的时候很有效。4. STM32 系统控制与通信实现4.1 ADAR1000 的 SPI 配置流程STM32 配置 ADAR1000 的流程是这样的先初始化 SPI 外设时钟极性设成低电平空闲第二个边沿采样也就是 CPOL0CPHA1。然后拉低对应片的 CS 引脚发送 16 位数据高 8 位是寄存器地址低 8 位是数据。ADAR1000 的 SPI 是 MSB 优先所以发送的时候要先发地址的高位。配置顺序很重要先配电源控制寄存器把芯片唤醒再配通道使能和移相器衰减器。如果顺序反了芯片可能不工作。我一般先写 0x000 寄存器值 0x01使能芯片延时 1 毫秒再写其他寄存器。每写一个寄存器后读回来验证一下确保写入成功。波束扫描的时候STM32 根据上位机下发的角度指令查预先算好的相位表把相位值写到四个 ADAR1000 的对应通道。相位表存在 STM32 的 Flash 里每个角度对应 32 个通道的相位值一共 32 字节。扫描步进 1 度的话360 度需要 360 乘以 32 等于 11520 字节Flash 完全放得下。实操心得ADAR1000 的寄存器写入后需要一定的建立时间才能生效特别是移相器和衰减器。我实测下来写完相位寄存器后至少等 10 微秒再切换发射模式不然波束方向会偏。这个时间在数据手册里没写是我用示波器测出来的。4.2 USB 通信协议设计STM32 和 Python 上位机之间的 USB 通信协议我设计成简单的帧格式帧头 0xAA 0x55然后是数据长度、命令字、数据载荷、校验和。命令字包括设置雷达参数、启动扫描、停止扫描、读取点云数据、读取原始 ADC 数据。数据载荷根据命令字不同而不同。点云数据的格式是每个点 8 个字节距离 4 字节浮点角度 2 字节整数幅度 2 字节整数。一帧最多传 64 个点加上帧头帧尾一共 520 字节分成 9 个 USB 包发送。上位机收到后先缓存凑齐一帧再解析。USB 发送的时候要注意STM32 的 USB 外设发送缓冲区有限不能一次发太多。我用的方式是查询发送每次发 64 字节等发送完成标志置位后再发下一包。如果数据量大可以用 DMA 模式但配置起来麻烦一点。4.3 系统状态机与任务调度STM32 的主程序是一个状态机状态包括空闲、配置中、扫描中、数据传输中、错误处理。上电后先初始化外设然后进入空闲状态等待上位机命令。收到配置命令后进入配置中状态配置 ADAR1000 和 FPGA 参数。配置完成后进入扫描中状态启动 FPGA 开始采集和处理。FPGA 处理完一帧数据后拉中断STM32 在中断里读取数据然后通过 USB 发给上位机。任务调度我用的是时间片轮询加中断的方式。主循环里轮询 USB 接收、UART 调试输出、状态机切换。中断里处理 FPGA 数据就绪、USB 接收完成、定时器心跳。中断服务函数要尽量短把耗时的操作放到主循环里做。注意事项STM32 的 USB 中断和 FPGA 数据就绪中断不要设成同一个优先级不然会互相阻塞。我把 USB 中断设成优先级 0FPGA 数据就绪设成优先级 1这样 USB 通信不会因为等 FPGA 数据而卡顿。5. Python 上位机与数据可视化5.1 串口通信与数据解析Python 端用 pyserial 库和 STM32 的虚拟串口通信。打开串口的时候要设对波特率虽然 USB CDC 的波特率是虚拟的但还是要设一个值我一般设 115200。数据读取用 read 方法每次读 64 字节然后按协议解析。解析的时候先找帧头 0xAA 0x55找到后读长度字段再读命令字和数据载荷最后校验和。如果校验失败就丢弃这一帧重新找帧头。为了提高效率可以用 numpy 做批量解析把接收到的字节流转换成 numpy 数组然后用向量化操作找帧头。import serial import numpy as np ser serial.Serial(COM3, 115200, timeout0.1) buffer bytearray() while True: data ser.read(64) if data: buffer.extend(data) # 找帧头 while len(buffer) 4: if buffer[0] 0xAA and buffer[1] 0x55: length buffer[2] if len(buffer) length 4: frame buffer[:length4] buffer buffer[length4:] # 解析帧 cmd frame[3] payload frame[4:-1] checksum frame[-1] # 校验 if sum(frame[:-1]) 0xFF checksum: process_frame(cmd, payload) else: break else: buffer.pop(0)5.2 点云生成与目标跟踪点云生成就是把每个脉冲重复周期检测到的目标点累积起来形成三维点云。每个点有距离、角度、幅度三个维度。距离从 FFT 峰值得到角度从波束扫描的角度得到幅度从 FFT 峰值的模值得到。把多个脉冲周期的点云叠加起来就能看到目标的运动轨迹。目标跟踪我用的是简单的最近邻关联加卡尔曼滤波。每个目标维护一个状态向量包括位置和速度。