DCA1000EVM毫米波雷达数据采集与MATLAB后处理完整实战

做毫米波雷达开发的人都知道，算法流程再漂亮，没有真实ADC数据做验证也白搭。DCA1000EVM这块采集卡，配合TI的毫米波雷达评估板，能把前端混频采到的原始数据原封不动地搬到电脑上，让后续的信号处理完全掌握在自己手里。我最早接触这套工具链的时候，光是“怎么把数据采出来、再读进MATLAB”就折腾了将近一周：mmWave Studio里一堆参数不知道哪几个是关键，采完出来的bin文件打开全是乱码，网上能找到的资料又零零散散。这篇文章就是一条踩完坑之后的完整链路记录——从硬件连接、mmWave Studio参数配置，到数据格式解析、MATLAB读取，再到Range-FFT、Doppler-FFT、CFAR检测和角度估计的完整后处理流程，全部基于我的实际项目和代码。适合刚拿到DCA1000EVM、想自己走通数据链路的同学，也适合那些手里有现成采集数据、准备做二次开发的工程师参考。

1. 硬件连接与环境准备

1.1 硬件准备与连接

DCA1000EVM本身不是一块完整的雷达，它是一块数字采集子卡，必须搭配TI的毫米波雷达评估板一起用，常见的组合是IWR1443BOOST、IWR6843ISK或者IWR1642BOOST。DCA1000EVM和雷达评估板之间通过一个60pin的高密度排针连接，安装的时候要特别注意方向，排针上有防呆缺口，但还是建议对照两块板子的丝印确认，确定没问题再均匀用力压下去，千万不能斜着硬顶，否则针脚弯了处理起来相当麻烦。

连接好板卡之后，需要接三样东西：给雷达板的USB线（用于供电和串口调试）、DCA1000EVM的电源线、以及DCA1000EVM网口到PC的以太网线。电源这块我提醒一句，DCA1000EVM一般用外接电源适配器供电，规格通常是5V/2.5A左右，具体看丝印标注，别随手拿一个电压不对的适配器往上怼。网线建议直接连PC的有线网口，不要经过路由器，后续配置静态IP会省事很多。USB线连上雷达板后，电脑设备管理器里会出现两个串口，对应XDS110仿真器的Application/User UART和Auxiliary Data Port，后面在mmWave Studio里要选对这两个COM口。

1.2 驱动安装与静态IP配置

雷达板的USB驱动一般系统会自动装好，如果没有识别，去TI官网下载XDS110驱动包手动装一次。确认两个串口出现之后，还要给PC和DCA1000EVM之间的以太网连接配静态IP。DCA1000EVM出厂默认IP是192.168.33.180，PC端以太网口的IP要手动设置为192.168.33.30，子网掩码255.255.255.0，默认网关留空就行。

设置完IP，打开命令行ping一下192.168.33.180，能通就说明物理链路没问题。这一步非常关键，很多同学在mmWave Studio里卡在所谓的“连接失败”，最后排查下来都是IP没配对或者防火墙拦截，根本不关软件的事。如果ping不通，先检查网线是否插紧、PC是不是真的切到了有线网卡、IP有没有冲突，再检查Windows防火墙是不是把ICMP或者相关端口给拦截了。实测中Windows自带的防火墙经常会在第一次跑数据采集的时候弹出联网权限提醒，点允许就好，别随手点了取消。

1.3 软件版本与固件匹配

软件层面主要装两个东西：mmWave Studio和MATLAB。mmWave Studio现在TI官方推的是4.x版本，如果你的雷达板是比较早的批次，可能需要按官方文档选择对应的版本。装好之后，把DCA1000EVM连到mmWave Studio，软件会自动检测卡上的FPGA版本。如果FPGA版本太旧，后续配置会失败或者采出来的数据错乱，需要在软件里跑一次FPGA固件升级。

固件升级是一个需要格外小心的操作，过程大概几十秒，期间绝对不能断电、不能拔USB、不能断网。我见过有同事在升级过程中因为电脑休眠导致卡死在半路，后来只能寄回原厂处理。跑固件更新之前，建议在Windows电源设置里把自动休眠关掉。另外要留意一个细节：DCA1000EVM的固件和雷达板的SDK版本之间有配套关系，别只更新一头，不然可能这边采集卡固件是最新，那边雷达板SDK太老，两边不认。

