本篇博文对毫米波雷达的DOA估计做了一个较为全面的概述，给出了包括DBF、FFT、Capon、Music、DML、ESPRIT、OMP、IAA等测角算法的基本介绍、仿真效果、以及应用的条件和对比。博文还探讨了4D毫米波雷达的实现路线、2D-DOA估计方法等问题。

本文对K-means算法进行了实践。首先对K-means算法进行了简单的介绍，并给出了其典型的算法流程图。随后分别给出了基于K-means算法对Iris数据集、自己生成的二维平面点簇形数据集的聚类结果。

本博文对遗传算法做了系统性&细节性介绍：包括其相关概念、经典的处理流程等。并以调度问题、旅行商问题作为研究对象，探讨了如何使用遗传算法解决这两个问题(截止2024.3.15)。如前文说明部分所述：最近在看波束形成相关内容时了解到可以用这个算法来优化阵元激励以压低旁瓣，便特地了解和学习了一下这个算法，觉得蛮有意思的，于是把这两天关于该算法的学习和实践的内容总结成了一篇博文。我后续会不定期新增遗传算法

本博文探讨一维成像，并介绍了一份内容非常全面且丰富的原始数据集，基于该数据集实践了几种一维成像方法。因为一维成像的数学原理相对简单且成熟，网上有诸多资料，本博文并没有涉及太多的理论/公式推导。本博文的工作为后续更高维度的成像方法研究以及基于数据集的深度学习模型训练等提供了基础，后续有机会我会出基于该数据集更多的思考和探讨。

本文对跟踪算法做了仿真实践。首先对仿真方案做了介绍，随后在[1]的基础上对跟踪算法各模块的设计细节做了补充说明，在前述工作的基础上，仿真给出了一维匀加速运动、二维匀速运动两种目标运动模型下的目标跟踪结果，结果符合预期。本文的工作算法是跟踪算法的一个粗浅的仿真尝试，读者可以在本文的基础上设计更复杂的目标参数、场景参数等更深入地理解跟踪算法，并迭代优化该算法。

本文围绕多脉冲积累下对SNR的影响这一问题展开，对多脉冲积累问题进行了系统介绍、详尽的仿真以及基于实测数据的分析讨论。在定性的理论分析、定量的仿真和实测数据结果支撑下，形成了以及验证了一些有益的定理和结论(见2.4以及3.2节)。本文的工作对多脉冲积累的应用(或各类相干/非相干积累应用)打下了基础。

本文对DBSCAN算法进行了实践。首先对DBSCAN算法进行了介绍，给出了其典型的算法流程图、对其涉及的两个核心概念：邻域半径和最小样本数进行了介绍，并以车载雷达数据处理为例对这两概念做了更深入的探讨。随后比较详尽地介绍了Iris数据集，并分别给出了基于DBSCAN算法对Iris数据集、自己生成的二维平面点簇形数据集的聚类结果。

本博文的内容相对简单，主要是试图理清楚关于参数估计、无偏估计、CRLB的由来和原理等概念，并以一维线阵为例，给出线阵DOA估计的CRLB、不同DOA估计算法的性能比较。后续有更多的细节和拓展我再不定期补充。

本博文只是作为所附代码的一个简单说明和更新日志而存在。代码提供了一个车载毫米波雷达经典的TDM-MIMO的发射模式下，发射chirp形式信号的原始信号生成的模板/框架。

本文作为机器学习专栏的第一篇文章，对 AI相关的概念以及机器学习的一些基础知识做了梳理和介绍