60 / 77 / 92 GHz 毫米波 FMCW 雷达的 MIMO 天线阵列性能工作台
部署在实验室服务器上,局域网内用浏览器打开即可使用。
在同一个界面里完成排阵、DBF 测角评估、频段内性能、规格检查、方案对比、分享和 PDF 报告。
中文 · English
设计一套 FMCW 雷达天线阵列时,真正关心的是:这个 Tx/Rx 布局在雷达视场内能否不模糊地测角?误差有多大?扫频到频段边缘会不会出现栅瓣?是否满足规格?换一种布局或频段会不会更好?
| 设计问题 | 在哪里看 |
|---|---|
| 通道数、虚拟通道利用率、口径、实测 3 dB 分辨率 | 右侧 阵列概览 |
| 视场内是否会测角模糊、误差多大、竞争峰裕量多少 | 测角性能、1D DBF |
| 方位 × 俯仰二维的模糊与旁瓣 | 2D DBF |
| 扫频到 76 / 81 GHz 等频段边缘时性能是否变差 | 频段与对比 → 频段内性能 |
| 是否满足分辨率、误差、裕量、PSL 等规格 | 概览 规格检查(逐项通过 / 未通过) |
| 60 / 77 / 92 GHz 的几套方案选哪个 | 频段与对比 → 方案对比 |
| 把配置交给同事或客户 | 分享链接、性能报告 PDF |
- SVG 编辑器:拖拽 Tx/Rx,松开后吸附到 λ/2 网格(可改为 λ/4、λ/8 或关闭吸附);支持缩放、平移、方向键微调、删除模式、撤销/重做(50 步)。
- 自动排阵:输入 T、R 数量,生成标准 MIMO 布局(Rx 间距 λ/2,Tx 间距 NRx·λ/2),即无重复、无栅瓣的 λ/2 虚拟 ULA。
- 坐标表可批量精确编辑,λ / mm 一键切换;选中物理通道时,与它相关的虚拟点会高亮(见顶部大图)。
- 布局检查会提示阵元重合、间距小于 λ/2(可能物理重叠),以及设计频率不在扫频范围内。
方位、俯仰各一栏,真实角为视场内 1° 步进的逐帧角度。可以播放、拖动,或点击图上任意位置跳转;底部实时显示真实角、峰值角、误差和竞争峰裕量。
方位 × 俯仰相关热图,虚线框为雷达视场。点击热图设定真实角;方位、俯仰可分别或同时扫描,服务器端会预取后续帧。
每个轴上下两张图:逐帧测角误差(峰值细化到 0.002°)和竞争峰裕量,标出不模糊范围和裕量阈值,底部汇总关键指标。
示例:导入一组模拟的 HFSS 通道相位后,理想字典下方位视场内最大误差为 0.054°。测角误差图 PNG 可通过「导出 → 导出测角误差图 PNG」生成。
上面是「无噪声」模式:它只反映字典与通道真实响应不一致带来的系统偏差,字典和通道都理想时,任何布局的误差都是 0。比较不同布局的测角精度,请切换到「加噪声」模式:输入单通道 SNR(视轴目标、距离-多普勒 FFT 之后,单快拍),每个角度做 200 次蒙特卡洛,给出:
- RMSE 与克拉美-罗界(CRB):理想字典下 DBF 峰值就是最大似然估计,高 SNR 时 RMSE 贴近 CRB;口径越大、阵元分布越靠两端,CRB 越小。
- 异常值概率 vs SNR:峰值跳出主瓣(跳到旁瓣或栅瓣)的概率随 SNR 变化的曲线,以及门限 SNR(视场内所有角度异常值都 ≤1% 所需的最低 SNR)。旁瓣高、竞争峰裕量小的布局门限更高,这是比较稀疏布局最直接的指标。
- 频段内性能:天线物理位置固定,在扫频起止频率和设计频率处重新评估分辨率、不模糊范围、误差、裕量和 PSL,并逐项做规格判定。下图中,Case4 在 81 GHz 处方位不模糊范围缩到 ±64°、竞争峰裕量降到 0.5 dB:这正是 FMCW 扫频内栅瓣起始角漂移的结果。
- DBF 字典频率:「跟随工作频率」表示固件按实际中心频率生成导向矢量;「固定在设计频率」表示整个频段只用一套导向表,此时偏离设计频率会让 sinθ 的估计按 f/f₀ 缩放(例如字典 77 GHz、工作在 81 GHz,15° 目标会测成 15.8°)。
