DCA1000EVM毫米波雷达原始数据采集与MATLAB后处理指南

1. 硬件平台与连接：先把设备理顺，再谈软件

DCA1000EVM这个板子，玩毫米波雷达的人应该不陌生。它是TI推出的高速数据采集卡，配合IWR1443、IWR1642、AWR1243、AWR1843等毫米波雷达评估板，能通过LVDS接口把原始ADC数据完整抓下来。说白了，毫米波评估板本身也能跑一些简单的点云输出，但如果你想拿到最底层的回波数据，自己实现Range-FFT、Doppler-FFT、CFAR检测甚至角度估计，就必须靠DCA1000EVM把未经处理的采样数据导出来。

我也见过不少朋友问：评估板直接通过串口输出的点云数据，和DCA1000EVM采集的原始数据有什么区别？区别非常大。评估板自己处理完的数据是经过内部DSP/雷达加速器压缩后的目标信息，很多中间信息已经丢失。而DCA1000EVM拿到的是每个chirp、每个采样点的原始复数数据，后续想怎么处理都行，不受板载固件限制。做算法研究、做定制化信号处理流程、做数据集的采集和标注，都得靠这套方案。

硬件连接这块，很多人第一步就翻车。

DCA1000EVM和其他毫米波评估板的连接方式，主要是靠一块转接板。以IWR1443BOOST为例，这块评估板本身不带LVDS接口的引出排针，需要配合专用的60pin转接板，再通过排线接到DCA1000EVM的LVDS接口上。具体接线顺序是：毫米波评估板（如IWR1443BOOST）— 60pin转接板 — 排线 — DCA1000EVM。实物连接时需要注意排线的方向，排线上一般有一个三角形标记对应接口的1号引脚，两边接口的1号脚位置要一致，接反了数据完全读不出来。

电源部分容易被忽略。DCA1000EVM和毫米波评估板需要分别供电，而且是先给评估板上电，再给DCA1000EVM上电。启动顺序反了的话，LVDS接口的电平状态不稳定，偶尔会导致毫米波板卡上的DSP启动异常。如果发现板子指示灯亮但mmWave Studio一直连不上，先检查电源顺序和USB线是否插紧，这两个问题占了故障原因的七八成。

再强调一点：DCA1000EVM板载的网口是千兆以太网口，必须用网线直接连到电脑的千兆网口上。有些朋友用USB转网口，或者经过交换机/路由器中转，都会出现数据包丢失或者延迟过大的问题。尽量直连，不要走中间设备。

注意：mmWave Studio配置完成后会通过网口从DCA1000EVM读取数据，这个网口默认IP是192.168.33.180，电脑端需要配置一个同网段的静态IP（推荐192.168.33.30），子网掩码255.255.255.0。这一步不做，mmWave Studio的Data Config页面会一直报链接超时。

2. mmWave Studio配置：版本匹配和参数设置是成败关键

2.1 版本匹配：SDK版本、mmWave Studio版本、板载固件版本

很多新手一上来就抱怨：为什么我按教程配置了，mmWave Studio还是连接不上？为什么我设置好了参数，点Trigger Frame没反应？十有八九是版本不匹配。

mmWave Studio本身是TI的配套软件，它要加载对应毫米波SDK版本的固件。比如IWR1443用MSS（主控子系统）固件和DSS（数字信号处理子系统）固件，这些固件需要匹配板载芯片的SDK版本。如果你用的SDK是2.0，mmWave Studio里配的固件却是1.2，那DSP根本跑不起来。

我的习惯是这样：先确定mmWave Studio版本（目前主流是2.0版本和2.1版本），再下载对应版本的毫米波SDK，SDK安装包里的firmware文件夹下会有对应平台（如xwr14xx）的固件和配置文件。mmWave Studio里可以选择加载哪一份固件，选择时务必和你的毫米波评估板型号、SDK版本对齐。很多时候“连接不上”并不是网口问题，而是固件给板子下载失败后主控挂死了。

