毫米波雷達(dá)的發(fā)展趨勢是智能+高分辨

做好一款毫米波雷達(dá)本身是一個(gè)龐大的系統(tǒng)工程，所以我不可能會(huì)像標(biāo)題那樣面面俱到講毫米波雷達(dá)的方方面面。這篇文章主要和大家聊聊如何從算法及功能層面做好4D 高分辨毫米波雷達(dá)（4D High Resolution Radar，以下簡稱4D Radar），咱們開始。

啥是4D Radar

首先4D指的是（range， velocity， azimuth，elevation），有時(shí)候有的廠家為了唬人，加上RCS這個(gè)維度，就成了5D radar，那么4D Radar相較于傳統(tǒng)毫米波雷達(dá)主要強(qiáng)勢在這一個(gè)方面：

cluster數(shù)目是傳統(tǒng)雷達(dá)的數(shù)十倍（一般為數(shù)萬cluster/秒），如此致密的cluster也就換了一個(gè)更洋氣的名字，點(diǎn)云（point cloud），隔壁激光雷達(dá)可能會(huì)投來鄙視的目光。。。

需要指出的是，做毫米波雷達(dá)不會(huì)一味追求點(diǎn)云數(shù)量，一味追求點(diǎn)云計(jì)算量上去了不說，也產(chǎn)生了許多冗余信息，沒必要。所以，這里的點(diǎn)云是指有效點(diǎn)云，也就是說，我們不僅要看點(diǎn)云的量，更要看點(diǎn)云的質(zhì)。那如何提高點(diǎn)云數(shù)量及質(zhì)量我們待會(huì)再聊。如此致密的點(diǎn)云使得4D雷達(dá)有時(shí)候又被稱為4D成像雷達(dá)（4D Imaging Radar）。

4D radar 能干啥

說白了，4D毫米波雷達(dá)最強(qiáng)勢的點(diǎn)就是提供高質(zhì)量的點(diǎn)云，而高質(zhì)量的點(diǎn)云卻極大得擴(kuò)展了毫米波的應(yīng)用范圍。

過去啊，毫米波雷達(dá)最多在ADAS混出個(gè)樣，也就是在L2，L3級(jí)別的自動(dòng)駕駛刷刷存在感。再往上走，也就是高級(jí)別無人駕駛（L4，L5）就慘啦，低聲下氣，一直要看激光雷達(dá)的眼色，甚至還比不過攝像頭。即是好說歹說配備了毫米波雷達(dá)，往往也是做陪襯（數(shù)據(jù)融合，實(shí)際中對(duì)毫米波雷達(dá)的輸出往往置信度較低）。怎么辦，想出人頭地就得猥瑣發(fā)育，臥薪嘗膽。如今，4D Radar的推出無疑為毫米波雷達(dá)家族進(jìn)入高級(jí)無人駕駛鋪平道路，提供了更多可能性！主要是4D雷達(dá)太能干了，不信請(qǐng)看：

環(huán)向毫米波雷達(dá)感知

Freespace

自動(dòng)泊車（APS）

目標(biāo)分類（Classification）

局部定位（Localization）

landmark based SLAM

以上功能都是過去毫米波雷達(dá)薄弱的點(diǎn)，也就是激光雷達(dá)鄙視毫米波雷達(dá)的底氣。往后我會(huì)逐一介紹每個(gè)功能應(yīng)用的實(shí)現(xiàn)細(xì)節(jié)等。4D radar 目前什么水平目前國內(nèi)外知名雷達(dá)廠商都在積極布局4D Radar，因?yàn)樗_實(shí)代表未來的感知技術(shù)方向。國內(nèi)玩家主要是先搞個(gè)樣機(jī)，展現(xiàn)一下強(qiáng)大的研發(fā)實(shí)力，估計(jì)也可以解決部分融資需求，但離量產(chǎn)還有距離。圖1 是國內(nèi)森斯泰克點(diǎn)云雷達(dá)實(shí)測效果圖，可以看到點(diǎn)云及其致密，為豐富應(yīng)用提供基礎(chǔ)。

圖1 Sensor Technologies 4D Radar

如圖2所示，木牛科技于2019年也發(fā)布了一款點(diǎn)云雷達(dá)樣機(jī)，點(diǎn)云致密并且提供了高度（elevation）信息。

圖2 木牛科技4D radar效果圖

國外玩家更多，玩法也多種多樣，以后有空細(xì)聊，這里簡單介紹幾家有特色的。METAWAVE是當(dāng)中戲比較多的，核心技術(shù)是利用超材料構(gòu)建收發(fā)陣列，基于pencil beam的窄波束覆蓋整個(gè)FoV，并在算法層面引入AI Engine，實(shí)現(xiàn)一款高分辨智能雷達(dá)。

圖3 METAWAVE 點(diǎn)云雷達(dá)效果圖

此外，Cognitive，Arbe，Oculii，Uhnder，Vayyar，Lunewave，Echodyne等公司都在相繼研發(fā)

4D Radar.4D radar 算法怎么做

涉及雷達(dá)算法，我們暫且分為數(shù)據(jù)處理及信號(hào)處理，信號(hào)處理偏底層，更重要更基礎(chǔ)。我們會(huì)把重心放在這。雷達(dá)信號(hào)處理（Radar Signal Processing，RSP），主要要包含如下幾個(gè)方面RSP

- Antenna Array Design （Azimuth/Elevation）（ULA/NLA/MRA）

- MIMO Signal Processing（Channel Separation）

- Frequecy Estimation for Range & Doppler

- DoA（FFT/MUSIC/SSP）- CalibrationAntenna Array設(shè)計(jì)依賴功能需求，就4D Radar而言，給出的天線設(shè)計(jì)需要滿足無模糊方位角及俯仰角檢測條件外，對(duì)方位角的分辨率及精度提出高要求，往往分辨率要低于2度。MIMO Signal Processing核心問題是如何實(shí)現(xiàn)接收端發(fā)射通道分離，方法有很多，諸如BPM， TDM，CDM等等，但是各有各的問題，如何實(shí)現(xiàn)適合4D雷達(dá)的通道分離方案很重要。

Frequecy Estimation for Range & Doppler，對(duì)距離和速度的估計(jì)主要采用FFT+插值細(xì)化，對(duì)傳統(tǒng)毫米波雷達(dá)是夠了，而4D Radar還有上升空間。DoA，可以說是RSP最重要的一塊，沒有之一，DoA方法太多了，但是結(jié)合天線設(shè)計(jì)，給出一種高效，高分辨的DoA方法是具有相當(dāng)挑戰(zhàn)性的，主流還是ULA+FFT，4D雷達(dá)為了高分辨，這種配置是不夠的。Calibration，校準(zhǔn)對(duì)于多通道是必須的，校準(zhǔn)對(duì)象，校準(zhǔn)方法很多。比如Channel Error

Coupling Error

Position Error

Mount Error

Finite sampling errors

MicroDoppler， 基于毫米波雷達(dá)做目標(biāo)分類目前是一個(gè)熱門研究方向，而諸如行人跑動(dòng)等非剛體運(yùn)動(dòng)的Micro Doppler特征為目標(biāo)分類提供強(qiáng)有力支撐，目前Conti的ARS 408 21SC3版本已經(jīng)集成識(shí)別VRU的功能代碼，基于的特征主要是MicroDoppler。

編輯：jq