毫米波雷達的發展趨勢是智能+高分辨

做好一款毫米波雷達本身是一個龐大的系統工程，所以我不可能會像標題那樣面面俱到講毫米波雷達的方方面面。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（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），有時候有的廠家為了唬人，加上RCS這個維度，就成了5D radar，那么4D Radar相較于傳統毫米波雷達主要強勢在這一個方面：

cluster數目是傳統雷達的數十倍（一般為數萬cluster/秒），如此致密的cluster也就換了一個更洋氣的名字，點云（point cloud），隔壁激光雷達可能會投來鄙視的目光。。。

需要指出的是，做毫米波雷達不會一味追求點云數量，一味追求點云計算量上去了不說，也產生了許多冗余信息，沒必要。所以，這里的點云是指有效點云，也就是說，我們不僅要看點云的量，更要看點云的質。那如何提高點云數量及質量我們待會再聊。如此致密的點云使得4D雷達有時候又被稱為4D成像雷達（4D Imaging Radar）。

4D radar 能干啥

說白了，4D毫米波雷達最強勢的點就是提供高質量的點云，而高質量的點云卻極大得擴展了毫米波的應用范圍。

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

環向毫米波雷達感知

Freespace

自動泊車（APS）

目標分類（Classification）

局部定位（Localization）

landmark based SLAM

以上功能都是過去毫米波雷達薄弱的點，也就是激光雷達鄙視毫米波雷達的底氣。往后我會逐一介紹每個功能應用的實現細節等。4D radar 目前什么水平目前國內外知名雷達廠商都在積極布局4D Radar，因為它確實代表未來的感知技術方向。國內玩家主要是先搞個樣機，展現一下強大的研發實力，估計也可以解決部分融資需求，但離量產還有距離。圖1 是國內森斯泰克點云雷達實測效果圖，可以看到點云及其致密，為豐富應用提供基礎。

圖1 Sensor Technologies 4D Radar

如圖2所示，木牛科技于2019年也發布了一款點云雷達樣機，點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，以后有空細聊，這里簡單介紹幾家有特色的。METAWAVE是當中戲比較多的，核心技術是利用超材料構建收發陣列，基于pencil beam的窄波束覆蓋整個FoV，并在算法層面引入AI Engine，實現一款高分辨智能雷達。

圖3 METAWAVE 點云雷達效果圖

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

4D Radar.4D radar 算法怎么做

涉及雷達算法，我們暫且分為數據處理及信號處理，信號處理偏底層，更重要更基礎。我們會把重心放在這。雷達信號處理（Radar Signal Processing，RSP），主要要包含如下幾個方面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設計依賴功能需求，就4D Radar而言，給出的天線設計需要滿足無模糊方位角及俯仰角檢測條件外，對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核心問題是如何實現接收端發射通道分離，方法有很多，諸如BPM， TDM，CDM等等，但是各有各的問題，如何實現適合4D雷達的通道分離方案很重要。

Frequecy Estimation for Range & Doppler，對距離和速度的估計主要采用FFT+插值細化，對傳統毫米波雷達是夠了，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，但是結合天線設計，給出一種高效，高分辨的DoA方法是具有相當挑戰性的，主流還是ULA+FFT，4D雷達為了高分辨，這種配置是不夠的。Calibration，校準對于多通道是必須的，校準對象，校準方法很多。比如Channel Error

Coupling Error

Position Error

Mount Error

Finite sampling errors

MicroDoppler， 基于毫米波雷達做目標分類目前是一個熱門研究方向，而諸如行人跑動等非剛體運動的Micro Doppler特征為目標分類提供強有力支撐，目前Conti的ARS 408 21SC3版本已經集成識別VRU的功能代碼，基于的特征主要是MicroDoppler。

編輯：jq