docs: 添加IQ信号处理流程图文档

添加了详细的IQ电压信号处理流程图,包含系统架构图、处理流程图、数据流图、任务调度图、状态机图等多个可视化图表,以及关键参数表和算法核心公式说明。
This commit is contained in:
Admin
2026-03-03 11:33:50 +08:00
parent aa57e8192d
commit 77bdbe5c1e
4 changed files with 587 additions and 5 deletions

161
Git提交方法.md Normal file
View File

@@ -0,0 +1,161 @@
# Git 提交和推送成功方法
## 项目配置信息
- **远程仓库地址**: `http://lmhrt.cn:6771/ming/Rader_IQ.git`
- **主分支**: `main`
- **Git 路径**: `C:\Program Files\Git\bin\git.exe`
## 方法一:使用 git.bat 脚本(推荐)
### 脚本位置
`git.bat` 位于项目根目录
### 使用步骤
1. 双击运行 `git.bat`
2. 查看步骤 1检查 Git 状态
3. 查看步骤 2添加所有文件到暂存区
4. 查看步骤 3输入提交信息默认Update project
5. 查看步骤 4自动拉取远程代码
6. 查看步骤 5推送到远程仓库
### 脚本流程
```
[1/5] 检查 Git 状态
[2/5] 添加所有文件到暂存区
[3/5] 提交更改
[4/5] 拉取远程代码
[5/5] 推送到远程仓库
```
## 方法二:手动执行 PowerShell 命令
### 完整流程
```powershell
# 1. 查看当前状态
& "C:\Program Files\Git\bin\git.exe" status
# 2. 添加所有修改的文件
& "C:\Program Files\Git\bin\git.exe" add -A
# 3. 提交更改
& "C:\Program Files\Git\bin\git.exe" commit -m "你的提交信息"
# 4. 拉取远程代码(避免冲突)
& "C:\Program Files\Git\bin\git.exe" pull
# 5. 推送到远程仓库
& "C:\Program Files\Git\bin\git.exe" push
```
## 常见问题及解决方案
### 1. 推送失败,提示需要拉取
**问题**: 提示远程有新提交
```powershell
# 解决方案:先拉取远程代码
& "C:\Program Files\Git\bin\git.exe" pull
# 解决冲突后再推送
& "C:\Program Files\Git\bin\git.exe" push
```
### 2. 认证失败
**问题**: `Authentication failed for 'http://lmhrt.cn:6771/ming/Rader_IQ.git/'`
**解决方案**
```powershell
# 方案1配置凭据存储
& "C:\Program Files\Git\bin\git.exe" config --global credential.helper store
& "C:\Program Files\Git\bin\git.exe" push
# 方案2在 URL 中包含认证信息
& "C:\Program Files\Git\bin\git.exe" remote set-url origin http://用户名:密码@lmhrt.cn:6771/ming/Rader_IQ.git
& "C:\Program Files\Git\bin\git.exe" push
```
### 3. 忘记添加 .gitignore
**问题**: 不应该被跟踪的文件被提交了
```powershell
# 从暂存区移除已添加的文件
& "C:\Program Files\Git\bin\git.exe" rm -r --cached .pio
# 提交更改
& "C:\Program Files\Git\bin\git.exe" commit -m "Remove .pio from tracking"
& "C:\Program Files\Git\bin\git.exe" push
```
### 4. 修改最后一次提交信息
**问题**: 提交信息写错了,但还没有推送
```powershell
# 修改最后一次提交(未推送)
& "C:\Program Files\Git\bin\git.exe" commit --amend -m "新的提交信息"
```
### 5. 查看文件历史
```powershell
# 查看指定文件的历史
& "C:\Program Files\Git\bin\git.exe" log --follow 文件名
# 查看指定文件在某次提交的内容
& "C:\Program Files\Git\bin\git.exe" show 提交哈希:文件名
```
## 提交信息规范
### 格式建议
```
<类型>: <简短描述>
<详细描述(可选)>
<相关 issue可选>
```
### 类型说明
- `feat`: 新功能
- `fix`: 修复 bug
- `docs`: 文档更新
- `style`: 代码格式调整
- `refactor`: 重构代码
- `test`: 测试相关
- `chore`: 构建/工具链相关
### 示例
```
feat: 添加心率平滑处理算法
实现了基于移动平均的心率数据平滑处理,
提高了心率监测的稳定性。
```
## 成功案例
### 本次成功提交
- **提交哈希**: `aa57e81`
- **提交信息**: `Update project`
- **修改文件**: 4 个文件
- **新增行数**: 134 行
- **删除行数**: 88 行
- **推送状态**: ✅ 成功
### 修改的文件
- `src/main.cpp` - 修改
- `src/radar_vitals.cpp` - 修改
- `src/radar_vitals.h` - 修改
- `git.bat` - 新增
## 最佳实践
1. **提交前检查**: 使用 `git status` 确认要提交的文件
2. **频繁提交**: 小步快跑,每个功能点完成后立即提交
3. **清晰的提交信息**: 使用规范的提交信息格式
4. **推送前拉取**: 使用 `git pull` 避免冲突
5. **定期同步**: 与团队成员保持代码同步
## 参考资料
- [Git 官方文档](https://git-scm.com/doc)
- [Rader_Success_5 项目](http://lmhrt.cn:6771/ming/Rader_Success_5.git)

