added gpr speed tracking

GPR_motion_algo.py

@@ -0,0 +1,787 @@
+"""
+MIMO GPR — локализация через пересечение эллипсов
+==================================================
+
+Физика в двух словах:
+  Пик A-скана пары (Tx_i, Rx_j) на задержке τ означает:
+      |Tx → объект| + |объект → Rx| = v · τ
+  Это уравнение эллипса. Истинный отражатель лежит на
+  пересечении всех 16 эллипсов (по одному на пару).
+
+Алгоритм:
+  1. S(f) → IFFT → 16 A-сканов
+  2. Поиск пиков: SNR = пик / медиана > порог
+  3. Для каждого пика → мягкий эллипс в аккумуляторе
+     (с компенсацией геометрического и углового затухания)
+  4. CLEAN: найти максимум → убрать его эллипсы → повторить
+
+О параметре SHELL_SIGMA:
+  Аккумулятор — это «мягкое голосование». Каждый эллипс добавляет
+  не единицу, а гауссово-взвешенный вклад:
+      w = exp(−δ²/2σ²), где δ = |R_Tx + R_Rx − v·τ|
+  SHELL_SIGMA — ширина этой гауссовой оболочки.
+  Слишком широко → ghost-цели не подавляются.
+  Слишком узко  → вклад падает до нуля из-за дискретности сетки.
+  Оптимум: ~ 0.4 × δZ, где δZ = v/(2B) — разрешение по глубине.
+
+О score:
+  score = количество пар (из 16), чей эллипс проходит
+  через данную точку с невязкой δ < 3σ.
+  Принимает целые значения от 0 до 16.
+  Максимальный score у истинного объекта = 16 (все пары согласны).
+  Ghost-цели имеют меньший score, т.к. согласуются только
+  с частью пар.
+
+О компенсации затухания:
+  При генерации S(f) сигнал ослаблен:
+    geo(i,j) = 1/(R_Tx · R_Rx)     — геометрическое ослабление
+    pat(i,j) = cos²(θ_Tx)·cos²(θ_Rx) — диаграмма направленности
+  Без компенсации глубокий/угловой отражатель будет недооценён.
+  Компенсация: делим вес каждого пика на ожидаемое затухание
+  в точке z_apparent, вычисленное для данной пары антенн.
+
+Геометрия: плоскость XZ (X — вдоль антенн, Z — глубина).
+"""
+
+"""
+MIMO GPR — локализация через пересечение эллипсов
+==================================================
+Версия для реальных данных
+"""
+
+import numpy as np
+import matplotlib.pyplot as plt
+from matplotlib.lines import Line2D
+from scipy.signal import find_peaks
+from scipy.ndimage import gaussian_filter, label
+from pathlib import Path
+from dataclasses import dataclass, field
+from typing import Dict, List, Tuple
+
+### Изменяемые параметры ======
+INPUT_IDX = [0,1,2,3] 
+OUTPUT_IDX = [0,3]
+
+MIN_DEPTH = 3.0      # [м] пропустить прямую волну
+MAX_DEPTH = 20.0
+COMP_POWER = 0.22      # степень компенсации затухания 
+
+# Обрезка по частоте
+F_START = 28*1e8 # Нижняя частота
+F_STOP = 60*1e8   # Верхняя частота
+
+# Параметры скорости в Motion Config
+SPEED_M_S = 0.48 # Скорость м/с
+LOOK_ANGLE_DEG = 2.0 # Угол наклона радара отн-но горизонтали (град)
+
+# Вычитание среднего фона (background removal)
+# True  → вычитать среднее по всем снимкам в папке (убирает прямую волну и статичные отражения)
+# False → использовать данные как есть
+BG_SUBTRACT = True
+BG_PATH = Path('10m_cyl_motion_21sec_0.48msec_27032026_2.8-6ghz_751/preprocessed')
+
+DATA_PATH = Path('10m_cyl_motion_21sec_0.48msec_27032026_2.8-6ghz_751/preprocessed/0002_id3_ns26032413993535')  # <-- УКАЖИТЕ ПУТЬ
+
+# ===============================
+
+@dataclass
+class MotionConfig:
+    """
+    Конфигурация движения для одного кадра из 8 пар.
+
+    speed_m_s:
+        Линейная скорость движения радара.
+
+    look_angle_deg:
+        Угол между направлением движения и осью дальности Z.
+        Если движение почти "вдоль дальности", ставьте угол близкий к 0°.
+        Тогда dz = v_move * dt * cos(angle) ≈ v_move * dt.
+
+    sweep_time_s:
+        Время прохода по всем частотам для одной пары.
+
+    switch_time_s:
+        Время переключения между соседними парами.
+
+    pair_order_phys:
+        Реальный порядок измерения в физических индексах:
+        [(tx_phys_1, rx_phys_1), (tx_phys_2, rx_phys_2), ...]
+
+    reference_mode:
+        Относительно какого момента считаем dt:
+        - 'frame_center' : середина всего цикла по 8 парам
+        - 'first_pair'   : центр первой пары
+
+    direction_sign:
+        Знак движения по оси дальности.
+        +1  -> более поздние пары выглядят глубже
+        -1  -> более поздние пары выглядят ближе
+    """
+    speed_m_s: float = 0.50
+    look_angle_deg: float = 0.0
+    sweep_time_s: float = 0.040
+    switch_time_s: float = 0.005
+    pair_order_phys: List[Tuple[int, int]] = field(default_factory=lambda: [
+        (tx_phys, rx_phys)
+        for tx_phys in sorted(OUTPUT_IDX)
+        for rx_phys in sorted(INPUT_IDX)
+    ])
+    reference_mode: str = 'frame_center'
+    direction_sign: float = +1.0
+
+# Конфигурация движения
+MOTION_CONFIG = MotionConfig(
+    speed_m_s=SPEED_M_S,
+    look_angle_deg=LOOK_ANGLE_DEG,
+    sweep_time_s=0.15, # ref 0.15
+    switch_time_s=1e-5,
+    pair_order_phys=[
+        (0, 0), (0, 1), (0, 2), (0, 3),  # Этот порядок текущий, возможно в будущем что-то поменяется
+        (3, 0), (3, 1), (3, 2), (3, 3),
+    ],
+    reference_mode='frame_center',
+    direction_sign=+1.0, 
+)
+
+### Список параметров и констант использующиеся в коде: ###
+
+
+MODE = 'point' # Один из 2х режимов `point` or `extended`
+
+eps_r = 1.0   # Диэлектрическая проницаемость среды
+v = 3e8 / np.sqrt(eps_r)  # скорость света в среде
+
+# ══════════════════════════════════════════════════════
+# КООРДИНАТЫ АНТЕНН — УКАЖИТЕ РЕАЛЬНЫЕ ЗНАЧЕНИЯ!
+# ══════════════════════════════════════════════════════
+# Координаты вдоль оси X на поверхности (z = 0), в метрах
+
+# Физические координаты антенн по их реальным индексам
+TX_POSITIONS = {0:  90.5*0.01,   # Tx с индексом 0 → x = +0.9 м
+                3: -90.5*0.01}   # Tx с индексом 3 → x = -0.9 м
+
+RX_POSITIONS = {0: -18*0.01,
+                1:  48.5*0.01,
+                2: -49.0*0.01,
+                3:  18.5*0.01}
+
+# Массивы позиций в порядке возрастания физических индексов
+# (нужны для сетки аккумулятора и графиков)
+x_tx = np.array([TX_POSITIONS[i] for i in sorted(TX_POSITIONS)])
+x_rx = np.array([RX_POSITIONS[j] for j in sorted(RX_POSITIONS)])
+
+# Параметры алгоритма
+SNR_THRESH = 4.5     # минимальный SNR пика
+SNR_COMP_MAX = 25.0     # Верхний порог для компенсированного значения SNR
+
+
+# Параметр: максимальное число объектов для поиска
+MAX_OBJECTS = 15  # <-- настройте под вашу задачу
+
+# Границы сетки аккумулятора 
+x_min, x_max = x_tx.min() - 2.0, x_tx.max() + 2.0 # [м]
+z_min, z_max = 0.2, MAX_DEPTH  # <-- глубина [м]
+
+
+
+# ══════════════════════════════════════════════════════
+# 1. ЗАГРУЗКА РЕАЛЬНЫХ ДАННЫХ
+# ══════════════════════════════════════════════════════
+
+def load_mimo_data(data_path, input_idx, output_idx):
+    data_path = Path(data_path)
+    s21_data  = {}
+    freq_data = {}
+
+    for f in data_path.glob("i*_o*_s21.npy"):
+        name  = f.stem
+        parts = name.split('_')
+        i_tx_phys = int(parts[1][1:])
+        i_rx_phys = int(parts[0][1:])
+
+        if i_tx_phys not in output_idx or i_rx_phys not in input_idx:
+            continue
+
+        # Переводим физический индекс → порядковый (0,1,2,...)
+        i_tx = sorted(output_idx).index(i_tx_phys)
+        i_rx = sorted(input_idx).index(i_rx_phys)
+
+        s21_data[(i_tx, i_rx)]  = np.load(f)
+        freq_file = data_path / f"i{i_rx_phys}_o{i_tx_phys}_freq.npy"
+        freq_data[(i_tx, i_rx)] = np.load(freq_file)
+
+    tx_indices = sorted(set(k[0] for k in s21_data))
+    rx_indices = sorted(set(k[1] for k in s21_data))
+    n_tx = len(tx_indices)
+    n_rx = len(rx_indices)
+
+    print(f"Загружено пар: {len(s21_data)}")
+    print(f"Передатчиков: {n_tx}, Приёмников: {n_rx}")
+
+    return s21_data, freq_data, n_tx, n_rx
+
+
+# Загрузка данных
+s21_data, freq_data, N_tx, N_rx = load_mimo_data(DATA_PATH, INPUT_IDX, OUTPUT_IDX)
+N_pairs = len(s21_data)
+
+# ══════════════════════════════════════════════════════
+# 1б. ВЫЧИСЛЕНИЕ СРЕДНЕГО ФОНА ПО ВСЕМ СНИМКАМ
+# ══════════════════════════════════════════════════════
+
+def compute_background(bg_path, input_idx, output_idx):
+    """
+    Для каждой пары (i_tx, i_rx) усредняем S21 по всем снимкам в папке.
+
+    Возвращает:
+      bg : dict[(i_tx, i_rx)] → np.array (complex), усреднённый S21
+    """
+    bg_path   = Path(bg_path)
+    snapshots = sorted(bg_path.glob("*/"))   # каждый подкаталог — один снимок
+    snapshots = [s for s in snapshots if s.is_dir()]
+
+    if len(snapshots) == 0:
+        print("⚠️  Снимков для фона не найдено, BG_SUBTRACT отключён.")
+        return None
+
+    print(f"Вычисление фона по {len(snapshots)} снимкам...", end=" ", flush=True)
+
+    # Накопитель: для каждой пары суммируем S21
+    bg_sum   = {}
+    bg_count = {}
+
+    for snap_dir in snapshots:
+        for f in snap_dir.glob("i*_o*_s21.npy"):
+            name      = f.stem
+            parts     = name.split('_')
+            i_tx_phys = int(parts[1][1:])
+            i_rx_phys = int(parts[0][1:])
+
+            if i_tx_phys not in output_idx or i_rx_phys not in input_idx:
+                continue
+
+            i_tx = sorted(output_idx).index(i_tx_phys)
+            i_rx = sorted(input_idx).index(i_rx_phys)
+            key  = (i_tx, i_rx)
+
+            s21 = np.load(f)
+            if key not in bg_sum:
+                bg_sum[key]   = np.zeros_like(s21, dtype=complex)
+                bg_count[key] = 0
+            bg_sum[key]   += s21
+            bg_count[key] += 1
+
+    bg = {key: bg_sum[key] / bg_count[key] for key in bg_sum}
+    print(f"готово. Пар: {len(bg)}, снимков на пару: "
+          f"{list(bg_count.values())[0] if bg_count else 0}")
+    return bg
+
+
+if BG_SUBTRACT:
+    background = compute_background(BG_PATH, INPUT_IDX, OUTPUT_IDX)
+    if background is None:
+        BG_SUBTRACT = False   # автоматически выключаем если нет данных
+else:
+    background = None
+    print("BG_SUBTRACT = False, вычитание фона отключено.")
+
+
+# Проверка частот (берём из первой пары как референс)
+first_key = list(freq_data.keys())[0]
+freqs = freq_data[first_key]
+
+
+
+# Проверим что частоты одинаковые для всех пар
+for key, freq in freq_data.items():
+    if not np.allclose(freq, freqs):
+        print(f"⚠️  Частоты для пары {key} отличаются!")
+
+
+mask_freq = (freqs >= F_START) & (freqs <= F_STOP)
+
+freqs = freqs[mask_freq]
+
+f_min, f_max = freqs[0], freqs[-1]
+BW = f_max - f_min
+N_f = len(freqs)
+
+
+# ══════════════════════════════════════════════════════
+# 2. ПАРАМЕТРЫ СИСТЕМЫ
+# ══════════════════════════════════════════════════════
+
+# Проверка соответствия координатов антенн
+assert len(x_tx) == N_tx, f"x_tx должен содержать {N_tx} элементов"
+assert len(x_rx) == N_rx, f"x_rx должен содержать {N_rx} элементов"
+
+
+# SHELL_SIGMA — ширина гауссовой оболочки
+SHELL_SIGMA = v / BW * 0.5  # [м]
+
+
+# Сетка аккумулятора
+
+x_grid = np.linspace(x_min, x_max, 300)
+z_grid = np.linspace(z_min, z_max, 300)
+XX, ZZ = np.meshgrid(x_grid, z_grid)
+
+# Расстояния от сетки до каждой антенны
+R_tx_grid = {i: np.sqrt((XX - x_tx[i])**2 + ZZ**2) for i in range(N_tx)}
+R_rx_grid = {j: np.sqrt((XX - x_rx[j])**2 + ZZ**2) for j in range(N_rx)}
+
+
+# ══════════════════════════════════════════════════════
+# 3. ВЫЧИСЛЕНИЕ A-СКАНОВ ИЗ РЕАЛЬНЫХ S21
+# ══════════════════════════════════════════════════════
+
+def compute_ascan(s21, freq, f_start, f_stop, window=True):
+    """
+    S21(f) → IFFT → A-скан с правильным частотным сдвигом.
+
+    Проблема наивного подхода (buf[:n] = s21):
+      IFFT считает, что спектр начинается с 0 Гц.
+      Реальные данные начинаются с f[0] > 0, поэтому
+      нулевая задержка смещается и в A-скане появляются биения.
+
+    Правильный подход — сдвиг спектра:
+      Шаг частотной сетки df вычисляется из данных.
+      Индекс первой частоты: k0 = round(f[0] / df).
+      Данные кладутся в H[k0 : k0+n], а не в H[0 : n].
+      Тогда IFFT корректно восстанавливает временной сигнал
+      с нулевой задержкой в t=0.
+
+    Размер FFT:
+      Минимум для покрытия всего диапазона [0, f[-1]]:
+        min_len = 2 * (k0 + n - 1)
+      Округляем вверх до степени двойки для скорости FFT.
+    """
+    mask_freq_ = (freq >= f_start) & (freq <= f_stop)
+    freq = freq[mask_freq_]
+    s21 = s21[mask_freq_]
+
+    n = len(freq)
+    if n < 2:
+        raise ValueError("Слишком мало частотных точек")
+
+    # Шаг частотной сетки
+    df = (freq[-1] - freq[0]) / (n - 1)
+    if df <= 0:
+        raise ValueError("Частоты не возрастают")
+
+    # Индекс первой частоты в полной сетке от 0 до f[-1]
+    k0 = int(np.round(freq[0] / df))
+
+    # Минимальный размер FFT, округлённый до степени двойки
+    min_len = 2 * (k0 + n - 1)
+    n_fft   = 1 << int(np.ceil(np.log2(min_len)))
+
+
+    # Временна́я ось — пересчитываем из нового n_fft
+    dt    = 1.0 / (n_fft * df)
+    t_sec = np.arange(n_fft, dtype=float) * dt
+
+    # Оконная функция (подавление боковых лепестков IFFT)
+    s = s21 * np.hanning(n) if window else s21.copy()
+
+    # Спектр со сдвигом: данные на своём месте в частотной сетке
+    H          = np.zeros(n_fft, dtype=np.complex128)
+    H[k0 : k0 + n] = s
+
+    y = np.abs(np.fft.ifft(H))
+
+
+    return t_sec[:y.size], y[:y.size]
+
+
+print("Вычисление A-сканов из реальных данных...", end=" ", flush=True)
+
+A     = {}   # A[(i,j)]    — амплитудный A-скан
+T_h   = {}   # T_h[(i,j)]  — временна́я ось для этой пары [с]
+Z_h   = {}   # Z_h[(i,j)]  — ось глубины [м]
+
+for (i, j), s21 in s21_data.items():
+    s21_proc = s21.copy()
+
+    # Вычитание фона в частотной области
+    if BG_SUBTRACT and background is not None and (i, j) in background:
+        s21_proc = s21_proc - background[(i, j)]
+        # Примечание: вычитаем до обрезки по частоте и до окна —
+        # фон вычисляется из полных (необрезанных) данных,
+        # поэтому вычитание корректно в полном частотном диапазоне.
+
+    t_pair, a_pair = compute_ascan(s21_proc, freq_data[(i, j)],
+                                    f_start=F_START, f_stop=F_STOP)
+    T_h[(i, j)] = t_pair
+    Z_h[(i, j)] = t_pair * v / 2
+    A[(i, j)]   = a_pair
+
+bg_label = "с вычитанием фона" if BG_SUBTRACT else "без вычитания фона"
+print(f"готово ({bg_label}).")
+
+
+# Общая ось z для визуализации и поиска пиков
+# (берём максимальный диапазон по всем парам)
+z_h = Z_h[list(Z_h.keys())[0]]   # все пары дают одинаковую ось, если freq совпадают
+t_h = T_h[list(T_h.keys())[0]]
+
+
+# ══════════════════════════════════════════════════════
+# 4. ДЕТЕКТИРОВАНИЕ ПИКОВ
+# ══════════════════════════════════════════════════════
+
+def attenuation_at_depth(i_tx, i_rx, z_app):
+    """
+    Ожидаемое ослабление geo·pattern для точки прямо под виртуальным
+    центром пары на глубине z_app.
+
+    Используется для компенсации: реальный SNR пика делится на это
+    значение, чтобы вес глубокого/углового объекта не занижался.
+    """
+    xc  = (x_tx[i_tx] + x_rx[i_rx]) / 2.0   # виртуальный центр
+    Rtx = np.sqrt((xc - x_tx[i_tx])**2 + z_app**2)
+    Rrx = np.sqrt((xc - x_rx[i_rx])**2 + z_app**2)
+    geo = 1.0 / (Rtx * Rrx + 1e-12)
+    pat = (z_app / (Rtx + 1e-12))**2 * (z_app / (Rrx + 1e-12))**2
+    return geo * pat + 1e-30   # +ε чтобы не делить на ноль
+
+
+def find_peaks_snr(i_tx, i_rx, SNR_COMP_MAX = SNR_COMP_MAX):
+    """
+    Поиск пиков A-скана.
+    Возвращает список dict:
+      z_app   — кажущаяся глубина [м]
+      tau     — задержка [с]
+      snr_raw — SNR без компенсации = пик / медиана
+      snr_comp— SNR с компенсацией ослабления (используется в аккумуляторе)
+    """
+    ascan  = A[(i_tx, i_rx)]
+    z_h_ij = Z_h[(i_tx, i_rx)]
+    t_h_ij = T_h[(i_tx, i_rx)]
+    i_min  = np.searchsorted(z_h_ij, MIN_DEPTH)
+    i_max = np.searchsorted(z_h_ij, MAX_DEPTH)
+
+    noise  = np.median(ascan[i_min:i_max])  # Добавил чтобы было удобно считать SNR отнсительно выбранной области
+    min_dist = max(4, int(v / (2*BW) / (z_h_ij[1] - z_h_ij[0]) * 0.7))
+    idx, _   = find_peaks(ascan[i_min:i_max],
+                           height=noise * SNR_THRESH,
+                           distance=min_dist)
+    idx     += i_min
+    result   = []
+    for p in idx:
+        z_app   = float(z_h_ij[p])
+        snr_raw = float(ascan[p] / noise)
+        atten    = attenuation_at_depth(i_tx, i_rx, z_app)
+        atten_norm = atten / attenuation_at_depth(i_tx, i_rx, 3.0) # Референсная глубина - 3м
+        snr_comp = snr_raw / (atten_norm ** COMP_POWER + 1e-12)
+        snr_comp = min(snr_comp, SNR_COMP_MAX)   # ← clipping
+        result.append({'z_app':    z_app,
+                        'tau':     float(t_h_ij[p]),
+                        'snr_raw': snr_raw,
+                        'snr_comp': snr_comp})
+    return result
+
+
+peaks = {(i, j): find_peaks_snr(i, j)
+         for i in range(N_tx) for j in range(N_rx)}
+
+# ══════════════════════════════════════════════════════
+# 6. ПОИСК ОБЪЕКТОВ
+# ══════════════════════════════════════════════════════
+
+def find_centroid(acc_s, iz, ix, rpz, rpx):
+    """
+    Взвешенный центроид аккумулятора в окрестности (iz, ix).
+    """
+    NZ, NX = acc_s.shape
+    iz0 = max(0, iz - rpz);  iz1 = min(NZ, iz + rpz)
+    ix0 = max(0, ix - rpx);  ix1 = min(NX, ix + rpx)
+    patch = acc_s[iz0:iz1, ix0:ix1].copy()
+    W = patch.sum()
+    if W <= 0:
+        return x_grid[ix], z_grid[iz]
+    rows = np.arange(iz0, iz1)[:, None] * np.ones(patch.shape)
+    cols = np.ones(patch.shape) * np.arange(ix0, ix1)[None, :]
+    iz_c = int(round(np.clip((rows * patch).sum() / W, 0, NZ-1)))
+    ix_c = int(round(np.clip((cols * patch).sum() / W, 0, NX-1)))
+    return x_grid[ix_c], z_grid[iz_c]
+
+
+# ══════════════════════════════════════════════════════
+# 8. MOTION-AWARE FIRST-ORDER CORRECTION
+# ══════════════════════════════════════════════════════
+
+"""
+Первый блок для движения без изменения продакшн-пайплайна выше.
+
+Идея:
+1. Для каждой пары (Tx, Rx) задаём время центра её измерения.
+2. По известной скорости и углу получаем сдвиг по дальности dz.
+3. Переводим dz в поправку по задержке dtau.
+4. Для уже найденных пиков формируем motion-corrected версию:
+      tau_corr, z_corr
+
+Это first-order модель: считаем, что вся пара измерена в момент времени t_center.
+Если позже окажется, что смещение за один sweep пары уже заметно,
+следующим шагом надо будет делать per-frequency коррекцию до IFFT.
+"""
+
+
+def _build_phys_to_logical_maps(output_idx, input_idx):
+    tx_map = {phys: k for k, phys in enumerate(sorted(output_idx))}
+    rx_map = {phys: k for k, phys in enumerate(sorted(input_idx))}