注意DCA1000EVM自身也有固件，通常在mmWave Studio安装目录下的mmwave_studio\mmwave_studio_02_01_00_00\ti\utils\pdca\firmware里。这个固件通过板载的USB转JTAG接口启动时自动下载，不需要手动操作。但如果你发现DCA1000EVM的FPGA指示灯不正常（正常情况下有规律闪烁），可以试试重新刷一次固件。mmWave Studio的“DCA1000 Firmware”按钮就是干这个的。

2.2 参数配置流程：从RS232到Profile设置

启动顺序是：先打开DCA1000EVM和评估板电源，再打开mmWave Studio。软件界面里能看到“Ports”选项卡，这里要选择毫米波评估板的串口。评估板接USB后会出现两个串口，一个对应MSS（一般是COM较高那个），一个对应DSS（一般是COM较低那个）。先点“Connect”按钮连接评估板，再用下方“DCA1000”区域里的以太网连接按钮，连上之后，界面右侧的状态栏会显示DCA1000的固件版本和连接状态。

连接成功后，需要配置chirp参数。这一步是整个采集环节里最需要理解的。

Profile配置里几个关键参数：

• 起始频率：比如77GHz，对应FMCW信号的起始频率。
• 频率斜率：单位MHz/μs，典型值50MHz/μs左右。
• 采样率：单位Msps，IWR1443的ADC采样率上限是10Msps，采样率决定了最大中频带宽的一半。
• 采样点数：每个chirp的ADC采样点数。
• 每帧chirp数：一帧数据里包含多少个chirp。
• chirp周期：单位μs，决定了多普勒维度的最大不模糊速度。
• 帧周期：单位ms，决定了每帧数据的重复频率。
• ADC有效位数：通常选2（即12bit）或者4（即16bit），TI毫米波芯片的ADC是12bit/14bit混合的，这里往往选“2”代表并以16bit格式存储，选“4”代表12bit存储格式，后续MATLAB处理时数据格式不同。

这里有个容易混的点：ADC位数选项里的“2”和“4”，指的是mmWave Studio里DataFormat的选择，不是ADC实际位数。选了2，保存下来的数据用16bit整数存储；选了4，数据用12bit整数存储。MATLAB读取时需要按对应位数去解析，否则幅值全是乱的。

距离分辨率和带宽的关系是：距离分辨率等于光速除以（2倍扫频带宽）。比如扫频带宽4GHz的时候，距离分辨率理论上可以到3.75cm左右。最大探测距离则和采样率、斜率有关，最大中频带宽等于采样率的一半，对应的最大距离等于中频带宽乘以光速除以（2倍斜率）。

经验上我一般这么设置：先确定最大距离，反推采样率上限；再确定距离分辨率，反推扫频带宽；再根据带宽和起始频率确定斜率。最后根据实际硬件能力微调。

每次调完参数，建议保存成一份配置文件（.cfg格式），方便下次直接拷回mmWave Studio。这个配置文件其实就是一串文本，记录的是毫米波芯片寄存器配置指令，理解它反而能帮你排查很多问题。

2.3 配置流程里最常见的低级错误

我在帮人排查时发现，很多失败案例不是参数不会配，而是操作顺序混乱。

正确顺序是这样：连好硬件—确认串口和网口连接成功—加载并发送配置文件到评估板—配置DCA1000EVM的采集参数（Data Config页面）—触发Trigger Frame开始采集—在采集过程中点击保存数据到电脑。

有个经典错误：先点了Trigger Frame，再点保存按钮。结果数据文件是空的，或者文件大小非常小。因为Trigger Frame一开始，数据就往DCA1000EVM的FPGA里流了，这时如果不启动录存，流过的数据不会自动保存。正确方式是在触发之前先点保存按钮（设置好保存路径），再点Trigger Frame。严格来说，这两个按钮的先后顺序是：先点“Save”选中路径，再点“Trigger Frame”开始采集。这样数据才会一帧一帧地从网口传到电脑并写入文件。