370
IQ信号处理流程图.md Normal file
View File

@@ -0,0 +1,370 @@
# IQ电压信号处理工程流程图
## 系统架构图
```mermaid
graph TB
A[雷达传感器] --> B[ADC采集<br/>ADC1_CH8/CH9<br/>200Hz采样]
B --> C[IQ数据处理模块<br/>radar_vitals.cpp]
C --> D[状态判断]
C --> E[频率估计]
D --> F[输出结果]
E --> F
F --> G[串口输出]
style A fill:#e1f5ff
style B fill:#fff4e1
style C fill:#ffe1f5
style D fill:#e1ffe1
style E fill:#e1ffe1
style F fill:#f5e1ff
style G fill:#e1f5ff
```
## 详细处理流程图
```mermaid
flowchart TD
Start([开始]) --> ADC1[ADC数据采集]
subgraph ADC采集
ADC1 --> ADC2[读取ADC1_CH8<br/>I通道原始值]
ADC1 --> ADC3[读取ADC1_CH9<br/>Q通道原始值]
ADC2 --> ADC4[采样率: 200Hz]
ADC3 --> ADC4
ADC4 --> ADC5[数据长度: 1024点<br/>5.12秒]
ADC5 --> ADC6[转换为电压<br/>V = ADC/4095 × 3.3V]
end
ADC6 --> DC[去直流处理]
subgraph 去直流
DC --> DC1[计算I平均值<br/>meanI]
DC --> DC2[计算Q平均值<br/>meanQ]
DC1 --> DC3[I'n = In - meanI]
DC2 --> DC4[Q'n = Qn - meanQ]
end
DC3 --> Phase[相位转换]
DC4 --> Phase
subgraph 相位转换
Phase --> Phase1[φn = atan2 Qn, In]
end
Phase1 --> Unwrap[相位展开]
subgraph 相位展开
Unwrap --> Unwrap1[计算相位差<br/>Δφ = φn - φn-1]
Unwrap1 --> Unwrap2{Δφ > π?}
Unwrap2 -->|是| Unwrap3[Δφ -= 2π]
Unwrap2 -->|否| Unwrap4{Δφ < -π?}
Unwrap4 -->|是| Unwrap5[Δφ += 2π]
Unwrap4 -->|否| Unwrap6[保持Δφ]
Unwrap3 --> Unwrap7[φn = φn-1 + Δφ]
Unwrap5 --> Unwrap7
Unwrap6 --> Unwrap7
end
Unwrap7 --> EmptyCheck[空人判断]
subgraph 空人判断
EmptyCheck --> EC1[计算相位均值<br/>μ = mean φ]
EC1 --> EC2[计算相位方差<br/>Var = Eφ-μ²]
EC2 --> EC3{Var < 1e-4?}
EC3 -->|是| EC4[NO_PERSON<br/>无人]
EC3 -->|否| MotionCheck[活动检测]
end
MotionCheck --> MC1[计算相位差分能量<br/>E = mean φn-φn-1²]
MC1 --> MC2{E > 0.05?}
MC2 -->|是| MC3[MOTION<br/>人体运动]
MC2 -->|否| MC4[STATIC_HUMAN<br/>人体静止]
EC4 --> End([结束])
MC3 --> Downsample[降采样]
MC4 --> Downsample
subgraph 降采样
Downsample --> DS1[呼吸数据<br/>1024→51点<br/>10Hz]
Downsample --> DS2[心率数据<br/>1024→256点<br/>50Hz]
end
DS1 --> RespFreq[呼吸频率估计]
DS2 --> HeartFreq[心率估计]
subgraph 呼吸频率估计
RespFreq --> RF1[频率扫描<br/>0.1-0.6Hz]
RF1 --> RF2[DFT计算<br/>Xf = Σ φn × e-j2πfn]
RF2 --> RF3[找最大能量频率]
RF3 --> RF4[转换为BPM<br/>BPM = f × 60]
end
subgraph 心率估计
HeartFreq --> HF1[频率扫描<br/>0.6-3.0Hz]