+    return tx_map, rx_map
+
+
+
+def compute_pair_timestamps(config: MotionConfig,
+                            output_idx=OUTPUT_IDX,
+                            input_idx=INPUT_IDX) -> Tuple[Dict[Tuple[int, int], Dict], List[Dict]]:
+    """
+    Для каждой пары возвращает:
+      t_start, t_center, dt_ref, dz_motion, dtau_motion
+
+    Ключи словаря pair_timestamps — логические индексы (i_tx, i_rx),
+    совместимые с существующим словарём peaks.
+    """
+    tx_phys_to_log, rx_phys_to_log = _build_phys_to_logical_maps(output_idx, input_idx)
+
+    rows: List[Dict] = []
+    t_cursor = 0.0
+
+    for order_idx, (tx_phys, rx_phys) in enumerate(config.pair_order_phys):
+        if tx_phys not in tx_phys_to_log:
+            raise ValueError(f"Tx {tx_phys} отсутствует в OUTPUT_IDX={output_idx}")
+        if rx_phys not in rx_phys_to_log:
+            raise ValueError(f"Rx {rx_phys} отсутствует в INPUT_IDX={input_idx}")
+
+        i_tx = tx_phys_to_log[tx_phys]
+        i_rx = rx_phys_to_log[rx_phys]
+
+        t_start = t_cursor
+        t_center = t_start + 0.5 * config.sweep_time_s
+        t_stop = t_start + config.sweep_time_s
+
+        rows.append({
+            'order_idx': order_idx,
+            'tx_phys': tx_phys,
+            'rx_phys': rx_phys,
+            'i_tx': i_tx,
+            'i_rx': i_rx,
+            't_start_s': t_start,
+            't_center_s': t_center,
+            't_stop_s': t_stop,
+        })
+
+        t_cursor = t_stop + config.switch_time_s
+
+    if not rows:
+        return {}, []
+
+    if config.reference_mode == 'frame_center':
+        t_ref = 0.5 * (rows[0]['t_center_s'] + rows[-1]['t_center_s'])
+    elif config.reference_mode == 'first_pair':
+        t_ref = rows[0]['t_center_s']
+    else:
+        raise ValueError("reference_mode must be 'frame_center' or 'first_pair'")
+
+    cos_theta = np.cos(np.radians(config.look_angle_deg))
+    pair_timestamps: Dict[Tuple[int, int], Dict] = {}
+
+    for row in rows:
+        dt_ref = row['t_center_s'] - t_ref
+        dz_motion = config.direction_sign * config.speed_m_s * dt_ref * cos_theta
+        dtau_motion = 2.0 * dz_motion / v
+
+        row['dt_ref_s'] = dt_ref
+        row['dz_motion_m'] = dz_motion
+        row['dtau_motion_s'] = dtau_motion
+
+        pair_timestamps[(row['i_tx'], row['i_rx'])] = row.copy()
+
+    return pair_timestamps, rows
+
+
+
+def build_corrected_peaks(peaks_in: Dict[Tuple[int, int], List[Dict]],
+                          pair_timestamps: Dict[Tuple[int, int], Dict]) -> Dict[Tuple[int, int], List[Dict]]:
+    """
+    Формирует словарь corrected_peaks с motion-aware поправками.
+
+    Для каждого пика добавляет:
+      tau_raw, z_app_raw
+      tau_corr, z_corr
+      dz_motion, dtau_motion
+
+    Важно:
+      z_corr = v * tau_corr / 2
+    потому что ось z_app в текущем пайплайне — это apparent depth.
+    """
+    corrected = {}
+
+    for key, peak_list in peaks_in.items():
+        if key not in pair_timestamps:
+            raise KeyError(f"Нет временной информации для пары {key}")
+
+        info = pair_timestamps[key]
+        dz_motion = info['dz_motion_m']
+        dtau_motion = info['dtau_motion_s']
+
+        corrected_list = []
+        for pk in peak_list:
+            tau_raw = float(pk['tau'])
+            z_raw = float(pk['z_app'])
+            # dz_motion here is defined as a correction to the apparent depth itself:
+            # z_corr = z_raw + dz_motion.
+            # Therefore tau must be corrected with the same sign.
+            tau_corr = tau_raw + dtau_motion
+            z_corr = 0.5 * v * tau_corr
+
+            pk_corr = dict(pk)
+            pk_corr.update({
+                'tau_raw': tau_raw,
+                'z_app_raw': z_raw,
+                'tau_corr': tau_corr,
+                'z_corr': z_corr,
+                'dz_motion': dz_motion,
+                'dtau_motion': dtau_motion,
+            })
+            corrected_list.append(pk_corr)
+
+        corrected[key] = corrected_list
+
+    return corrected
+
+
+
+pair_timestamps, pair_timing_rows = compute_pair_timestamps(MOTION_CONFIG)
+corrected_peaks = build_corrected_peaks(peaks, pair_timestamps)
+
+
+
+# ══════════════════════════════════════════════════════
+# 9. MOTION-AWARE IMAGE BUILD FROM CORRECTED PEAKS
+# ══════════════════════════════════════════════════════
+
+"""
+Эта ячейка строит motion-aware картинку, используя corrected_peaks из блока выше.
+
+Что меняется относительно статического продакшн-пайплайна:
+- в аккумуляторе используется tau_corr вместо tau
+- в apparent-depth логике CLEAN используется z_corr вместо z_app
+- score считается по corrected пикам
+
+Исходные A-сканы остаются теми же, но на графике ниже можно показывать уже
+motion-corrected положения пиков.
+"""
+
+
+def _peak_in_work_depth(pk):
+    return MIN_DEPTH <= pk['z_corr'] <= MAX_DEPTH
+
+
+
+def build_accumulator_motion(corrected_peaks_in, exclude_z_ranges):
+    acc = np.zeros_like(XX)
+    for i in range(N_tx):
+        for j in range(N_rx):
+            for pk in corrected_peaks_in[(i, j)]:
+                if not _peak_in_work_depth(pk):
+                    continue
+                if any(lo <= pk['z_corr'] <= hi for lo, hi in exclude_z_ranges):
+                    continue
+                r_total = v * pk['tau_corr']
+                residual = R_tx_grid[i] + R_rx_grid[j] - r_total
+                shell = np.exp(-0.5 * (residual / SHELL_SIGMA)**2)
+                acc += shell * pk['snr_comp']
+    return acc
+
+
+
+def count_agreeing_ellipses_motion(x_est, z_est, corrected_peaks_in, exclude_z_ranges):
+    count = 0
+    for i in range(N_tx):
+        for j in range(N_rx):
+            for pk in corrected_peaks_in[(i, j)]:
+                if not _peak_in_work_depth(pk):
+                    continue
+                if any(lo <= pk['z_corr'] <= hi for lo, hi in exclude_z_ranges):
+                    continue
+                Rt = np.sqrt((x_est - x_tx[i])**2 + z_est**2)
+                Rr = np.sqrt((x_est - x_rx[j])**2 + z_est**2)
+                if abs(Rt + Rr - v * pk['tau_corr']) < SHELL_SIGMA * 6:
+                    count += 1
+                    break
+    return count
+
+
+
+def clean_find_motion(corrected_peaks_in, n_search=10, suppress_r_cm=7, thresh_frac=0.05):
+    dx = x_grid[1] - x_grid[0]
+    dz = z_grid[1] - z_grid[0]
+    rpx = int(suppress_r_cm / 100 / dx)
+    rpz = int(suppress_r_cm / 100 / dz)
+
+    excl_z = []
+    found_motion = []
+    acc_initial = build_accumulator_motion(corrected_peaks_in, [])
+
+    for step in range(n_search):
+        acc = build_accumulator_motion(corrected_peaks_in, excl_z)
+        acc_s = gaussian_filter(acc, sigma=3)
+
+        if acc_s.max() < thresh_frac * acc_initial.max():
+            break
+
+        iz, ix = np.unravel_index(acc_s.argmax(), acc_s.shape)
+        x_est, z_est = find_centroid(acc_s, iz, ix, rpz, rpx)
+        score = count_agreeing_ellipses_motion(x_est, z_est, corrected_peaks_in, excl_z)
+        found_motion.append({'x': x_est, 'z': z_est, 'score': score})
+
+        matched = [pk['z_corr']
+                   for i in range(N_tx) for j in range(N_rx)
+                   for pk in corrected_peaks_in[(i, j)]
+                   if _peak_in_work_depth(pk)
+                   and not any(lo <= pk['z_corr'] <= hi for lo, hi in excl_z)
+                   and abs(np.sqrt((x_est - x_tx[i])**2 + z_est**2) +
+                           np.sqrt((x_est - x_rx[j])**2 + z_est**2) -
+                           v * pk['tau_corr']) < SHELL_SIGMA * 3]
+
+        if matched:
+            margin = SHELL_SIGMA * 1.0
+            excl_z.append((min(matched) - margin, max(matched) + margin))
+
+    return found_motion, acc_initial
+
+
+if MODE == 'point':
+    found_motion, accum_motion = clean_find_motion(corrected_peaks, n_search=MAX_OBJECTS)
+
+
+# ─── График 2: motion-aware карта накопления ───────────────────────
+fig, ax = plt.subplots(figsize=(12, 7))
+acc_motion_s = gaussian_filter(accum_motion, sigma=3)
+im = ax.imshow(
+    acc_motion_s,
+    extent=[x_grid[0]*100, x_grid[-1]*100, z_grid[-1]*100, z_grid[0]*100],
+    aspect='auto', origin='upper', cmap='hot',
+    vmin=acc_motion_s.max()*0.45, vmax=acc_motion_s.max()*0.95,
+)
+plt.colorbar(im, ax=ax, label='Накопленный вес (motion-aware)')
+ax.plot(x_tx*100, np.zeros(N_tx), 'r^', ms=10, label='Tx', zorder=5)
+ax.plot(x_rx*100, np.zeros(N_rx), 'bv', ms=10, label='Rx', zorder=5)
+for obj in found_motion:
+    lbl = f"score={obj['score']}/{N_pairs}"
+    ax.plot(obj['x']*100, obj['z']*100, 'wD', ms=9, zorder=11, markeredgecolor='black', mew=1.2)
+    ax.annotate(lbl, (obj['x']*100, obj['z']*100), textcoords='offset points', xytext=(6, 4),
+                fontsize=8, color='white', bbox=dict(boxstyle='round,pad=0.2', fc='black', alpha=0.5))
+ax.plot([], [], 'wD', ms=9, markeredgecolor='k', mew=1.2, label='Найденные объекты')
+ax.set_xlabel('X [см]')
+ax.set_ylabel('Глубина Z [см]')
+ax.set_title('Motion-aware карта накопления эллипсов')
+ax.set_xlim(x_grid[0]*100, x_grid[-1]*100)
+ax.set_ylim(z_grid[-1]*100, z_grid[0]*100)
+ax.legend(loc='lower right', fontsize=9)
+ax.grid(alpha=0.25)
+ax.invert_yaxis()
+plt.tight_layout()