- 方案对比:从项目库勾选最多 7 个方案(例如 60 / 77 / 92 GHz 各自的阵列),与当前项目并排比较。每个方案使用自己的频段、视场和规格。
服务器在后台生成多页 PDF,内容包括基本指标、阵列与响应、测角误差与裕量、Hold 曲线等。可选附带 CSV/JSON 可复现数据包,生成时显示进度,可以取消,完成后自动下载。
![]() |
![]() |
| 浅色 / 深色 / 跟随系统主题;中文 / English / 日本語界面。 | 手机宽度下自动改为单列布局,可在现场用手机查看结果。 |
git clone https://github.com/rex991460774/mimo-array-visualizer.git
cd mimo-array-visualizer
docker compose up -d --build浏览器打开 http://<服务器IP>:8000/。首次打开时载入参考阵列 Case4 8T8R 77G,可以直接体验所有视图。
没有 Docker、也不想装 Node.js 时,可以直接 pip 安装发布包。
- 选频段:在顶部参数条选择 60G / 77G / 92G,设计频率随之切换(阵列坐标以设计频率下的 λ 保存)。
- 设视场与规格:点击「视场」打开评估设置,填写方位/俯仰视场和分辨率、误差、裕量、PSL 等要求。
- 排阵:用「自动排阵」生成起点,再拖拽或在坐标表中精确调整;也可以导入桌面版阵面 JSON。
- 看测角:在 1D / 2D DBF 和测角性能视图确认视场内不模糊、误差和裕量满足要求。
- 导入实测数据(可选):导入 HFSS 通道幅相、单元方向图或自定义 DBF 字典,评估实际天线。
- 扫频与对比:在「频段与对比」检查扫频边缘的性能,并和项目库中的其他方案对比。
- 交付:保存到项目库、复制分享链接,或生成 PDF 性能报告。
点击顶部「分享」,会生成形如 http://192.168.1.10:8000/s/k3J9xQ2mWb7a 的短链接,复制后发给局域网内的同事即可。
- 包含完整配置:Tx/Rx 数量与位置、设计频率与扫频范围、视场、规格、DBF 字典设置,以及导入的 HFSS / 方向图数据(数据文件已在同一台服务器上,无需重新上传)。
- 链接内容固定:链接在生成时保存一份快照。之后你继续修改,已发出的链接不会改变;对方打开后得到的是自己的副本,修改不会影响你的项目,对方也可以把它另存到项目库。
- 相同配置得到相同链接:链接 ID 由配置内容计算得出,重复分享不会产生重复数据。快照保存在数据目录的
shares/下,随数据卷一起备份。 - 注意访问地址:链接使用你当前访问的地址。如果在服务器本机用
localhost打开,对话框会提示改用服务器的局域网 IP 后再分享。 - 打开者的浏览器里如果有未保存的修改,会先确认再替换。
docker compose up -d --build数据(项目库、导入文件、分享快照、报告任务、日志)保存在 Docker 卷 mimo-data 中,升级镜像不会丢失。
- 改端口:编辑
docker-compose.yml中的"8000:8000",例如改为"8080:8000"。 - 升级:
git pull && docker compose up -d --build。 - 备份:
docker run --rm -v mimo-array-visualizer_mimo-data:/data -v "$PWD":/backup alpine tar czf /backup/mimo-data.tgz -C /data .
