2D 场景雷达仿真器

在 2D 俯视平面上搭场景、配雷达、开车跑仿真，导出波形级 FMCW 原始 IQ 二进制，并用自带模板一键跑通「二进制 → 距离-多普勒 → CFAR → 点云 → 与真值对比」。

flowchart LR
    A[画布搭场景<br/>圆/矩形/多边形/墙 + 材质] --> B[设置雷达参数]
    B --> C[开始仿真<br/>小车 + 雷达]
    C --> D[signal.bin + meta.json<br/>+ pointcloud_gt.csv]
    D --> E[模板处理<br/>Python / Notebook / MATLAB]

Loading

下载

不装 Python 也能用。下载 最新 Release 里的：

附件	体积	说明
radar-sim-<版本>-win64.zip	83 MB	解压后双击 雷达仿真器.exe；启动快，templates/、examples/ 可以随手改

SHA256SUMS.txt 是同目录的校验值。每个包在生成时都会真的建窗口、跑完仿真、导出数据再用模板读回来，任何一项不过就不会发出来。

exe 不进源码仓库——由 .github/workflows/release.yml 在打 tag 时自动构建并挂到 Release。

安装

要跑源码或模板，则需要 Python：

python -m venv .venv
.venv/Scripts/python -m pip install -e .      # Windows
# source .venv/bin/activate && pip install -e .   # Linux/macOS

打包成 exe

.venv/Scripts/python -m pip install -e ".[packaging]"
.venv/Scripts/python packaging/build.py

产出 dist/雷达仿真器/，双击里面的 雷达仿真器.exe 即可。附带命令行版 radar-sim-cli.exe、处理模板、示例场景和使用说明。

	文件夹版	单文件版
体积	177 MiB	71.7 MiB
进程就绪	约 1 s	2.8 s（含解压归档）
完整自检	9.0 s	8.5 s
模板可编辑	✅	❌ 封在归档里

单文件版比预想的小很多（归档压缩率很高），启动代价也只在 2–3 秒量级。

每次构建后会自动跑一遍冻结包自检——真的建窗口、跑完 50 帧、导出并用模板读回，任何一项失败就报告失败。普通用户也可以双击 运行自检.cmd 自测。

细节见 packaging/README.md。

不想每次手动打包：给 main 推一个 tag（如 v0.1.0），GitHub Actions 会跑同一套流程并把产物挂到 Release。 打 tag 前把 src/radar_sim/__init__.py 的 __version__ 改成同一个版本号—— 不一致时打包脚本会警告，否则 exe 的 --version 会打出旧版本。

快速开始

图形界面

python -m radar_sim.main                # 打开内置示例场景
python -m radar_sim.main --empty        # 从空白场景开始
python -m radar_sim.main --scene examples/scenes/corridor.scene.json

操作：左侧选形状 → 画布点击放置 → 右侧「图元属性」改几何与材质 → 「雷达」页调参数 → 底部「▶ 开始仿真」→ 方向键/WASD 驾驶 → 「💾 导出数据」。

命令行（无界面批量生成）

# 内置示例，20 帧
radar-sim-cli --demo --out dataset/demo --frames 20

# 用示例场景，开二次反射多径
radar-sim-cli --scene examples/scenes/corridor.scene.json --out dataset/corridor --order 2

# 只看看参数与派生指标，不生成数据
radar-sim-cli --demo --inspect

# 材质预设表
radar-sim-cli --list-materials

处理数据

不用装 Python，exe 自己就能处理（推荐）：

radar-sim-cli.exe --process dataset/demo --out figures    # 出四张图
radar-sim-cli.exe --compare dataset/demo --out .          # 与真值对比

或者用模板源码（就是上面两条命令跑的同一份代码，可直接拷进你自己的项目）：

cd templates/python
python process_demo.py --data ../../dataset/demo --out figures
python compare_gt.py   --data ../../dataset/demo --frames 20

实测精度（示例场景，20 帧，$P_{fa}=10^{-3}$）：

指标	RMS	备注
距离	0.106 m	小于 $\Delta R$ = 0.195 m
速度	0.029 m/s	小于 $\Delta v$ = 0.094 m/s
方位	0.59°	远小于 9.55° 角分辨率
虚警率	1.9%	设定 $P_{fa}$ = 0.1%

