對于 L2 和 L2+ 級别的自動駕駛，該系統主要包括高分(fēn)辨率光學(xué)攝像頭，以及具(jù)有(yǒu)有(yǒu)限範圍和視野的雷達。短程超聲波雷達或雷達傳感器也被用(yòng)于特定的舒适性和安(ān)全性功能(néng)，比如自動泊車(chē)、智能(néng)巡航控制和車(chē)道保持。為(wèi)了達到 L3 級别，設計師們不得不加配激光雷達傳感器，這帶來了許多(duō)不利影響和限制，尤其是高昂的成本。 

但是新(xīn)一代 4D 成像雷達傳感器正在極大地改變這種局面。這些經濟實惠的高分(fēn)辨率毫米波雷達傳感器可(kě)在 4 個維度上提供出色的分(fēn)辨率：距離、方位角、俯仰角（首次），以及準确的、直接測量的速度信息。這些新(xīn)型傳感器還提供了更遠(yuǎn)的距離範圍和更廣的視野，并且支持擴展的運行設計域。所有(yǒu)數據均實時傳輸至自動駕駛汽車(chē)的融合處理(lǐ)器。

這些功能(néng)的結合大大提高了可(kě)靠性，擴大了運行域。與攝像頭或激光雷達不同，毫米波雷達天然具(jù)備在惡劣天氣或光照條件差的情況的強穿透力。高空間分(fēn)辨率和精(jīng)确速度測量的結合減少了物(wù)體(tǐ)探測的模糊性。因此，在更廣泛的環境條件下，實現了更強大的目标檢測和分(fēn)類能(néng)力。

雷達發展曆程

這些新(xīn)型傳感器與大多(duō)數先前一代的汽車(chē)雷達截然不同。它們的優勢源于多(duō)年來在軍事和航空航天領域的成熟技(jì )術的積累。如今，随着半導體(tǐ)和天線(xiàn)制造集成度與性能(néng)的不斷提升，之前用(yòng)于 F-18 戰鬥機的系統現在到能(néng)夠下沉為(wèi)安(ān)裝(zhuāng)于乘用(yòng)車(chē)多(duō)處位置的緊湊模塊，這些功能(néng)在規模和成本方面都呈現顯著下降趨勢。

首要的重要變化是低成本毫米波雷達發射器和接收器硬件的推出，它們提供了出色的發射器功率和高接收器靈敏度。這一變化引發了另外兩個變化：采用(yòng)密集的多(duō)天線(xiàn)陣列（在 5G 通信中(zhōng)稱為(wèi)多(duō)輸入多(duō)輸出，或 MIMO）；使用(yòng)複雜的波形，這類波形大大增強了俯仰角、方位角和速度測量的能(néng)力。最後，數字信号處理(lǐ) (DSP) 知識産(chǎn)權的進步使融合數字處理(lǐ)能(néng)力成為(wèi)可(kě)能(néng)，且這種能(néng)力是處理(lǐ)這些傳感器實時生成的多(duō)信道高速數據所必不可(kě)少的。

技(jì )術挑戰

這些漸進式變化如何轉化為(wèi)有(yǒu)價值的功能(néng)，是一個關于硬件能(néng)力與固件功能(néng)相互耦合的過程。例如，為(wèi)了實現高度精(jīng)确的方位角和俯仰角分(fēn)辨率，傳感器必須采用(yòng)大孔徑和虛拟陣列合成技(jì )術。先進的信号處理(lǐ)算法可(kě)以組合跨時域、頻域或碼域的多(duō)種信号，或組合跨這些域的某些組合的各類信号，以構建一個比物(wù)理(lǐ)陣列更大的虛拟天線(xiàn)陣列。

這大大提高了分(fēn)辨率：目前的設計目标是方位角小(xiǎo)于一度，仰角約為(wèi)一度。與低分(fēn)辨率雷達相比，這種分(fēn)辨率可(kě)以為(wèi)每個目标對象生成更多(duō)不相關的測量點，進而更準确地确定目标對象的位置和輪廓。在這種情況下，後續的處理(lǐ)過程将變得更加順利，能(néng)夠更輕松地區(qū)分(fēn)遠(yuǎn)處的目标對象，并且更容易引入基于機器學(xué)習的分(fēn)類算法，這些算法類似于處理(lǐ)攝像頭或激光雷達數據所使用(yòng)的算法。