HF1 --> HF2[DFT计算<br/>Xf = Σ φn × e-j2πfn]
HF2 --> HF3[找最大能量频率]
HF3 --> HF4[转换为BPM<br/>BPM = f × 60]
end
RF4 --> Filter[后处理滤波]
HF4 --> Filter
subgraph 后处理滤波
Filter --> F1[异常值检测<br/>心率: 40-180 BPM<br/>呼吸: 4-40 BPM]
F1 --> F2[5点移动平均滤波]
F2 --> F3[四舍五入取整]
end
F3 --> Output[输出结果]
subgraph 输出
Output --> O1[人体状态]
Output --> O2[心率 BPM]
Output --> O3[呼吸率 BPM]
Output --> O4[串口打印]
end
O4 --> End
style Start fill:#90EE90
style End fill:#FFB6C1
style ADC1 fill:#87CEEB
style DC fill:#DDA0DD
style Phase fill:#F0E68C
style Unwrap fill:#98FB98
style EmptyCheck fill:#FFA07A
style Downsample fill:#20B2AA
style RespFreq fill:#FF6347
style HeartFreq fill:#FF6347
style Filter fill:#9370DB
style Output fill:#00CED1
```
## 数据流图
```mermaid
graph LR
subgraph 输入
A[ADC原始数据<br/>12位, 0-4095]
end
subgraph 预处理
B[去直流<br/>I'Q']
C[相位转换<br/>φ = atan2Q,I]
D[相位展开<br/>连续相位]
end
subgraph 特征提取
E[相位方差<br/>空人检测]
F[差分能量<br/>活动检测]
end
subgraph 频率分析
G[降采样<br/>呼吸/心率]
H[DFT频谱分析]
I[峰值检测]
end
subgraph 后处理
J[异常值过滤]
K[移动平均]
L[取整输出]
end
subgraph 输出
M[人体状态]
N[心率 BPM]
O[呼吸率 BPM]
end
A --> B --> C --> D
D --> E
D --> F
D --> G --> H --> I --> J --> K --> L
E --> M
F --> M
L --> N
L --> O
style A fill:#FFE4B5
style B fill:#E0FFFF
style C fill:#E0FFFF
style D fill:#E0FFFF
style E fill:#FFDAB9
style F fill:#FFDAB9
style G fill:#98FB98
style H fill:#98FB98
style I fill:#98FB98
style J fill:#DDA0DD
style K fill:#DDA0DD
style L fill:#DDA0DD
style M fill:#F0E68C
style N fill:#F0E68C
style O fill:#F0E68C
```
## 关键参数说明
| 参数 | 值 | 说明 |
|------|-----|------|
| ADC采样率 | 200 Hz | 基础采样频率 |
| 基础数据长度 | 1024 点 | 对应5.12秒数据 |
| ADC分辨率 | 12位 | 0-4095 |
| 参考电压 | 3.3V | 电压转换基准 |
| 呼吸采样率 | 10 Hz | 降采样后频率 |
| 心率采样率 | 50 Hz | 降采样后频率 |
| 呼吸频率范围 | 0.1-0.6 Hz | 6-36 BPM |
| 心率频率范围 | 0.6-3.0 Hz | 36-180 BPM |
| 空人阈值 | 方差 < 1e-4 | 相位方差阈值 |
| 活动阈值 | 能量 > 0.05 | 差分能量阈值 |
## 算法核心公式
### 1. 去直流
```
I'(n) = I(n) - mean(I)
Q'(n) = Q(n) - mean(Q)
```
### 2. 相位计算
```
φ(n) = atan2(Q'(n), I'(n))
```
### 3. 相位展开
```
Δφ = φ(n) - φ(n-1)
if Δφ > π: Δφ -= 2π
if Δφ < -π: Δφ += 2π
