ADC 到 Radar Cube¶

雷达前端采到的 raw ADC 数据，本质上是一串复数采样。它还不是点云，也不是图像。要让模型使用，第一步是把这些采样恢复成有物理意义的多维结构。

radar_fft_cube_progress_zh.ipynb 中的流程是：

read_dca1000_complex_bin
-> reshape_tdm_mimo_frames
-> range_fft
-> doppler_fft
-> angle_fft
-> detect_points_from_angle_cube

并行版本把这些步骤拆到 radar_fft_cube_progress_parallel/src/：

dca1000_reader.py：读取 DCA1000 raw ADC bin。
fft_layers.py：执行 Range FFT、Doppler FFT、Angle FFT。
point_cloud.py：把 FFT cube 中的候选峰值转成点。
parallel_pipeline.py：批量处理样本。

原始维度¶

TDM-MIMO 雷达数据常见维度可以这样理解：

维度	含义	后续用途
sample	一个 chirp 内的 ADC 采样点	Range FFT
loop / chirp	一帧内重复发射的 chirp 序列	Doppler FFT
TX / RX	发射和接收天线组合	虚拟天线阵列
frame	连续时间上的一帧帧数据	行为序列建模

reshape_tdm_mimo_frames 的意义就是把原本线性排列的 ADC 数据，重排成后续 FFT 能处理的 frame cube。

TX/RX 通道顺序¶

raw ADC 文件里通常不是直接存成 [loop, tx, rx, sample] 这种舒服的形状。采集卡更可能按时间顺序把 I/Q 采样连续写进 bin 文件。后处理要知道雷达配置，才能把线性数据还原成多维数组。

这里最容易糊的是 TX/RX。

TX：发射天线，负责按 chirp 发射调频信号。
RX：接收天线，每个 chirp 发出后，所有 RX 同时接收回波。
TDM-MIMO：多个 TX 轮流发射，系统用时间顺序区分这次回波来自哪个 TX。

一个简化 frame 的排列可以理解为：

frame
└── loop 0
    ├── tx 0 chirp -> rx 0, rx 1, rx 2, rx 3 samples
    ├── tx 1 chirp -> rx 0, rx 1, rx 2, rx 3 samples
    └── tx 2 chirp -> rx 0, rx 1, rx 2, rx 3 samples
└── loop 1
    ├── tx 0 chirp -> rx 0, rx 1, rx 2, rx 3 samples
    ├── tx 1 chirp -> rx 0, rx 1, rx 2, rx 3 samples
    └── tx 2 chirp -> rx 0, rx 1, rx 2, rx 3 samples

整理成数组后就是：

[num_loops_per_frame, num_tx, num_rx, num_adc_samples]

如果 TX/RX 顺序错了，Range FFT 可能还能看到能量，但 Angle FFT 会乱，因为角度估计依赖天线之间的相位关系。

采样流到 cube 的流程图¶

flowchart TB
  S["DCA1000 raw ADC bin<br/>interleaved I/Q samples"] --> R["read_dca1000_complex_bin<br/>complex ADC samples"]
  R --> M["reshape_tdm_mimo_frames<br/>[frame, loop, tx, rx, sample]"]
  M --> F["select one frame<br/>[loop, tx, rx, sample]"]
  F --> RF["range_fft<br/>axis = sample"]
  RF --> DF["doppler_fft<br/>axis = loop"]
  DF --> AF["angle_fft<br/>axis = virtual antennas"]
  AF --> P["detect_points<br/>range_m, velocity_mps, angle_deg, power_db"]

这张图对应 notebook 里的函数顺序，也对应并行版本的代码拆分。

继续看真实处理代码¶

当前仓库的 radar_fft_cube_progress_zh.ipynb 和 radar_fft_cube_progress_parallel/ 更像是把 mmLock 论文相关流程拆开讲清楚。后续如果要看更完整的雷达数据处理平台，可以接着看：

mmwave-fmcw-cascade-mimo-sensing-platform

如果当前读者还没有真实雷达数据，或者想先在可控环境里理解 ADC、chirp、MIMO 和 FFT 的关系，可以先看模拟器：

MIMO-FMCW-Radar-Simulator-Multiprocess

真实处理代码回答“采到的数据怎么处理”；模拟器回答“这些数据为什么会长成这样”。两边一起看，比只看 notebook 更容易把物理过程和代码 shape 对上。

Radar Cube 的含义¶

Radar cube 是一个中间表示。它把原始时域信号变成按距离、速度、角度组织的能量结构。仓库并行版本中，angle_fft 的输出形状写得很直接：

[doppler_bin, angle_bin, range_bin]

后面的点检测就在这个 cube 上找能量高于阈值的候选点，再把 bin index 换算成米、米每秒和角度。