新来的点云和已有目标做关联距离最近的关联上然后更新卡尔曼滤波器。如果某个目标连续几帧没有关联上就认为它消失了从跟踪列表里删除。from filterpy.kalman import KalmanFilter import numpy as np class RadarTracker: def __init__(self): self.targets [] self.next_id 0 def update(self, points): # points: list of (range, angle, amplitude) for r, a, amp in points: x r * np.cos(np.radians(a)) y r * np.sin(np.radians(a)) matched False for target in self.targets: pred target[kf].predict() dist np.sqrt((pred[0]-x)**2 (pred[1]-y)**2) if dist 2.0: # 关联门限 target[kf].update(np.array([x, y])) matched True break if not matched: kf KalmanFilter(dim_x4, dim_z2) kf.x np.array([x, y, 0, 0]) kf.F np.array([[1,0,0.1,0], [0,1,0,0.1], [0,0,1,0], [0,0,0,1]]) kf.H np.array([[1,0,0,0], [0,1,0,0]]) kf.P * 10 kf.R * 0.5 self.targets.append({id: self.next_id, kf: kf}) self.next_id 15.3 可视化界面与交互可视化我用的是 matplotlib 的 3D 散点图实时刷新显示点云。为了流畅刷新率控制在 10 帧每秒每帧最多显示 1000 个点。点的颜色根据幅度映射幅度大的用暖色幅度小的用冷色。还可以叠加目标的跟踪轨迹用不同颜色的线表示不同目标。交互方面用 matplotlib 的滑块控件调整雷达参数比如起始频率、带宽、脉冲宽度、扫描角度范围。调整后通过串口下发给 STM32STM32 再配置 FPGA 和 ADAR1000。这样不用重新烧录固件就能改参数调试起来方便很多。实操心得matplotlib 的 3D 散点图刷新率上不去点多了会卡。后来我改用 pyqtgraph基于 OpenGL 渲染10000 个点也能跑到 60 帧。如果要做实时显示强烈建议用 pyqtgraph别用 matplotlib。6. 常见问题与排查技巧实录6.1 FPGA 时序不收敛的解决思路FPGA 设计最容易出的问题就是时序不收敛特别是跨时钟域的地方。我遇到过一次ADC 采样时钟 100 MHzFPGA 内部处理时钟 200 MHz两个时钟域之间的数据传递没有用异步 FIFO直接打了两拍结果综合出来时序报告一片红建立时间违例好几纳秒。解决办法就是老老实实用异步 FIFOXilinx 的 FIFO IP 核配置成独立时钟模式写时钟用 ADC 时钟读时钟用处理时钟。FIFO 的深度要算好最坏情况下两个时钟的频率偏差和相位关系会导致数据积压深度不够就会溢出。我一般按最大偏差的 10 倍来算100 MHz 和 200 MHz 的 FIFO深度设 512 足够了。还有一个坑是复位信号的处理。FPGA 的复位信号如果是异步的释放的时候要和时钟同步不然会导致亚稳态。我用的方法是异步复位同步释放用两级触发器把复位信号同步到目标时钟域。6.2 STM32 USB 枚举失败的排查STM32 的 USB 枚举失败是很常见的问题表现就是插上电脑后设备管理器里显示未知设备或者干脆没反应。排查步骤是这样的先检查硬件USB 的 D 和 D- 有没有接反上拉电阻有没有焊晶振有没有起振。STM32F407 的 USB 需要 48 MHz 时钟一般用 8 MHz 晶振倍频得到如果晶振不起振USB 肯定不工作。软件方面先检查 USB 库的初始化代码特别是时钟配置和中断配置。USB 中断一定要使能而且优先级要设对。然后检查描述符VID 和 PID 不要和系统里已有的设备冲突。如果用的是 CDC 类还要检查接口描述符和端点描述符是否正确。我遇到过一次USB 枚举偶尔成功偶尔失败查了半天发现是电源问题。USB 的 5V 电源纹波太大导致 STM32 的 USB 外设工作不稳定。后来在 USB 电源脚上加了一个 100 微法和一个 0.1 微法的电容问题就解决了。6.3 ADAR1000 配置不生效的调试方法ADAR1000 配置不生效的表现是波束方向不对或者通道增益不对。排查的时候先读回寄存器确认写入的值和读回的值一致。如果不一致说明 SPI 通信有问题检查时钟极性、片选信号、数据位顺序。如果寄存器读写正常但波束方向还是不对那就是相位计算的问题。检查相位表的计算是否正确天线阵元间距是否准确波束指向公式有没有用错。我一般先用一个简单的角度比如 0 度所有通道相位都设 0看波束是不是指向正前方。然后再试 30 度看波束是不是偏了 30 度。