企业官网建设流程全解析

第一次把DCA1000EVM和IWR6843连在一起，满心期待点下Trigger，然后打开bin文件——满屏“乱码”。这不是什么新鲜事，几乎所有入门毫米波雷达数据处理的人都会卡在这一步：数据采到了，但不知道怎么解析成能看的距离、速度。这篇文章把整个过程拆开揉碎讲清楚，从硬件链路、mmwave Studio参数配置，到bin文件的字节排列规则，再到一套可以直接跑的MATLAB解析代码，最后用距离-多普勒热力图验证解析是否正确。适合正在用IWR6843做跌倒检测、存在检测、手势识别这类应用的同学参考，也适合刚拿到DCA1000EVM、还没跑通数据流的初学者。

1. 硬件链路与采集准备

1.1 这套系统是怎么工作的

IWR6843是TI的60GHz毫米波雷达传感器，板子上集成了3发4收的天线阵列，内部自带MCU和DSP，可以直接输出目标点云。但如果你要做定制化算法（比如自己写CFAR、做微多普勒分析、做呼吸心跳检测），就需要拿到最原始的ADC数据。这时候问题就来了：IWR6843板载的USB接口默认只能输出处理后的目标级数据，拿不到ADC原始采样。

DCA1000EVM就是来解决这个问题的。它通过LVDS接口连接IWR6843，把雷达前端采样到的中频信号原始I/Q数据搬出来，再通过千兆以太网UDP包发给电脑保存成bin文件。整个数据链路是这样一个走向：

IWR6843射频前端 → ADC采样 → LVDS输出 → DCA1000EVM → 千兆网口 → PC端bin文件

这里有个关键点：DCA1000不负责目标检测，它就是一个“数据搬家工”，把ADCBuf里的原始采样逐bit搬到电脑里。所以数据解析这件事，必须在电脑端用代码自己完成。

1.2 采集前必做的三件事

硬件接线直接影响数据质量，我第一次踩坑就是供电问题。注意三项：

1. 供电：DCA1000EVM需要独立12V供电，IWR6843通过DCA1000的接口供电，不需要单独接。千万别只插IWR6843的USB就指望DCA1000工作。
2. 网口直连：用网线直接把DCA1000的网口和电脑网口连起来，不要经过路由器，减少丢包。电脑网卡配置静态IP为192.168.33.30，子网掩码255.255.255.0，DCA1000默认IP是192.168.33.180，确保在同一网段。
3. 启动顺序：先给DCA1000上电，等指示灯稳定后再打开mmwave Studio，避免上位机识别不到设备。

mmwave Studio里的配置是另一个容易翻车的地方。打开软件后在“mmWave Sensors”里选择IWR6843，进入配置界面。关键参数在“Sensor Config”和“DCA1000”两个模块，其中有几个要注意：

• Data Mode必须选择LVDS模式（4-bit LVDS），这一步不能漏，否则DCA1000拿不到数据。
• 每帧chirp数、每chirp采样点数需要和你后面MATLAB代码里的参数严格对应。
• 配置完记得点“DCA1000 ARM”和“Trigger Frame”，等待采集完成后再点“Save”保存bin文件。

2. bin文件到底长什么样（数据格式拆解）

2.1 文件头怎么跳

用MATLAB打开bin文件后，前几十个字节往往不是我们需要的ADC数据。DCA1000保存的bin文件一般带有一个文件头，常见长度是40字节（20个int16）。不同固件版本可能有差异，有的版本是581字节，有的版本开头有一段Magic Word标识。

一个通用做法是：先用fopen打开文件，读前100个int16转成十六进制看一眼。如果你看到开头几个数像0x7243、0x5A4D、0xA5A5这种规整的Magic Word，说明这些是文件头，直接跳过。如果没有Magic Word、打开就是有规律的连续数据，可能不需要跳过或只需要跳过少量字节。

我在代码里统一按40字节头处理，这是目前大多数固件版本和教程里最常见的格式。如果你用不同版本导出的bin文件解析出来波形不对，优先检查这里。

提示：文件头偏移判断错了，后面的IQ交错、通道顺序全都会错位，而且不容易发现。建议在正式处理前，先打印前几十个采样点确认一下排列规律。

2.2 真正的ADC数据排列

跳过文件头之后，剩下的就是原始ADC采样数据，数据类型是16bit有符号整数（int16）。这里有两个关键概念需要理解：

第一，IQ数据交错。IWR6843内部ADC采样出来的是复数信号，分为I路（同相）和Q路（正交），DCA1000传输时把I和Q交替排列。也就是说每两个int16代表一个复数采样点：第一个是I，第二个是Q。如果配置成实数据模式，才没有这一层交错。

