Xiaojie雷达之路---万字详解mmWave API源码_XiaoJie的博客-CSDN博客.html

mmwave studio 02 01 00 00 TI 毫米波雷达软件，TI官方下载需要注册，给大家放在这里了。

介绍： 这是网络模拟器ns-3中用于开发WLAN IEEE 802.11ad / ay标准的存储库。 11ad和11ay标准都支持未经许可的60 GHz频带中的无线网络。 我们的实现为大型密集无线网络（包括具有异类功能和约束的设备组成）执行高保真度仿真铺平了道路。 有关该项目的更多信息，请参阅下面的出版物。 新版本： 我们很高兴在网络模拟器ns-3中共享我们的IEEE 802.11ay模块的第一个预发布版本。 我们在这里列出了一些新功能： IEEE 802.11ay PHY帧结构，新的MAC帧格式和新的信息元素。 先进的波束成形技术（EDMG BRP PPDU和短SSW帧）。 通道绑定最多四个通道。 IEEE 802.11ay中所有通道配置的通道传输掩码。 SU-MIMO波束成形训练和信道访问过程。 MU-MIMO波束成形训练程序。 MIMO QD通道接口。 MIMO通

D2D网络毫米波频段 此MATLAB代码在毫米波波段（@ 28 GHz）的信号干扰加噪声比（SINR）覆盖概率上模拟了PPP无线通信，概率为prob [SINR> T]。 网络元素是基于Poisson点过程（PPP）分布进行分布的。 网络元素是： 1- D2D发射机（干扰）2-障碍物（障碍物的长度，宽度和方向基于均匀分布生成）3-参考接收机位于原点o（0,0） 衡量参考用户的表现， 基于Slyvniak定理，它可以测量整个网络的性能。 为了使噪声平均，重复进行3000次迭代模拟。 网络的分析公式和详细信息可以在[1]毫米波波段的设备到设备通信中找到： ：

论文Deep Learning-Based Channel Estimation for Beamspace mmWave Massive MIMO Systems源码。 这是Python版本的源码。 适合人群：人工智能、通信类研究人员。

TI mmwave iwr6843 指导手册，想要的自己拿去

在此存储库中，我们开发了一个全面的开源MIMO-SAR成像工具箱，该工具箱是基于MATLAB的软件包，包括我们期刊论文中原型测试台解决方案的完整信号处理链（请参见下面的参考资料）。 该工具箱允许用户控制实验台，并使用捕获的实验数据重建高分辨率的3D全息图像。 开发的工具箱包含三个主要模块：（1）数据捕获，（2）MIMO阵列校准和（3）图像重建。 我们的期刊论文中详细介绍了每个模块的框架。

matlab哈士奇代码路径损失模型 描述： 该项目的目的是在您选择的用例场景中为mmWave传输提供路径损耗模型。 因此，该文件夹提供了Matlab函数以及使用它的示例。 “ pathLossModel.m”函数生成路径损耗模型中使用的参数，该参数基于研究文献中广泛使用的方程式-参见所附论文中的方程式（2）（“预测准确性，灵敏度和参数稳定性的研究5G无线通信的大规模传播路径损耗模型”。 示例文件“ examplePLModel.m”显示了如何将Matlab函数与该软件包中提供的少量输入文件一起使用。 Matlab功能说明： 该函数提取路径损耗值（作为输入提供）的统计信息，并生成我们使用的路径损耗模型所需的参数（路径损耗指数和阴影因子）。 唯一的输入要求是一个“ .mat”文件，其中包含考虑的用例场景的路径损耗值。 这些路径损耗值可以通过使用信道探测仪和各种天线的测量获得，或者可以使用光线跟踪器进行估算。 路径损耗输入文件中的数据组织在Matlab函数的“ pathLossModel.m”的标头部分中进行了描述。 一旦提取路径损耗指数和阴影系数的标准偏差，该函数还将绘制路径损耗值和所用模

目前在架设户外停车系统收费，会遭遇到以下的问题: "该如何随时随地侦测物体是否进入停车区域并且降低消耗功率?"，可能的答案有 采用地磁式侦测，需要申请道路挖掘且维护不易 摄影机全时间开启侦测，消耗功率且大材小用 采用其他传感器(大范围扫描可能无法达到需求，且易受天气干扰) 本方采用IWR1642毫米波非接触式传感器于路边停车收费计时管理系统之中。具有不受环境中光照、降雨、灰尘、下雾或霜冻的影响，可稳定的用于室内外各类环境的探测工作上。其主要运作频带为76至81GHz，短距离下其分辨率可达到20um，带给客户更为可靠性的资料回馈。系统确认车辆进入停车区域后，可开启相关传感器(如摄影机)，做车牌辨识与后续相关应用。 核心技术优势1. 雷达讯号可侦测并回馈出物体的距离、角度、速度三个参数值 2. 可动态调整侦测物体的距离范围 3. 可依据需求过滤处理不必要的噪声，提供更具准确性的物体方位 4. 可依据需求调整算法，做出以下相关应用 PS: People counting/Movement/Object Recognition 方案规格1. 77GHz 完全整合的CMOS单芯片解决方案，包含MCU与DSP 2. 提供高度精确的独立感应，距离分辨率小于4公分 3. Radar相关信息可先透过内部处理后，在回馈给用户所需信息 4. 可实现以下应用场景 a. Blind Spot Detection b. Lane Change Assistance c. Parking Assistance d. Simple Gesture Recognition e. Car Door Opener Applications 5. 体积小，且具省电性 方案来源于大大通。

TI自动驾驶安装包，mmwave_automotive_toolbox_2_4_2，包含短距，中距，长距，需使用TI的IDE