Skip to main content

Login for students

Login for employees

Publication detail

Scattering Centers to Point Clouds: A Review of mmWave Radars for Non-Radar-Engineers
Authors: Mafukidze Harry D | Mishra Amit K | Pidanič Jan | Francois Schonken W. P
Year: 2022
Type of publication: článek v odborném periodiku
Name of source: IEEE ACCESS
Publisher name: IEEE (Institute of Electrical and Electronics Engineers)
Place: New York
Page from-to: 110992-111021
Titles:
Language Name Abstract Keywords
cze Rozptylová centra do bodových mraků: Přehled mmWave radarů pro neradaristy. V poslední době si získávají oblibu mmWave radary díky své nízké ceně, snadnému použití a vysokému rozlišení snímání. V tomto článku podáváme přehled rámců pro zpracování dat z mmWave radarů, počínaje matematickými základy a konče aplikacemi. Konkrétně se zaměřujeme na mračno bodů mmWave radaru jako robustní datovou strukturu reprezentující komprimované signatury pro rozpoznávání a klasifikaci cílů. Nejprve se zaměříme na generování radarových mračen bodů a na algoritmy zpracování signálu navržené pro jejich jedinečné vlastnosti. Poté ilustrujeme, jak jsou radarová mračna bodů připravena pro extrakci a klasifikaci příznaků pomocí přístupů strojového učení a hlubokého učení. Nakonec shrnujeme nejnovější aplikace, otevřené datové sady, vývoj a budoucí směry výzkumu v této oblasti. Translated with www.DeepL.com/Translator (free version) Radar; komunikace na milimetrových vlnách; radarové aplikace; radarový rozptyl; komprese mračna bodů; radarové zobrazování; rozptyl; mmWave radar; jednočipový radar; mračna radarových bodů; rozptylová centra; COVNETy
eng Scattering Centers to Point Clouds: A Review of mmWave Radars for Non-Radar-Engineers Recently, mmWave radars have been gaining popularity, thanks to their low cost, ease of use and high-resolution sensing. In this paper, we provide a review of the mmWave radar data processing frameworks, starting from mathematical foundations to applications. Specifically, we focus on the mmWave radar point cloud as a robust data structure representing compressed signatures for target recognition and classification. We first focus on the generation of the radar point clouds, and the signal processing algorithms designed for their unique characteristics. Then, we illustrate how the radar point clouds are prepared for feature extraction and classification using machine learning and deep learning approaches. Finally, we summarize the state-of-the-art applications, open datasets, developments and future research directions in this field. Radar; Millimeter wave communication; Radar applications; Radar scattering; Point cloud compression; Radar imaging; Scattering; mmWave radar; single-chip radar; radar point clouds; scattering centers; COVNETs