第二，多通道顺序排列。IWR6843有4个接收通道RX1~RX4，在每一个采样时刻，4个通道的数据按顺序排列，排列规律是：

RX1(I) → RX1(Q) → RX2(I) → RX2(Q) → RX3(I) → RX3(Q) → RX4(I) → RX4(Q)

然后才是下一个采样时刻。这个排列方式决定了reshape时每一列是2×numRx个数，而不是别的长度。如果搞错了顺序，距离FFT出来的峰值位置会对不上真实目标位置。

3. MATLAB解析代码与参数计算

3.1 从读取到复信号还原（完整代码）

直接上代码。这个脚本我测试过很多次，按下面的配置参数改一下就能跑通。

%% 参数定义（和mmwave Studio里的配置严格一致） numRx = 4; % 接收通道数 numSamplesPerChirp = 256; % 每个chirp的ADC采样点数 numChirpsPerFrame = 128; % 每帧chirp数量 numFrames = 10; % 采集帧数 numChirpsTotal = numChirpsPerFrame * numFrames; %% 读取bin文件 fileName = 'adc_data.bin'; fp = fopen(fileName, 'rb'); if fp == -1 error('打不开文件，检查路径'); end % 跳过文件头（DCA1000 bin文件常见为40字节） headerLenBytes = 40; Header = fread(fp, headerLenBytes/2, 'int16'); % 读取后丢弃 % 读取剩余ADC数据，int16有符号数 rawData = fread(fp, 'int16'); fclose(fp); fprintf('读取到 %d 个int16数据点\n', length(rawData)); %% 数据长度校验 expectedLen = 2 * numRx * numSamplesPerChirp * numChirpsTotal; if length(rawData) ~= expectedLen warning('数据长度不匹配：实际 %d，预期 %d，请检查参数配置', ... length(rawData), expectedLen); end %% IQ分离与通道重排 % 原始排列: RX1_I, RX1_Q, RX2_I, RX2_Q, RX3_I, RX3_Q, RX4_I, RX4_Q % 先重排成 2*numRx 行 adcIQ = reshape(rawData, 2*numRx, []); % 奇数行是I路，偶数行是Q路 iData = adcIQ(1:2:end, :); qData = adcIQ(2:2:end, :); % 合成复数信号，大小为 numRx x (总采样点数) adcComplex = iData + 1j * qData; %% 按chirp和帧整理 % 每个chirp上面有 numSamplesPerChirp 个复数采样点 % 先reshape：numRx x numSamplesPerChirp x numChirpsTotal adcData = reshape(adcComplex, numRx, numSamplesPerChirp, numChirpsTotal); % 转成 [numSamples x numChirps x numRx]，方便后面沿距离维做FFT adcData = permute(adcData, [2 3 1]); fprintf('解析后的复数据矩阵大小：%d x %d x %d\n', size(adcData));

这段代码的核心就三步：读数据、IQ合成、按维度重排。做完这一步你已经拿到了纯正的ADC复数矩阵，剩下的FFT处理都基于这个矩阵。

有一个细节要留意：如果某一帧数据丢失或者以太网UDP丢包，rawData的长度会发生偏差，reshape会直接报错。代码里的长度校验就是用来兜住这种情况的。

3.2 距离/速度分辨率怎么算

解析出复数据之后，下一个步骤是算目标距离和速度，但算之前得先清楚每个FFT bin对应多少距离、多少速度。这几个公式是雷达基础，建议直接抄下来用。

距离维相关的两个关键参数：

• 距离分辨率：ΔR = c / (2B)，其中B是chirp的扫频带宽
• 最大不模糊距离：Rmax = c·Fs / (2S)，其中Fs是ADC采样率，S是chirp斜率

速度维相关的两个关键参数：

• 速度分辨率：ΔV = λ / (2·Tf)，其中Tf是一帧内所有chirp的总时间，λ是载波波长
• 最大不模糊速度：Vmax = λ / (4·Tc)，其中Tc是一个chirp的周期

举个实际例子。60GHz频段载波波长约5mm，假设chirp配置为：斜率S = 50MHz/μs，ADC采样率Fs = 5MHz，每个chirp采256个点，则chirp有效扫频时间约51.2μs，带宽B = 50MHz/μs × 51.2μs = 2.56GHz。