在這些系統中(zhōng)，傳輸波形的設計對傳感器的性能(néng)和整個解決方案的整體(tǐ)成本有(yǒu)着巨大的影響。為(wèi)了确保傳輸波形與虛拟陣列構建過程之間的正交性，在選擇基本波形結構（發射的啁啾序列）時需要仔細權衡和思考。例如，從多(duō)個發射天線(xiàn)并行發射信号，将在接收端生成衆多(duō)虛拟信道的測量數據。因此，有(yǒu)必要考慮到以合理(lǐ)的算法和處理(lǐ)能(néng)力來應對分(fēn)離這些測量數據的挑戰。

在選擇信道複用(yòng)方法時，也需要做出權衡。  對測量施加限制可(kě)能(néng)會導緻僞影。例如，此類限制可(kě)能(néng)會引起角度和多(duō)普勒測量的耦合，從而影響支持的精(jīng)确速度測量的範圍，或造成其他(tā)測量模糊問題。

此外，還有(yǒu)許多(duō)系統級的影響需要注意。以下僅舉幾例：第一個例子，為(wèi)了實現高模拟帶寬和短的啁啾持續時間，需要更高的采樣率。這反過來會使 ADC 轉換器的設計變得更加困難，并增加 ADC 的成本。第二個例子：基于相位的信道複用(yòng)方案需要具(jù)有(yǒu)高相位分(fēn)辨率的模拟移相器。然而，這類移相器在制造過程中(zhōng)存在挑戰，并且需要進行精(jīng)細且敏感的離線(xiàn)和在線(xiàn)校準。第三個例子：同時從多(duō)個發射天線(xiàn)元件發射信号需要在系統級别進行更複雜的散熱設計，從而散發由發射器産(chǎn)生的額外熱量。 

總之，在車(chē)輛自主系統中(zhōng)充分(fēn)利用(yòng)高分(fēn)辨率毫米波雷達需要考慮衆多(duō)設計因素，每一個都不容忽視。然而，這些傳感器所帶來的好處遠(yuǎn)超系統能(néng)力的提升。

現實世界的優勢

這些能(néng)力不僅僅表現為(wèi)性能(néng)參數表上的數字得到了改進。它們在功能(néng)上可(kě)實現更加細緻的區(qū)分(fēn)，這在真實世界場景中(zhōng)行駛時可(kě)提高真實世界車(chē)輛的安(ān)全性、自主性和運行設計域。

例如，3D 位置和速度數據的數量和精(jīng)度的增加可(kě)以顯著提高自動駕駛車(chē)輛識别物(wù)體(tǐ)的能(néng)力。傳感器提供的出色數據使車(chē)輛能(néng)夠做出細微卻又(yòu)至關重要的區(qū)分(fēn)，例如，區(qū)别來自大型卡車(chē)的強反射信号和來自附近小(xiǎo)孩的較弱信号。實時多(duō)普勒速度測量意味着，除其他(tā)功能(néng)外，車(chē)輛能(néng)夠立即檢測物(wù)體(tǐ)速度的突然變化，而不需要進行數次視場掃描，同時還能(néng)區(qū)分(fēn)以不同速度移動的近距離物(wù)體(tǐ)。

所有(yǒu)這些優點都有(yǒu)助于更好地了解車(chē)輛周圍的情況。這意味着更高的安(ān)全性。再加上高分(fēn)辨率毫米波雷達在能(néng)見度差和光線(xiàn)複雜的雜亂場景中(zhōng)的工(gōng)作(zuò)能(néng)力，您将獲得一個能(néng)夠在更廣泛條件下以更高的安(ān)全性和可(kě)靠性運行的車(chē)輛自主系統，而這正是該行業所努力追求的優勢。

靈活、可(kě)擴展的解決方案

所有(yǒu)這些挑戰都需要一種靈活而全面的雷達 SOC 解決方案，該解決方案既是“軟件定義的”，又(yòu)可(kě)擴展以支持先進的雷達處理(lǐ)算法。這樣的平台将包括高性能(néng)的 DSP 引擎，用(yòng)于多(duō)維 FFT 運算的優化硬件加速器，以及專用(yòng)的軟件開發工(gōng)具(jù)包。

開發人員可(kě)以利用(yòng) SensPro 系列的不同産(chǎn)品，創建出不同版本或叠代的産(chǎn)品。憑借其通用(yòng)的架構，DSP 軟件代碼可(kě)以在不同核心之間輕松順暢地遷移，可(kě)節省對先前開發的軟件代碼庫的投資，并縮短上市時間。

