Bartlett / CBF原理看這里
Capon原理看這里

這里只講怎么調(diào)用openradar提供的aoa_bartlett和aoa_capon函數(shù)：
一些吐槽：雖然看起來openradar的作者代碼水平很高，但里面有很多匪夷所思的寫法，比如他demo里的解析文件格式就很迷啊等等…

先獲取矢量矩陣 (steering vector):

比如果你想得到[-90°,90°]，分辨率為1°(就有181個(gè)角度點(diǎn))，8根虛擬天線的矢量矩陣，那么就會(huì)生成一個(gè)shape為[181, 8]的ndarray (也就是下面那行代碼的steering_vec)。num_vec得到的是一共有多少角度（上面那個(gè)例子的話就是181），沒啥用，可以不管。

num_vec, steering_vec = dsp.gen_steering_vec(ANGLE_RANGE, ANGLE_RES, VIRT_ANT)

By the way, dsp.gen_steering_vec里面用了np.complex, 高版本的numpy可能不支持，報(bào)錯(cuò)說和python自帶的complex有歧義，把np去掉，變成complex即可。

ANGLE_RANGE 是在一側(cè)，你要得到多少角度信息，那么一共就有 2 * ANGLE_RANGE + 1個(gè)角度信息，+1是因?yàn)?°。
ANGLE_RES 是你需要的角度分辨率
VIRT_ANT 是虛擬天線數(shù)
以下舉例

ANGLE_RANGE = 90
ANGLE_RES = 1
VIRT_ANT = 8
BINS_PROCESSED = 112

意思想得到的角度為[-90°, 90°]，因?yàn)橛?，所以有2*ANGLE_RANGE + 1 = 181個(gè)角度格子，想要的角度分辨率為1°，處理前112個(gè)range-bin。

Bartlett/CBF:

radar_cube shape : (128, 8, 128) - (chirp, vx, adc_samples)

ra = np.zeros((ANGLE_BINS, BINS_PROCESSED), dtype=np.complex128)
# 只取前BIN_PROCESSED個(gè)range-bin處理
ra = dsp.aoa_bartlett(steering_vec, radar_cube[:, :, :BINS_PROCESSED], axis=1) 
ra = ra.sum(0) # 對(duì)所有chirp的得到的角度信息求和
plt.title('bartlet sum all chirps')
plt.imshow(np.abs(ra))

下面我嘗試跟著Bartlett的原理自己寫了一個(gè)函數(shù)，實(shí)測(cè)效果一致。
只取了第一個(gè)chirp，沒像上面那樣求和，實(shí)測(cè)這兩種方法差不多，對(duì)所有chirp得到的角度信息求和（上面那種）的話效果會(huì)好一點(diǎn)點(diǎn)點(diǎn)點(diǎn)點(diǎn)。
radar_cube2 shape : (8, 128) - (vx, adc_samples)

ra = np.zeros((ANGLE_BINS, BINS_PROCESSED), dtype=np.complex128)
steering_vec = np.conjugate(steering_vec) # 要取共軛！
for i in range(BINS_PROCESSED): # 遍歷每一個(gè)range-bin，得到每個(gè)range-bin上的角度信息tmp = steering_vec @ radar_cube2[:, i]ra[:, i] = tmp
plt.title('CBF conjugate')
# openradar bartlett源碼就是把得到的每個(gè)角度的復(fù)數(shù)取模然后再平方，這樣寫是對(duì)的，我對(duì)比過用dsp.aoa_bartlett的range-angle圖，效果一樣
plt.imshow(np.abs(ra) ** 2) 

Capon

radar_cube shape : (128, 8, 256) - (chirps, vx, adc_samples)

range_azimuth = np.zeros((ANGLE_BINS, BINS_PROCESSED), dtype=np.complex128)
for i in range(BINS_PROCESSED):range_azimuth[:, i], beamWeights[:,i] = dsp.aoa_capon(radar_cube[:, :, i].T, steering_vec, magnitude=False)
plt.title('256 chirps Capon')
plt.imshow(np.abs(range_azimuth))

此外，如果你的chirp小于8，比如1個(gè)frame里只有1個(gè)chirp，那么就要把openradar的dsp.angle_estimation.cov_matrix里的這個(gè)判斷刪了：

if x.shape[0] > x.shape[1]:warnings.warn("cov_matrix input should have Vrx as rows. Needs to be transposed", RuntimeWarning)x = x.T

大概意思就是他覺得你輸錯(cuò)了，還幫你改正了，但實(shí)際上你沒輸錯(cuò)，他幫了倒忙，就是要處理一幀里面，1個(gè)chirp，8根虛擬天線的數(shù)據(jù)，anyway，如果一幀里只有小于虛擬天線個(gè)數(shù)的chirp數(shù)的話，把這段判斷刪了或注釋掉就行。

下面的視頻是我對(duì)這Bartlett/CBF和Capon和Angle-FFT在openradar的circle.bin這個(gè)數(shù)據(jù)上的效果對(duì)比：