代入公式：

• ΔR = 3e8 / (2 × 2.56e9) ≈ 0.058m，也就是约5.8cm
• Rmax = 3e8 × 5e6 / (2 × 50e12) ≈ 15m

这组配置比较适合中短距离目标探测。如果要做更远距离，需要降低斜率或降低采样率，但分辨率会跟着变粗，这是互相制约的关系。

在MATLAB里可以直接写成一个参数计算小块，方便调节配置后自动更新坐标轴刻度。

%% 距离/多普勒坐标轴计算 c0 = 3e8; % 光速 fc = 60e9; % 起始频率 lambda = c0 / fc; % 波长约0.005m Fs = 5e6; % ADC采样率，根据mmwave Studio配置改 slope = 50e12; % 斜率，注意单位：MHz/us需要转成Hz/s B = slope * numSamplesPerChirp / Fs; rangeRes = c0 / (2 * B); % 距离分辨率 maxRange = c0 * Fs / (2 * slope); rangeAxis = (0 : numSamplesPerChirp-1) * rangeRes; Tc = 80e-6; % chirp周期，单位秒 speedRes = lambda / (2 * numChirpsPerFrame * Tc); maxSpeed = lambda / (4 * Tc); dopplerAxis = linspace(-maxSpeed, maxSpeed, numChirpsPerFrame);

3.3 校验解析是否正确的小技巧

数据解析完成后，先别急着上复杂算法，用最直观的方式验证：对准一个静止目标（比如一面墙、一个人站着不动），做距离FFT，在0多普勒附近应该出现一个明显峰值，峰值对应的距离要和实际距离基本吻合。

具体做法：取一帧数据，对每个chirp做距离维FFT，取平均幅度，然后找到最大峰位置，算一下对应距离。

%% 快速校验：单帧距离FFT frameIdx = 1; % 取第1帧 startIdx = (frameIdx-1) * numChirpsPerFrame + 1; endIdx = frameIdx * numChirpsPerFrame; % 取一帧数据: numSamples x numChirps x numRx frameData = adcData(:, startIdx:endIdx, :); frameData = mean(frameData, 3); % 4个RX通道平均 % 距离维FFT rangeFFT = fft(frameData, 256, 1); rangeProfile = abs(rangeFFT(1:128, :)); meanProfile = mean(rangeProfile, 2); % 找峰值 [~, idx] = max(meanProfile); estimatedRange = (idx - 1) * rangeRes; fprintf('最强目标距离约 %.2f m\n', estimatedRange);

如果这个距离值和实际完全对不上，大概率是三个原因：数字上变频方向的顺序搞反了、IQ分离时奇偶取反了、或者文件头没跳干净。这属于解析层的问题，跟后处理的FFT算法无关，先把这里的值调对了再往下走。

4. 距离-多普勒热力图与目标初检

4.1 一维距离FFT与静态杂波抑制

验证了解析没问题，接下来就可以做完整的距离-多普勒二维处理了。先做距离维FFT，这一步把每个chirp时域采样转换成距离维频率谱。

%% 距离维FFT NfftRange = 256; % 距离FFT点数，一般取2的整数次幂 rangeFFT = fft(adcData, NfftRange, 1); % 沿第1维（采样点维）做FFT % 取单边谱（正频率部分） rangeFFT = rangeFFT(1:NfftRange/2, :, :);

这里要注意一个点：静止目标和运动目标在距离维FFT之后都会出现峰，如果室内场景有墙、桌子这些静止物体，它们的能量会非常强，把运动目标完全淹没。所以需要做一个静态杂波抑制操作，常用做法是沿着chirp维减去平均值。

原理很简单：静止目标在帧内的所有chirp上幅度相位基本不变，对所有chirp取平均就近似等于静止杂波，每个chirp减去这个均值，静止目标就基本被干掉了，动态目标则保留下来。

%% 静态杂波抑制（MTI平均相消） rangeFFT = rangeFFT - mean(rangeFFT, 2); % 按chirp维减均值，广播到所有chirp

这个操作对呼吸心跳检测、微动目标检测特别重要。做存在检测时如果目标走动，这一步能显著提升后续检测概率。

4.2 二维多普勒FFT与热力图绘制

距离维处理完，继续沿chirp维做多普勒FFT，得到距离-多普勒图。多普勒维表示目标的径向速度信息，正速度表示朝雷达靠近，负速度表示远离。

%% 多普勒维FFT NfftDop = 128; % 多普勒FFT点数 dopplerFFT = fftshift(fft(rangeFFT, NfftDop, 2), 2); dopplerMap = abs(dopplerFFT); % 4个RX通道非相干累加，提升信噪比 map2D = squeeze(mean(dopplerMap, 3)); %% 绘制距离-多普勒热力图 figure; imagesc(rangeAxis, dopplerAxis, 10*log10(map2D + eps)); xlabel('距离 (m)'); ylabel('速度 (m/s)'); title('距离-多普勒热力图'); colorbar; axis xy;

画出来的热力图里，静止目标会出现在0速度附近那条线上；运动的行人会出现一个亮斑，横轴位置是距离，纵轴位置是速度。行的速度约1~2m/s，跑步约3~5m/s，你可以根据纵轴位置大致判断目标运动状态。

这里解释一下两个函数的用途：fftshift是把零频移到频谱中间，方便显示正负速度；距离维FFT用的是单边谱，所以不需要fftshift。

如果后续要做到自动目标检测，可以在距离-多普勒图上做CFAR检测。常用的有CA-CFAR、OS-CFAR等，二维CFAR相对复杂一点，我后面专门写一篇展开讲，这里先用热力图人工观察验证整条数据链路是否正常。

5. 常见问题与踩坑实录

5.1 数据长度对不上、全零、错位怎么办

做数据解析最烦的就是错误不报在明面上，而是悄悄给一个错误结果。我把实际操作中遇到的问题整理成了表格，方便快速对照排查。

采样点数和chirp数对不上是我遇到最多的问题。记得一次采集200帧数据，mmwave Studio里的“Frame count”设置成200，但实际Save只保存了187帧，导致reshape一直报错。后来发现是丢包导致的，降低采样率后问题就消失了。

5.2 大数据量下MATLAB卡死/内存不足的优化

当每帧chirp多、帧数也大的时候，一次把整个bin读进内存很容易爆内存。比如IWR6843配置256个采样点、每帧256个chirp、采1000帧，4通道IQ模式下数据量大概有2GB，直接fread会造成系统卡顿甚至OOM。

我常用的优化方式是改用memmapfile逐帧处理，不需要一次性把整个文件都读进内存。核心思路是把bin文件映射成内存映射数组，按帧切好，一帧一帧做FFT，结果只保留最终的距离-多普勒图或者检测结果。

%% 使用memmapfile逐帧读取示例 % 定义每帧的int16数量 frameSamples = 2 * numRx * numSamplesPerChirp * numChirpsPerFrame; m = memmapfile('adc_data.bin', 'Format', 'int16', ... 'Offset', headerLenBytes, 'Repeat', inf); allData = m.Data; numTotalFrames = floor(length(allData) / frameSamples); for frameIdx = 1:numTotalFrames frameRange = (frameIdx-1)*frameSamples + 1 : frameIdx*frameSamples; rawFrame = allData(frameRange); % 这里放入IQ分离、FFT等处理逻辑 end

注意memmapfile的Offset参数只能按字节算，这里传入的是40字节的headerLenBytes。如果文件名路径里有中文，部分老版本MATLAB可能识别不了，建议路径保持英文。

另外还有一个性能细节：MATLAB的fft在多通道大矩阵上支持直接沿指定维度计算，不要用for循环逐个chirp做FFT，向量化写法快几十倍。上面代码里fft(rangeFFT, NfftRange, 1)就是一次把全帧所有chirp、所有通道的距离FFT都算了，这种写法要养成习惯。

5.3 我对这套链路的使用体会

用这套DCA1000EVM加IWR6843的方案做数据采集和算法验证，整体体验是：硬件链路稳定，数据质量在60GHz频段传感器里算相当不错的，难点不在采，而在后面解析和标注那一大堆脏活。

我个人的建议是，采集数据时养成一个好习惯：每次实验把mmwave Studio里的完整配置截图或存成txt，同时在代码里把采样率、斜率、chirp数等参数以注释形式写在脚本头部。否则三个月后回来看数据，你根本不知道当初这组bin文件是用什么参数采的，等于废数据。

数据解析完之后的扩展空间很大。你已经拿到了距离-多普勒-角度三维复数数据，后面可以做恒虚警检测、多目标跟踪、微多普勒分类、甚至用深度学习做手势识别。解析只是起点，但这一步走稳了，后面的路就顺了。