data_acq_and_processing/common_cpp/ipc/include/shared_types.hpp

@@ -43,6 +43,8 @@ struct SweepTraceBlock {
 struct RawSweepCollection {
     std::uint64_t collection_id = 0;
     std::uint64_t monotonic_ns = 0;
+    std::uint64_t capture_start_ns = 0;
+    std::uint64_t capture_end_ns = 0;
     std::vector<SweepTraceBlock> traces{};
 };
 

data_acq_and_processing/common_cpp/ipc/src/shared_types.cpp

@@ -89,6 +89,10 @@ class BinaryReader {
         return offset_ == bytes_.size();
     }
 
+    [[nodiscard]] auto remaining_bytes() const -> std::size_t {
+        return bytes_.size() - offset_;
+    }
+
   private:
     void ensure_available(std::size_t size) const {
         if (offset_ + size > bytes_.size()) {
@@ -163,6 +167,9 @@ void write_trace_collection(BinaryWriter& writer, std::uint32_t magic, const Raw
     for (const auto& trace : collection.traces) {
         write_trace_block(writer, trace);
     }
+
+    writer.write(collection.capture_start_ns);
+    writer.write(collection.capture_end_ns);
 }
 
 [[nodiscard]] auto read_trace_collection(BinaryReader& reader, std::uint32_t expected_magic) -> RawSweepCollection {
@@ -181,6 +188,16 @@ void write_trace_collection(BinaryWriter& writer, std::uint32_t magic, const Raw
         collection.traces.push_back(read_trace_block(reader));
     }
 
+    if (reader.remaining_bytes() == 0U) {
+        return collection;
+    }
+    if (reader.remaining_bytes() != (sizeof(std::uint64_t) * 2U)) {
+        throw std::runtime_error("Unexpected trailing bytes in trace collection");
+    }
+
+    collection.capture_start_ns = reader.read<std::uint64_t>();
+    collection.capture_end_ns = reader.read<std::uint64_t>();
+
     return collection;
 }
 

data_acq_and_processing/preprocessing/data_preprocessor/src/data_preprocessor.cpp

@@ -70,6 +70,8 @@ auto DataPreprocessor::preprocess_collection(const ipc::RawSweepCollection& raw_
     ipc::PreprocessedCollection preprocessed{};
     preprocessed.collection_id = raw_collection.collection_id;
     preprocessed.monotonic_ns = ipc::current_monotonic_ns();
+    preprocessed.capture_start_ns = raw_collection.capture_start_ns;
+    preprocessed.capture_end_ns = raw_collection.capture_end_ns;
     preprocessed.traces.reserve(raw_collection.traces.size());
 
     for (const auto& raw_trace : raw_collection.traces) {

data_acq_and_processing/processing/data_processor/include/processing_live_config.hpp

@@ -34,6 +34,8 @@ struct ProcessingLiveConfig {
     float gpr_comp_power = 0.2F;
     float gpr_start_freq_mhz = 3000.0F;
     float gpr_stop_freq_mhz = 6000.0F;
+    float gpr_speed_m_s = 0.0F;
+    float gpr_look_angle_deg = 0.0F;
     bool gpr_background_subtract_enabled = true;
     std::uint32_t gpr_background_mean_count = 10U;
     std::uint64_t history_command_seq = 0;

data_acq_and_processing/processing/data_processor/src/processing_live_config.cpp

@@ -199,6 +199,18 @@ using Json = nlohmann::json;
         }
         config.gpr_stop_freq_mhz = static_cast<float>(found->get<double>());
     }
+    if (const auto found = root.find("gpr_speed_m_s"); found != root.end()) {
+        if (!found->is_number()) {
+            throw std::runtime_error("processing.gpr_speed_m_s must be number");
+        }
+        config.gpr_speed_m_s = static_cast<float>(found->get<double>());
+    }
+    if (const auto found = root.find("gpr_look_angle_deg"); found != root.end()) {
+        if (!found->is_number()) {
+            throw std::runtime_error("processing.gpr_look_angle_deg must be number");
+        }
+        config.gpr_look_angle_deg = static_cast<float>(found->get<double>());
+    }
     if (const auto found = root.find("gpr_background_subtract_enabled"); found != root.end()) {
         if (!found->is_boolean()) {
             throw std::runtime_error("processing.gpr_background_subtract_enabled must be bool");

data_acq_and_processing/processing/processors/src/gpr_processor.cpp

@@ -9,6 +9,7 @@
 #include <numeric>
 #include <string>
 #include <unordered_map>
+#include <unordered_set>
 #include <utility>
 #include <vector>
 