φ_unwrap(n) = φ_unwrap(n-1) + Δφ
```
### 4. 空人判断
```
Var(φ) = E[(φ - μ)²]
if Var(φ) < 1e-4 → NO_PERSON
```
### 5. 活动检测
```
E = E[(φ(n) - φ(n-1))²]
if E > 0.05 → MOTION
else → STATIC_HUMAN
```
### 6. DFT频率估计
```
X(f) = Σ φ(n) × e^(-j2πfn)
f_peak = arg max |X(f)|²
BPM = f_peak × 60
```
## 任务调度图
```mermaid
graph TB
subgraph FreeRTOS任务
T1[雷达数据采集任务<br/>优先级: 4<br/>Core: 1]
T2[串口数据任务<br/>优先级: 3<br/>Core: 1]
end
subgraph 处理流程
P1[ADC采集循环<br/>1024点 @ 200Hz]
P2[调用radar_process]
P3[状态判断]
P4[频率估计]
P5[串口输出]
end
T1 --> P1 --> P2 --> P3 --> P4 --> P5
T2 --> P5
style T1 fill:#FFB6C1
style T2 fill:#87CEEB
style P1 fill:#98FB98
style P2 fill:#98FB98
style P3 fill:#F0E68C
style P4 fill:#F0E68C
style P5 fill:#DDA0DD
```
## 状态机图
```mermaid
stateDiagram-v2
[*] --> NO_PERSON: 相位方差 < 1e-4
NO_PERSON --> STATIC_HUMAN: 相位方差 ≥ 1e-4<br/>且差分能量 ≤ 0.05
NO_PERSON --> MOTION: 相位方差 ≥ 1e-4<br/>且差分能量 > 0.05
STATIC_HUMAN --> MOTION: 差分能量 > 0.05
MOTION --> STATIC_HUMAN: 差分能量 ≤ 0.05
STATIC_HUMAN --> NO_PERSON: 相位方差 < 1e-4
MOTION --> NO_PERSON: 相位方差 < 1e-4
note right of NO_PERSON
无人状态
不进行频率估计
end note
note right of STATIC_HUMAN
人体静止
进行呼吸/心率估计
end note
note right of MOTION
人体运动
进行呼吸/心率估计
但可能不准确
end note
```
## 文件结构
```
Rader_IQ第1版/
├── src/
│ ├── main.cpp # 主程序,任务调度
│ ├── radar_vitals.cpp # IQ信号处理核心算法
│ ├── radar_vitals.h # 接口定义和常量
│ ├── io_flash.cpp # Flash存储
│ └── io_flash.h
├── include/ # 头文件目录
├── lib/ # 库文件目录
├── test/ # 测试目录
└── platformio.ini # 项目配置
```
## 核心函数调用关系
```mermaid
graph TD
A[main.cpp<br/>radarDataTask] --> B[radar_process]
B --> C[去直流处理]
C --> D[相位转换]
D --> E[相位展开]
E --> F[空人判断]
E --> G[活动检测]
E --> H[降采样]
H --> I[呼吸频率估计]
H --> J[心率估计]
I --> K[后处理滤波]
J --> K
K --> L[radar_get_state]
K --> M[radar_get_heart_bpm]
K --> N[radar_get_resp_bpm]
style A fill:#FFB6C1
style B fill:#87CEEB
style C fill:#E0FFFF
style D fill:#E0FFFF
style E fill:#E0FFFF
style F fill:#FFDAB9
style G fill:#FFDAB9
style H fill:#98FB98
style I fill:#F0E68C
style J fill:#F0E68C
style K fill:#DDA0DD
style L fill:#90EE90
style M fill:#90EE90
style N fill:#90EE90
```

