📚 课程目录第3章雷达原始数据采集与格式解析

3. 雷达原始数据采集与格式解析

雷达信号处理链路的第一道关口，是把毫米波前端输出的原始采样数据完整、无歧义地落到存储介质上，并在后续处理中准确还原其物理含义。Bosch 毫米波雷达（典型为 77 GHz FMCW 体制）的原始数据并非简单的二维矩阵，而是一个多维数据立方体（Radar Data Cube）。理解这个立方体的维度顺序、每个维度的物理意义，以及 DDMA/TDM-MIMO 带来的通道排列规则，是后续做距离维 FFT、多普勒维 FFT、角度维处理的前提。本章围绕“数据长什么样、怎么排、怎么读、怎么验证”展开。

一、ADC 原始数据立方体的结构

FMCW 雷达在一个相干处理间隔（CPI）内发射多个 chirp，每个 chirp 的回波经混频、低通滤波后由 ADC 采样。原始数据立方体通常由三个维度构成：

快时间维（Fast-time / Range）：单个 chirp 内的采样点，采样率典型为 10～25 MSps，每 chirp 采样数 Ns 常见为 256、512 或 1024。该维对应距离信息，经 FFT 后得到距离单元。
慢时间维（Slow-time / Doppler）：一个 CPI 内的 chirp 序号，数量 Nc 常见为 64、128、256。该维对应目标相对速度，经 FFT 后得到多普勒单元。
通道维（Channel / Antenna）：接收天线与发射通道的组合，典型为 4 个 RX × 若干 TX，形成虚拟阵列通道数 Nch。

因此立方体尺寸为 Ns × Nc × Nch。需要特别强调的是维度顺序约定：不同芯片与采集工具可能采用 [chirp][sample][channel]、[channel][chirp][sample] 或 [sample][chirp][channel] 等不同排列。若在读取时把快慢时间维颠倒，距离与速度结果会完全错位，且往往不会报错，只会表现为“目标距离不对”或“速度符号反了”。工程上必须在解析前明确记录该顺序，并在代码中以显式命名（如 fast_time、slow_time）而非裸索引访问。

二、DDMA 与 TDM-MIMO 的数据排列

为获得角度分辨率，雷达使用多发射通道。两种主流复用方式对数据排列影响显著：

TDM-MIMO：多个 TX 分时轮流发射，每个 TX 占用独立的 chirp 时隙。若 TX 数为 Ntx，则一个“虚拟 CPI”实际包含 Ntx × Nc 个 chirp，慢时间维需要按 TX 分组解复用，再分别做多普勒处理。其代价是等效慢时间采样率下降，最大不模糊速度降低为原来的 1/Ntx。

DDMA（Doppler Division Multiple Access）：所有 TX 同时发射，但每个 TX 在慢时间维上施加不同的多普勒频移（相位旋转）。接收端在慢时间维 FFT 后，不同 TX 的回波会落在不同的多普勒子带中，从而实现通道分离。DDMA 的排列特点是：慢时间维 FFT 后需要按预设的频移量把各 TX 的子带“搬移”回零频附近，再重组为虚拟阵列。若忽略这一步，角度估计会因通道间相位不一致而失效。

判断当前数据属于哪种体制，可观察慢时间维 FFT 后的谱：TDM 表现为所有 TX 回波叠加在同一多普勒轴；DDMA 则会在多普勒轴上出现按 TX 数量等间隔分布的多个峰簇。

三、Bosch 雷达数据接口与记录格式

Bosch 雷达通常通过高速串行接口（如 LVDS、以太网或专用采集卡）输出原始 ADC 数据。记录格式常见两类：

二进制裸流（.bin）：按固定帧结构连续写入，每帧包含帧头、配置参数（chirp 数、采样数、通道数、采样率、起始频率、斜率）、时间戳与 ADC 数据块。解析时需按帧头中的长度字段逐帧切分。
带元数据的容器格式：如基于 HDF5 或自定义头文件，把配置与数据分离存储，便于批量读取与参数追溯。

无论哪种格式，解析的关键是先读元数据、再读数据。元数据至少应包含：采样率、每 chirp 采样数、chirp 数、TX/RX 数、chirp 斜率、起始频率、帧周期、数据排列顺序、字节序（大端/小端）与 ADC 位宽（12/14/16 bit）。缺少任一项，后续距离/速度标定都会出现系统性偏差。

四、实测数据读取与可视化

读取流程可概括为：打开文件 → 解析帧头 → 按维度重塑为立方体 → 单位换算 → 可视化验证。下面给出一个典型的 Python 读取片段（示例参数为合理假设，非实测结果）：

import numpy as np

# 示例元数据（假设值）
Ns, Nc, Nch = 256, 128, 8      # 采样数, chirp数, 虚拟通道数
dtype = np.int16               # ADC 位宽 16 bit
order = 'chirp_sample_channel' # 排列约定

raw = np.fromfile('radar_frame.bin', dtype=dtype)
cube = raw.reshape(Nc, Ns, Nch)          # 按约定重塑
cube = cube.astype(np.float32)

# 距离维 FFT
range_fft = np.fft.fft(cube, axis=1)
range_power = 20*np.log10(np.abs(range_fft)+1e-6)

可视化验证建议至少做三件事：其一，绘制单通道距离谱，确认存在明显峰值且底噪平坦；其二，绘制距离-多普勒二维图（RD map），确认目标在速度维上的位置与符号符合预期；其三，抽取某一距离单元的多普勒切片，检查是否存在直流泄漏或镜像。若 RD map 中目标呈“斜线”或距离随 chirp 漂移，通常说明快慢时间维顺序错误或 chirp 斜率参数不匹配。

最后需要强调，原始数据解析不是一次性工作，而是贯穿整个处理链的“地基”。建议在项目初期就固定一套元数据描述规范，把维度顺序、字节序、位宽、TX/RX 映射关系写入配置文件，并在每次采集后自动生成一份数据摘要（帧数、每帧尺寸、校验和、时间戳范围）。这样在后续做 DDMA 子带搬移或 TDM 解复用时，才能快速定位是数据本身的问题，还是算法参数的问题。