训练流程

cnn_blstm_pointcloud_training_zh.ipynb 的训练流程从点云文件开始，不从 raw ADC 数据开始。前面的 FFT pipeline 负责把雷达原始数据转成逐帧点云，训练 notebook 负责把这些点云组织成动作片段。

数据入口

训练需要两类输入：

• 点云文件：逐帧 NPZ，或合并后的 HDF5。
• 标签文件：CSV，记录动作片段、类别和帧范围。

notebook 中提供了 load_label_rows、point_cloud_path、RadarPointSequenceDataset 和 H5RadarPointSequenceDataset 等组件。

规整和归一化

雷达每帧检测到的点数不固定。模型训练前要把每帧点云规整到固定点数，常见做法是截断、补零或采样。

特征归一化也很关键。距离、速度、角度和强度的数值范围不同，直接混在一起会让模型训练不稳定。notebook 中的 PointFeatureNormalizer 负责处理这个问题。

训练步骤

读取标签
-> 读取连续帧点云
-> 规整每帧点数
-> 特征归一化
-> 构造 DataLoader
-> 初始化 CNN + BiLSTM
-> 训练与验证
-> 单片段推理

当前还缺什么

仓库当前没有完整公开数据集，所以这里不能写完整复现实验指标。后续如果补充数据，需要继续完善：

• 数据目录规范。
• 标签 CSV 示例。
• 训练/验证/测试划分。
• 模型配置文件。
• 评估指标和混淆矩阵。
• 与论文实验设置的对应关系。