View File

@@ -22,7 +22,11 @@ if "%commit_msg%"=="" set commit_msg=Update project
%GIT_PATH% commit -m "%commit_msg%"
echo.
echo [4/5] 推送到远程仓库...
echo [4/5] 拉取远程代码...
%GIT_PATH% pull
echo.
echo [5/5] 推送到远程仓库...
%GIT_PATH% push
echo.

View File

@@ -9,6 +9,32 @@
static float I_buf[BASE_DATA_LEN];
static float Q_buf[BASE_DATA_LEN];
//雷达芯片串口数据打印
void uartDataTask(void *parameter) {
Serial.println("📡 串口数据读取任务启动");
while(1) {
if(Serial1.available()) {
byte data = Serial1.read();
//Serial.printf("%02X ", data);
uint16_t raw_i = adc1_get_raw(ADC1_CHANNEL_8);
uint16_t raw_q = adc1_get_raw(ADC1_CHANNEL_9);
float raw_i_voltage = (raw_i / 4095.0f) * 3.3f;
float raw_q_voltage = (raw_q / 4095.0f) * 3.3f;
raw_i = adc1_get_raw(ADC1_CHANNEL_0);
raw_q = adc1_get_raw(ADC1_CHANNEL_1);
float raw_i_voltage2 = (raw_i / 4095.0f) * 3.3f;
float raw_q_voltage2 = (raw_q / 4095.0f) * 3.3f;
Serial.printf("原:I=%.3f, Q=%.3f 放大:I=%.3f, Q=%.3f\n",raw_i_voltage, raw_q_voltage, raw_i_voltage2, raw_q_voltage2);
}
}
}
void radarDataTask(void *parameter) {
Serial.println("📡 雷达数据采集任务启动");
@@ -17,8 +43,8 @@ void radarDataTask(void *parameter) {
while(1) {
for(int i = 0; i < BASE_DATA_LEN; i++) {
sample.i_value = adc1_get_raw(ADC1_CHANNEL_0);
sample.q_value = adc1_get_raw(ADC1_CHANNEL_1);
sample.i_value = adc1_get_raw(ADC1_CHANNEL_8);
sample.q_value = adc1_get_raw(ADC1_CHANNEL_9);
sample.timestamp = millis();
I_buf[i] = (sample.i_value / 4095.0f) * 3.3f;
@@ -39,10 +65,17 @@ void radarDataTask(void *parameter) {
human_state_t state = radar_get_state();
uint16_t raw_i = adc1_get_raw(ADC1_CHANNEL_0);
uint16_t raw_q = adc1_get_raw(ADC1_CHANNEL_1);
float raw_i_voltage = (raw_i / 4095.0f) * 3.3f;
float raw_q_voltage = (raw_q / 4095.0f) * 3.3f;
if (state == NO_PERSON) {
Serial.printf("👤 No person - IQ电压: I=%.3fV, Q=%.3fV\n", avgI, avgQ);
Serial.printf("0-原始电压: I=%.3fV, Q=%.3fV - 放大电压: I=%.3fV, Q=%.3fV\n",
raw_i_voltage, raw_q_voltage, avgI, avgQ);
} else {
Serial.printf("👤 Human static - IQ电压: I=%.3fV, Q=%.3fV - 💓 心率: %.1f BPM, 呼吸: %.1f BPM\n", avgI, avgQ, radar_get_heart_bpm(), radar_get_resp_bpm());
Serial.printf("1-原:I=%.3f, Q=%.3f 放大:I=%.3f, Q=%.3f -心率: %.1f BPM, 呼吸: %.1f BPM\n",
raw_i_voltage, raw_q_voltage, avgI, avgQ, radar_get_heart_bpm(), radar_get_resp_bpm());
}
esp_task_wdt_reset();
@@ -65,6 +98,9 @@ void setup() {
// 初始化雷达
radar_init();
// 初始化Serial1串口 (RX:IO20, TX:IO19, 波特率:115200)
Serial1.begin(115200, SERIAL_8N1, 20, 19);
// 创建雷达数据任务
xTaskCreatePinnedToCore(
radarDataTask,
@@ -76,6 +112,17 @@ void setup() {
1
);
// 创建串口数据任务
xTaskCreatePinnedToCore(
uartDataTask,
"UART Data Task",
4096,
NULL,
3,
NULL,
1
);
Serial.println("✅ FreeRTOS任务创建成功");
Serial.println("🎉 系统初始化完成,等待雷达数据...");