本文首发于公众号【调皮连续波】，其他平台为自动同步，内容若不全或乱码，请前往公众号阅读。保持关注调皮哥，和1.4W雷达er一起学习雷达技术！
【正文】
编辑 | 调皮哥的小助理 审核 | 调皮哥
1、引言
闲来无事编程序，本期文章分享一个2TX-4RX MMWave 雷达的数据集，以及基于该数据集的MATLAB算法仿真程序，仿真程序从原始数据解析、距离估计、速度估计、CFAR检测、峰值搜索、非相参积累、多普勒速度补偿、角度估计（3D-FFT和MUSIC超分辨）。
其中，整个框架内部可以进行修改和扩展，比如其他超分辨算法、聚类算法、跟踪算法、点云识别等等。
先上演示效果，请看下面两个视频：
该数据集采用TI单芯片毫米波雷达AWR1843采集，只用了水平通道的2根发射天线，通过所有发射通道上的时分复用（TDM-MIMO），它可以形成具有1T8R TDM-MIMO 虚拟阵列。
主要采集了6种目标，包含行人、骑自行车的人、汽车、摩托车、公共汽车、卡车 。数据集来源：https://github.com/Xiangyu-Gao/Raw_ADC_radar_dataset_for_automotive_object_detection
2、数据集的说明
整个数据集包含大约 19800 帧雷达数据以及同步的相机图像和标签，对于每个雷达帧，其原始数据具有 4 个维度：ADC采样点（快速时间）、线性调频Chirp（慢时间）、发射通道、接收通道。
数据集下载：https://drive.google.com/file/d/1QgjwdQpY96NAVGdvjjFrXLhb48o15EO_/view?usp=share_link
如果个人数据集下载不了，文章末尾有获取方式。
3、数据集格式
数据集由多个序列组成，例如“2019_04_09_bms1000”、“2019_04_09_cms1000”。在每个序列文件夹下，存在图像文件夹“images_0”、雷达数据文件夹“radar_raw_frame”和标签文件夹“text_labels”。
整体数据集结构如下所示：
Automotive---2019_04_09_bms1000---images_0---radar_raw_frame---text_labels---2019_04_09_cms1000 ......“radar_raw_frame”文件夹包含 *.mat 格式的原始 ADC 雷达数据，“images_0”文件夹包含 *.jpg 格式的相机图像，“text_labels”包含 *.csv 格式的每个帧的标签文件。
（1）雷达数据
详细的数据格式说明如下：
对于每个雷达帧，其原始数据 （*.mat） 有 4 个维度：ADC样本 （128）、线性调频 （255）、接收通道 （4）、发射通道（2）。所有发射机均采用时分复用（TDM）布置，即逐个发送线性调频信号。
2 个发射器和 4 个接收器的位置绘制在下图中，来自 TI 文档。通过TDM，它形成一个1×8的MIMO阵列，如下图所示：
所有雷达配置都包含在配置中，如下图所示：
（2）相机数据
每帧的相机图像为 1440x1080 像素，某一帧的图像如下图所示：
（3）标签
每个 *.csv 文件都包含一个帧的标签，其中每一行的格式为 [uid， class， px， py， wid， len]，其中 uid 是此序列中对象的唯一跟踪 ID，class 是对象的类 ID，ID 号表示如下，px， py， wid， len 是 x 中心， 对象的边界框的 y 中心、宽度和长度。
label_map = {0: 'person',2: 'car',3: 'motorbike',5: 'bus',7: 'truck',80: 'cyclist', }.CSV文件夹中的数如下图所示：
3、数据集解析工具
本文采用MATLAB2022b为处理环境，数据解析代码如下：
%% 公众号 ：调皮连续波%% 时间：2023年3月26日clc;clear all;close all;
addpath('你的雷达数据存放路径\2019_05_29_pcms005\radar_raw_frame');addpath('你的图像数据存放路径\\2019_05_29_pcms005\images_0');
添加路径后，提取数据比较方便，然后设置好雷达参数：
%% 根据采集的数据设置ADC_samples =128; %ADC采样点数chirpsNum=255; %chirp脉冲数numTx =2; %发射天线数numRx=4; %接收天线数Frame =898; %帧数设置；parameter = generateParameter();然后按帧提取，每提取一帧数据，就处理一帧数据：
for frame =3:Frame %帧数设置
adcData = load([num2str(frame, '%06d'),'.mat']).adcData;rawData=reshape(adcData,[ADC_samples,chirpsNum,numRx*numTx]); %%添加你的处理代码end4、算法仿真结果
（1）回波信号实虚部
（2）距离估计
（3）距离-速度谱
（4）非相参积累
（5）CFAR检测
采用CA-CFAR。
（6）峰值搜索
（7）MUSIC超分辨结果
好了，由于篇幅和时间有限，暂时就展示这些内容。上述代码和数据集是完全配合使用的，需要数据集和整套代码可以点这个链接联系调皮哥：
雷达er入群指南。
【本期结束】
以后程序都是私信分享，因为有人之前用我的开源程序被人盗用，这就是我写的程序和数据，我还没办法举报，这就很头疼。
目前我的工作经验尚浅，还有很多内容需要学习，如果还有没有说到或者不全面的地方，还请指正，感谢大家。
喜欢本文，可以转发朋友圈~，关注【调皮连续波】和备用号【我们的雷达】。
【点击以下链接，可直达各个业务模块】
雷达技术群加入指南 付费咨询文章投稿指南专业资料代找商业推广合作雷达项目交流雷达书籍清单公众号分享资料清单
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请
点击举报。
