摘要 - 拉达值允许在复杂的环境中对旋转的FMCW雷达传感器进行准确的建模和模拟,包括对雷达波的反射,折射和散射的模拟。我们的软件能够实时处理大量对象和材料,使其适合在各种移动机器人应用程序中使用。我们通过一系列实验证明了雷达的有效性,并表明它可以在各种环境中更准确地再现FMCW雷达传感器的行为,与基于射线铸造的激光雷达样模拟相比,这些模拟器通常用于自主驱动器(例如Carla)。我们的实验还可以作为研究人员评估自己的雷达模拟的宝贵参考点。通过使用雷达,开发人员可以显着减少与原型和测试FMCW基于基于FMCW的算法相关的时间和成本。我们还提供了一个凉亭插件,该插件使移动机器人社区可以访问我们的工作。
在我们的会议中,出现了两种关于许可证的讨论。首先,多年来,开源软件开发生态系统依赖于一组由开放源代码促进会 (OSI) 编目的许可证,大多数情况下只使用少数流行的许可证。然而,最近我们看到了这片曾经平静的土地上的动荡。最近,一些著名的工具遭到了媒体的批评,因为它们的维护者突然从开源许可证转向了商业模式。我们愿意为软件付费,也接受常见的商业许可证模式以获得额外的功能。然而,我们发现,当一个广泛使用的工具的核心功能突然被置于付费墙后面时,就会出现问题,尤其是当一个生态系统已经围绕该工具发展起来的时候。其次,另一个有趣的发展涉及一些软件,这些软件声称是开源的,但基本功能只有在消费者支付订阅或其他费用后才会出现。尽管这种商业模式以前就存在,但许多闪亮的新 AI 工具似乎更多地利用了这种模式——提供了隐藏在细则之下的惊人功能。我们建议特别注意许可证问题。注意注意事项并确保存储库中的所有文件都受顶层许可证的保护。
毫不奇怪,生成式 AI 和 LLM 主导了我们在本期雷达中的讨论,包括开发人员使用它们时出现的模式。模式不可避免地会导致反模式——开发人员应该避免的情境化情况。我们看到一些反模式开始出现在过度活跃的 AI 领域,包括人类可以完全用 AI 作为同伴取代结对编程的错误观念、对编码辅助建议的过度依赖、生成代码的代码质量问题以及代码库的更快增长速度。AI 倾向于通过蛮力解决问题,而不是使用抽象,例如使用数十个堆叠条件而不是策略设计模式。代码质量问题特别突出了开发人员和架构师需要持续努力的一个领域,以确保他们不会淹没在“工作但糟糕”的代码中。因此,团队成员应该加倍努力实现良好的工程实践——例如单元测试、架构适应度函数和其他经过验证的治理和验证技术——以确保 AI 正在帮助您的努力,而不是用复杂性加密您的代码库。
雷达系统,特别是雷达信号处理的巨大进步是许多领域许多人努力的结果。为了帮助我吸收这些信息,我寻求雷达领域许多知识渊博的同事的帮助。原书和此版本的作者主要归功于约翰霍普金斯大学应用物理实验室的 J. Patrick Reilly。他撰写了第章和第章的重要部分。1、2、3、5、6 和 7。佐治亚理工学院研究所 (GTRI) 的 Marvin Cohen 博士贡献了第章的新版本,并为第章的重写做出了贡献。13.我感谢 Mark Richards 博士 (GTRI),他为脉冲多普勒信号处理器架构贡献了新章节;感谢 Me1 Belcher (GTRI),他为第4 章中的 CFAR 章节贡献了新章节;感谢 Technology Service Corporation (康涅狄格州特朗布尔) 的 A. Corbeil、J. DiDomizio 和 R. DiDomizio,他为第4 章中的检测前跟踪提供了新内容;感谢 Allied-Signal 的 Allen Sinsky,他为第8 章中的模糊函数材料提供了更新。我仍然感谢应用物理实验室的工作人员,他们协助编写了第一版,也感谢我在 Technology Service Corporation 工作 18 年的同事,他们从各种项目和短期课程中积累了大量新内容。我要感谢博士们。佐治亚理工学院研究所的 E. K. Reedy、J. L. Eaves 和 Jim Wiltse 在编写此版本时给予了鼓励和支持。我非常感谢 Janice Letow 在打字、整理和确保手稿按计划进行方面的帮助。最后,我要感谢我妻子 Lila 的耐心和理解,在我低估新版本的努力时,她一直支持我。最后,感谢我的女儿和女婿,还有我的儿子,20 年前他希望我能为他建造一个雷达。我仍然不知道我是否能为他建造一个。