人們?cè)絹碓角宄卣J(rèn)識(shí)到，自動(dòng)駕駛車輛的進(jìn)一步發(fā)展將在很大程度上取決于傳感器的發(fā)展。為了實(shí)現(xiàn)進(jìn)一步發(fā)展，車輛必須提高其識(shí)別和分類物體的可靠性，提高感知這些物體運(yùn)動(dòng)的準(zhǔn)確性，并且隨著傳感器技術(shù)的改進(jìn)，擴(kuò)展自主系統(tǒng)可以運(yùn)行的環(huán)境條件范圍，即運(yùn)行設(shè)計(jì)域。所有這些需求都取決于來自車輛傳感器系統(tǒng)的數(shù)據(jù)質(zhì)量。

對(duì)于 L2 和 L2+ 級(jí)別的自動(dòng)駕駛，該系統(tǒng)主要包括高分辨率光學(xué)攝像頭，以及具有有限范圍和視野的雷達(dá)。短程超聲波雷達(dá)或雷達(dá)傳感器也被用于特定的舒適性和安全性功能，比如自動(dòng)泊車、智能巡航控制和車道保持。為了達(dá)到 L3 級(jí)別，設(shè)計(jì)師們不得不加配激光雷達(dá)傳感器，這帶來了許多不利影響和限制，尤其是高昂的成本。

但是新一代 4D 成像雷達(dá)傳感器正在極大地改變這種局面。這些經(jīng)濟(jì)實(shí)惠的高分辨率毫米波雷達(dá)傳感器可在 4 個(gè)維度上提供出色的分辨率：距離、方位角、俯仰角（首次），以及準(zhǔn)確的、直接測(cè)量的速度信息。這些新型傳感器還提供了更遠(yuǎn)的距離范圍和更廣的視野，并且支持?jǐn)U展的運(yùn)行設(shè)計(jì)域。所有數(shù)據(jù)均實(shí)時(shí)傳輸至自動(dòng)駕駛汽車的融合處理器。

這些功能的結(jié)合大大提高了可靠性，擴(kuò)大了運(yùn)行域。與攝像頭或激光雷達(dá)不同，毫米波雷達(dá)天然具備在惡劣天氣或光照條件差的情況的強(qiáng)穿透力。高空間分辨率和精確速度測(cè)量的結(jié)合減少了物體探測(cè)的模糊性。因此，在更廣泛的環(huán)境條件下，實(shí)現(xiàn)了更強(qiáng)大的目標(biāo)檢測(cè)和分類能力。

圖 1 汽車?yán)走_(dá)用例

雷達(dá)發(fā)展歷程

這些新型傳感器與大多數(shù)先前一代的汽車?yán)走_(dá)截然不同。它們的優(yōu)勢(shì)源于多年來在軍事和航空航天領(lǐng)域的成熟技術(shù)的積累。如今，隨著半導(dǎo)體和天線制造集成度與性能的不斷提升，之前用于 F-18 戰(zhàn)斗機(jī)的系統(tǒng)現(xiàn)在到能夠下沉為安裝于乘用車多處位置的緊湊模塊，這些功能在規(guī)模和成本方面都呈現(xiàn)顯著下降趨勢(shì)。

首要的重要變化是低成本毫米波雷達(dá)發(fā)射器和接收器硬件的推出，它們提供了出色的發(fā)射器功率和高接收器靈敏度。這一變化引發(fā)了另外兩個(gè)變化：采用密集的多天線陣列（在 5G 通信中稱為多輸入多輸出，或 MIMO）；使用復(fù)雜的波形，這類波形大大增強(qiáng)了俯仰角、方位角和速度測(cè)量的能力。最后，數(shù)字信號(hào)處理 (DSP) 知識(shí)產(chǎn)權(quán)的進(jìn)步使融合數(shù)字處理能力成為可能，且這種能力是處理這些傳感器實(shí)時(shí)生成的多信道高速數(shù)據(jù)所必不可少的。

