元描述

下一款熱門 ADAS 產品并非 L3 級汽車，而是 L2+ 級汽車。L2+ 級汽車減少了繁瑣程序和安全問題，但增加了許多炫酷新功能：半自動駕駛、攝像頭和高清雷達遙測配合導航，并采用傳感器融合技術最大限度地延長平均故障間隔時間 （MTBF），性能優于 L2 級自動駕駛汽車。

我們現在仍在等待全自動駕駛汽車的出現，但同時也意識到，目前的形勢發展已遠超原始預期。汽車產業價值鏈目前已經領先一步，進入 B 計劃，從采用傳統 ADAS 方案的 SAE 2 級自動駕駛汽車積極進階到如今稱為 L2+ 級的自動駕駛汽車。這是一個大好機會，原始設備制造商 （OEM） 與一級制造供應商 （Tier 1s） 可以抓住此次機會，投資研發采用全自動駕駛系統的車型，賺取高額回報，預計這款車型最早將于 2023 年投入生產。盡管 L2+ 級汽車相較 L3 級汽車略有不足，比如說，很多時候仍需要人工駕駛，因此系統相比 L2 級汽車系統而言，額外安裝的傳感器數量還不夠多，但 L2+ 級汽車仍可在經濟實惠的 ADAS 系統中支持全新先進安全功能。

由于雷達傳感器的平均價格在可接受的范圍內，并在極端照明和天氣條件下，對攝像頭傳感器的不足之處提供顯著的互補優勢，因此有望在 L2+ 級汽車得到采用作為攝像頭傳感器基礎套件的補充。L2+ 級汽車在城市駕駛、高速公路自動駕駛、變道和并道方面的表現要大大優于目前采用 L2 ADAS 方案的汽車。而且實現 L2+ 級要快得多，也無需規章制度、基礎設施和社會可接受度發生根本性變化。

盡管在遙遠的將來，自動駕駛計算平臺將最終自然而然地遷移至中央計算架構，由該架構通過大量覆蓋 360 度范圍的傳感器和傳感器模態，承擔起傳感器融合的重任，但目前仍會出現各種各樣的 L2+ 級汽車系統。有些人預計，未來的中央計算平臺會對各種傳感器進行早期融合，但大多數情況下仍會使用分散的智能傳感器在邊緣完成大部分傳感器處理負載任務（特別是作為基于攝像頭的基礎系統的補充的雷達傳感器）。因此，預計在未來幾年里，大多數雷達設備仍將在其內部執行大部分雷達鏈路處理任務，并且還將需要有強大的計算平臺。

據市場預測，預計將從 2023 年開始加大 L2+ ADAS 系統的批量生產規模，并最早將于 2026-2027 年開始初步部署更高級別（L3 級及以上）的自動駕駛系統。就雷達而言，高清雷達將主要應用于 L3 及更高級別的自動駕駛汽車，并且這一趨勢將會至少持續至其價格下降至足以在 L2+ ADAS 系統集成此雷達，不過預計這一點在 2028 年之前是不會實現的。也就是說，從現在算起，至少會有 6 年的重大市場機遇。在這段時間里，標準雷達設備仍將是市場主導產品，并在 L2+ ADAS 系統中發揮重要作用。每輛汽車還會部署更多雷達節點，以提供更先進的駕駛員輔助功能，并實現 360o 覆蓋范圍。

它是如何工作的？

雷達的基本原理為干涉測量。信號從發射天線陣列發出，通過接收天線陣列接收。目標和障礙物的距離、速度及方向均可通過已接收信號的相對相位估算出來。如此一來，雷達就可以利用高度確定性的處理技術提取深度相關特征，提供感知相關的直接輸入。這一點與同樣需要進行復雜的（盡管這一點眾所周知且經過多番嘗試）CV 和 AI 處理的攝像頭傳感器有所不同。“虛擬”雷達有效通道的數量等于發射和接收天線數量的乘積。以目前 L2/L2+ 級車輛中使用的典型雷達設備為例，此類雷達中有 3TX 和 4RX 天線，既共計有 12 個虛擬通道。這一通道數量足以支持基本的 L2/L2+ 功能，如自動緊急制動 （AEB） 和自適應巡航控制 （ACC）。