3. 数据格式与存储机制：看懂bin文件，才有后续处理

3.1 DCA1000EVM的数据传输通道

毫米波评估板采集到的ADC原始数据，先通过LVDS接口传给DCA1000EVM的FPGA，再由FPGA打上标记后通过千兆以太网传到电脑。这个过程听起来简单，实际里面有几个关键点：

• LVDS接口用于传输数字中频数据，评估板内部将I/Q两路数据按帧格式打包。
• DCA1000EVM在数据包开头加入固定模式，用于200Mbps的LVDS同步。
• 数据包里有帧头信息、数据负载、CRC校验等字段。

具体到文件层面，mmWave Studio保存下来的文件是一个.bin格式的文件（也有的版本是.dat），文件名起始部分包含采集时间等信息，默认命名形式类似adc_data_2025_11_20_14_30_25.bin。

文件里数据的排列顺序是：所有RX通道交织，每个采样点包含I和Q两个分量，按照采样点跳变。假设有4个RX通道，每个chirp采256个采样点，那么单个chirp的原始数据排列是：RX0-I0, RX0-Q0, RX1-I0, RX1-Q0, RX2-I0, RX2-Q0, RX3-I0, RX3-Q0, RX0-I1, RX0-Q1...依此类推。

这里就是文件和MATLAB处理之间最核心的桥梁：数据排列格式如果不清楚，后面怎么reshape都是错的。

3.2 帧结构、Chirp结构和数据量估算

采集参数里设定了每帧的chirp数（比如128个），数据文件里就是多帧连续存储，帧和帧之间没有特殊分隔符（除非文件不是从第0帧开始记录）。也就是说，解包时你只需要按“帧数、每帧chirp数、每chirp采样点数、RX通道数、I/Q维度”这几个参数去循环切分即可。

数据量的估算也很重要。比如你配置了4个RX通道、每chirp采样256点、每帧128个chirp、采样点用16bit（2字节），那么每帧的数据量 = 4通道 × 2字节 × 2（I/Q）× 256采样 × 128 chirp = 512KB。如果帧周期是50ms，文件的写入速度大概是10MB/s左右。采集10秒钟就是一个100MB的文件。如果采集参数更激进，比如256个chirp每帧、512个采样点，文件大小会直接翻倍，磁盘空间要提前留好。

3.3 数据包中的Magic Word问题

在DCA1000EVM采集链路里，尤其是FPGA往网口发送数据的时候，数据包会以一组固定的16字节Magic Word开头，用于主机端识别包边界。mmWave Studio在保存文件时一般会自行处理掉这部分帧头，但你也可能遇到从DCA1000EVM寻址/直接抓包得到的裸数据文件，里面就带有这些Magic Word。

如果你在MATLAB里读出来前几个数值总是一些奇怪的固定值（比如0x0102、0x0304之类），那多半就是没有去掉帧头。处理方式很简单：读取整个文件为复数序列，查找Magic Word位置，从该位置后按偏移量读取有效数据。我用过一个笨办法：先读取前几KB数据，用MATLAB搜索固定模式，确定偏移量后再定义数据读取起点。这个方法在TI官方示例脚本里也有体现。

4. MATLAB后处理：从bin文件到目标检测

4.1 数据解包：把二进制数据还原成复数数组

到了MATLAB处理这块，第一步一定是正确读取文件并还原出 ADC 数据的原始矩阵。

我习惯写成这样一个脚本骨架：

% 采集参数 numRx = 4; % RX通道数 numChirpsPerFrame = 128; % 每帧chirp数 numSamplesPerChirp = 256; % 每个chirp采样点数 numFrames = 100; % 总帧数 isIQInterleaved = true; % 是否I/Q交织存储 % 文件信息 fileID = fopen('adc_data.bin', 'rb'); rawData = fread(fileID, 'int16'); fclose(fileID); % 如果文件带包头，搜索Magic Word并裁剪 % 这里假设文件头已经被去除，直接读取 % 原始数据是 int16 的I、Q交织序列，转换为复数 rawIQ = rawData(1:2:end) + 1i * rawData(2:2:end); % 重排为 [采样点, 通道, chirp, 帧] adcData = reshape(rawIQ, numSamplesPerChirp, numRx, numChirpsPerFrame, numFrames);

