2026年，想用FPGA和毫米波雷达芯片（如TI AWR系列）做一个‘室内人员跌倒检测’的毕业设计，在信号处理（CFAR、点云聚类）和机器学习（SVM/轻量CNN）部署上，FPGA该如何分工与加速？
我的本科毕设想做一个基于毫米波雷达的室内老人跌倒检测系统。硬件上计划采用TI的AWR1843雷达芯片+AMD Zynq FPGA的方案。雷达原始数据经过芯片初步处理后会得到距离-多普勒图或点云数据。我的问题是在FPGA部分应该如何规划：是将恒虚警（CFAR）检测、点云聚类这些传统信号处理算法用Verilog/HLS实现以降低延迟，还是将原始数据或特征直接送给Zynq的ARM核，在PS端用Pynq框架跑一个轻量级的SVM或CNN模型？如何在FPGA的PL逻辑资源和处理实时性之间取得最佳平衡？有没有类似的开源项目或论文架构可以参考？
FPGA学习ing