2. mmWave Studio参数配置与数据采集

2.1 理解chirp参数的含义

打开mmWave Studio，默认界面分好几个页签。先看Sensor Config这块，它管的是雷达前端本振和ADC采样，参数直接决定了后面数据的物理含义。关键参数无非这几个：起始频率、频率斜率、空闲时间、ADC有效开始时间、ADC采样数、采样率、每帧chirp数、帧周期、发射天线和接收天线使能。

刚上手的人很容易被单位搞晕：频率斜率在界面上默认是MHz/μs，ADC采样率单位是Ksps，不是Msps。比如你填了一个5000，意思其实是5Msps。匀速这些参数的时候一定要养成“写之前先换算出物理量”的习惯。举个我常用的配置例子：起始频率77GHz、斜率29.982MHz/μs、ADC采样数256、采样率5Msps、空闲时间7μs、ADC有效开始时间6μs、每帧64个chirp、帧周期40ms、1发4收。这个配置下，有效调频带宽约等于斜率乘以有效采样窗口时间，算出来大概1.54GHz，距离分辨率约9.8cm，最大不模糊距离约25m，放在室内走廊场景做人员检测够用。

2.2 DCA1000配置的关键选项

Sensor Config下面还有一块区域是给DCA1000数据采集卡的，这里的选项和前面雷达板配置必须匹配。首先要选数据传输模式，老一点的板子基本走LVDS，IWR6843这种新平台还支持CSI-2接口，两种模式采出来的文件结构有差异。我这里以LVDS为例，因为实际项目中用的最多。

LVDS模式下需要选择lane数量和位宽。我常用的板卡是2 lane、16bit格式。这里有个容易踩的坑：lane数量不是随便选的，它和板卡物理走线、发射天线数量都有关，选错的话采出来数据波形直接是乱的。拿不准的情况下先按TI官方例程里的推荐值来。触发方式一般用软件单次触发，点一下Trigger Frame就采一帧。如果要连续采多个场景，就配置好帧数，一次性连续采集，再全部保存下来，这个方式便于后续批量处理。

2.3 一次标准采集的完整流程

走通整个采集流程其实就那么几步。第一步，确认硬件连接好、ping得通，打开mmWave Studio，在Device Connection页签里选对两个串口COM号。第二步，点Setup让软件和雷达板建立连接，同时软件会读DCA1000的固件版本做校验。第三步，在Sensor Config里把前面说的chirp参数填好，点击Set并保存成配置文件。第四步，在DCA1000配置区域设置LVDS模式、lane数量、数据位宽，点击Set。第五步，设置好要采集的帧数，点Trigger Frame，软件会显示采集进度条。

采集完成之后，要把数据导出来。软件里有一个按钮负责把收到的数据保存成bin文件，注意保存的时候选好路径，文件命名别用中文和特殊字符，后面MATLAB读取时省去编码问题。整个流程熟练之后大概两三分钟就能完成一次采集，但前提是每一步参数都和硬件实际配置一致，否则要么触发失败，要么采完的文件拉到MATLAB里reshape的时候直接报错。

2.4 采集中容易踩的坑

这部分我单独拎出来说，是因为踩过的坑实在太多。最常见的坑是ping通了但mmWave Studio显示DCA1000连接失败，这种情况八成是DCA1000的FPGA版本太旧，去更新固件就好。第二个常见问题是采集中途卡死，软件界面转圈但数据包就是不来，我遇到过好几次都是因为电脑休眠或者以太网链路被系统切换到了无线网卡。解决办法是把系统休眠关掉，采集时拔掉无线网卡或者断开Wi-Fi。

还有个问题容易被忽略：保存下来的bin文件大小和预期不一致。DCA1000输出文件其实包含了帧头、帧尾、帧计数这些额外字节，如果直接用文件大小除以数据块大小来估算帧数，往往会差一点。这个我在下一节展开讲，这里先记住一个原则：读取时按“有效ADC数据总量”来截断，不要依赖文件大小的精确匹配。

3. 原始数据格式解析与MATLAB读取

3.1 DCA1000文件到底存了什么

DCA1000保存的bin文件不是一个纯ADC采样值流，里面有一层帧结构。每帧数据的开头是8字节的magic word，内容固定是十六进制的02 01 04 03 06 05 08 07，用来做同步识别。接着是这一帧里所有chirp的数据，帧尾又有一段magic word加上帧计数和填充字节。大部分后端处理根本不需要关心帧头帧尾，因为ADC样本总数是确定的，直接按总量硬截取就行，但如果要严格对齐帧边界，就得靠magic word来定位。