镜像已内置 Noto CJK 字体,可以直接生成中文/日文 PDF 报告。
每个 Release 都附带一个 wheel,前端已经构建好打包在里面,只需要 Python 3.10+,不需要克隆仓库或安装 Node.js:
python3 -m venv mimo-env
mimo-env/bin/pip install https://github.com/rex991460774/mimo-array-visualizer/releases/download/v1.1.0/mimo_array_visualizer-1.1.0-py3-none-any.whl
mimo-env/bin/mimo-array-server --host 0.0.0.0 --port 8000 --data-dir ./mimo-dataWindows 下把 mimo-env/bin/ 换成 mimo-env\Scripts\。
- 校验:发布说明中给出了 wheel 的 SHA-256,可以先下载再用
shasum -a 256(macOS / Linux)或certutil -hashfile <文件> SHA256(Windows)核对后再安装。 - 升级:用新版本的 wheel 地址再执行一次
pip install,数据目录保持不变即可保留项目库和导入文件。 - 中文 / 日文 PDF 报告需要系统安装 CJK 字体(如
apt install fonts-noto-cjk)。 - 开机自启可参考
deploy/mimo-array.service,把其中的路径换成mimo-env/bin/mimo-array-server。
需要 Python 3.10+ 和 Node.js 20+(仅构建前端时需要)。
scripts/setup_server.sh # 创建 .venv、安装依赖、构建前端
.venv/bin/mimo-array-server --host 0.0.0.0 --port 8000 --data-dir ./data开机自启可参考 deploy/mimo-array.service(systemd)。中文报告需要系统安装 CJK 字体(如 apt install fonts-noto-cjk)。
升级:
git pull
scripts/setup_server.sh # 每次都按 lock 文件重装前端依赖并重新构建
sudo systemctl restart mimo-array # 或停止后重新运行上面的启动命令setup_server.sh 失败时不要直接重启服务,否则会用旧前端配新后端。
.\scripts\setup_server.ps1 # 需要 Python 3.10+ 与 Node.js 20+
.\scripts\run_server.ps1 # 默认 0.0.0.0:8000,数据目录 .\data其他电脑访问前,需要在 Windows 防火墙中放行该端口。升级时执行 git pull,再运行 .\scripts\setup_server.ps1,然后重启 run_server.ps1。
服务没有内置登录鉴权,适合在可信的实验室局域网内使用;能访问服务器的人都能打开项目库和分享链接。命令行方式默认只监听 127.0.0.1,需要局域网访问时请显式指定 --host 0.0.0.0。如需暴露到更大范围,请在前面加一层带认证的反向代理(如 Nginx Basic Auth)。上传文件仅限 CSV/TSV/TXT/XLSX/XLSM,单个不超过 32 MB。
- 内存:Linux 下
mimo-array-server启动时会自动设置MALLOC_ARENA_MAX=2(Docker 镜像和 systemd 示例中也已写明)。这样,多人并发评估时进程常驻内存在 0.5 GB 左右;如果不设置,glibc 会为每个计算线程保留一块内存,常驻内存会涨到 2 GB 以上且空闲后不回落。如果环境里已经设置了这个变量,以已有的值为准。 - 磁盘:导出的报告和图片保留 24 小时供下载,最多保留最近 100 个、合计 1 GB,超出时先删除最旧的。同时排队或执行中的导出最多 8 个,再提交会提示服务器繁忙。分享链接快照很小(每个约 4 KB),不会自动删除,以保证链接长期有效。
雷达评估
- 频段:60G(57–64 GHz)、77G(76–81 GHz)、92G(默认 90–94 GHz,需按芯片修改)预设,也可自定义扫频范围。
- 评估视场:测角评估与方向图指标都限定在雷达视场内(DBF 搜索范围外扩 10°),视场外的栅瓣不计为视场内模糊。
- 测角指标:不模糊范围、视场内最大误差(峰值细化到 0.002°)、竞争峰裕量、截断原因。
- 噪声下测角精度:按单通道 SNR 做蒙特卡洛,给出 RMSE、克拉美-罗界、异常值概率曲线和门限 SNR;单元方向图会降低偏轴目标的 SNR。
- 方向图指标:实测 3 dB 分辨率、PSL(主瓣取到第一零点)、ISLR、第一旁瓣、栅瓣。
- 频段内性能:天线物理位置固定,在扫频起止与设计频率处重新评估;DBF 字典可跟随工作频率或固定在设计频率。
- 规格检查:分辨率、视场内不模糊、视场内最大误差、竞争峰裕量、2D 峰值旁瓣逐项判定。
- 方案对比:项目库中的多个方案与当前项目并排比较。
数据导入
- DBF 字典:理想几何、理想反向相位、通道幅相校准,或导入 CSV/XLSX 字典(方位/俯仰分别导入,支持虚拟或物理通道列,可选相位取反和 0° 校准),附相位矩阵预览和质量提示。
- 通道幅相:HFSS 汇总文件(物理或虚拟通道),或单个通道的幅度/相位 × 水平/俯仰。
- 单元方向图:CSV/TSV,可预览 H/V 切面并交换。
协作与输出
- 项目库:项目保存在服务器数据目录,同一服务器的用户共享;浏览器会自动保留当前草稿。每个人的编辑都在自己的浏览器里进行,互不影响;两人同时修改同一个项目时,后保存的人会收到提示,可选择另存为新项目或覆盖对方,不会静默覆盖。
