1904年，雷達首次被Christian Huelsmeyer用于探測船只，已有一個多世紀的歷史。常見的應用是軍事雷達、民用航空交通管制，當然，還有針對私家車輛的測速點。但是現(xiàn)在存在一種誤解，認為這項技術已經(jīng)成熟，該領域幾乎沒有什么發(fā)展。成像雷達和協(xié)同雷達都在進行著顛覆性的新創(chuàng)新。ADI公司（ADI）如何在汽車領域應用中實現(xiàn)雷達并引入獨特的軟件和算法正是其特殊之處。

過去25年里，ADI一直活躍在汽車行業(yè)，其產(chǎn)品既可用于被動安全應用，也可用于主動安全應用。過去15年里，ADI以DSP和數(shù)據(jù)轉(zhuǎn)換器在汽車雷達供應鏈中占有一席之地，最近還提供24 GHz和77 GHz/79 GHz雷達芯片組。

ADI自動交通和安全副總裁Chris Jacobs表示：“高級駕駛員輔助系統(tǒng)已面市，自動駕駛即將到來，而道路安全至關重要。所以，我和工程師致力于使用先進的功能和技術來實現(xiàn)更高的性能和自主性，從而挽救生命。據(jù)我們估計，基于我們產(chǎn)品的汽車傳感器每天可以挽救8條生命。”

為了保護駕駛員、乘客和行人，硬件和軟件都需要大量創(chuàng)新。必須開發(fā)一種更高效且優(yōu)化的雷達技術，提供與航空航天和防務行業(yè)系統(tǒng)相同的高性能、功能和可靠性，并轉(zhuǎn)化為適合私家汽車市場的尺寸和成本。

ADI自動交通和汽車安全事業(yè)部技術總監(jiān)Mike Keaveney說道：“雖然25萬美元的高分辨率成像雷達系統(tǒng)成本對于價值數(shù)百萬美元的軍用坦克總價來說不算什么，但與均價3萬美元的家用汽車相比便貴的離譜了。我們正在探索如何進行定制，微型化、加固，降低成本、尺寸、重量和電源需求，以便能夠用于每輛汽車。”

雷達的挑戰(zhàn)

轉(zhuǎn)讓和采用軍事和航空航天的高成本、高性能雷達技術，并將其安裝在汽車上，在技術、美學和經(jīng)濟方面都面臨重大挑戰(zhàn)。關鍵的挑戰(zhàn)不僅在于減少尺寸、重量和功率（SWaP），還要在降低成本的同時提高性能。雷達不僅必須能夠進行物體檢測，還必須能夠進行物體分類。這就要求雷達圖像的分辨率比目前先進系統(tǒng)的分辨率更高。

這些都是ADI致力于實現(xiàn)的目標，以推進技術發(fā)展，確保安全，并將經(jīng)濟高效的汽車雷達帶給消費者。

性能

在不增加尺寸、成本和功耗預算的情況下，將角度分辨率提高到高度自動駕駛所需的水平。

增加低反射率目標發(fā)出的反射點數(shù)量。

大幅減少檢測延遲，特別是對于橫向移動的物體，這可縮短響應時間，并允許車輛在緊急情況下采取規(guī)避行動。

SWaP

優(yōu)化外形尺寸（大小、重量和功率），同時保持高性能。

在不影響車輛工業(yè)設計的前提下，保持系統(tǒng)的美觀。

成本/經(jīng)濟學

以大眾市場汽車成本約束可接受的價格和外形尺寸實現(xiàn)高分辨率雷達。

將成本控制在購車者的價格敏感范圍內(nèi)，因為他們才是為這一切買單的人。

法規(guī)

還必須繼續(xù)遵守政府規(guī)定的高級駕駛員輔助系統(tǒng)（ADAS）安全特性（如2022年美國自動緊急制動指令）。雷達將不再是一個選項，而是標準。因此，關鍵是要不斷地將系統(tǒng)成本降低到一個消費者和OEM都可以接受的價格點，同時仍然保持這些具有挑戰(zhàn)性的ADAS應用所需的性能。

如今的汽車雷達裝置比手機還小，能探測您前方、后方或側(cè)方的盲點位置是否存在大型障礙。但這還不夠。

成像雷達

成像雷達的概念和實現(xiàn)更高水平的角度分辨率是一項理想功能，對于自動駕駛出租車來說尤其如此。高分辨率不僅支持物體檢測（前面有東西），還支持物體分類（前面有自行車、汽車、人或小孩）。