而未來，我們則將會在 L2+ 級和更高級別的自動駕駛系統中看到的雷達設備將會有 12Tx16R（共計 192 個虛擬通道），甚至還會有 48Tx48R（共計達到驚人的 2304 個虛擬通道）。人們將這些較大規模的配置稱為高清雷達成像或 4D 雷達（因為它能夠提取距離、速度、方位和海拔這四項數據）。增加通道的主要好處是可以提高雷達精度，特別是提高方位角和仰角的角度分辨率。高清雷達對于遠距離目標（可以甚至達到 200 米之遠）的角度分辨率可以達到 1 度以下。方位角分辨率支持檢測目標（如行人），而海拔分辨率則可區分車輛和懸垂在外的街道設施。提高分辨率可以減少由寬帶旁瓣引起的誤報，這是常見小型雷達設備的已知缺陷之一。

雷達芯片組 – 傳感器和信號處理器

雷達芯片組通常由兩個主要部件組成。傳感器或雷達收發機負責處理從毫米波天線到基帶信號的射頻信號，而雷達 MCU 則負責數字雷達信號處理。雷達收發機和 MCU 通常為兩種不同芯片，分別采用對其而言最佳且最符合經濟效益的工藝節點制造而成。顯然，雷達收發機的復雜度與天線或物理射頻鏈的數量呈線性關系，而雷達 MCU 處理信號的復雜度則與虛擬通道的數量有關，因此雷達芯片組與天線的數量呈二次方關系。

下圖所示為典型雷達處理鏈路。射頻前端安裝在雷達收發機中。信號經過數字轉換之后，在雷達 MCU 中得到處理。雷達處理鏈通常分為兩個主要部分：雷達前端處理（輸出為雷達點云）和雷達后處理（負責處理目標分類和跟蹤）。這兩個本質完全不同的工作負載需要不同類型的處理元素和技術。根據 MCU 架構的不同，或者是雷達前端處理和雷達后處理這兩個部分均可集成到單個 MCU 中，又或者是可以在中央 ECU 中處理鏈路的后半部分。

信號經過時域數字前端預處理（主要是濾波）后，再由雷達前端模塊進行處理。對于常見調頻連續波 （FMCW） 類雷達而言，這是一種典型的處理方式。前端處理首先涉及距離-多普勒 FFT 和雷達數據立方體（積累了多個天線和雷達脈沖的數據）的構造，其次是使用 CFAR（恒虛警率）算法變量進行首次目標探測，然后再估算 DoA/AoA 角度。雷達前端處理的輸出稱為雷達點云，它包括各個探測點的 3D 或 4D 距離/多普勒/角度信息。

對于高清雷達而言，雷達前端處理的計算量非常之大，且通常是在經過優化的硬件中進行的。而小規模的雷達前端（如具有 12-16 個虛擬通道的雷達）則更適合使用軟件來進行計算，并且對于是使用硬件還是軟件來計算的劃分界限更加靈活。處理引擎需要處理各種類型的計算。通過采用定點運算，可有效實施 FFT 和 CFAR，而角度估計算法則通常廣泛使用矩陣分解，并且需要進行浮點運算。

獲取點云之后，雷達后處理會對目標進行識別、分割、跟蹤和分類。這樣一來就會涉及大量高精度浮點型矩陣運算，并需要實施 Kalman 濾波等算法，包括進行矩陣求逆、Cholesky 分解和非線性運算等。此類處理通常會被植入到 DSP 內核之中，以實現最大的靈活性，并使不同的供應商能夠對其進行區分和創新。

最后，目標分類和傳感器融合過程會多次利用人工智能推理技術，并需要進行大量神經網絡處理。

我們注意到現代雷達處理在實施端到端雷達處理鏈方面面臨重大計算（和反向實施）挑戰。由于此項技術仍在不斷發展，再考慮到未來的自動駕駛汽車級別，設計者們將既需要有靈活的軟件，還需要有可擴展的高性能計算平臺，而這就需要借助基于強大矢量 DSP 的平臺了。

