1. XENSIV雷达技术概览

在开始写第一行雷达配置代码之前，需要先建立三个层次的认知：毫米波为什么适合感知微小动作、FMCW 如何把"距离"变成可计算的频率、以及英飞凌 XENSIV 系列在整条产品谱系中各自站在什么位置。这三件事决定了后续所有参数选择与算法设计的边界。

一、毫米波雷达的物理基础

毫米波指 30 GHz～300 GHz 的电磁波，对应波长 1 mm～10 mm。XENSIV 雷达常用的 24 GHz 与 60 GHz 两个频段，波长分别约为 12.5 mm 和 5 mm。这个尺度带来两个直接后果：一是天线阵列可以做得很小，几厘米见方的 PCB 上就能排布多收多发；二是波长与人体呼吸引起的胸廓位移（约 1～5 mm）、手指滑动（厘米级）处于同一量级，因此这些动作会在回波中产生可检测的相位变化。

与摄像头相比，毫米波不依赖可见光，在黑暗、烟雾、强逆光下仍能工作；与红外/PIR 相比，它能测距、测速，并且能穿透塑料、木材、玻璃等非金属外壳，因此可以把雷达藏在设备面板内部，外观上完全"隐形"。代价是它不直接给出颜色和纹理，输出的是距离、速度、角度与反射强度，需要算法把点云或距离-多普勒谱翻译成"手势"或"呼吸"这类语义。

二、FMCW 调制：把距离编码成频率

XENSIV 雷达采用调频连续波（FMCW）。发射信号是一个频率随时间线性上升的"啁啾"（chirp），从起始频率 f₀ 扫到 f₀+B，扫频带宽 B 通常为几百 MHz 到数 GHz，扫频时间 T_c 为几十到几百微秒。信号打到目标后返回，往返延迟 τ = 2R/c（R 为距离，c 为光速）。由于发射频率一直在变，回波与当前发射信号混频后得到一个差频 f_b，它与距离成正比：

f_b = (2 · B · R) / (c · T_c)

例：B = 1 GHz，T_c = 100 µs，R = 1 m
f_b = (2 × 1e9 × 1) / (3e8 × 100e-6) ≈ 66.7 kHz

对混频后的中频信号做 FFT，峰值位置就对应目标距离，这就是"快时间"维度的处理。如果目标在运动，相邻 chirp 之间回波相位会变化，对同一距离单元沿 chirp 序列再做一次 FFT（"慢时间"维度），峰值位置对应多普勒速度 v = λ·f_d/2。因此一个 chirp 帧经过二维 FFT 后得到距离-多普勒图（Range-Doppler Map），这是几乎所有 XENSIV 雷达信号处理的起点。

角度信息来自多天线。相邻接收天线之间因目标方向不同产生相位差 Δφ = 2π·d·sinθ/λ（d 为天线间距，θ 为入射角）。对天线阵列做第三维 FFT 或波束成形，即可得到方位角，进而把二维的距离-多普勒点扩展成三维点云。

三、XENSIV 产品系列定位

英飞凌 XENSIV 雷达家族按频段和集成度划分，选型时主要看三件事：探测距离、角度分辨率、以及是否需要片上处理。

做手势与微动感知，通常从 BGT60TR13C 入手：它提供三路接收的原始 I/Q 数据，能同时支撑距离、速度、角度三维处理，社区与官方 SDK 资料也最完整。若产品是纽扣电池供电、只需要"有人靠近就唤醒"，则 BGT60LTR11AIP 更合适，它把检测逻辑做进了芯片，主控可以长期休眠。

四、手势与微动感知的应用场景

手势感知与微动感知虽然共用同一套硬件，但信号处理目标不同。手势识别关注的是厘米级、百毫秒级的宏观运动轨迹，例如挥手切换、手指画圈调音量、推拉手势；算法通常先做距离-多普勒聚类，再跟踪目标轨迹，最后用分类器（如 DTW 模板匹配或轻量神经网络）判别手势类别。微动感知关注的是毫米级、秒级的周期性位移，例如呼吸时胸廓起伏、心跳引起的体表微振；算法需要在距离单元上做相位解缠，再用带通滤波分离呼吸频段（0.1～0.5 Hz）与心跳频段（0.8～2.0 Hz），最后通过峰值检测或 FFT 提取频率。

典型落地场景包括：智能音箱的隔空手势控制、笔记本的靠近唤醒与离开锁屏、智能家居的存在检测（人静止不动也能感知，弥补 PIR 的短板）、以及非接触式的睡眠呼吸监测。这些场景的共同点是要求设备"看不见、摸不着"，而毫米波恰好满足。