為實現(xiàn)更高的分辨率，成像雷達利用高帶寬信號處理、數(shù)字波束合成和相控陣技術。所有這些都依賴于大量的硬件和處理能力，其中天線尺寸隨著所需的角度分辨率而縮放，通道計數(shù)增加以使用通道覆蓋所需的天線區(qū)域。“只是投入更多昂貴的硬件來解決這一問題，是將更高分辨率作為解決方案的一種‘暴力’方式，”Chris Jacobs表示。

如今，ADI正與領先的OEM和一級供應商緊密合作，開發(fā)新的突破性方法，來改進雷達并應對其現(xiàn)代挑戰(zhàn)。如今的汽車采用的雷達分辨率都不高，只能看到一團東西。它可以檢測到汽車周圍存在物體，可能是摩托車，可能是人或大型卡車，但無法確認該物體是什么。在硬件檢測技術和軟件算法進步的推動下，雷達的分辨率提高，能夠分辨檢測物體的屬性，這讓我們距離安全的全自動駕駛汽車又更近了一步。

分辨率問題和關于物體區(qū)分的挑戰(zhàn)

現(xiàn)有的常規(guī)汽車雷達在大視場范圍內(nèi)提供大約10°到20°的水平角度分辨率。

圖1.低分辨率雷達和隱藏物體?，F(xiàn)有的非成像雷達的角度分辨率一般在10°到20°，它會將3名行人看作一個物體。

圖2.高分辨率成像雷達可以顯示隱藏物體。

成像雷達的角度分辨率為1°至2°，是非成像雷達分辨率的10倍。數(shù)據(jù)箱收集1°到2°分辨率的信息，幫助區(qū)分和確定3名行人的位置。

數(shù)據(jù)處理

您為更高分辨率所花費的成本將給您帶來更多數(shù)據(jù)，隨著分辨率增加，數(shù)據(jù)量也相應增加，這就需要更多的計算能力。這就是為什么高效處理所有數(shù)據(jù)的先進模式對于管理大量數(shù)據(jù)和低功耗至關重要。高效的中央處理或者邊緣處理，將是未來雷達的基礎。

下一步：協(xié)同雷達與通信需求

Mike Keaveney說道：“利用現(xiàn)有車載雷達傳感器硬件的協(xié)同雷達是未來汽車領域的發(fā)展方向。協(xié)同雷達就是相干性和識別協(xié)同創(chuàng)建高分辨率相干圖像的事物需求，在本例中是指檢測雷達。一旦實現(xiàn)了協(xié)同雷達的經(jīng)濟性，就能夠享受諸多優(yōu)勢。”

協(xié)同雷達可提供成像雷達性能，而不會顯著增加車內(nèi)個別現(xiàn)有雷達系統(tǒng)的大小。這是因為有效孔徑現(xiàn)在由兩個（或多個）具有重疊視場的分布式雷達傳感器之間的距離設定，而不是由任何一個傳感器的物理尺寸預先確定。

圖3.初級雷達的窄孔徑。

初級雷達現(xiàn)在常用于汽車。

來自每個發(fā)射源的雷達信號反射到一個物體上，然后傳回到原點。孔徑，或者說初級雷達的性能，是以英寸為單位的雷達發(fā)射器本身的寬度。

協(xié)同雷達/SuperRADAR較大的孔徑

SuperRADAR是ADI通過多個具有重疊視場的雷達波束實現(xiàn)相干性算法的方法。

基于SuperRADAR的協(xié)同雷達使用低速鏈路在雷達源之間進行粗略定時。每個傳感器向中央處理器發(fā)送數(shù)據(jù)，或者可能從一個雷達向另一個雷達發(fā)送數(shù)據(jù)，并在邊緣傳感器上進行處理，后面這種方法更經(jīng)濟。

Chris Jacobs表示：“傳統(tǒng)協(xié)同雷達系統(tǒng)不容易實現(xiàn)，因為需要在雷達之間運行高頻鏈路。實現(xiàn)這種相干性的硬件開銷和成本非常高。”

對于汽車雷達來說，提高協(xié)同雷達的性價比非常有必要。Jacobs說：“向汽車添加硬件的傳統(tǒng)方法并非解決方案，我們必須換個思路來看問題。我們可以通過智能方式，用算法將這些技術結合起來，使用系統(tǒng)中的相同硬件提高組合系統(tǒng)性能。ADI的SuperRADAR方法允許雷達系統(tǒng)產(chǎn)生多個非相干圖像的相干疊加?！?/p>

協(xié)同雷達

.協(xié)同雷達較大的孔徑。

協(xié)同雷達的工作原理是什么？來自每個源的信號反射到一個物體上，被兩個雷達接收器捕獲。因此，同一目標有2個外觀（或兩個不同的視圖），并且目標上的時間為2倍，而初級雷達只有一個外觀，時間也只有1倍。此外，由于兩個雷達協(xié)同工作，雷達孔徑（與性能成正比）是汽車前部的尺寸，兩個角雷達之間的距離（大約4英尺），與初級雷達的英寸完全不同。

