21ic电子技术开发论坛 › 单片机与嵌入式系统 › 英飞凌MCU论坛 › 【英飞凌 CY8CKIT-062S2-AI评测】基于MicroPython实现雷 ...
返回列表 发新帖我要提问

[PSOC™] 【英飞凌 CY8CKIT-062S2-AI评测】基于MicroPython实现雷达存在检测

[复制链接]
266|2
傅沈骁 发表于 2025-11-14 22:28 | 显示全部楼层 |阅读模式
, ,
本帖最后由 傅沈骁 于 2025-11-14 22:48 编辑

开发板上的雷达芯片为XENSIV 60GHz radar sensor，相关介绍可以参见https://www.infineon.com/part/BGT60TR13C
为了便于快速开发，本文尝试基于MicroPython实现板载雷达的人体存在检测
首先在英飞凌的MicroPython固件包中选择对应开发板固件

接着在ModusToolbox Programmer中烧录对应的MicroPython固件

打开Thonny，选择解释器为MicroPython（通用）

可以看到芯片已经识别成功



接着开始编写代码根据User Guide，可以看到雷达相关引脚如下


定义引脚，定义雷达帧长度、ADC分频、起始频率、带宽、检测最小/最大距离
复制
  1. ========= 引脚 =========
    

  2. PIN_RSPI_MOSI = 'P12_0'
    

  3. PIN_RSPI_MISO = 'P12_1'
    

  4. PIN_RSPI_SCK  = 'P12_2'
    

  5. PIN_RSPI_CS   = 'P12_3'
    

  6. PIN_RSPI_IRQ  = 'P11_0'
    

  7. PIN_RXRES_L   = 'P11_1'
    

  8. PIN_LED_MACRO = 'P5_3'
    

  9. PIN_LED_MICRO = 'P5_4'
    


  10. 

  11. # ========= 参数（现场可调） =========
    

  12. WORD_SIZE        = 512
    

  13. ADC_DIV          = 16
    

  14. START_FREQ_KHZ   = 61_000_000
    

  15. BANDWIDTH_KHZ    = 1_000_000
    


  16. 

  17. MIN_DIST_M       = 0.30
    

  18. MAX_DIST_M       = 6.00

定义宏存在判定（SNR阈值+滞后+保持时间），定义微存在判定（短窗能量的变异系数CV），定义基线（背景能量）更新与冻结，以及其他一些参数定义
复制
  1. # 宏存在：用 SNR(dB) 滞后
    

  2. PRESENCE_ON_DB   = 5.5    # <-- 下调
    

  3. PRESENCE_OFF_DB  = 3.5
    

  4. HOLD_MACRO_SEC   = 8.0
    


  5. 

  6. # 微存在：用短窗变异系数 CV = std/mean
    

  7. MICRO_ON_CV      = 0.10   # 进入微存在
    

  8. MICRO_OFF_CV     = 0.04   # 退出微存在
    

  9. HOLD_MICRO_SEC   = 10.0
    


  10. 

  11. # 基线学习率（可冻结）
    

  12. ALPHA_ABSENT     = 0.02
    

  13. ALPHA_PRESENT    = 0.002
    

  14. FREEZE_BASELINE_WHEN_PRESENT = True
    


  15. 

  16. # 短窗/循环
    

  17. SHORT_N          = 10
    

  18. LOG_INTERVAL_MS  = 80
    

  19. USE_FFT          = True
    


  20. 

  21. # 周期性 FIFO 清理
    

  22. FIFO_RESET_PERIOD = 200
    

  23. # 汉宁窗（抑制旁瓣）
    

  24. USE_HANN_WINDOW   = True
    

  25. # ROI 跟随（峰值 ±bins）
    

  26. USE_ROI_FOLLOW    = True
    

  27. ROI_HALF_BINS     = 4     # ≈ ±0.6 m @ 0.151 m/bin
    


  28. 

  29. # 峰值距离滑动平均
    

  30. PEAK_MA_N         = 5

定义一些基础工具函数，用于计算复数幅度以及构建SPI、构建雷达对象以及做硬复位脉冲
复制
  1. def mag(re, im):
    

  2.     return (re*re + im*im) ** 0.5
    


  3. 

  4. def build_spi():
    

  5.     return SPI(
    

  6.         baudrate=50_000_000, polarity=0, phase=0, bits=8,
    

  7.         sck=Pin(PIN_RSPI_SCK), mosi=Pin(PIN_RSPI_MOSI), miso=Pin(PIN_RSPI_MISO)
    

  8.     )
    


  9. 

  10. def build_radar(spi):
    

  11.     return BGT60TRxxModule(
    

  12.         word_size=WORD_SIZE, spi_interface=spi, chip_select=PIN_RSPI_CS,
    

  13.         reset=PIN_RXRES_L, interrupt_pin=PIN_RSPI_IRQ, interrupt_handler=None
    

  14.     )
    


  15. 