- 分享链接:
/s/<id>短链接,打开即得到配置副本(见上文)。 - 导入导出:阵面 JSON 与桌面版兼容(version 1,单位 λ,含评估信息);项目包
.mimo.zip包含配置和全部导入数据,可在服务器之间迁移。 - 性能报告:多页 PDF,可选 CSV/JSON 可复现数据包;测角误差图 PNG 可单独导出。
- HTTP API:所有功能都能通过 REST API 调用,方便脚本批量评估,接口文档见
/api/docs。
| 项目 | 做法 | 原因 |
|---|---|---|
| 分辨率 | 阵列响应 0° 切面的实测 3 dB 波束宽度;0.886/D 公式仅作参考 | 公式对稀疏/小阵列不准(case4 公式 1.35°,实测 1.72°) |
| PSL 主瓣区 | 主峰两侧至第一零点(至少下降 3 dB) | 固定 ±2°/±6° 保护区会把小阵列(如 60 GHz 3T4R)的主瓣算成旁瓣 |
| 测角范围 | 真实角在视场内 1° 步进;搜索范围外扩 10° | 实际雷达只在视场内搜索;全 ±90° 搜索会把视场外栅瓣误判为模糊 |
| 测角误差 | 1° 网格取峰后,在峰附近重新计算相关并细化到 0.002° | 只用 1° 网格时误差只能是整数度,无法评估 HFSS 实测数据的亚度级误差 |
| 频段内性能 | 物理坐标固定,电长度按 f/f设计 缩放;字典默认按工作频率生成,也可固定在设计频率 | 反映 FMCW 扫频内栅瓣起始角和分辨率的漂移;固定字典再现只有一套导向表的固件的 sinθ 缩放误差 |
| 噪声下精度 | 每个视场角度 200 次蒙特卡洛(固定随机种子),与无噪声评估相同的取峰和细化;同时给出单快拍、未知复幅度下的 CRB | 无噪声误差只反映模型失配;布局优劣体现在噪声下的 RMSE 和异常值门限 |
| 异常值与门限 SNR | 峰值落在无噪声谱主瓣(第一零点之间)以外记为异常值;SNR 从 −20 到 40 dB 每 1 dB 扫描,门限为此后所有 SNR 下视场内最差角度异常值率都 ≤1% 的最低 SNR | 异常值决定低 SNR 下的可用性,RMSE 只统计主瓣内的估计 |
| 自动排阵 | Rx 间距 λ/2、Tx 间距 NRx·λ/2 | 得到无重复、无栅瓣的 λ/2 虚拟 ULA(标准 MIMO 布局) |
导入的 HFSS 通道相位和自定义字典是单频点数据,频段内评估只缩放几何、不改变这些数据,界面会给出提示。
python -m venv .venv && .venv/bin/pip install -e ".[dev]"
.venv/bin/mimo-array-server --port 8000 # 后端
cd web && npm ci && npm run dev # 前端热更新:http://localhost:5173(/api 代理到 :8000).venv/bin/python -m pytest -q # 后端测试(计算核心 + API)
.venv/bin/ruff check src tests # Python lint
cd web && npm run lint && npm test && npx tsc -b # 前端 ESLint + 单元测试(vitest + Testing Library,jsdom)+ 类型检查
cd web && npm run build # 构建到 src/virtual_array/server/static
cd web && npm run e2e # 浏览器冒烟测试(Playwright,需先 build;首次运行 npx playwright install chromium)
cd web && E2E_BROWSERS=chromium,firefox,webkit npm run e2e # 同时跑 Firefox/WebKit(先 npx playwright install firefox webkit)
cd web && npm run coverage # 前端单元测试覆盖率(报告在 web/coverage/)参与贡献请先阅读 CONTRIBUTING.md。
浏览器(React 19 + TypeScript + Plotly)
│ 项目文档 JSON(坐标单位:设计频率下的 λ)
▼
FastAPI 服务(virtual_array.server)
├─ project.py 项目模型(频段 / 视场 / 规格)、v1 阵面 JSON 兼容
├─ engine.py 项目 → 计算核心,按依赖字段做 LRU 缓存
├─ assets.py 导入文件按 SHA-256 存储
├─ store.py 项目库 shares.py 分享快照(/s/<id>)
└─ jobs.py 报告后台任务
▼
计算核心(无 UI 依赖,坐标单位 λ/2)
geometry · analysis · requirements · dbf_dictionary · element_pattern · performance_report
- 1D DBF 一次请求返回视场内全部真实角的角谱(base64 float32),播放全部在浏览器中完成,不需要逐帧请求。
- 2D DBF 使用
Dbf2dScanner复用扫描字典,单帧约 30 ms,前端按批预取。 - 阵列因子改用矩阵乘法计算,约快 2 倍,数值结果与原实现一致(由测试锁定)。
src/virtual_array/
geometry.py, analysis.py, requirements.py, dbf_dictionary.py,
element_pattern.py, table_io.py, performance_report.py, phasor.py 计算核心
project.py, assets.py, engine.py 服务层
server/ FastAPI 应用、项目库、分享、任务、CLI
examples/ 参考阵列(case4 8T8R)
web/ React 前端
docs/images/ README 截图
tests/ pytest
deploy/, scripts/, Dockerfile, docker-compose.yml 部署
桌面版(PySide6)已由 Web 版取代,代码保留在 git 历史中。桌面版导出的阵面 JSON 可以直接通过「导入 → 导入阵面 JSON」打开,频率和裕量设置会一并读取。桌面版中按本地路径引用的字典和方向图文件,需要在 Web 版中重新上传一次;之后它们会保存在服务器上,也可以随项目包一起迁移。
MIMO Array Visualizer is a web workbench for designing and evaluating MIMO Tx/Rx antenna arrays for 60 / 77 / 92 GHz FMCW radars. Run it on a lab server and use it from any browser on the LAN.
- Array editor: drag-and-snap Tx/Rx with undo/redo, standard MIMO auto layout (filled λ/2 virtual ULA), coordinate table in λ or mm, live virtual-array preview with related-channel highlighting.
- Angle estimation inside the radar FOV: 1D DBF spectrum playback, 2D azimuth × elevation heatmap, per-frame angle error refined to 0.002° and competitor-peak margin, no-fold range and cut reasons.
- Accuracy with noise: Monte Carlo RMSE against the Cramér–Rao bound at a chosen per-channel SNR, outlier probability versus SNR and the threshold SNR (≤1% outliers across the FOV).
- Radar-level checks: band presets with sweep ranges, in-band performance at the sweep edges (DBF dictionary following the operating frequency or fixed at the design frequency), measured 3 dB resolution, first-null PSL, requirement pass/fail, side-by-side design comparison, layout overlap checks.
- Real antenna data: HFSS channel amplitude/phase, element patterns, and imported or calibrated DBF dictionaries.
- Collaboration: shared server-side project library, share links (
http://server:8000/s/<id>) that open a frozen copy of the configuration for anyone on the LAN, desktop-compatible layout JSON, portable.mimo.zipbundles, background PDF reports with CSV/JSON data packages, and a REST API at/api/docs. - Chinese / English / Japanese UI, light/dark themes, works at phone width.
Deploy with Docker: docker compose up -d --build, then open http://<server>:8000/.
Release wheel (no Node.js needed, Python 3.10+): pip install https://github.com/rex991460774/mimo-array-visualizer/releases/download/v1.1.0/mimo_array_visualizer-1.1.0-py3-none-any.whl, then mimo-array-server --host 0.0.0.0 --port 8000 --data-dir ./mimo-data. Each release attaches its wheel with a SHA-256 in the notes.
Bare metal from source: scripts/setup_server.sh (or scripts\setup_server.ps1 on Windows), then mimo-array-server --host 0.0.0.0 --port 8000 --data-dir ./data.
The server has no built-in authentication; use it on a trusted network or behind an authenticating reverse proxy.
MIT, see LICENSE.