這種方法允許實現(xiàn)經(jīng)濟高效的傳感器設計，可將傳感器放在車輛周圍的多個點上，支持出色的物體檢測和分類。

SuperRADAR的優(yōu)勢：1 + 1 》 2

SuperRADAR不僅降低尺寸、重量和功耗，還為系統(tǒng)帶來更多功能，從而提高分辨率，同時顯著減少硬件，在更合理的成本范圍內(nèi)提高應用性能。

更多反射點：目標上的時間為2倍

SuperRADAR可使用同樣多的硬件提供兩倍性能?；蛘?，使用一半的雷達通道來保持相同的性能。Chris Jacobs說：“借助SuperRADAR，我們得到的分辨率是單個雷達的兩倍。可能會需要額外的處理能力，但是汽車級DSP/MCU的路線圖足以滿足這些處理需求。”

SuperRADAR實際上就是雷達融合。我們將融合兩個獨立的雷達視圖，因此得到的分辨率比單獨完成的更好。Jacobs表示：“融合將成為未來實施ADAS的標準方式?！?/p>

降低延遲：快速計算橫向速度可挽救生命

車輛成像系統(tǒng)的一個重點是能夠快速計算橫向速度，即物體正交（以直角）移動到車輛行駛方向的速度。但是，要實現(xiàn)足夠低的誤報率，即使是主要基于攝像頭的出色機器學習算法仍然需要大約300 ms來進行橫向移動檢測。對于在以每小時60英里速度行駛的車輛前方行走的行人來說，毫秒之差就關系到人員受傷的輕重程度，因此響應時間至關重要。

300 ms延遲是由系統(tǒng)從10個連續(xù)視頻幀執(zhí)行增量矢量計算所需的時間造成的，10個是以可接受的低誤報率進行可靠檢測所需的數(shù)目。但是，由于SuperRADAR的寬有效孔徑，以及它將來自兩個或多個傳感器的圖像連貫組合的方式，它能夠在一個30 ms的測量周期內(nèi)精確地計算出速度的切向分量和徑向分量（這種延遲比目前一流的系統(tǒng)快10倍）。這種低延遲的檢測比F1賽車手的反應時間100 ms要少，遠遠少于一般駕駛員的反應時間！

今天的圖像系統(tǒng)有300 ms的延遲和10幀圖像用于檢測正交運動。

使用當今常見的成像雷達技術，如果有人過馬路，就需要多個攝像頭圖像來顯示正在移動的物體。每個攝像頭圖像需要30 ms。10個圖像需要300 ms。在這段時間內(nèi)，汽車移動幾英尺。

.SuperRADAR系統(tǒng)有30 ms的幀延遲來檢測正交運動。

兩個雷達協(xié)同工作，可以進行三角測量，從而捕捉運動中的物體，因為兩個雷達源都是偏置的。只需要先用雷達波束1從位置1映射這個人，然后在30 ms后用雷達波束2從位置2映射。這就讓汽車知道人的移動方向。

SuperRADAR只需使用傳統(tǒng)成像雷達十分之一的時間即可識別穿越道路的移動物體。

SuperRADAR的經(jīng)濟性

SuperRADAR概念不僅是降低整體系統(tǒng)成本的有效方法，而且能夠滿足性能需求，為最終應用帶來更大的價值。

Chris Jacobs表示，“我們要的是成像雷達的性能，現(xiàn)在只能在昂貴的自動駕駛出租車應用中找到，還要去除所有昂貴的硬件，把價格降到個人車主能夠承受的水平。這正是SuperRADAR發(fā)揮作用的地方，用最少的硬件占用空間和硬件上面運行的軟件，產(chǎn)生兩倍的性能?！?/p>

汽車的未來

在我們展望汽車領域的未來時，我們發(fā)現(xiàn)可能需要從根本上重新構建現(xiàn)有系統(tǒng)?，F(xiàn)有的汽車平臺與未來的汽車平臺極為不同。

憑借在垂直領域的豐富經(jīng)驗和專業(yè)知識，ADI具備獨特的優(yōu)勢，能夠通過硬件和軟件產(chǎn)品的組合來優(yōu)化未來汽車的雷達處理需求，為最終應用帶來更多價值。這種算法直接解決了汽車制造商目前和未來面臨的總擁有成本（TOCO）挑戰(zhàn)。

SuperRADAR潛力十足，而目前還處于初步探索階段。這項技術不僅是一種推動ADAS的更高性能、更經(jīng)濟高效的解決方案，而且最終會挽救生命。
? ? ? ?責任編輯:pj