@@ -18,9 +19,9 @@ namespace {
 constexpr double kPi = 3.14159265358979323846;
 constexpr double kSpeedOfLightMetersPerSec = 299'792'458.0;
 constexpr double kAccumulatorXMarginM = 2.0;
-constexpr double kAccumulatorZMinM = 0.10;
+constexpr double kAccumulatorZMinM = 0.20;
-constexpr double kSnrThresh = 3.0;
+constexpr double kSnrThresh = 4.5;
-constexpr double kSnrCompMax = 20.0;
+constexpr double kSnrCompMax = 25.0;
 constexpr std::size_t kGridWidth = 300U;
 constexpr std::size_t kGridHeight = 300U;
 constexpr double kGaussianSigma = 3.0;
@@ -33,6 +34,10 @@ constexpr double kExtendedMinAreaCm2 = 2.0;
 using PairKey = std::uint64_t;
 
 struct SelectedTrace {
+    ipc::ComboKey combo{};
+    std::uint32_t tx_local_index = 0U;
+    std::uint32_t rx_local_index = 0U;
+    std::size_t run_order = 0U;
     std::vector<double> frequency_hz{};
     std::vector<std::complex<double>> s21{};
 };
@@ -47,6 +52,8 @@ struct AscanResult {
 struct PeakRecord {
     double z_app = 0.0;
     double tau = 0.0;
+    double tau_corr = 0.0;
+    double z_corr = 0.0;
     double snr_raw = 0.0;
     double snr_comp = 0.0;
 };
@@ -79,6 +86,12 @@ struct BackgroundAccumulator {
     std::size_t count = 0U;
 };
 
+struct PairTiming {
+    double dt_ref_s = 0.0;
+    double dz_motion_m = 0.0;
+    double dtau_motion_s = 0.0;
+};
+
 struct GridDefinition {
     std::vector<double> x_grid{};
     std::vector<double> z_grid{};
@@ -86,10 +99,19 @@ struct GridDefinition {
     std::vector<std::vector<double>> rx_distance_grids{};
 };
 
+enum class PeakDomain {
+    Apparent,
+    Corrected,
+};
+
 [[nodiscard]] auto make_pair_key(std::uint32_t tx_local_index, std::uint32_t rx_local_index) -> PairKey {
     return (static_cast<PairKey>(tx_local_index) << 32U) | static_cast<PairKey>(rx_local_index);
 }
 
+[[nodiscard]] auto combo_to_string(const ipc::ComboKey& combo) -> std::string {
+    return "input=" + std::to_string(combo.input_pos) + " output=" + std::to_string(combo.output_pos);
+}
+
 [[nodiscard]] auto next_power_of_two(std::size_t value) -> std::size_t {
     if (value <= 1U) {
         return 1U;
@@ -393,6 +415,32 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
     return selection;
 }
 
+void validate_collection_trace_order(
+    const config::RunConfig& run_config,
+    const ipc::PreprocessedCollection& collection
+) {
+    if (collection.traces.size() != run_config.run_combos.size()) {
+        throw std::runtime_error(
+            "GPR requires collection trace order to match run.combos exactly: trace_count=" +
+            std::to_string(collection.traces.size()) +
+            ", run_combo_count=" + std::to_string(run_config.run_combos.size())
+        );
+    }
+
+    for (std::size_t index = 0U; index < collection.traces.size(); ++index) {
+        const auto& actual = collection.traces[index].combo;
+        const auto& expected = run_config.run_combos[index];
+        if (actual.input_pos == expected.input_pos && actual.output_pos == expected.output_pos) {
+            continue;
+        }
+
+        throw std::runtime_error(
+            "GPR requires preprocessed trace order to match run.combos: index=" + std::to_string(index) +
+            ", expected=(" + combo_to_string(expected) + "), actual=(" + combo_to_string(actual) + ")"
+        );
+    }
+}
+
 [[nodiscard]] auto build_background_mean(
     std::span<const ipc::PreprocessedCollection> previous_collections,
     const GeometrySelection& selection,
@@ -451,13 +499,17 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
 }
 
 [[nodiscard]] auto collect_selected_traces(
+    const config::RunConfig& run_config,
     const ipc::PreprocessedCollection& collection,
     const GeometrySelection& selection,
     const std::unordered_map<PairKey, std::vector<std::complex<double>>>& background_mean
-) -> std::unordered_map<PairKey, SelectedTrace> {
+) -> std::vector<SelectedTrace> {
-    std::unordered_map<PairKey, SelectedTrace> traces{};
+    std::vector<SelectedTrace> traces{};
+    traces.reserve(collection.traces.size());
+    std::unordered_set<PairKey> seen_keys{};
 
-    for (const auto& trace : collection.traces) {
+    for (std::size_t trace_index = 0U; trace_index < collection.traces.size(); ++trace_index) {
+        const auto& trace = collection.traces[trace_index];
         const auto output_it = selection.output_local_by_pos.find(trace.combo.output_pos);
         const auto input_it = selection.input_local_by_pos.find(trace.combo.input_pos);
         if (output_it == selection.output_local_by_pos.end() || input_it == selection.input_local_by_pos.end()) {
@@ -465,13 +517,23 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
         }
 
         SelectedTrace selected{};
+        selected.combo = trace.combo;
+        selected.tx_local_index = output_it->second;
+        selected.rx_local_index = input_it->second;
+        selected.run_order = trace_index;
         selected.frequency_hz.reserve(trace.frequency_hz.size());
         for (const auto value : trace.frequency_hz) {
             selected.frequency_hz.push_back(static_cast<double>(value));
         }
 
         selected.s21.reserve(trace.s21.size());
-        const auto key = make_pair_key(output_it->second, input_it->second);
+        const auto key = make_pair_key(selected.tx_local_index, selected.rx_local_index);
+        if (!seen_keys.insert(key).second) {
+            throw std::runtime_error(
+                "Motion-aware GPR requires unique selected combos in run.combos; duplicate combo detected: " +
+                combo_to_string(run_config.run_combos[trace_index])
+            );
+        }
         const auto background_it = background_mean.find(key);
         for (std::size_t sample_index = 0U; sample_index < trace.s21.size(); ++sample_index) {
             std::complex<double> sample(trace.s21[sample_index].re, trace.s21[sample_index].im);
@@ -481,7 +543,7 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
             selected.s21.push_back(sample);
         }
 
-        traces[key] = std::move(selected);
+        traces.push_back(std::move(selected));
     }
 
     return traces;
@@ -618,6 +680,91 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
     return false;
 }
 
+[[nodiscard]] auto peak_depth_for_domain(const PeakRecord& peak, PeakDomain domain) -> double {
+    return domain == PeakDomain::Corrected ? peak.z_corr : peak.z_app;
+}
+
+[[nodiscard]] auto peak_tau_for_domain(const PeakRecord& peak, PeakDomain domain) -> double {
+    return domain == PeakDomain::Corrected ? peak.tau_corr : peak.tau;
+}
+
+[[nodiscard]] auto build_motion_timing_by_pair(
+    const std::vector<SelectedTrace>& traces,
+    std::size_t total_combo_count,
+    std::uint64_t capture_start_ns,
+    std::uint64_t capture_end_ns,
+    const ProcessingLiveConfig& live_config,
+    double velocity_mps
+) -> std::unordered_map<PairKey, PairTiming> {
+    std::unordered_map<PairKey, PairTiming> timing_by_pair{};
+    timing_by_pair.reserve(traces.size());
+
+    const double speed_m_s = static_cast<double>(live_config.gpr_speed_m_s);
+    if (!(std::abs(speed_m_s) > 1e-12)) {
+        for (const auto& trace : traces) {
+            timing_by_pair.emplace(
+                make_pair_key(trace.tx_local_index, trace.rx_local_index),
+                PairTiming{}
+            );
+        }
+        return timing_by_pair;
+    }
+
+    if (total_combo_count == 0U) {
+        throw std::runtime_error("Motion-aware GPR requires at least one run combo");
+    }
+    if (capture_end_ns <= capture_start_ns) {
+        throw std::runtime_error(
+            "Motion-aware GPR requires valid capture_start_ns/capture_end_ns metadata when gpr_speed_m_s is non-zero"
+        );
+    }
+
+    const double capture_span_s = static_cast<double>(capture_end_ns - capture_start_ns) * 1e-9;
+    const double slot_duration_s = capture_span_s / static_cast<double>(total_combo_count);
+    if (!(slot_duration_s > 0.0)) {
+        throw std::runtime_error(
+            "Motion-aware GPR requires positive collection capture span when gpr_speed_m_s is non-zero"
+        );
+    }
+
+    const double t_ref_s = 0.5 * capture_span_s;
+    const double cos_theta = std::cos((static_cast<double>(live_config.gpr_look_angle_deg) * kPi) / 180.0);
+    for (const auto& trace : traces) {
+        const double t_center_s = (static_cast<double>(trace.run_order) + 0.5) * slot_duration_s;
+        const double dt_ref_s = t_center_s - t_ref_s;
+        const double dz_motion_m = speed_m_s * dt_ref_s * cos_theta;
+        const double dtau_motion_s = (2.0 * dz_motion_m) / velocity_mps;
+        timing_by_pair.emplace(
+            make_pair_key(trace.tx_local_index, trace.rx_local_index),
+            PairTiming{
+                .dt_ref_s = dt_ref_s,
+                .dz_motion_m = dz_motion_m,
+                .dtau_motion_s = dtau_motion_s,
+            }
+        );
+    }
+
+    return timing_by_pair;
+}
+
+void apply_motion_correction(
+    std::unordered_map<PairKey, std::vector<PeakRecord>>& peaks_by_pair,
+    const std::unordered_map<PairKey, PairTiming>& timing_by_pair,
+    double velocity_mps
+) {
+    for (auto& [key, peaks] : peaks_by_pair) {
+        const auto timing_it = timing_by_pair.find(key);
+        if (timing_it == timing_by_pair.end()) {
+            throw std::runtime_error("Missing motion timing for selected GPR combo");
+        }
+
+        for (auto& peak : peaks) {
+            peak.tau_corr = peak.tau + timing_it->second.dtau_motion_s;
+            peak.z_corr = 0.5 * velocity_mps * peak.tau_corr;
+        }
+    }
+}
+
 [[nodiscard]] auto build_accumulator(
     const GridDefinition& grid,
     const std::unordered_map<PairKey, std::vector<PeakRecord>>& peaks_by_pair,
@@ -625,7 +772,8 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
     double velocity_mps,
     double shell_sigma_m,
     const std::vector<double>& x_tx,
-    const std::vector<double>& x_rx
+    const std::vector<double>& x_rx,
+    PeakDomain domain
 ) -> std::vector<double> {
     const std::size_t width = grid.x_grid.size();
     const std::size_t height = grid.z_grid.size();
@@ -644,11 +792,11 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
             const auto& tx_grid = grid.tx_distance_grids[tx_index];
             const auto& rx_grid = grid.rx_distance_grids[rx_index];
             for (const auto& peak : peak_it->second) {
-                if (is_excluded(peak.z_app, exclude_ranges)) {
+                if (is_excluded(peak_depth_for_domain(peak, domain), exclude_ranges)) {
                     continue;
                 }
 