技術(shù)挑戰(zhàn)

這些漸進(jìn)式變化如何轉(zhuǎn)化為有價(jià)值的功能，是一個(gè)關(guān)于硬件能力與固件功能相互耦合的過程。例如，為了實(shí)現(xiàn)高度精確的方位角和俯仰角分辨率，傳感器必須采用大孔徑和虛擬陣列合成技術(shù)。先進(jìn)的信號(hào)處理算法可以組合跨時(shí)域、頻域或碼域的多種信號(hào)，或組合跨這些域的某些組合的各類信號(hào)，以構(gòu)建一個(gè)比物理陣列更大的虛擬天線陣列。

這大大提高了分辨率：目前的設(shè)計(jì)目標(biāo)是方位角小于一度，仰角約為一度。與低分辨率雷達(dá)相比，這種分辨率可以為每個(gè)目標(biāo)對(duì)象生成更多不相關(guān)的測(cè)量點(diǎn)，進(jìn)而更準(zhǔn)確地確定目標(biāo)對(duì)象的位置和輪廓。在這種情況下，后續(xù)的處理過程將變得更加順利，能夠更輕松地區(qū)分遠(yuǎn)處的目標(biāo)對(duì)象，并且更容易引入基于機(jī)器學(xué)習(xí)的分類算法，這些算法類似于處理攝像頭或激光雷達(dá)數(shù)據(jù)所使用的算法。

在這些系統(tǒng)中，傳輸波形的設(shè)計(jì)對(duì)傳感器的性能和整個(gè)解決方案的整體成本有著巨大的影響。為了確保傳輸波形與虛擬陣列構(gòu)建過程之間的正交性，在選擇基本波形結(jié)構(gòu)（發(fā)射的啁啾序列）時(shí)需要仔細(xì)權(quán)衡和思考。例如，從多個(gè)發(fā)射天線并行發(fā)射信號(hào)，將在接收端生成眾多虛擬信道的測(cè)量數(shù)據(jù)。因此，有必要考慮到以合理的算法和處理能力來應(yīng)對(duì)分離這些測(cè)量數(shù)據(jù)的挑戰(zhàn)。

在選擇信道復(fù)用方法時(shí)，也需要做出權(quán)衡。 對(duì)測(cè)量施加限制可能會(huì)導(dǎo)致偽影。例如，此類限制可能會(huì)引起角度和多普勒測(cè)量的耦合，從而影響支持的精確速度測(cè)量的范圍，或造成其他測(cè)量模糊問題。

此外，還有許多系統(tǒng)級(jí)的影響需要注意。以下僅舉幾例：第一個(gè)例子，為了實(shí)現(xiàn)高模擬帶寬和短的啁啾持續(xù)時(shí)間，需要更高的采樣率。這反過來會(huì)使 ADC 轉(zhuǎn)換器的設(shè)計(jì)變得更加困難，并增加 ADC 的成本。第二個(gè)例子：基于相位的信道復(fù)用方案需要具有高相位分辨率的模擬移相器。然而，這類移相器在制造過程中存在挑戰(zhàn)，并且需要進(jìn)行精細(xì)且敏感的離線和在線校準(zhǔn)。第三個(gè)例子：同時(shí)從多個(gè)發(fā)射天線元件發(fā)射信號(hào)需要在系統(tǒng)級(jí)別進(jìn)行更復(fù)雜的散熱設(shè)計(jì)，從而散發(fā)由發(fā)射器產(chǎn)生的額外熱量。

總之，在車輛自主系統(tǒng)中充分利用高分辨率毫米波雷達(dá)需要考慮眾多設(shè)計(jì)因素，每一個(gè)都不容忽視。然而，這些傳感器所帶來的好處遠(yuǎn)超系統(tǒng)能力的提升。

現(xiàn)實(shí)世界的優(yōu)勢(shì)