真正需要理解的是ADC数据在文件里的排列顺序。在LVDS模式下，一个chirp内，单个接收通道的数据按“采样点I/Q交错”存放，也就是sample0的实部、sample0的虚部、sample1的实部、sample1的虚部……一个RX通道的全部样本排完之后，再排下一个RX通道的数据。举个例子，4通道接收，每个chirp的数据就是先RX0全部样本的I/Q，再RX1全部样本的I/Q，依此类推。很多人在这一步把数据的通道维度搞错，就是因为不知道DCA1000按块排列通道，而不是按采样点交错排列通道。

3.2 手写一个清爽的读取函数

基于前面的格式，我自己整理了一个读取DCA1000 bin文件的函数，比TI官方的readDCA1000.m看起来更直观，逻辑也更清晰。代码不长，核心就是reshape和I/Q拆分：

function adcData = readDCA1000Raw(fileName, numADCSamples, numChirps, numFrames, numRX) fid = fopen(fileName, 'rb'); raw = fread(fid, 'uint16'); fclose(fid); total = numFrames * numChirps * numADCSamples * numRX * 2; if length(raw) < total error('文件有效数据不足：期望 %d 个uint16，文件实际 %d 个', total, length(raw)); end raw = raw(1:total); raw = reshape(raw, numADCSamples * 2, numRX, numChirps * numFrames); I = raw(1:2:end, :, :); Q = raw(2:2:end, :, :); adcData = complex(I, Q); adcData = reshape(adcData, numADCSamples, numRX, numChirps, numFrames); adcData = permute(adcData, [2, 1, 3, 4]); end

都完成之后，adcData的维度是[numRX, numADCSamples, numChirps, numFrames]，这个维度顺序在后面处理时很顺手：第一维是接收通道，第二维是快时间采样点，第三维是慢时间chirp序号，第四维是帧。调用的时候把采集参数传进去就行，比如adcData = readDCA1000Raw('adc_data.bin', 256, 64, 1, 4)。

3.3 读取时的几个关键细节

第一是符号问题。DCA1000在LVDS 16bit模式下输出的是有符号数，但fopen加fread用'uint16'读进来，所有数据都成了无符号整数。如果直接拿去算FFT，直流附近会看到一片怪异的谱线。正确做法是把超过32767的数值按补码方式还原成负数。我通常在读取函数里加一段转换，比如I = double(I); I(I >= 32768) = I(I >= 32768) - 65536;，Q同理。这一步看似简单，但对后处理结果影响巨大。

第二是文件过大时的处理。如果连续采集了几百帧，bin文件轻松上GB，一次性fread全部读进来内存容易爆。我后来改成按帧读取，先通过fseek跳帧头，每帧读多少字节，处理完再读下一帧。这个改进让我能直接处理大场景连续采集的数据，不用先切成小块。

第三是CSI-2模式和LVDS模式的区别。如果用IWR6843走CSI-2，文件内的数据是按CSI-2协议打包的，读取方式和LVDS有差异，不能直接套用。遇到这种情况，先查TI对应的docnote，按它给的数据格式说明调整reshape维度。

4. MATLAB后处理：从原始数据到目标点云

4.1 一维距离FFT

读取到adcData之后，后处理就变得非常顺畅了。先从最简单的距离维FFT开始。对每一帧、每个接收通道、每个chirp，沿着采样点维度做一次FFT，就可以把时域回波变成距离谱。注意FFT之前一定要加窗，不然旁瓣会很大，近处强目标会把远处的弱目标盖掉。我一般用Hann窗或Hamming窗。

代码写起来很简洁：

% 取出第一帧，RX0通道 frame = squeeze(adcData(1, :, :, 1)); % [256 x 64] win = hann(numADCSamples); rangeProfile = fft(frame .* win, numADCSamples, 1); figure; plot(20*log10(abs(rangeProfile(:, 1)) + eps));

画出来的横轴是距离bin序号，可以乘上距离分辨率换算成真实距离。比如前面的配置下距离分辨率约9.8cm，那第20个bin就对应大概1.96米处的目标。这个地方要注意，FFT输出的第1个bin是零频分量，对应的是直流泄漏和静态杂波，观察目标时一般忽略前面几个bin。

4.2 距离-多普勒二维FFT

距离维只看得到目标的距离，分辨不了运动速度，这时候需要第二个维度的FFT——沿着chirp方向做。一个帧内有64个chirp，每个chirp在同一个距离bin上采样一次，这64个采样点构成了慢时间序列。对这组序列做FFT，就能得到多普勒频率，换算成速度。

