请注意，本文内容源自机器翻译，可能存在语法或其它翻译错误，仅供参考。如需获取准确内容，请参阅链接中的英语原文或自行翻译。
器件型号：AWR1843BOOST 主题中讨论的其他器件： DCA1000EVM
您好、工程师
以检测物体并解析其距离、速度 和角度信息、我使用 awr1843boost 和 DCA1000EVM，收集原始 ADC 数据、然后将双通道 ADC bin 数据(来自 DCA1000)传输到原始复合数据 (例如12+52i、53-27i、...)、这里的十进制数"12"、"52"、"53"、"-27"从 bin 数据(从 DCA1000EVM 收集)进行转换。 我想使用 DL 或 ML 方法训练数据并获取检测模型。
TI 工程师之前为我提供了该项目、该指南如下所示：
《机器学习手势用户指南》(TI.com)、我注意到 这里使用的 ML 模型不使用原始数据、并针对从雷达设备中提取的各种特性进行了训练-更多详细信息可在 《手势与机器学习用户指南》中找到。 这意味着输出数据(提供输出数据)已通过 UART 传输到 PC 或其他用户的应用程序。
但实际上、我想离线训练我的原始 ADC 数据、这意味着没有训练 DSP 和 MCU、只从 DCA1000传输原始数据、而是训练 PC 中的原始数据。
我的问题是：如何在适当的深度学习模型中使用这些复杂的数据(它们都是 IQ 数据)？ 当然、以这种离线方式进行物体 检测时、会损失一些实时性能、但这不是我的重点。 也许我需要 更强大的目标检测性能。 总而言之,我是否可以使用 PC 的深度学习来离线训练原始数据,这样我就可以得到更多的功能信息, 你会给我什么建议? 如何将适当的数据格式应用到 DL 模型中?
如果可能的话,给我一个 可行的演示或方法,这样我就可以训练这些原始数据,谢谢。
此致、
温班山
