隨著自動(dòng)駕駛技術(shù)的不斷成熟和推廣，越來越多傳感器被應(yīng)用到自動(dòng)駕駛車輛上。其中毫米波雷達(dá)（Millimeter-Wave Radar）以卓越的抗干擾能力、全天候測(cè)距性能和豐富的目標(biāo)運(yùn)動(dòng)信息，成為自動(dòng)駕駛感知系統(tǒng)中的核心組件之一。相較于激光雷達(dá)與攝像頭，毫米波雷達(dá)的關(guān)注度似乎并非那么高，但其作用卻無可替代。

毫米波雷達(dá)通過發(fā)射和接收頻率在30–300GHz范圍內(nèi)的電磁波，對(duì)前方或周圍環(huán)境進(jìn)行連續(xù)掃描，借助電磁波的反射信號(hào)計(jì)算目標(biāo)的距離、速度和角度信息。典型的77GHz車規(guī)雷達(dá)采用脈沖調(diào)制或連續(xù)波調(diào)頻（FMCW）技術(shù)，利用發(fā)射信號(hào)與回波信號(hào)的頻率差（調(diào)頻斜率×時(shí)間延遲）精確測(cè)量距離，同時(shí)通過相位差或多天線布陣實(shí)現(xiàn)方位和俯仰角度分辨。在多輸入多輸出（MIMO）架構(gòu)中，虛擬天線陣列的構(gòu)建進(jìn)一步提升了角度分辨率，使得毫米波雷達(dá)具備檢測(cè)多目標(biāo)、區(qū)分高速行人與低速騎行者等復(fù)雜場(chǎng)景的能力。

在硬件層面，毫米波雷達(dá)的核心器件包括高線性度本振（LO）、功率放大器（PA）、低噪聲放大器（LNA）、混頻器和高速模數(shù)轉(zhuǎn)換器（ADC）。隨著半導(dǎo)體工藝的發(fā)展，SiGe BiCMOS以及90nm以下CMOS制程已能夠滿足毫米波頻段的器件集成和低功耗需求。對(duì)于天線的使用，平面微帶陣列與波導(dǎo)稀疏陣列兩種主流方案各有優(yōu)勢(shì)，前者結(jié)構(gòu)扁平、易于封裝，適合批量化生產(chǎn)；后者在大帶寬下能夠維持更高的增益和更寬的掃描視野。射頻前端與數(shù)字后端的協(xié)同設(shè)計(jì)，以及射頻信號(hào)鏈的校準(zhǔn)和溫漂補(bǔ)償，則保證了雷達(dá)在高速、高溫、強(qiáng)振動(dòng)的車規(guī)環(huán)境下依舊保持穩(wěn)定性能。

從信號(hào)處理角度來看，毫米波雷達(dá)輸出的是二維或三維的點(diǎn)云（range-Doppler map或angle-enhanced point cloud），需要經(jīng)過多級(jí)算法處理才能實(shí)現(xiàn)對(duì)動(dòng)態(tài)場(chǎng)景的精準(zhǔn)感知。其常見流程包括窗函數(shù)加權(quán)、快速傅里葉變換（FFT）、恒虛警（CFAR）檢測(cè)、聚類與分割、目標(biāo)跟蹤（Kalman濾波、多假設(shè)跟蹤MHT）等。近年來，深度學(xué)習(xí)技術(shù)開始被引入毫米波雷達(dá)點(diǎn)云分析，通過端到端神經(jīng)網(wǎng)絡(luò)模型，將保留原始頻域或時(shí)域特征，用以目標(biāo)分類和語義分割。與激光雷達(dá)相比，毫米波雷達(dá)在識(shí)別動(dòng)態(tài)目標(biāo)（特別是徑向運(yùn)動(dòng)）方面具有天然優(yōu)勢(shì)，而結(jié)合多傳感器融合，可實(shí)現(xiàn)更魯棒的環(huán)境模型。