  16. def hw_reset_pulse(radar):
    

  17.     radar.reset_radar.value(0); time.sleep_ms(2)
    

  18.     radar.reset_radar.value(1); time.sleep_ms(10)

写位的控制操作
复制
  1. def start_frame_direct(radar):
    

  2.     radar.write_reg(BGTCONST.MAIN_ADDR, BGTCONST.START_FRAME)
    

  3.     time.sleep_ms(1)
    


  4. 

  5. def fifo_reset_direct(radar):
    

  6.     radar.write_reg(BGTCONST.MAIN_ADDR, BGTCONST.FIFO_RESET)
    

  7.     time.sleep_ms(1)
    

  8.     radar.write_reg(BGTCONST.MAIN_ADDR, 0x00)

雷达初始化，其中需要设定ADC分频/chirp长度/频率参数，调节前端增益，初始化寄存器表，然后复位FIFO并启动第一帧
复制
  1. def init_radar_full(radar, n_fsu, n_rtu, n_rsu):
    

  2.     hw_reset_pulse(radar)
    

  3.     radar.reset(); time.sleep_ms(5)  # 软复位（直接写）
    


  4. 

  5.     radar.set_adc_div(ADC_DIV)
    

  6.     radar.set_chirp_len(WORD_SIZE)
    

  7.     radar.configure_chirp(n_fsu, n_rtu, n_rsu)
    

  8.     radar.set_vga_gain_ch1(3)
    

  9.     radar.set_vga_gain_ch2(3)
    

  10.     radar.set_vga_gain_ch3(3)
    

  11.     radar.setCompareValue(75)
    


  12. 

  13.     radar.initSensor(); time.sleep_ms(5)  # 整表写
    

  14.     fifo_reset_direct(radar)
    

  15.     start_frame_direct(radar)

计算能量与峰值

复制
  1. def compute_metrics_fft(radar, i0, i1):
主检测循环与状态机
复制
  1. def run_detection(radar, rng_res, i0, i1, n_fsu, n_rtu, n_rsu, use_fft=True):
    

  2.     led_macro = Pin(PIN_LED_MACRO, Pin.OUT, value=0)
    

  3.     led_micro = Pin(PIN_LED_MICRO, Pin.OUT, value=0)
    


  4. 

  5.     STATE_ABSENT, STATE_PRESENT_MACRO, STATE_PRESENT_MICRO = 0, 1, 2
    

  6.     state = STATE_ABSENT
    


  7. 

  8.     baseline = 0.0
    

  9.     # ROI 能量短窗缓冲
    

  10.     short_buf = [0.0] * SHORT_N; short_i = 0
    

  11.     hold_macro_sec = 0.0; hold_micro_sec = 0.0
    

  12.     prev_ms = time.ticks_ms()
    

  13.     frame_count = 0
    


  14. 

  15.     # 峰值距离滑动平均
    

  16.     peak_ma_buf = [0.0] * PEAK_MA_N; peak_ma_i = 0

预热阶段（假设无人），这一步用于快速建立背景基线
复制
  1.     # 预热（无人）
    

  2.     for _ in range(30):
    

  3.         try:
    

  4.             start_frame_direct(radar)
    

  5.             e_full, e_roi, _, _ = (compute_metrics_fft(radar, i0, i1) if use_fft
    

  6.                                    else compute_metrics_nfft(radar, i0, i1))
    

  7.         except Exception as e2:
    

  8.             safe_recover(radar, e2, n_fsu, n_rtu, n_rsu); e_roi = 0.0
    

  9.         baseline = (1 - ALPHA_ABSENT) * baseline + ALPHA_ABSENT * e_roi
    

  10.         time.sleep_ms(10)
每帧的处理中，需要定期清FIFO，启动新帧，计算能量与峰值，并计算峰值距离与滑动平均
复制
  1.         # 峰值距离与滑动平均
    

  2.         peak_dist = peak_idx * rng_res
    

  3.         peak_ma_buf[peak_ma_i] = peak_dist
    

  4.         peak_ma_i = (peak_ma_i + 1) % PEAK_MA_N
    

  5.         peak_ma = sum(peak_ma_buf) / PEAK_MA_N
计算SNR(dB)（对ROI能量相对基线）
复制
  1.         # SNR(dB) = 10*log10(E_roi/baseline)
    

  2.         eps = 1e-9
    

  3.         snr_db = 10.0 * math.log(e_roi / max(baseline, eps)) / math.log(10.0) if baseline > 0 else 99.0

短窗CV（用于微存在）
复制
  1.         # ---- 宏存在：SNR(dB) 滞后 + 边沿计时 ----
    

  2.         macro_enter = (snr_db > PRESENCE_ON_DB)
    

  3.         macro_exit  = (snr_db < PRESENCE_OFF_DB)
    


  4. 