-                const double range_total = velocity_mps * peak.tau;
+                const double range_total = velocity_mps * peak_tau_for_domain(peak, domain);
                 for (std::size_t cell_index = 0U; cell_index < accumulator.size(); ++cell_index) {
                     const double residual = tx_grid[cell_index] + rx_grid[cell_index] - range_total;
                     const double shell = std::exp(-0.5 * std::pow(residual / shell_sigma_m, 2.0));
@@ -669,7 +817,8 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
     const std::vector<double>& x_tx,
     const std::vector<double>& x_rx,
     double velocity_mps,
-    double shell_sigma_m
+    double shell_sigma_m,
+    PeakDomain domain
 ) -> double {
     std::size_t count = 0U;
     for (std::size_t tx_index = 0U; tx_index < x_tx.size(); ++tx_index) {
@@ -680,13 +829,13 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
             }
 
             for (const auto& peak : peak_it->second) {
-                if (is_excluded(peak.z_app, exclude_ranges)) {
+                if (is_excluded(peak_depth_for_domain(peak, domain), exclude_ranges)) {
                     continue;
                 }
 
                 const double rt = std::sqrt(std::pow(x_est - x_tx[tx_index], 2.0) + std::pow(z_est, 2.0));
                 const double rr = std::sqrt(std::pow(x_est - x_rx[rx_index], 2.0) + std::pow(z_est, 2.0));
-                if (std::abs((rt + rr) - (velocity_mps * peak.tau)) < shell_sigma_m * 6.0) {
+                if (std::abs((rt + rr) - (velocity_mps * peak_tau_for_domain(peak, domain))) < shell_sigma_m * 6.0) {
                     count += 1U;
                     break;
                 }
@@ -800,10 +949,11 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
     const std::vector<double>& x_tx,
     const std::vector<double>& x_rx,
     double velocity_mps,
-    double shell_sigma_m
+    double shell_sigma_m,
+    PeakDomain domain
 ) -> std::pair<std::vector<PointRecord>, std::vector<double>> {
     std::vector<PointRecord> found{};
-    const auto accumulator = build_accumulator(grid, peaks_by_pair, {}, velocity_mps, shell_sigma_m, x_tx, x_rx);
+    const auto accumulator = build_accumulator(grid, peaks_by_pair, {}, velocity_mps, shell_sigma_m, x_tx, x_rx, domain);
     const double initial_max = accumulator_max(accumulator);
     if (!(initial_max > 0.0) || grid.x_grid.size() < 2U || grid.z_grid.size() < 2U) {
         return {found, gaussian_filter_2d(accumulator, grid.x_grid.size(), grid.z_grid.size(), kGaussianSigma)};
@@ -816,7 +966,16 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
 
     std::vector<std::pair<double, double>> excluded_ranges{};
     for (std::size_t step = 0U; step < kMaxObjects; ++step) {
-        const auto current = build_accumulator(grid, peaks_by_pair, excluded_ranges, velocity_mps, shell_sigma_m, x_tx, x_rx);
+        const auto current = build_accumulator(
+            grid,
+            peaks_by_pair,
+            excluded_ranges,
+            velocity_mps,
+            shell_sigma_m,
+            x_tx,
+            x_rx,
+            domain
+        );
         const auto smoothed = gaussian_filter_2d(current, grid.x_grid.size(), grid.z_grid.size(), kGaussianSigma);
         const double smoothed_max = accumulator_max(smoothed);
         if (!(smoothed_max > (kCleanThresholdFrac * initial_max))) {
@@ -842,7 +1001,17 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
         PointRecord point{};
         point.x_m = x_est;
         point.z_m = z_est;
-        point.score = count_agreeing_ellipses(x_est, z_est, peaks_by_pair, excluded_ranges, x_tx, x_rx, velocity_mps, shell_sigma_m);
+        point.score = count_agreeing_ellipses(
+            x_est,
+            z_est,
+            peaks_by_pair,
+            excluded_ranges,
+            x_tx,
+            x_rx,
+            velocity_mps,
+            shell_sigma_m,
+            domain
+        );
         found.push_back(point);
 
         std::vector<double> matched_depths{};
@@ -853,13 +1022,13 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
                     continue;
                 }
                 for (const auto& peak : peak_it->second) {
-                    if (is_excluded(peak.z_app, excluded_ranges)) {
+                    if (is_excluded(peak_depth_for_domain(peak, domain), excluded_ranges)) {
                         continue;
                     }
                     const double rt = std::sqrt(std::pow(x_est - x_tx[tx_index], 2.0) + std::pow(z_est, 2.0));
                     const double rr = std::sqrt(std::pow(x_est - x_rx[rx_index], 2.0) + std::pow(z_est, 2.0));
-                    if (std::abs((rt + rr) - (velocity_mps * peak.tau)) < shell_sigma_m * 3.0) {
+                    if (std::abs((rt + rr) - (velocity_mps * peak_tau_for_domain(peak, domain))) < shell_sigma_m * 3.0) {
-                        matched_depths.push_back(peak.z_app);
+                        matched_depths.push_back(peak_depth_for_domain(peak, domain));
                     }
                 }
             }
@@ -883,7 +1052,16 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
     double shell_sigma_m
 ) -> std::pair<std::vector<RegionRecord>, std::vector<double>> {
     std::vector<RegionRecord> regions{};
-    const auto accumulator = build_accumulator(grid, peaks_by_pair, {}, velocity_mps, shell_sigma_m, x_tx, x_rx);
+    const auto accumulator = build_accumulator(
+        grid,
+        peaks_by_pair,
+        {},
+        velocity_mps,
+        shell_sigma_m,
+        x_tx,
+        x_rx,
+        PeakDomain::Apparent
+    );
     const auto smoothed = gaussian_filter_2d(accumulator, grid.x_grid.size(), grid.z_grid.size(), kGaussianSigma);
     const double smoothed_max = accumulator_max(smoothed);
     if (!(smoothed_max > 0.0) || grid.x_grid.size() < 2U || grid.z_grid.size() < 2U) {
@@ -968,7 +1146,17 @@ void fft_inplace(std::vector<std::complex<double>>& values, bool inverse) {
 
             region.x_m = x_weight_sum / weight_sum;
             region.z_m = z_weight_sum / weight_sum;
-            region.score = count_agreeing_ellipses(region.x_m, region.z_m, peaks_by_pair, {}, x_tx, x_rx, velocity_mps, shell_sigma_m);
+            region.score = count_agreeing_ellipses(
+                region.x_m,
+                region.z_m,
+                peaks_by_pair,
+                {},
+                x_tx,
+                x_rx,
+                velocity_mps,
+                shell_sigma_m,
+                PeakDomain::Apparent
+            );
             region.pixel_count = static_cast<double>(component.size());
             regions.push_back(std::move(region));
         }
@@ -998,9 +1186,10 @@ auto GprProcessor::process_collection(
         return results;
     }
 
+    validate_collection_trace_order(run_config, collection);
     const auto background_mean = build_background_mean(previous_collections, selection, live_config);
-    const auto traces_by_pair = collect_selected_traces(collection, selection, background_mean);
+    const auto selected_traces = collect_selected_traces(run_config, collection, selection, background_mean);
-    if (traces_by_pair.empty()) {
+    if (selected_traces.empty()) {
         return results;
     }
 
@@ -1011,7 +1200,8 @@ auto GprProcessor::process_collection(
 
     std::unordered_map<PairKey, AscanResult> ascans_by_pair{};
     double bandwidth_hz = 0.0;
-    for (const auto& [key, trace] : traces_by_pair) {
+    for (const auto& trace : selected_traces) {
+        const auto key = make_pair_key(trace.tx_local_index, trace.rx_local_index);
         auto ascan = compute_ascan(trace, start_hz, stop_hz, velocity_mps);
         if (ascan.amplitude.empty() || !(ascan.bandwidth_hz > 0.0)) {
             continue;
@@ -1044,13 +1234,15 @@ auto GprProcessor::process_collection(
                 continue;
             }
 