這些能力不僅僅表現(xiàn)為性能參數(shù)表上的數(shù)字得到了改進(jìn)。它們?cè)诠δ苌峡蓪?shí)現(xiàn)更加細(xì)致的區(qū)分，這在真實(shí)世界場(chǎng)景中行駛時(shí)可提高真實(shí)世界車輛的安全性、自主性和運(yùn)行設(shè)計(jì)域。

例如，3D 位置和速度數(shù)據(jù)的數(shù)量和精度的增加可以顯著提高自動(dòng)駕駛車輛識(shí)別物體的能力。傳感器提供的出色數(shù)據(jù)使車輛能夠做出細(xì)微卻又至關(guān)重要的區(qū)分，例如，區(qū)別來自大型卡車的強(qiáng)反射信號(hào)和來自附近小孩的較弱信號(hào)。實(shí)時(shí)多普勒速度測(cè)量意味著，除其他功能外，車輛能夠立即檢測(cè)物體速度的突然變化，而不需要進(jìn)行數(shù)次視場(chǎng)掃描，同時(shí)還能區(qū)分以不同速度移動(dòng)的近距離物體。

所有這些優(yōu)點(diǎn)都有助于更好地了解車輛周圍的情況。這意味著更高的安全性。再加上高分辨率毫米波雷達(dá)在能見度差和光線復(fù)雜的雜亂場(chǎng)景中的工作能力，您將獲得一個(gè)能夠在更廣泛條件下以更高的安全性和可靠性運(yùn)行的車輛自主系統(tǒng)，而這正是該行業(yè)所努力追求的優(yōu)勢(shì)。

靈活、可擴(kuò)展的解決方案

所有這些挑戰(zhàn)都需要一種靈活而全面的雷達(dá) SOC 解決方案，該解決方案既是“軟件定義的”，又可擴(kuò)展以支持先進(jìn)的雷達(dá)處理算法。這樣的平臺(tái)將包括高性能的 DSP 引擎，用于多維 FFT 運(yùn)算的優(yōu)化硬件加速器，以及專用的軟件開發(fā)工具包。例如，CEVA 的 SensPro 傳感器中心架構(gòu)通過一系列 DSP 產(chǎn)品提供了這種組合，具備一系列處理能力，非常適合解決廣泛的客戶用例和需求。

開發(fā)人員可以利用 SensPro 系列的不同產(chǎn)品，創(chuàng)建出不同版本或迭代的產(chǎn)品。憑借其通用的架構(gòu)，DSP 軟件代碼可以在不同核心之間輕松順暢地遷移，可節(jié)省對(duì)先前開發(fā)的軟件代碼庫的投資，并縮短上市時(shí)間。

當(dāng)然，底層處理能力必須與不斷出現(xiàn)的需求保持同步，因此需要一個(gè)可編程的架構(gòu)。隨著市場(chǎng)需求的演變，CEVA 不斷優(yōu)化其 SensPro 架構(gòu)和指令集，以支持以下功能：

· 使用先進(jìn)的 CFAR 方案（例如，OS-CFAR）進(jìn)行可靠且穩(wěn)健的目標(biāo)檢測(cè)；

· 支持超越“傅里葉極限”的增強(qiáng)分辨率，采用超分辨率高級(jí)算法；

· 通過處理雷達(dá)點(diǎn)云來支持幀間級(jí)處理，實(shí)現(xiàn)先進(jìn)的跟蹤方案（例如使用卡爾曼濾波器和應(yīng)用經(jīng)過訓(xùn)練的專用 AI 模型，從“后跟蹤器”點(diǎn)云分割和分類對(duì)象）

圖 2 雷達(dá)處理鏈和 SensPro DSP 工作負(fù)載

超越駕駛輔助系統(tǒng)

