【卫星测高】基本雷达测高工具箱BRAT(Basic Radar Altimetry Toolbox)简单的使用说明-附件资源

CIL-SLAM 1、工程简介 cil-slam是相机-惯性测量单元-雷达紧耦合slam系统的简称，也是我硕士毕业的课题，目前为止完成度不高，要抓紧时间了！总体思想：参考lio-sam以因子图作为后端，添加imu预积分约束（同时高频imu测量辅助点云进行畸变去除和姿态预测）、雷达里程计约束、视觉里程计约束（3D-2D的匹配）。 2、视觉部分 以激光雷达帧构成的局部地图补全视觉特征的深度，视觉部分采用点特征以及线特征，前端特征提取与跟踪已经完成。代码上对vins-mono的光流跟踪节点以及Pl-vio的线特征跟踪节点进行了重构，采用ROS与功能类分离的设计，同时也提升了代码的可读性。 光流跟踪效果： 线特征匹配效果： 3、参考资源 感谢以下大佬的文章以及开源代码，没有他们的杰出工作，我们去哪搬砖呀： ，Tixiao Shan小哥真的是年轻有为！

chirp scaling算法，是雷达成像算法中比较常用的。包含具体的算法过程及原理。

德国大陆SRR308-21毫米波雷达数据资料，典型应用领域: - 汽车前向AEB/ACC/FCW等ADAS和自动驾驶等场景 - 起重机（RTG，RMG，STS，桥式起重机，龙门起重机）的避障防撞、作业区监测等 - 远程区域监控（适用于危险或不能进入的区域） - 目标分类 - 雨雾霾雪等复杂环境下的目标检测 - 道闸防砸检测

在[1]中，通过迭代最小化（SLIM）方法进行的稀疏学习已被证明在MIMO雷达模型的高分辨率成像中是有效的。 但是，那里的回声模型是直接根据离散形式导出的。 成像空间的先前网格化以及所有散射体都精确位于网格上的假设。 因此，这里我们将回波模型推广到任意位置散射体的连续形式。 通过比较两个模型，我们首先指出了先前模型中的一个推导错误。 然后，我们分析了先前模型和SLIM方法在何种程度上会受到离网散射体的范围和角度偏差的影响。 根据我们的分析，由于先前模型中的采样间隔和离散距离仓的大小是根据传输的子脉冲的持续时间设计的，因此距离偏差对成像性能没有重大影响。 但是，角度偏差可能导致基矩阵不匹配，从而严重影响SLIM的重建结果。 因此，提出了一种基于自更新的SLIM（SUB-SLIM）方法，通过交替稀疏成像和自适应细化角箱来处理偏角网格散射体。 数值结果说明了我们的方法和相关分析的有效性。

包含以下雷达连续波： 1、没有调制信息的脉冲雷达波形 2、线性调频脉冲波形 3、编码调制连续波 4、相参体制与非相参体制简单对比仿真 仿真比较简单，适合雷达初学者。

用于生成雷达的ATM、DTM、RTM图，可以作为参考；以及脉冲对消

随着自动驾驶能力的持续提升，3D毫米波雷达已无法满足“看得更清晰”、“看得更准确”的需求，而4D毫米波雷达在3D的基础上增加目标高度数据的探测，且天线数量更多/密度更高、输出的点云图像更致密，使得毫米波雷达在探测距离、距离精度、角度分辨率、角度精度、速度精度等方面都有所提升，可有效解析目标的轮廓、类别、行为。 但受成本因素制约，3D毫米波雷达短期内无法全面升级为4D毫米波雷达。随着4D毫米波雷达技术成熟度提高、算法能力提升、量产规模加大、成本降低，会逐步从高端车型向中低端车型覆盖。

针对分布式高频地波雷达(HFSWR)的工程应用,研究了基于自适应混合算法(AHA)的阵列无源校正方法.该方法将阵列误差估计问题转化为多元参数的联合估计问题,利用改进的混合算法得到了该优化问题的最优解估计.利用海洋回波校正了分布式高频地波雷达阵列幅相误差之后,将该方法应用到雷达系统的阵列互耦误差校正.仿真和现场实验实测数据的分析表明,该方法对空间谱算法性能的改善十分明显,验证了其有效性.

雷达信号处理，应用matlab实现卡尔曼滤波