-            const double noise = median_copy(ascan.amplitude);
             const auto min_index = lower_bound_index(ascan.depth_m, static_cast<double>(live_config.gpr_min_depth_m));
             const auto max_index = lower_bound_index(ascan.depth_m, static_cast<double>(live_config.gpr_max_depth_m));
             if (max_index <= min_index + 2U) {
                 continue;
             }
 
+            const double noise =
+                median_copy(std::vector<double>(ascan.amplitude.begin() + min_index, ascan.amplitude.begin() + max_index));
+
             const double z_step = std::max(ascan.depth_m[1] - ascan.depth_m[0], 1e-6);
             const std::size_t min_distance = static_cast<std::size_t>(std::max(
                 4.0,
@@ -1064,7 +1256,7 @@ auto GprProcessor::process_collection(
                 const double snr_raw = ascan.amplitude[peak_index] / std::max(noise, 1e-12);
                 const double attenuation = attenuation_at_depth(tx_index, rx_index, z_app, selection.x_tx, selection.x_rx);
                 const double attenuation_norm =
-                    attenuation / attenuation_at_depth(tx_index, rx_index, 2.0, selection.x_tx, selection.x_rx);
+                    attenuation / attenuation_at_depth(tx_index, rx_index, 3.0, selection.x_tx, selection.x_rx);
                 const double snr_comp = std::min(
                     snr_raw / (std::pow(attenuation_norm, static_cast<double>(live_config.gpr_comp_power)) + 1e-12),
                     kSnrCompMax
@@ -1072,6 +1264,8 @@ auto GprProcessor::process_collection(
                 peaks.push_back(PeakRecord{
                     .z_app = z_app,
                     .tau = ascan.time_s[peak_index],
+                    .tau_corr = ascan.time_s[peak_index],
+                    .z_corr = z_app,
                     .snr_raw = snr_raw,
                     .snr_comp = snr_comp,
                 });
@@ -1121,13 +1315,24 @@ auto GprProcessor::process_collection(
         return results;
     }
 
+    const auto motion_timing_by_pair = build_motion_timing_by_pair(
+        selected_traces,
+        run_config.run_combos.size(),
+        collection.capture_start_ns,
+        collection.capture_end_ns,
+        live_config,
+        velocity_mps
+    );
+    apply_motion_correction(peaks_by_pair, motion_timing_by_pair, velocity_mps);
+
     const auto [points, smoothed_accumulator] = clean_find_points(
         grid,
         peaks_by_pair,
         selection.x_tx,
         selection.x_rx,
         velocity_mps,
-        shell_sigma_m
+        shell_sigma_m,
+        PeakDomain::Corrected
     );
     results.collection_payloads.push_back(build_image_payload("gpr_accumulator", grid.x_grid, grid.z_grid, smoothed_accumulator));
 

data_acq_and_processing/sweep_orchestrator/src/sweep_orchestrator.cpp

@@ -142,6 +142,7 @@ auto SweepOrchestrator::acquire_one_collection(
     collection.collection_id = collection_id;
     collection.monotonic_ns = ipc::current_monotonic_ns();
     collection.traces.reserve(config_.run_combos.size());
+    collection.capture_start_ns = ipc::current_monotonic_ns();
     bool interrupted = false;
 
     for (const auto& combo : config_.run_combos) {
@@ -170,8 +171,13 @@ auto SweepOrchestrator::acquire_one_collection(
     if (interrupted) {
         // Do not emit partial collections when stop was requested mid-cycle.
         collection.traces.clear();
+        collection.capture_start_ns = 0;
+        collection.capture_end_ns = 0;
+        return collection;
     }
 
+    collection.capture_end_ns = collection.traces.empty() ? 0U : ipc::current_monotonic_ns();
+
     return collection;
 }
 

python_app/gui/controllers/app_window_config_mixin.py

@@ -165,6 +165,8 @@ class AppWindowConfigMixin:
                     comp_power=0.2,
                     start_freq_mhz=3000.0,
                     stop_freq_mhz=6000.0,
+                    speed_m_s=0.0,
+                    look_angle_deg=0.0,
                     background_subtract_enabled=True,
                     background_mean_count=10,
                 ),
@@ -217,6 +219,8 @@ class AppWindowConfigMixin:
                     comp_power=float(self._gpr_comp_power.value()),
                     start_freq_mhz=float(self._gpr_start_freq_mhz.value()),
                     stop_freq_mhz=float(self._gpr_stop_freq_mhz.value()),
+                    speed_m_s=float(self._gpr_speed_m_s.value()),
+                    look_angle_deg=float(self._gpr_look_angle_deg.value()),
                     background_subtract_enabled=bool(self._gpr_background_subtract_enabled.isChecked()),
                     background_mean_count=int(self._gpr_background_mean_count.value()),
                 ),
@@ -315,7 +319,7 @@ class AppWindowConfigMixin:
                 details=self._capture_state_details(),
             )
             return
-        if self._supervisor.is_running() or self._supervisor.is_processor_running():
+        if self._supervisor.is_running():
             self._show_error(
                 "Stop all pipeline processes before loading a config profile",
                 details=self._process_state_details(),
@@ -332,22 +336,25 @@ class AppWindowConfigMixin:
             return
 
         try:
-            self._load_config_profile(Path(selected_path))
+            normalized_path = self._normalize_profile_path(Path(selected_path))
-        except Exception as exc:  # noqa: BLE001
-            self._show_exception("Failed to load config profile", exc)
-
-    def _load_config_profile(self, profile_path: Path) -> None:
-        """Load config profile from `profile_path` and atomically apply it to the UI."""
-        normalized_path = self._normalize_profile_path(profile_path)
             profile = GuiProfileModel.load_from_path(normalized_path)
+            processor_running = self._supervisor.is_processor_running()
             self._apply_loaded_profile(profile, normalized_path)
             profile_kind = "legacy run config" if profile.gui is None else "full GUI profile"
-        self._log(
+            message = (
                 f"Config profile loaded: path={normalized_path}, "
                 f"kind={profile_kind}, "
                 f"combos={len(self._defaults_config.combos)}, "
                 f"processing_mode={self._processing_mode.currentText()}"
             )
+            if processor_running:
+                message += (
+                    "; data_processor is still running, so live processing settings were applied immediately "
+                    "and stable settings are now staged in the UI for the next Start"
+                )
+            self._log(message)
+        except Exception as exc:  # noqa: BLE001
+            self._show_exception("Failed to load config profile", exc)
 
     def _apply_loaded_profile(self, profile: GuiProfileModel, profile_path: Path) -> None:
         """Apply already parsed profile to GUI state without restarting the pipeline."""
@@ -395,6 +402,8 @@ class AppWindowConfigMixin:
             self._gpr_comp_power,
             self._gpr_start_freq_mhz,
             self._gpr_stop_freq_mhz,
+            self._gpr_speed_m_s,
+            self._gpr_look_angle_deg,
             self._gpr_background_subtract_enabled,
             self._gpr_background_mean_count,
             self._save_count,
@@ -455,6 +464,8 @@ class AppWindowConfigMixin:
             self._gpr_comp_power.setValue(float(gui_state.processing.gpr.comp_power))
             self._gpr_start_freq_mhz.setValue(float(gui_state.processing.gpr.start_freq_mhz))
             self._gpr_stop_freq_mhz.setValue(float(gui_state.processing.gpr.stop_freq_mhz))
+            self._gpr_speed_m_s.setValue(float(gui_state.processing.gpr.speed_m_s))
+            self._gpr_look_angle_deg.setValue(float(gui_state.processing.gpr.look_angle_deg))
             self._gpr_background_subtract_enabled.setChecked(
                 bool(gui_state.processing.gpr.background_subtract_enabled)
             )
@@ -567,6 +578,8 @@ class AppWindowConfigMixin:
             gpr_comp_power=float(self._gpr_comp_power.value()),
             gpr_start_freq_mhz=float(self._gpr_start_freq_mhz.value()),
             gpr_stop_freq_mhz=float(self._gpr_stop_freq_mhz.value()),
+            gpr_speed_m_s=float(self._gpr_speed_m_s.value()),
+            gpr_look_angle_deg=float(self._gpr_look_angle_deg.value()),
             gpr_background_subtract_enabled=bool(self._gpr_background_subtract_enabled.isChecked()),
             gpr_background_mean_count=int(self._gpr_background_mean_count.value()),
             history_command_seq=int(self._history_command_seq),
@@ -640,6 +653,8 @@ class AppWindowConfigMixin:
                 f"outputs={self._gpr_output_positions_input.text().strip() or '<all>'}, "
                 f"depth={self._gpr_min_depth_m.value():g}..{self._gpr_max_depth_m.value():g} m, "
                 f"freq={self._gpr_start_freq_mhz.value():g}..{self._gpr_stop_freq_mhz.value():g} MHz, "
+                f"speed={self._gpr_speed_m_s.value():g} m/s, "
+                f"look_angle={self._gpr_look_angle_deg.value():g} deg, "
                 f"background_subtract={self._gpr_background_subtract_enabled.isChecked()}, "
                 f"mean_count={self._gpr_background_mean_count.value()})"
             )

python_app/gui/controllers/app_window_pipeline_mixin.py

@@ -39,10 +39,10 @@ class AppWindowPipelineMixin:
 
         try:
             processor_was_running = self._supervisor.is_processor_running()
+            config = self._build_config()
             if not processor_was_running:
                 self._reset_runtime_history()
 
-            config = self._build_config()
             self._validate_processing_mode_constraints(config)
             run_signature = self._build_run_history_signature(config)
             radar_key = self._radar_key(config)

python_app/gui/controllers/sections/processing_section.py

@@ -191,6 +191,18 @@ def build_processing_group(owner) -> QGroupBox:
     owner._gpr_stop_freq_mhz.setSingleStep(10.0)
     owner._gpr_stop_freq_mhz.setValue(float(gpr_live_defaults.stop_freq_mhz))
 