这里我直接对rangeProfile按行做FFT，然后fftshift把零频搬到中间，方便看正负速度：

dopplerWin = hann(numChirps); rangeDoppler = fft(rangeProfile .* dopplerWin.', numChirps, 2); rangeDoppler = fftshift(rangeDoppler, 2); figure; imagesc((-numChirps/2:numChirps/2-1) * velocityRes, ... (0:numADCSamples-1) * rangeRes, ... 20*log10(abs(rangeDoppler))); xlabel('速度 (m/s)'); ylabel('距离 (m)');

距离-多普勒图是雷达信号处理里最常见的图之一，横轴速度、纵轴距离，一个亮点就代表一个目标候选。看到这张图的时候，说明数据链路基本打通了，接下来要做的就是自动找图上的亮点。

4.3 CA-CFAR目标检测

自动找亮点不能只看幅度阈值，因为不同距离处的噪声底不均匀，远处信号弱、近处杂波强，一个固定阈值要么漏检要么虚警太多。工程上最常用的方案是CA-CFAR，也就是单元平均恒虚警检测。思路很简单：对待检测单元周围的参考单元求平均噪声功率，再乘一个门限因子得到自适应阈值，当前单元超过阈值就判定为目标。

实现时，我在距离维和多普勒维都做一维CA-CFAR，然后把两个维度的检测结果取交集，相当于做一个二维检测。参考单元和保护单元的数量设置很关键。参考单元太少，噪声估计不稳；参考单元太多，可能把邻近目标也平均进去导致漏检。经验值是距离维参考单元取16个、保护单元取4个，速度维参考单元取8个、保护单元取2个，实际可以根据场景密度微调。门限因子和虚警率的关系是thr = N * (Pfa^(-1/N) - 1)，N是参考单元总数，但工程上为了避免计算困难，通常先按这个公式粗调，再结合实际噪声底手动微调。

4.4 角度估计与点云输出

CFAR检测找出了目标在距离-多普勒图上的位置，但目标在空间中的方位角还不知道。毫米波雷达评估板有一组接收天线，不同天线接收到同一目标的信号有相位差，这个相位差正比于天线间距和来波方向角度的正弦值。对所有接收通道在目标所在的距离-多普勒bin上取复数值，组成一个空间采样向量，对这个向量做FFT，峰值对应的横坐标经过反正弦换算就是目标角度。

代码思路大概是这样的：

targetVector = squeeze(adcData(:, peakRange, peakDoppler, 1)); % 取4个RX通道 nfft = 256; angleSpectrum = fft(targetVector .* hann(numRX), nfft); angleBins = asin((-nfft/2:nfft/2-1) * 2 / nfft) * 180 / pi; figure; plot(angleBins, 20*log10(abs(fftshift(angleSpectrum))));

角度FFT的结果就是一张以角度为横轴、幅度为纵轴的谱。峰值对应的角度就是这个候选目标的到达角。到这里，距离、速度、角度都有了，组合起来就是一个三维点，把所有CFAR检测到的目标遍历一遍，就得到一帧点云。后面要做聚类跟踪，就可以直接用这组点云数据往下走。

5. 常见问题排查速查表

5.1 连接与采集阶段的问题

这部分我把实际项目中碰到过的高频问题整理成了表格，方便遇到问题时对照检查。

另外补充一个我吃过亏的点：多个雷达板交替使用时，COM口号会变，mmWave Studio里保存的配置不一定还指向正确串口。每次换板子之后第一件事是重新确认设备管理器里的COM号，别上来就问为什么连接失败。

5.2 数据读取与后处理阶段的问题

如果你发现采出来的数据在MATLAB里波形上叠加了一个明显的直流偏置，先检查是不是fread用了'uint8'而不是'uint16'，数据都读错位了。这类低级错误我见过不止一次，遇到奇怪问题先从头把读取函数的参数对一遍，往往比查算法快得多。

我个人在实际操作中的体会是：这套链路里，最花时间的不是MATLAB后处理的算法，反而是前面数据格式的理解和参数的匹配。把readDCA1000Raw这样的读取函数固定下来，把采集参数做成一个配置文件，之后换板子、换波形只改参数不改代码，效率会大幅提升。我用这个方式把多次实验的数据统一批量处理，跑算法回归测试也省了很多心。如果你手里已经有了一批DCA1000采出来的bin文件，别急着堆模型，先花半天时间把读取和可视化这层地基打牢，后面的所有分析都会顺畅很多。