毫米波雷达扩展自动驾驶汽车的运行设计域

搜索最新SoC解决方案
关于汽车电子...物联网...安全...音频...视频

人们越来越清楚地认识到，自动驾驶车辆的进一步发展将在很大程度上取决于传感器的发展。为了实现进一步发展，车辆必须提高其识别和分类物体的可靠性，提高感知这些物体运动的准确性，并且随着传感器技术的改进，扩展自主系统可以运行的环境条件范围，即运行设计域。所有这些需求都取决于来自车辆传感器系统的数据质量。

www.eet-china.com/, Aug. 29, 2023 – 

对于 L2 和 L2+ 级别的自动驾驶，该系统主要包括高分辨率光学摄像头，以及具有有限范围和视野的雷达。短程超声波雷达或雷达传感器也被用于特定的舒适性和安全性功能，比如自动泊车、智能巡航控制和车道保持。为了达到 L3 级别，设计师们不得不加配激光雷达传感器，这带来了许多不利影响和限制，尤其是高昂的成本。

但是新一代 4D 成像雷达传感器正在极大地改变这种局面。这些经济实惠的高分辨率毫米波雷达传感器可在 4 个维度上提供出色的分辨率：距离、方位角、俯仰角（首次），以及准确的、直接测量的速度信息。这些新型传感器还提供了更远的距离范围和更广的视野，并且支持扩展的运行设计域。所有数据均实时传输至自动驾驶汽车的融合处理器。

这些功能的结合大大提高了可靠性，扩大了运行域。与摄像头或激光雷达不同，毫米波雷达天然具备在恶劣天气或光照条件差的情况的强穿透力。高空间分辨率和精确速度测量的结合减少了物体探测的模糊性。因此，在更广泛的环境条件下，实现了更强大的目标检测和分类能力。

雷达发展历程

这些新型传感器与大多数先前一代的汽车雷达截然不同。它们的优势源于多年来在军事和航空航天领域的成熟技术的积累。如今，随着半导体和天线制造集成度与性能的不断提升，之前用于 F-18 战斗机的系统现在到能够下沉为安装于乘用车多处位置的紧凑模块，这些功能在规模和成本方面都呈现显著下降趋势。

首要的重要变化是低成本毫米波雷达发射器和接收器硬件的推出，它们提供了出色的发射器功率和高接收器灵敏度。这一变化引发了另外两个变化：采用密集的多天线阵列（在 5G 通信中称为多输入多输出，或 MIMO）；使用复杂的波形，这类波形大大增强了俯仰角、方位角和速度测量的能力。最后，数字信号处理 (DSP) 知识产权的进步使融合数字处理能力成为可能，且这种能力是处理这些传感器实时生成的多信道高速数据所必不可少的。

技术挑战

这些渐进式变化如何转化为有价值的功能，是一个关于硬件能力与固件功能相互耦合的过程。例如，为了实现高度精确的方位角和俯仰角分辨率，传感器必须采用大孔径和虚拟阵列合成技术。先进的信号处理算法可以组合跨时域、频域或码域的多种信号，或组合跨这些域的某些组合的各类信号，以构建一个比物理阵列更大的虚拟天线阵列。

这大大提高了分辨率：目前的设计目标是方位角小于一度，仰角约为一度。与低分辨率雷达相比，这种分辨率可以为每个目标对象生成更多不相关的测量点，进而更准确地确定目标对象的位置和轮廓。在这种情况下，后续的处理过程将变得更加顺利，能够更轻松地区分远处的目标对象，并且更容易引入基于机器学习的分类算法，这些算法类似于处理摄像头或激光雷达数据所使用的算法。

在这些系统中，传输波形的设计对传感器的性能和整个解决方案的整体成本有着巨大的影响。为了确保传输波形与虚拟阵列构建过程之间的正交性，在选择基本波形结构（发射的啁啾序列）时需要仔细权衡和思考。例如，从多个发射天线并行发射信号，将在接收端生成众多虚拟信道的测量数据。因此，有必要考虑到以合理的算法和处理能力来应对分离这些测量数据的挑战。

 Back