+    owner._gpr_speed_m_s = QDoubleSpinBox()
+    owner._gpr_speed_m_s.setDecimals(3)
+    owner._gpr_speed_m_s.setRange(-100.0, 100.0)
+    owner._gpr_speed_m_s.setSingleStep(0.01)
+    owner._gpr_speed_m_s.setValue(float(gpr_live_defaults.speed_m_s))
+
+    owner._gpr_look_angle_deg = QDoubleSpinBox()
+    owner._gpr_look_angle_deg.setDecimals(2)
+    owner._gpr_look_angle_deg.setRange(-90.0, 90.0)
+    owner._gpr_look_angle_deg.setSingleStep(0.1)
+    owner._gpr_look_angle_deg.setValue(float(gpr_live_defaults.look_angle_deg))
+
     owner._gpr_background_subtract_enabled = QCheckBox("Subtract mean of previous collections")
     owner._gpr_background_subtract_enabled.setChecked(bool(gpr_live_defaults.background_subtract_enabled))
 
@@ -209,6 +221,8 @@ def build_processing_group(owner) -> QGroupBox:
     gpr_form.addRow("Comp power", owner._gpr_comp_power)
     gpr_form.addRow("Start MHz", owner._gpr_start_freq_mhz)
     gpr_form.addRow("Stop MHz", owner._gpr_stop_freq_mhz)
+    gpr_form.addRow("Speed m/s", owner._gpr_speed_m_s)
+    gpr_form.addRow("Look angle deg", owner._gpr_look_angle_deg)
     gpr_form.addRow(owner._gpr_background_subtract_enabled)
     gpr_form.addRow("Mean count", owner._gpr_background_mean_count)
     owner._processing_mode_pages.addWidget(gpr_page)
@@ -236,6 +250,8 @@ def build_processing_group(owner) -> QGroupBox:
     owner._gpr_comp_power.valueChanged.connect(owner._on_processing_live_settings_changed)
     owner._gpr_start_freq_mhz.valueChanged.connect(owner._on_processing_live_settings_changed)
     owner._gpr_stop_freq_mhz.valueChanged.connect(owner._on_processing_live_settings_changed)
+    owner._gpr_speed_m_s.valueChanged.connect(owner._on_processing_live_settings_changed)
+    owner._gpr_look_angle_deg.valueChanged.connect(owner._on_processing_live_settings_changed)
     owner._gpr_background_subtract_enabled.toggled.connect(owner._on_processing_live_settings_changed)
     owner._gpr_background_mean_count.valueChanged.connect(owner._on_processing_live_settings_changed)
 

python_app/models/dataset_model.py

@@ -47,6 +47,8 @@ class SweepCollection:
     collection_id: int
     monotonic_ns: int
     traces: list[TraceData] = field(default_factory=list)
+    capture_start_ns: int = 0
+    capture_end_ns: int = 0
 
 
 @dataclass(slots=True)

python_app/models/gui_profile_codec.py

@@ -196,6 +196,18 @@ def gui_profile_from_dict(payload: dict[str, Any]) -> GuiProfileModel:
                 gui.processing.gpr.stop_freq_mhz,
                 "gui.processing.gpr",
             ),
+            speed_m_s=_optional_float(
+                gpr_object,
+                "speed_m_s",
+                gui.processing.gpr.speed_m_s,
+                "gui.processing.gpr",
+            ),
+            look_angle_deg=_optional_float(
+                gpr_object,
+                "look_angle_deg",
+                gui.processing.gpr.look_angle_deg,
+                "gui.processing.gpr",
+            ),
             background_subtract_enabled=_optional_bool(
                 gpr_object,
                 "background_subtract_enabled",
@@ -288,6 +300,8 @@ def gui_profile_to_dict(model: GuiProfileModel) -> dict[str, Any]:
                 "comp_power": gui.processing.gpr.comp_power,
                 "start_freq_mhz": gui.processing.gpr.start_freq_mhz,
                 "stop_freq_mhz": gui.processing.gpr.stop_freq_mhz,
+                "speed_m_s": gui.processing.gpr.speed_m_s,
+                "look_angle_deg": gui.processing.gpr.look_angle_deg,
                 "background_subtract_enabled": gui.processing.gpr.background_subtract_enabled,
                 "background_mean_count": gui.processing.gpr.background_mean_count,
             },
@@ -302,4 +316,3 @@ def gui_profile_to_dict(model: GuiProfileModel) -> dict[str, Any]:
         },
     }
     return payload
-

python_app/models/gui_profile_schema.py

@@ -55,6 +55,8 @@ class GuiGprStateModel:
     comp_power: float = 0.2
     start_freq_mhz: float = 3000.0
     stop_freq_mhz: float = 6000.0
+    speed_m_s: float = 0.0
+    look_angle_deg: float = 0.0
     background_subtract_enabled: bool = True
     background_mean_count: int = 10
 

python_app/orchestration/live_processing_config.py

@@ -30,6 +30,8 @@ class ProcessingLiveConfig:
     gpr_comp_power: float = 0.2
     gpr_start_freq_mhz: float = 3000.0
     gpr_stop_freq_mhz: float = 6000.0
+    gpr_speed_m_s: float = 0.0
+    gpr_look_angle_deg: float = 0.0
     gpr_background_subtract_enabled: bool = True
     gpr_background_mean_count: int = 10
     history_command_seq: int = 0
@@ -68,6 +70,8 @@ class ProcessingLiveConfig:
             "gpr_comp_power": float(self.gpr_comp_power),
             "gpr_start_freq_mhz": float(self.gpr_start_freq_mhz),
             "gpr_stop_freq_mhz": float(self.gpr_stop_freq_mhz),
+            "gpr_speed_m_s": float(self.gpr_speed_m_s),
+            "gpr_look_angle_deg": float(self.gpr_look_angle_deg),
             "gpr_background_subtract_enabled": bool(self.gpr_background_subtract_enabled),
             "gpr_background_mean_count": int(self.gpr_background_mean_count),
             "history_command_seq": int(self.history_command_seq),

python_app/orchestration/shm/binary_cursor.py

@@ -48,3 +48,7 @@ class ByteCursor:
         data = self.payload[self.offset : self.offset + size]
         self.offset += size
         return data
+
+    def remaining_bytes(self) -> int:
+        """Return unread byte count."""
+        return len(self.payload) - self.offset

python_app/orchestration/shm/decoder.py

@@ -54,7 +54,21 @@ def decode_trace_collection(payload: bytes, expected_magic: int) -> SweepCollect
             )
         )
 
-    return SweepCollection(collection_id=collection_id, monotonic_ns=monotonic_ns, traces=traces)
+    capture_start_ns = 0
+    capture_end_ns = 0
+    if cursor.remaining_bytes() == 16:
+        capture_start_ns = cursor.read_u64()
+        capture_end_ns = cursor.read_u64()
+    elif cursor.remaining_bytes() != 0:
+        raise ValueError("Unexpected trailing bytes in trace collection")
+
+    return SweepCollection(
+        collection_id=collection_id,
+        monotonic_ns=monotonic_ns,
+        traces=traces,
+        capture_start_ns=capture_start_ns,
+        capture_end_ns=capture_end_ns,
+    )
 
 
 def decode_result_collection(payload: bytes) -> ResultCollection:

python_app/storage/npz/serialize.py

@@ -41,6 +41,13 @@ def serialize_trace_collection(collection: SweepCollection, magic: int) -> bytes
         _write_interleaved_complex(buffer, s11)
         _write_interleaved_complex(buffer, s21)
 
+    buffer.extend(
+        struct.pack(
+            "<QQ",
+            int(collection.capture_start_ns),
+            int(collection.capture_end_ns),
+        )
+    )
     return bytes(buffer)
 
 

python_app/storage/npz/snapshot_numpy.py

@@ -117,6 +117,8 @@ def save_trace_history_binary(stage_dir: Path, history: list[SweepCollection], m
                 {
                     "collection_id": collection.collection_id,
                     "monotonic_ns": collection.monotonic_ns,
+                    "capture_start_ns": int(collection.capture_start_ns),
+                    "capture_end_ns": int(collection.capture_end_ns),
                     "trace_count": len(collection.traces),
                 },
                 indent=2,
@@ -178,6 +180,8 @@ def save_trace_history_numpy(stage_dir: Path, history: list[SweepCollection]) ->
                 {
                     "collection_id": int(collection.collection_id),
                     "monotonic_ns": int(collection.monotonic_ns),
+                    "capture_start_ns": int(collection.capture_start_ns),
+                    "capture_end_ns": int(collection.capture_end_ns),
                     "trace_count": len(collection.traces),
                     "traces": traces_meta,
                 },

python_app/storage/npz/store.py

@@ -64,6 +64,8 @@ class NpzStore(StoreApi):
         meta = {
             "collection_id": int(collection.collection_id),
             "monotonic_ns": int(collection.monotonic_ns),
+            "capture_start_ns": int(collection.capture_start_ns),
+            "capture_end_ns": int(collection.capture_end_ns),
             "combos": combo_records,
         }
         meta_path.write_text(json.dumps(meta, indent=2), encoding="utf-8")
@@ -98,6 +100,8 @@ class NpzStore(StoreApi):
             collection_id=int(meta["collection_id"]),
             monotonic_ns=int(meta["monotonic_ns"]),
             traces=traces,
+            capture_start_ns=int(meta.get("capture_start_ns", 0)),
+            capture_end_ns=int(meta.get("capture_end_ns", 0)),
         )
 
     def list_sets(self, kind: str, radar_key: str) -> list[str]: