新一代4D成像雷达将扩展自动驾驶汽车的操作设计领域

目前的自动驾驶汽车传感器主要包括L2和L2 +自主性的高分辨率光学相机，以及范围和视野有限的雷达。短程声纳或雷达传感器也已用于特定的舒适和安全功能，例如自动泊车、智能巡航控制和车道保持。为了达到L3，自动驾驶汽车必须包括激光雷达传感器，这带来了许多痛点和限制，其中最重要的是成本太高。

新一代的4D成像雷达传感器在距离、速度、速度和高度4个维度上提供出色的分辨率，并提供更远距离和更宽视野的探测，所有数据都可以实时传送到自动驾驶汽车的传感器融合处理器中，这有望解决激光雷达的痛点问题。

图1 汽车雷达用例

一、雷达演进

总而言之，在汽车自动驾驶系统中利用高分辨毫米波雷达所需要考虑的因素很多，而且这些因素很重要，并非微不足道，而且这些因素才是增强毫米波雷达性能的关键因素。

雷达4D数据信息的数量和准确性的增加可以显著提高自动驾驶汽车识别物体的能力。来自雷达传感器的数据能够将来自大卡车的强反射信号和卡车附近的小孩的弱反射信号区分开，同时只需要单帧就能够实现多普勒速度的测量，以及分离不同速度运动的近距离物体的能力。

上说所有这些优势加起来可以更好地让汽车感知周围环境的情况，这意味着自动驾驶汽车可以具备更高的安全性。再加上高分辨率毫米波雷达能够在能见度差的条件下和光照复杂的杂乱场景中运行，自动驾驶系统可以在更广泛的条件下以更高的安全性和可靠性运行，这正是自动驾驶汽车行业正在努力实现的目标。

CEVA公司提供的SensPro传感器集成架构与一系列DSP产品组合，提供一系列处理能力。凭借其通用架构，DSP软件代码在内核之间简单平稳的迁移，节省了对先前开发的软件代码库的投资，并缩短了上市时间。

当然，底层处理能力必须跟上新兴需求的步伐，因此需要可编程架构。随着市场需求的发展，CEVA不断优化其SensPro架构和指令集，以支持以下功能：

（1）使用先进的CFAR方案（例如OS-CFAR）进行可靠和强大的目标检测;

（2）支持增强分辨率，超越“傅里叶极限”，采用超分辨率高级算法;

（3）通过处理雷达点云来支持帧间级处理，以实现高级跟踪方案（例如，使用卡尔曼滤波器和应用专用AI模型，训练用于从“后跟踪器”点云中分割和分类对象）

图2 SensPro DSP 雷达处理链

随着部署的毫米波雷达的车辆数量越来越多，干扰的可能性也在增加，这将推动单个雷达传感器波形设计的创新，并希望出现车载雷达的相关标准。

标准的出现可以让雷达传感器作为大规模分布式信息网络中的全新角色，目前汽车雷达的传输缺乏商定标准，因此需要一种具有高度可编程的解决方案来适应。

这可能包括能够在单个传感器级别上实现干扰缓解，或者在传感器和基础设施之间添加协调机制，以便于传感器能够以安全有效的方式利用共享频谱。同时，底层半导体技术、天线设计和算法开发的持续进步也将跟上这些新兴想法的步伐。

自动驾驶乘用车远非这些雷达传感器的唯一应用，显然还有许多其他类型的车辆可以在广泛的操作设计领域受益于自动驾驶或高级驾驶员辅助，特别是随着雷达传感器的尺寸和成本下降。但这些优势对于固定应用同样重要。