注意几个细节：

• fread读取时，文件里的存储是低位在前（小端模式），MATLAB默认就是小端，不用额外指定。如果你在别的平台（比如大端机器）上处理，需要加参数’b’。
• 如果用12bit存储，文件中每个采样点仍是占2字节，但高4位是符号扩展或者为0，读取后需要做移位/符号扩展处理，建议从TI官方脚本中找对应的处理代码。
• reshape的顺序必须和文件里数据排列保持一致。如果按[通道, 采样, chirp]的顺序去reshape，后面的距离维和多普勒维处理会一团糟。

4.2 Range-FFT和Doppler-FFT：一维、二维傅里叶变换思路

数据还原成四维矩阵后，信号处理就顺理成章了。

Range-FFT：对距离维（采样点维）做FFT。因为FMCW雷达的回波频率与距离成正比，对每个chirp的采样点做FFT，就能得到目标的距离信息。代码上就是沿第1维做fft：

rangeFFTResult = fft(adcData, 1024, 1); % 补零到1024点

补零本身不增加分辨率，但可以让频谱显示更平滑，峰值定位也更细致。如果直接用原始256点FFT，距离维的栅格很粗，可能在两个栅格之间错过峰值的精确位置。

Doppler-FFT：对多普勒维（chirp维）做FFT，这一步是为了提取速度信息。同一个距离单元内，不同chirp之间的相位变化反映了目标的多普勒频移。所以一般先做Range-FFT，再做Doppler-FFT：

rangeDopplerMap = fftshift(fft(rangeFFTResult, 128, 3), 3);

这里的fftshift是必须的，否则速度维的负半轴和正半轴会颠倒，目标速度的符号会出错。多普勒维FFT点数一般直接用chirp数（128点）即可，不需要补零过多，因为chirp数本身就决定了速度分辨率和最大不模糊速度。

做完这两个FFT，就有了一张距离-多普勒图（Range-Doppler Map，RDM）。这是绝大多数毫米波雷达检测算法的基础。

4.3 多帧累积与点云提取思路

做完单帧的RDM之后，可以做非相参累积（多个帧的幅度平均或最大值保留），提升目标信噪比。很多环境杂波比较强的场景中，单帧RDM上目标可能淹没在噪声里，但多帧累积后，静态目标会凸显出来。

最简单的检测方法是CA-CFAR：对每个距离维单元，在距离维和多普勒维分别取参考窗口和待检测单元，计算噪声平均电平和阈值，待检测单元超过阈值就判定为目标。

MATLAB里手写一个二维CA-CFAR并不复杂，但要注意参考窗不能包含保护单元。我个人经验是先对RDM做一次幅度取对数，再进行CFAR，动态范围会好一些。

另外，如果硬件支持MIMO，比如使用级联毫米波雷达，还可以沿RX通道维度做角度估计。用传统MVDR或者Bartlett波束形成都行，角度维FFT在数学上就是沿通道维再做一次FFT。流程上其实都是同一套逻辑：距离-FTT→多普勒-FFT→角度-FFT。

4.4 MATLAB处理中常见的坑

第一个坑是int16读取后未转换成double就做FFT。FFT要求输入是双精度浮点，如果直接对int16数组做fft，MATLAB会隐式转换，但转换过程中可能出现溢出或精度问题。我的建议是尽早转为double并归一化，ADC数据的满幅通常是±2048或±4096，可以将数据除以2048归一化后再处理，避免后面FFT幅值过大。

第二个坑是扫频斜率正负的问题。TI毫米波雷达默认是升频或者降频都有设置选项，如果你在Profile里配置的斜率是负值，但MATLAB处理时默认按正值去换算距离，那所有目标的距离会整体偏移。建议在MATLAB脚本里直接调用配置参数文件里的斜率值，保证一致性。