还有一个容易忽略的地方是通道间的一致性。ADAR1000 的每个通道都有独立的移相器和衰减器出厂时已经校准过但板级走线的长度差异会导致额外的相位偏差。如果波束方向总是偏几度可以在相位表里加一个补偿值把板级偏差补回来。6.4 常见问题速查表问题现象可能原因排查方法解决方案FPGA 时序违例跨时钟域未同步看时序报告用异步 FIFOUSB 枚举失败时钟或电源问题查晶振和电源纹波加滤波电容ADAR1000 无输出SPI 配置错误读回寄存器检查 CPOL/CPHA测距偏差大调频斜率不准测实际波形校准 DDS 步进点云噪声大信噪比低看 FFT 谱加 CFAR 检测Python 卡顿渲染方式低效看 CPU 占用换 pyqtgraph避坑技巧调试雷达的时候先用一个已知距离的金属板做目标比如 5 米外放一块铝板。这样你能快速判断测距是否准确比用复杂目标调试效率高得多。铝板的反射强信噪比高容易看到峰值。7. 系统联调与性能优化7.1 整机联调流程整机联调我一般分四步走先单独调 FPGA用信号源给 ADC 喂一个已知频率的正弦波看 FFT 输出是否正确。然后单独调 STM32用示波器看 SPI 波形确认 ADAR1000 配置正确。接着联调 FPGA 和 STM32看数据交互是否正常。最后联调整个系统包括射频前端和天线。第一步 FPGA 调试的时候信号源输出 1 MHz 正弦波幅度 1 VppADC 采样率 100 MSPS。FPGA 做 1024 点 FFT理论上峰值应该在 bin 10 左右因为 1e6 / (100e6/1024) 约等于 10.24。如果峰值在 bin 10 附近说明 FFT 工作正常。如果峰值位置不对检查 ADC 数据格式和 FFT 配置。第二步 STM32 调试用逻辑分析仪抓 SPI 波形。发送一个读 ID 命令看返回的数据是不是 ADAR1000 的默认 ID。ADAR1000 的 ID 寄存器地址是 0x000默认值是 0x00。如果读回来不是 0x00检查 SPI 时序。第三步联调STM32 发命令给 FPGAFPGA 返回一个测试数据STM32 通过 USB 发给 PythonPython 显示出来。这一步主要是验证数据通路。第四步整机联调接上天线和射频前端用金属板做目标看 Python 界面上能不能看到目标点。7.2 性能优化与资源占用分析FPGA 资源占用方面1024 点 FFT IP 核大约占 20 个 DSP Slice 和 10 个 Block RAM。数字混频用 2 个 DSP SliceFIR 滤波器用 64 个 DSP Slice。总共用了不到 100 个 DSPArtix-7 100T 有 240 个还有很大余量。如果你想做多通道并行处理资源是够的。STM32 的资源占用Flash 用了大约 200 KBRAM 用了 100 KB。主要开销在 USB 协议栈和 ADAR1000 的配置表。如果 Flash 不够可以把相位表放到外部 SPI Flash 里用的时候读进来。Python 端的性能瓶颈主要在数据解析和可视化。数据解析用 numpy 向量化之后每秒处理 1000 帧没问题。可视化用 pyqtgraph10000 个点能跑到 60 帧。如果点更多可以用降采样或者只显示视野内的点。7.3 实测性能数据实测下来这套系统的测距范围是 1 到 50 米测距精度在 1 米以内角度范围正负 45 度角度精度 2 度左右。数据刷新率 20 Hz点云密度每帧 500 个点。功耗方面FPGA 加 STM32 加射频前端总共大约 5 瓦。测距精度受信噪比影响很大信噪比高的时候精度能到 0.3 米信噪比低的时候会降到 2 米以上。提高信噪比的方法有增加脉冲积累次数、降低噪声基底、提高发射功率。我一般用 16 次脉冲积累信噪比能提高 12 dB。角度精度受波束宽度限制32 通道的线阵波束宽度大约 3 度角度精度大约是波束宽度的三分之一也就是 1 度左右。如果想提高角度精度可以增加通道数或者用超分辨算法比如 MUSIC 或者 ESPRIT。实操心得雷达的测距和测角精度是相互制约的不能同时做到极高。如果你的应用对测距要求高就把带宽做大对测角要求高就把阵列做大。资源有限的情况下要根据应用场景做取舍。8. 后续扩展与个人体会这套 PLFM_RADAR 的框架搭起来之后扩展性其实很好。如果你想做合成孔径成像可以在 Python 端加一个后向投影算法把多个脉冲的回波数据相干叠加就能得到二维图像。如果你想做生命体征检测可以把脉冲重复频率提高检测微小的胸腔运动。如果你想做手势识别可以在点云上跑一个轻量级的神经网络比如 PointNet 或者 TinyML 的模型。我个人在实际操作中的体会是雷达项目的难点不在单个模块而在系统联调。每个模块单独测都正常连在一起就出问题这是常态。我的经验是每连一个模块就测一次不要等全部连完再测。另外调试的时候一定要有耐心雷达信号看不见摸不着只能靠数据和波形来判断急不得。最后再分享一个小技巧如果你没有昂贵的矢量网络分析仪来测天线可以用一个简单的办法。用一个已知频率的信号源接发射天线用频谱仪接接收天线手动转动天线角度记录不同角度的接收功率就能大致画出天线方向图。虽然精度不如专业设备但对于调试波束扫描来说够用了。