當然，底層處理(lǐ)能(néng)力必須與不斷出現的需求保持同步，因此需要一個可(kě)編程的架構。随着市場需求的演變，CEVA 不斷優化其 SensPro 架構和指令集，以支持以下功能(néng)：

• 使用(yòng)先進的 CFAR 方案（例如，OS-CFAR）進行可(kě)靠且穩健的目标檢測； 

• 支持超越“傅裏葉極限”的增強分(fēn)辨率，采用(yòng)超分(fēn)辨率高級算法； 

• 通過處理(lǐ)雷達點雲來支持幀間級處理(lǐ)，實現先進的跟蹤方案（例如使用(yòng)卡爾曼濾波器和應用(yòng)經過訓練的專用(yòng) AI 模型，從“後跟蹤器”點雲分(fēn)割和分(fēn)類對象） 

  
  

超越駕駛輔助系統

在謹慎使用(yòng)的前提下，當今的車(chē)輛自動駕駛水平能(néng)夠顯著提升車(chē)輛安(ān)全性和通行流暢度。然而，最終的目标仍是實現全面自動駕駛，至少對于某些車(chē)輛類别是如此。在應對這一挑戰時，高分(fēn)辨率的 4D 毫米波雷達将起到關鍵作(zuò)用(yòng)。設計師設想了一個傳感器套件，其中(zhōng)包括車(chē)輛的每個角落都安(ān)裝(zhuāng)一個 4D 雷達，和至少一個激光雷達，所有(yǒu)這些傳感器将數據輸入到一個複雜的傳感器融合處理(lǐ)器和人工(gōng)智能(néng)模塊中(zhōng)。在擁有(yǒu)足夠數量和高質(zhì)量的傳感器數據、成熟的融合和人工(gōng)智能(néng)處理(lǐ)能(néng)力，以及充分(fēn)的訓練基礎上，人們希望通過減少錯誤并擴展運行設計域，最終實現全自動駕駛的目标。這些車(chē)輛幾乎能(néng)在任何環境下運行，并成為(wèi)交通系統中(zhōng)被廣泛接受的一部分(fēn)。

然而，未來仍将面臨諸多(duō)挑戰。随着部署毫米波雷達的車(chē)輛數量增加，幹擾的可(kě)能(néng)性也會增加。這将引發各個雷達傳感器波形處理(lǐ)領域的創新(xīn)，并有(yǒu)望推動車(chē)載雷達标準的制定。相應地，标準可(kě)能(néng)會促進車(chē)輛間以及車(chē)輛與基礎設施之間的合作(zuò)，這可(kě)能(néng)意味着雷達傳感器作(zuò)為(wèi)大規模分(fēn)布式智能(néng)網絡的一部分(fēn)，将扮演全新(xīn)的角色。當前汽車(chē)雷達傳輸領域缺乏統一的标準，因此需要一個具(jù)有(yǒu)高度可(kě)編程性的解決方案以适應不同情況。這可(kě)能(néng)包括，例如，在單個傳感器級别上實施可(kě)能(néng)的幹擾緩解措施，或者在傳感器與基礎設施之間增加協調機制，以便傳感器能(néng)夠安(ān)全高效地利用(yòng)共享頻譜資源。底層半導體(tǐ)技(jì )術、天線(xiàn)設計和算法開發領域的不斷發展，也将跟上這些新(xīn)興理(lǐ)念的步伐。

而且，這些新(xīn)型傳感器的應用(yòng)遠(yuǎn)不止于自動駕駛汽車(chē)。顯然，在廣泛的運行設計域，随着傳感器尺寸和成本的降低，還有(yǒu)許多(duō)其他(tā)類型的車(chē)輛可(kě)以受益于自動駕駛技(jì )術或先進的駕駛輔助功能(néng)。但對于固定應用(yòng)，如交通流量管理(lǐ)和擁擠區(qū)域的行人安(ān)全系統，這些優點同樣重要。我們可(kě)以想象一種協作(zuò)系統，其中(zhōng)卡車(chē)、汽車(chē)、摩托車(chē)、自行車(chē)和行人之間會持續地互相交流，交流它們的位置、速度以及周圍的環境。

總體(tǐ)上來說，高分(fēn)辨率毫米波雷達傳感器将在任何需要理(lǐ)解動态環境且視覺攝像數據不足的情況下發揮重要作(zuò)用(yòng)。這些雷達傳感器的技(jì )術擁有(yǒu)足夠的發展空間，能(néng)夠滿足新(xīn)的市場需求。因此，系統設計師的創造力可(kě)能(néng)是決定它們應用(yòng)範圍的唯一限制。