第三个坑是复数数据的排列。来自I/Q交织的数据，如果先读了I路再读Q路，结果没问题。但有的工程同学习惯先按int16数组整体操作，后续再用1:2:end取出I路，2:2:end取出Q路，如果文件里不是I/Q交织而是一个实采样点一个虚采样点的格式排列，就会造成I/Q交换导致频谱出现镜频，看起来好像目标凭空多了好几个对称峰。

5. 常见问题与排查技巧实录

5.1 与连接和启动相关的问题

5.2 与数据格式相关的问题

5.3 我个人踩过的最难忘的坑

有一次我在实验室里采集了两百多帧数据，自认为参数完美，数据文件也有几百MB。拿到MATLAB里处理时，距离维倒也正常，但多普勒维始终有个直流分量怎么也滤不掉。后来排查原因，发现是mmWave Studio的Chirp配置里把一个chirp的发射功率设置成了0，导致这个chirp实际没有发射信号，但它依然占用了多普勒维的一个bin，在RDM图上表现为零频附近的恒定干扰。调整配置后，问题迎刃而解。

从那以后，每次配完参数，我都会先采集一小段数据，直接在MATLAB里画出单帧RDM看看有没有异常。如果频谱干净、峰值清晰，再用完整参数采集。这套“先小样本验证，再大批量采集”的习惯，帮我省了太多冤枉时间。

5.4 网络丢包如何察觉

DCA1000EVM通过千兆网口持续传输数据时，如果网线质量不好、交换机缓存不够或者系统调度出现问题，就会产生丢包。丢包最轻微的表现是文件大小比理论值小一些；严重时数据文件能正常打开，但频谱上会出现周期性的噪声带，或者某个通道的数据完全断裂。

排查丢包有个土办法：mmWave Studio采集过程中，界面会有实时接收的数据包计数。结束采集后，对比发送包数和接收包数是否一致。很多版本显示得不直观，我的做法是采集前看一眼接收计数，采集完再看一眼，两者相减如果不等于预期帧数，说明有丢包。

丢包一旦出现，首先要换网线和网口，关闭电脑上一切占用网络的软件（尤其是自动更新）。如果还丢包，降低采样率或降低每帧chirp数，用较小的数据率完成采集。之后要考虑换一台配置更高的电脑，千兆网口接收时如果主频不够高、内存带宽不够，确实会丢包。

6. 全链路验证思路：先小样、再全量，最后别忘标定

整个采集流程跑通之后，我还有一个习惯性操作：用一个固定角度、固定距离的角反去做一次实测。放一个角反在正前方5米处，采集一段数据，MATLAB处理后在距离维上应该能看到5米处的峰值。如果峰值在5.1米，说明距离估计的偏移量约0.1米，这可能是采样率校准或者ADC延迟未修正所造成的。这时可以在处理链上做一个固定修正。

如果是多通道数据，还可以顺带验证通道之间的相位一致性。放一个正前方的目标，理论上各通道之间相位应该是接近同相的，如果某个通道相位偏差特别大，多半是硬件通道同步问题，后续做角度估计会很不准。这步验证在正式做MIMO测向算法之前非常值得做一次。

在批量采集的流程管理上，我建议每个数据文件都同步保存一份采集参数说明（把mmWave Studio的Profile配置导出成一个txt或cfg文件，和bin文件放在同一个文件夹里），文件名里包含日期、场景、目标类型等标签。不然一个月后翻文件夹，你会完全想不起来这组数据是用什么参数采的、场景里放了什么目标。这个习惯在我做数据集清洗时帮过大忙。

DCA1000EVM这套采集方案虽然配置繁琐，但一旦把每个环节的机制想明白，后面做算法、做数据处理就会非常顺手。它本质上是把雷达信号处理链路中最底层的“原料”交到了你手上，你能做的定制化工作就非常多了。希望这篇文章能帮你少走点弯路，就算真的踩坑了，也能按照排查思路快速定位问题。