隨著自動駕駛技術的發展，相關的毫米波雷達也得到了許多關注。毫米波雷達在自動駕駛領域，是與激光雷達LiDAR和攝像頭一樣極其重要的傳感器。同時，我們將會看到，毫米波雷達除了在無人駕駛中的應用外，在機器人以及生物傳感領域也有很大潛力。

毫米波雷達在汽車領域其實已經有多年應用。汽車引入毫米波雷達最初主要是為了實現盲點監測和定距巡航，而隨著技術的發展這兩個特性也漸漸從高端車專用普及到了幾乎所有車型?？梢哉f汽車界對于毫米波雷達并不陌生，但是隨著最近自動駕駛概念的走紅，毫米波雷達在汽車領域的關注度獲得了極大提升。

為什么自動駕駛需要毫米波雷達？眾所周知，自動駕駛中與常規汽車中傳感器最大的不同是加入了LiDAR和攝像頭，LiDAR采用激光測距技術可以獲得汽車周圍空間的三維點云，實現環境建模；而攝像頭則幫助自動駕駛系統實現場景的語義化分割和理解。舉例來說，LiDAR可以檢測到前方若干米處有一個標牌，而攝像頭則可以幫助理解標牌上的內容，是限速標志還是和駕駛無關的廣告等。

然而，LiDAR和攝像頭都使用了光波段的電磁波，這個波段的電磁波有一個特點就是透射和繞射性能都不好，因此一旦有遮擋就很難使用。因此，在雨天、霧天等場合，LiDAR和攝像頭幾乎就無法工作了，這時候為了能自動駕駛必須依靠毫米波雷達。毫米波雷達與LiDAR最大不同的地方就是毫米波波段的電磁波不會受到雨、霧、灰塵等常見的環境因素影響，在這些場景下都能順利工作，因此毫米波雷達可以說是自動駕駛穩定工作的重要保障。

毫米波雷達無論對于奧迪這樣專注于L1-L3輔助駕駛的保守型車廠，還是對于Waymo，Uber這樣想一步到位實現L4-L5的激進型自動駕駛初創公司都有很重要的意義。對于傳統車廠來說，毫米波雷達在盲點監測、定距巡航等原應用上的一些漸進式擴展可以成為輔助駕駛（如自動換線）中的重要組成部分，而對于激進型自動駕駛初創公司來說高精度毫米波雷達則是其無人駕駛系統可靠性的重要保障，結合LiDAR和攝像頭做傳感器融合可以實現所有氣候環境下的自動駕駛，因此如果沒有毫米波雷達的話無人車恐怕都沒法真正上路。

毫米波雷達芯片發展趨勢

目前汽車領域的毫米波雷達主要基于FMCW技術，即發射出調頻毫米波信號，并根據首發毫米波之間的頻率差來確定目標的位置以及相對速度。FMCW雷達關注的指標主要是目標區分度和測量分辨率，其中目標區分度指的是雷達能分辨的兩個物體之間的最小距離（如果兩個物體之間的距離小于該最小距離則會被雷達認為是一個物體），而測量分辨率則是絕對距離的測量精確度。

我們看到的毫米波雷達的第一個趨勢就是從24GHz頻段演進到77GHz頻段。根據美國FCC和歐洲ESTI的規劃，24GHz的寬頻段（21.65-26.65GHz）將在2022年過期，在之后汽車在24GHz能用的僅剩下24.05-24.25GHz范圍的窄帶頻譜。反之，在77GHz頻段，汽車雷達將能使用77-81GHz高達4GHz的帶寬。對于FMCW雷達來說，頻率掃描帶寬決定了目標區分度和測量分辨率，因此77GHz的FMCW雷達對于24GHz來說目標區分度和測量分辨率都有十多倍的提升。此外，FMCW雷達的相對速度測量精度與載波頻率有關，77GHz頻段的速度測量精度會比24GHz要好數倍。最后，毫米波雷達系統的天線尺寸也隨著載波頻率上升而變小，所以77GHz波段的毫米波雷達系統尺寸會比24GHz更緊湊。

毫米波雷達走向77GHz頻段也給芯片設計帶來了挑戰，隨著工作頻率的升高，發射功率、接收機噪聲、鎖相環噪聲等指標都變得更難滿足，同時在芯片封裝中的寄生參數也更加敏感，因此對于芯片設計團隊的技術水準提出了更高的要求。

第二個毫米波雷達芯片的重要趨勢是CMOS工藝成為主流。毫米波電路傳統的實現工藝是GaAs等III-V族工藝，但是III-V族工藝的成本過高，同時集成度低無法在芯片上集成數字模塊，因此SiGe這樣的工藝得到了不少應用。而隨著CMOS工藝的特征尺寸不斷縮小，在28nm節點之后CMOS工藝已經能基本勝任毫米波雷達的波段，因此毫米波雷達也就自然而然轉向CMOS工藝。CMOS工藝除了成本低之外，另一個重要特性是能夠集成數字電路，因此TI，NXP等在數字和模擬領域都有深厚積累的公司也就在他們的CMOS 77GHz雷達芯片中集成了MCU等額外數字模塊，從而讓雷達芯片的控制甚至數字信號處理能夠在本地完成而無需再配備專用的處理器，這樣就降低了系統復雜度和成本。