毫米波雷達(dá)對(duì)于自動(dòng)駕駛的實(shí)現(xiàn)起到了不可或缺的作用。毫米波電磁波不受霧霾、雨雪、強(qiáng)逆光的影響，能夠在復(fù)雜氣象條件下穩(wěn)定工作，為系統(tǒng)提供持續(xù)的安全冗余；在前向短距（30m以內(nèi)）和中遠(yuǎn)距（100–200m）毫米波雷達(dá)都具備良好探測(cè)能力，可與攝像頭、超聲波傳感器和激光雷達(dá)形成全覆蓋探測(cè)矩陣；利用多普勒效應(yīng)，毫米波雷達(dá)還可在微小頻偏下準(zhǔn)確估計(jì)目標(biāo)速度，精度可達(dá)厘米/秒級(jí)，為自適應(yīng)巡航和碰撞預(yù)警提供可靠依據(jù)；隨著大規(guī)模量產(chǎn)，毫米波雷達(dá)的單價(jià)更是逐年下降，使其在中高端車型乃至大眾級(jí)自動(dòng)駕駛輔助系統(tǒng)（ADAS）中廣泛部署成為可能。

其實(shí)不難發(fā)現(xiàn)，大家在討論自動(dòng)駕駛感知硬件時(shí)，激光雷達(dá)及攝像頭一定是主角，但毫米波雷達(dá)卻鮮有提及，這主要是因?yàn)楹撩撞ɡ走_(dá)存在一定的局限性。首先，毫米波雷達(dá)角度分辨率相對(duì)激光雷達(dá)較低，難以實(shí)現(xiàn)高精度的三維成像；其次，毫米波雷達(dá)對(duì)于靜態(tài)小目標(biāo)（如路緣石、低矮護(hù)欄）回波微弱，易被噪聲淹沒；再次，毫米波雷達(dá)的多徑反射和雜波抑制仍是難點(diǎn)，需要更復(fù)雜的信號(hào)處理；最后，毫米波頻段在不同國(guó)家和地區(qū)的監(jiān)管頻譜存在差異，對(duì)設(shè)計(jì)和量產(chǎn)提出了合規(guī)要求。

未來，毫米波雷達(dá)或?qū)⒀刂�以下方向演進(jìn)。一是更高頻段的探索，如150GHz及以上E波段雷達(dá)，將帶來更細(xì)膩的角度和距離分辨能力；二是全數(shù)字波束形成（DBF）與軟件定義雷達(dá)（SDR）架構(gòu)，將極大提升靈活性，支持動(dòng)態(tài)波形調(diào)制與智能干擾抑制；三是與AI深度融合，通過自監(jiān)督和遷移學(xué)習(xí)，在未知場(chǎng)景中實(shí)現(xiàn)對(duì)回波特征的自適應(yīng)提取；四是傳感器融合層面的創(chuàng)新，將毫米波雷達(dá)與成像雷達(dá)、激光雷達(dá)、可見光/紅外攝像頭的原始信號(hào)級(jí)協(xié)同處理，把多源信息統(tǒng)一到智能中樞，提高感知精度與魯棒性；五是車內(nèi)外協(xié)同，本地毫米波雷達(dá)可與V2X網(wǎng)絡(luò)、高清地圖和云端AI平臺(tái)分享實(shí)時(shí)感知數(shù)據(jù)，構(gòu)建更大范圍的駕駛環(huán)境認(rèn)知。

毫米波雷達(dá)以其全天候、抗干擾、速度測(cè)量精準(zhǔn)等特點(diǎn)，成為自動(dòng)駕駛感知系統(tǒng)中不可或缺的關(guān)鍵傳感器。伴隨半導(dǎo)體工藝、天線陣列設(shè)計(jì)、數(shù)字信號(hào)處理與人工智能技術(shù)的發(fā)展，毫米波雷達(dá)的探測(cè)精度、抗多徑能力和智能化水平都將得到顯著提升。未來，毫米波雷達(dá)不僅會(huì)在單車感知中繼續(xù)發(fā)揮核心作用，更將在多車協(xié)同、智慧交通系統(tǒng)中拓展新的應(yīng)用場(chǎng)景，為實(shí)現(xiàn)更高等級(jí)的自動(dòng)駕駛和智能交通提供堅(jiān)實(shí)的技術(shù)支撐。自動(dòng)駕駛時(shí)代已經(jīng)開啟，毫米波雷達(dá)的不斷進(jìn)步，將在不遠(yuǎn)的將來見證真正的無人駕駛落地。

-- END --

       原文標(biāo)題 : 毫米波雷達(dá)在自動(dòng)駕駛中有何關(guān)鍵作用？