  5.         if macro_enter:
    

  6.             if state != STATE_PRESENT_MACRO:
    

  7.                 state = STATE_PRESENT_MACRO; hold_macro_sec = 0.0
    

  8.             else:
    

  9.                 hold_macro_sec += dt_sec
    

  10.         elif state == STATE_PRESENT_MACRO:
    

  11.             hold_macro_sec += dt_sec
    

  12.             if macro_exit and hold_macro_sec > HOLD_MACRO_SEC:
    

  13.                 state = STATE_ABSENT; hold_macro_sec = 0.0
微存在状态机（CV 滞后 + 保持时间）
复制
  1.         # ---- 微存在：CV 滞后 + 边沿计时 ----
    

  2.         micro_enter = (cv > MICRO_ON_CV)
    

  3.         micro_exit  = (cv < MICRO_OFF_CV)
    


  4. 

  5.         if state == STATE_ABSENT and micro_enter:
    

  6.             state = STATE_PRESENT_MICRO; hold_micro_sec = 0.0
    

  7.         elif state == STATE_PRESENT_MICRO:
    

  8.             hold_micro_sec += dt_sec
    

  9.             if micro_exit and hold_micro_sec > HOLD_MICRO_SEC:
    

  10.                 state = STATE_ABSENT; hold_micro_sec = 0.0

最后更新LED和打印日志
复制
  1.         # LED
    

  2.         led_macro.value(1 if state == STATE_PRESENT_MACRO else 0)
    

  3.         led_micro.value(1 if state == STATE_PRESENT_MICRO else 0)
    


  4. 

  5.         # 日志
    

  6.         print("res={:.3f}m/bin, idx=[{}..{}], E_full={:.2f}, E_roi={:.2f}, base={:.2f}, "
    

  7.               "SNR={:.2f}dB, short_mean={:.2f}, CV={:.3f}, state={}, holdM={:.1f}s, holdm={:.1f}s, "
    

  8.               "peak={:.2f}m(ma:{:.2f}m, val:{:.2f})".format(
    

  9.             rng_res, i0, i1, e_full, e_roi, baseline,
    

  10.             snr_db, short_mean, cv, state, hold_macro_sec, hold_micro_sec,
    

  11.             peak_dist, peak_ma, peak_val
    

  12.         ))

其中各个字段的含义如下：

res：距离分辨率

idx[i0..i1]：参与能量/峰值计算的bin索引范围

E_full：在[i0..i1]全串口上加窗后的平均能量（单位位归一化幅度的平均）

E_roi：在ROI以当前峰值为中心、半宽ROI_HALF_BINS）的平均能量

base：基线能量

SNR(dB)：ROI能量相对基线的信噪比

short_mean：短窗中ROI能量的均值

CV：短窗ROI能量的变异系数，用于微存在判定

status：当前存在状态，0为无人，1为宏存在，2为微存在

holdM：宏存在状态下累计的保持时间

holdm：微存在状态下累计的保持时间

peak：当前帧的峰值距离

ma：峰值距离的滑动平均

val：峰值bin的幅度/能量值（加窗后），反映该距离处的反射强度

最终main函数如下
复制
  1. def main():
    

  2.     spi   = build_spi()
    

  3.     radar = build_radar(spi)
    


  4. 

  5.     n_fsu = calculateFSU(START_FREQ_KHZ)
    

  6.     n_rtu = calculateRTU(ADC_DIV, WORD_SIZE)
    

  7.     n_rsu = calculateRSU(BANDWIDTH_KHZ, n_rtu)
    


  8. 

  9.     init_radar_full(radar, n_fsu, n_rtu, n_rsu)
    


  10. 

  11.     rng_res = radar.get_range_resolution()   # m/bin
    

  12.     i0 = max(0, int(MIN_DIST_M / rng_res))
    

  13.     i1 = min(WORD_SIZE - 1, int(MAX_DIST_M / rng_res))
    


  14. 

  15.     run_detection(radar, rng_res, i0, i1, n_fsu, n_rtu, n_rsu, use_fft=USE_FFT)

最终输出的效果如下，有些数据处理得不太好，导致这些值都不怎么变化



完整代码文件如下




本帖子中包含更多资源

您需要 登录 才可以下载或查看，没有账号？注册

×
回复

收藏 举报

相关帖子
yangxiaor520 发表于 2025-11-15 08:53 来自手机 | 显示全部楼层
用Python编程，编译出来的文件是不是更大
回复

收藏 举报

评论

傅沈骁
解释语言，不需要编译，但是跑起来肯定比编译的C语言慢不少  发表于 2025-11-15 12:00
返回列表 发新帖
高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 注册

本版积分规则

傅沈骁

9

主题

22

帖子

0

粉丝
快速回复 在线客服 返回列表 返回顶部