TI AWR1642 77GHz雷達芯片的架構圖，其中除了雷達之外還包含了MCU以及DSP

第三個重要方向是毫米波雷達也在走向高分辨率。這里的分辨率不僅僅是目標測距的分辨率，更是指毫米波雷達的空間分辨率。盲點監測等傳統汽車毫米波雷達應用只需要雷達監測在視野的一定距離中是否有物體即可，至于該物體是位于視野中的哪一個位置則并不關心。

在自動駕駛中則希望毫米波雷達能夠得到視野中目標的具體空間位置，形成類似LiDAR這樣的點云去做環境建模，甚至通過機器學習方法直接分析出雷達點云中每個點對應的具體物體（是車輛還是行人），因此需要高分辨率毫米波雷達。為了實現高分辨率，毫米波雷達系統因此往往需要使用波束成形或MIMO等技術。在波束成形和MIMO技術中，必須使用多路雷達收發機。

波束成形系統示意圖，需要多路收發

為了提升波束成形和MIMO系統的方位精度，需要增加波束成形和MIMO系統中收發機的數量，因此目前在同一塊芯片中盡可能增加集成的收發機的數量就成了另一個技術進化方向，例如TI的AWR1243集成了3發（射機）4（接）收（機），NXP的MR3003集成了3發4收，而中國的初創公司加特蘭的Yosemite擁有4發8收。

最后必須指出的是，毫米波雷達在數字模塊集成度和收發機數量集成度上的取舍事實上對應了兩種不同的自動駕駛技術方向。對于主要針對輔助駕駛的傳統車廠，其對于毫米波雷達的空間分辨率技術演化預期通常比較平穩，同時傳統車廠對于成本和雷達模組復雜度等較為敏感，所以較合適的選擇是更重視毫米波雷達上的數字模組集成度，能夠集成MCU、DSP甚至一些AI加速模組等，從而能在雷達本地完成大部分信號處理以及一些AI相關處理，并降低總體模組的復雜度。

TI、NXP等半導體老牌公司主要面對的就是這類市場，因此我們可以看到TI和NXP在努力推進集成了MCU和／或DSP的毫米波雷達，而對于收發機集成度則并不激進。另一方面，L4-L5自動駕駛更重視的是毫米波雷達對于空間的分辨率以獲取更高精度的點云，而對于毫米波雷達芯片上的數字模塊并不非常在乎，因為毫米波雷達的點云最終都會送到自動駕駛系統中的高算力處理器上去做傳感器融合，所以毫米波雷達芯片上是否有強大的數字處理能力并非關鍵。我們看到初創公司加特蘭選擇了在芯片上集成了更多收發機而非MCU／DSP（加特蘭的4發8收雷達芯片的收發機數量比起TI的3發4收和NXP的3發4收更多），這也更對激進自動駕駛公司的胃口。

毫米波雷達的其他應用

毫米波雷達除了在汽車應用之外，還有其他領域也有廣闊的應用前景。

目前除了汽車之外預計最早會落地的應用是工業機器人視覺。在機械臂等應用場合，機器人必須能快速感知距離和前方障礙物，并作出實時響應。這對于多機器人協作以及人機協作至關重要，否則機器人的安全性將無從得到保證。使用毫米波雷達的主要好處除了成本較LiDAR更低之外，就是其繞射透射能力強，可以non-line-of-sight完成感知，從而避免了諸多與視角有關的限制。目前，由于77GHz頻段在美國和歐洲主要還是劃撥給車載應用，因此工業機器人應用使用的波段以60GHz為主，TI也推出了相關芯片。

另一個重要的毫米波雷達應用是生理信號識別，主要是通過監測人呼吸過程中的身體細微起伏來實現。目前，歐洲和美國已經有計劃要求在2022年之后的汽車中都加入車內生理信號識別系統，當車內只剩下兒童時將發出警報，從而避免發生車主把兒童遺忘在車內發生意外。

在這樣的系統中，毫米波雷達將會成為感知系統的重要組成部分，因為傳統的攝像頭等傳感器都很難感知到生理信號，而且在設計角度來看攝像頭鏡頭必須裸露在外而且很難避免視野被遮擋，而毫米波雷達可以安裝在塑料遮蔽物的后面且對于遮擋并不敏感，因此對于設計來說更友好。

車內生理信號識別將是未來毫米波雷達的一塊增量市場，雖然現在具體頻段還沒有規定但是諸多半導體巨頭已經在積極準備中。而當毫米波雷達在車載生理信號監測應用中得到驗證后，將會有機會推廣到醫院和家庭的健康護理相關應用，這些進一步的應用值得我們期待。