默认雷达配置（对齐 TI IWR1843）

参数	值		派生指标	值
载频	77 GHz		距离分辨率	0.195 m
调频斜率	29.982 THz/s		最大距离	50.0 m
扫频时间 $T_r$	60 µs		最大不模糊速度	±6.01 m/s
chirp 周期 $T_c$	160 µs		速度分辨率	0.094 m/s
采样 $N_s$ / chirp 数 $N_c$	256 / 128		角分辨率	9.55°
阵元	3 TX × 4 RX = 12 虚拟		单帧数据量	1.5 MiB

全部参数可在界面里改，面板会实时显示派生指标与参数冲突警告。

输出

文件	内容
signal.bin	无文件头的 int16 复数 IQ。两种布局：ti_dca1000（默认，兼容 TI readDCA1000.m）与 interleaved_iq
meta.json	雷达参数、派生指标、场景快照、车辆轨迹、逐帧字节偏移
pointcloud_gt.csv	理想点云真值（含多径路径）
README.txt	该次导出的解析示例

signal.bin 布局、约定与常见坑见 templates/python/README.md 与 docs/DESIGN.md 第 8 / 10.6 节。

目录

src/radar_sim/
├─ core/          仿真内核（不依赖 Qt，可无界面运行）
│  ├─ constants.py     物理常量与全局符号/坐标约定
│  ├─ geometry.py      射线/线段求交、镜像、多边形
│  ├─ scene.py         图元、材质、场景 JSON
│  ├─ materials.py     材质预设 + 双分量散射模型
│  ├─ scatterers.py    图元 → 散射点离散化
│  ├─ raytrace.py      遮挡判定 + 镜像法多径（≤2 次反射）
│  ├─ radar_config.py  FMCW 雷达参数与全部派生指标
│  ├─ radar.py         FMCW IQ 合成 + 热噪声 + 真值表
│  ├─ framing.py       标准距离/速度/角度轴、距离-多普勒
│  ├─ detection.py     CA-CFAR、FFT 测角、点云
│  ├─ vehicle.py       运动学自行车 + 纯追踪
│  ├─ simulator.py     帧调度、导出
│  └─ io_export.py     双布局打包、meta.json
├─ ui/            PySide6 界面（画布、面板、信号视图）
├─ selftest.py    冻结包自检（--selftest）
├─ cli.py         无界面批量生成
└─ main.py        GUI 入口
templates/        Python / Jupyter / MATLAB 处理模板
examples/scenes/  示例场景
packaging/        打包成 exe（build.py / radar_sim.spec / make_icon.py）
scripts/          bench.py 性能探针、acceptance.py 端到端验收、make_examples.py 示例场景、screenshot.py 截图
docs/DESIGN.md    设计文档（参数、算法、格式、验收标准、打包）
.github/          release.yml：打 tag 自动打包并发 Release

物理模型

• 材质 → 回波：镜面 + 朗伯双分量 $a(\psi) = \rho(1-\tau)\left[(1-\eta)e^{-\psi^2/2\sigma_\psi^2} + \eta\cos\psi\right]10^{-A/20}$ → 正对雷达的金属板很亮、斜 30° 迅速变暗、植被弱而各向均匀。
• 多径：镜像法精确求解镜面反射，默认 1 次，可开 2 次。幽灵目标距离长于真实直线距离。
• 遮挡：不透明材质完全阻挡；透射材质按 $\sqrt{\tau}$ 衰减。
• 噪声：按 $kT_0 B \cdot NF \cdot L$ 计算热噪声功率，与信号同尺度，因此原始 IQ 的 SNR 很低（示例场景约 0 dB/采样），距离 FFT 提供约 21 dB 处理增益后才可检测——这与真实雷达一致。

测试

QT_QPA_PLATFORM=offscreen python -m pytest        # 259 项

覆盖：几何求交、场景序列化、遮挡与多径（含解析解校验）、IQ 合成与雷达方程、确定性（同 seed 逐字节一致）、双布局互换、车辆运动学、GUI 冒烟（离屏）、模板与内核公式一致性。

另有一个可读的端到端验收脚本，它会真的建窗口、编辑场景、跑完 50 帧、导出数据集：

QT_QPA_PLATFORM=offscreen python scripts/acceptance.py

文档

• docs/DESIGN.md — 完整设计文档：参数表、算法、signal.bin 字节级布局、meta.json schema、界面规格、17 条验收测试、防坑清单
• 运行 radar-sim-cli --help 查看全部命令行参数