在謹(jǐn)慎使用的前提下，當(dāng)今的車輛自動(dòng)駕駛水平能夠顯著提升車輛安全性和通行流暢度。然而，最終的目標(biāo)仍是實(shí)現(xiàn)全面自動(dòng)駕駛，至少對(duì)于某些車輛類別是如此。在應(yīng)對(duì)這一挑戰(zhàn)時(shí)，高分辨率的 4D 毫米波雷達(dá)將起到關(guān)鍵作用。設(shè)計(jì)師設(shè)想了一個(gè)傳感器套件，其中包括車輛的每個(gè)角落都安裝一個(gè) 4D 雷達(dá)，和至少一個(gè)激光雷達(dá)，所有這些傳感器將數(shù)據(jù)輸入到一個(gè)復(fù)雜的傳感器融合處理器和人工智能模塊中。在擁有足夠數(shù)量和高質(zhì)量的傳感器數(shù)據(jù)、成熟的融合和人工智能處理能力，以及充分的訓(xùn)練基礎(chǔ)上，人們希望通過減少錯(cuò)誤并擴(kuò)展運(yùn)行設(shè)計(jì)域，最終實(shí)現(xiàn)全自動(dòng)駕駛的目標(biāo)。這些車輛幾乎能在任何環(huán)境下運(yùn)行，并成為交通系統(tǒng)中被廣泛接受的一部分。

然而，未來仍將面臨諸多挑戰(zhàn)。隨著部署毫米波雷達(dá)的車輛數(shù)量增加，干擾的可能性也會(huì)增加。這將引發(fā)各個(gè)雷達(dá)傳感器波形處理領(lǐng)域的創(chuàng)新，并有望推動(dòng)車載雷達(dá)標(biāo)準(zhǔn)的制定。相應(yīng)地，標(biāo)準(zhǔn)可能會(huì)促進(jìn)車輛間以及車輛與基礎(chǔ)設(shè)施之間的合作，這可能意味著雷達(dá)傳感器作為大規(guī)模分布式智能網(wǎng)絡(luò)的一部分，將扮演全新的角色。當(dāng)前汽車?yán)走_(dá)傳輸領(lǐng)域缺乏統(tǒng)一的標(biāo)準(zhǔn)，因此需要一個(gè)具有高度可編程性的解決方案以適應(yīng)不同情況。這可能包括，例如，在單個(gè)傳感器級(jí)別上實(shí)施可能的干擾緩解措施，或者在傳感器與基礎(chǔ)設(shè)施之間增加協(xié)調(diào)機(jī)制，以便傳感器能夠安全高效地利用共享頻譜資源。底層半導(dǎo)體技術(shù)、天線設(shè)計(jì)和算法開發(fā)領(lǐng)域的不斷發(fā)展，也將跟上這些新興理念的步伐。

而且，這些新型傳感器的應(yīng)用遠(yuǎn)不止于自動(dòng)駕駛汽車。顯然，在廣泛的運(yùn)行設(shè)計(jì)域，隨著傳感器尺寸和成本的降低，還有許多其他類型的車輛可以受益于自動(dòng)駕駛技術(shù)或先進(jìn)的駕駛輔助功能。但對(duì)于固定應(yīng)用，如交通流量管理和擁擠區(qū)域的行人安全系統(tǒng)，這些優(yōu)點(diǎn)同樣重要。我們可以想象一種協(xié)作系統(tǒng)，其中卡車、汽車、摩托車、自行車和行人之間會(huì)持續(xù)地互相交流，交流它們的位置、速度以及周圍的環(huán)境。

總體上來說，高分辨率毫米波雷達(dá)傳感器將在任何需要理解動(dòng)態(tài)環(huán)境且視覺攝像數(shù)據(jù)不足的情況下發(fā)揮重要作用。這些雷達(dá)傳感器的技術(shù)擁有足夠的發(fā)展空間，能夠滿足新的市場(chǎng)需求。因此，系統(tǒng)設(shè)計(jì)師的創(chuàng)造力可能是決定它們應(yīng)用范圍的唯一限制。

更多信息敬請(qǐng)關(guān)注展會(huì)官網(wǎng)：東莞機(jī)器人展 東莞自動(dòng)化展