整合以上所有功能 - CEVA 雷達處理平臺

我們已經看出，普通 12 通道設備和擁有數千個通道的高端成像雷達設備中的現代汽車雷達設備的規模和尺寸可能存在很大差別。此外，每種設備還都需要執行各種各樣的算法，支持不同的算法處理引擎，以應對不同的工作負載。而這就是 CEVA SensPro 雷達架構大展拳腳的時候了。該雷達架構是在 CEVA 第二代 SensPro2 IP 系列基礎上設計而成的，是一種面向高性能傳感應用的高度可擴展的矢量 DSP 架構。它是唯一一種能夠有效應對各種雷達鏈信號處理所需工作負載的 DSP 架構，使開發人員可以在不同代系的產品中使用同一平臺、同一開發工具來設計解決方案的各個部分。

可擴展性和靈活性貫穿在兩個軸線劃分的體系中。其中一個軸線劃分的體系指矢量單元大小，介于 SP100 內核和高達 SP1000 內核之間，前者在一個周期內擁有 32 位 INT16 MAC（乘積累加運算）單元，后者則擁有 256 位 INT16 MAC 單元。相關參考如下：標準 12 通道設備的完整雷達前端處理可輕松安裝至采用 SP250 內核的模塊中。

第二個軸線劃分的靈活體系支持廣泛的向量算術運算，包括 8 位、16 位和 32 位整數運算，以及單精度和半精度浮點運算。這些內核是高度可配置的，并且浮點運算是一種可選功能。

雷達前端處理可選擇采用可選的 SensPro-Radar ISA，它增加了可加快距離/多普勒 FFT 和復雜算術運算速度的特殊指令。專用雷達 ISA 的亮點是擁有一套強大的雷達探測指令，可用于進行 1D/2D/3D CFAR 處理（包括先進直方圖 ISA、支持靈活滑動窗口、專用排序和最小/最大 ISA）。如此一來就大大加快了基于 K-th 有序統計/排序的 CFAR 算法的速度。SensPro-Radar ISA 提供一種獨特功能，可有效地將雷達前端的重要部分映射到 DSP 內核，為芯片架構師提供前所未有的實施靈活性和至關重要的 TTM，同時還能顯著減少其工作量。

要想處理大量數據，就需要根據虛擬通道數量，實施典型雷達鏈路。SensPro 架構使用 CEVA 的高級內存子系統，可跨越不同維度輕松訪問具有“拼塊”的雷達數據立方體。該內存帶寬十分強大，最大有效負載可以達到 2x1024 位，存儲空間可達到 1024 位。內存子系統建立在 CEVA 高級 SoC 集成機制之上，包括緩沖區和隊列管理器、增強型 3D DMA 引擎（支持分散/聚集）以及數據操作（包括轉置）與處理。借助這些機制，可輕松與外部硬件加速器及其他 DSP/CPU 進行集成。

SensPro 系列是專門為有效處理人工智能和深度學習工作負載而設計的，并被廣泛用于加快計算機視覺領域的人工智能處理中。它具有用于 CNN 加速的特定 ISA，并且支持二進制 NN 和各類具有靈活非線性功能支持的激活層。該架構整合了高級軟件、開發工具及 CEVA 的深度神經網絡 （CDNN） 圖形編譯器框架。

為了對計算平臺進行補充，CEVA 提供了包括 Eigen 線性代數庫在內的一套豐富的軟件庫。CEVA 的 Radar SDK for SensPro 是一個完整的端到端軟件包，廣泛使用專用雷達 ISA，為軟件開發人員提供完整的雷達鏈實施參考

擁有一個可有效處理所有與雷達相關的工作負載（包括前端處理和后處理）的平臺，使雷達架構師能夠自由選擇最佳的硬件/軟件分區，同時仍能保留足夠的軟件靈活度，以供將來驗證解決方案。此外，在硅片生產后，不同種類工作負載之間的平衡還可進行動態更改。這種架構非常適合用于進行 OTA 更新，并將在未來的自動駕駛平臺和自動即服務中占據非常重要的地位。

總體而言，SensPro-Radar 是在一個統一的框架內提供一系列可擴展解決方案的獨特平臺。它使用一流的矢量 DSP 技術，并已獲得頂級汽車半導體供應商和一級制造供應商授權，是您制造下一代雷達和傳感器融合產品的首選平臺。

責任編輯：haq