行业-电子政务-具有MCU+定时电路的雷达物位计.zip下载

半导体行业周报：MCU行业开启新周期传感器龙头韦尔股份再出手.zip

例如，自动驾驶车辆需要大量的传感器（如雷达、摄像头、激光雷达等）与高性能的MCU进行数据处理，以实现环境感知和决策控制；而在智能家居中，MCU负责控制各种设备，而各类传感器则负责收集环境信息。

STM32F103雷达避障小车：从UART点云到PID控制全链路实现

雷达避障是嵌入式系统中典型的实时感知-决策-执行闭环，其核心在于传感器数据的可靠获取、低延迟处理与精准运动控制。2D激光雷达通过UART输出结构化点云，具备高角分辨率与几何确定性，远优于TOF单点测距和超声波多径干扰；STM32F103ZET6凭借确定性实时响应、丰富外设与成熟标准外设库V3.5.0，成为资源受限场景下构建轻量级避障系统的理想主控。关键技术包括中断+环形缓冲区防丢帧、扇区最小值法实现毫秒级避障决策、抗饱和位置式PID保障电机稳定响应。该方案广泛适用于智能小车课程设计、工业AGV原型开发及RO

Delta-1a激光雷达系统源码解析与实战应用

Delta-1a激光雷达系统采用先进的905nm脉冲激光器与高灵敏度APD接收阵列，结合飞行时间（ToF）与连续波多普勒测速双重机制，实现最高0.1m距离精度与0.05m/s速度分辨率。系统支持10Hz~100Hz可调扫描频率，在200m@10%反射率典型场景下稳定工作，具备IP67防护等级与-40°C~+85°C宽温运行能力。其嵌入式处理单元集成FPGA+ARM异构架构，可在前端完成原始回波信号的实时滤波、峰值检测与坐标转换，显著降低主机负载。源码包中模块负责硬件控制，实现基础信号解析，

STM32多传感器融合避障小车：毫米波雷达与ToF的工程实践

在嵌入式系统与机器人领域，传感器融合是实现环境感知与自主决策的核心技术。其原理在于通过算法协同处理来自不同物理原理传感器的数据，以克服单一传感器的局限性，从而提升系统的鲁棒性与可靠性。这项技术的价值在于，它能以较低成本构建具备实时反应能力的智能终端，是自动驾驶、服务机器人等应用的基础。在移动机器人平台中，常见的应用场景包括实时避障、路径规划与导航。本文聚焦于基于STM32F103主控的智能小车项目，深入探讨了如何将**毫米波雷达**与**ToF雷达**进行优劣互补与数据融合，并利用FreeRTOS实时操作系

雷达脉冲压缩三种实现方式：匹配滤波、相关法与FFT频域法

脉冲压缩是雷达信号处理的核心技术，用于在不增加发射功率的前提下提升距离分辨力与信噪比。其原理基于匹配滤波理论，即发射信号与共轭时间反转滤波器的卷积运算，压缩增益由时宽与带宽乘积决定。该技术并非数据压缩，而是面向物理探测的波形处理方法。工程落地中，其实现路径高度依赖硬件资源约束：FPGA适合匹配滤波流水线，MCU倾向相关法分段处理，而现代雷达SoC普遍采用FFT频域快速卷积。本文围绕脉冲压缩三种方式展开，结合MATLAB验证、硬件非理想性建模及车载77GHz毫米波雷达实测案例，解析选型逻辑、参数调优与典型故障