剖析如何做好一款4D高分辨毫米波雷达

毫米波雷达的发展趋势是智能+高分辨

做好一款毫米波雷达本身是一个庞大的系统工程，所以我不可能会像标题那样面面俱到讲毫米波雷达的方方面面。这篇文章主要和大家聊聊如何从算法及功能层面做好4D 高分辨毫米波雷达（4D High Resolution Radar，以下简称4D Radar），咱们开始。

啥是4D Radar

首先4D指的是（range， velocity， azimuth，elevation），有时候有的厂家为了唬人，加上RCS这个维度，就成了5D radar，那么4D Radar相较于传统毫米波雷达主要强势在这一个方面：

cluster数目是传统雷达的数十倍（一般为数万cluster/秒），如此致密的cluster也就换了一个更洋气的名字，点云（point cloud），隔壁激光雷达可能会投来鄙视的目光。。。

需要指出的是，做毫米波雷达不会一味追求点云数量，一味追求点云计算量上去了不说，也产生了许多冗余信息，没必要。所以，这里的点云是指有效点云，也就是说，我们不仅要看点云的量，更要看点云的质。那如何提高点云数量及质量我们待会再聊。如此致密的点云使得4D雷达有时候又被称为4D成像雷达（4D Imaging Radar）。

4D radar 能干啥

说白了，4D毫米波雷达最强势的点就是提供高质量的点云，而高质量的点云却极大得扩展了毫米波的应用范围。

过去啊，毫米波雷达最多在ADAS混出个样，也就是在L2，L3级别的自动驾驶刷刷存在感。再往上走，也就是高级别无人驾驶（L4，L5）就惨啦，低声下气，一直要看激光雷达的眼色，甚至还比不过摄像头。即是好说歹说配备了毫米波雷达，往往也是做陪衬（数据融合，实际中对毫米波雷达的输出往往置信度较低）。怎么办，想出人头地就得猥琐发育，卧薪尝胆。如今，4D Radar的推出无疑为毫米波雷达家族进入高级无人驾驶铺平道路，提供了更多可能性！主要是4D雷达太能干了，不信请看：

环向毫米波雷达感知

Freespace

自动泊车（APS）

目标分类（Classification）

局部定位（Localization）

landmark based SLAM

以上功能都是过去毫米波雷达薄弱的点，也就是激光雷达鄙视毫米波雷达的底气。往后我会逐一介绍每个功能应用的实现细节等。4D radar 目前什么水平目前国内外知名雷达厂商都在积极布局4D Radar，因为它确实代表未来的感知技术方向。国内玩家主要是先搞个样机，展现一下强大的研发实力，估计也可以解决部分融资需求，但离量产还有距离。图1 是国内森斯泰克点云雷达实测效果图，可以看到点云及其致密，为丰富应用提供基础。

图1 Sensor Technologies 4D Radar

如图2所示，木牛科技于2019年也发布了一款点云雷达样机，点云致密并且提供了高度（elevation）信息。

图2 木牛科技4D radar效果图

国外玩家更多，玩法也多种多样，以后有空细聊，这里简单介绍几家有特色的。METAWAVE是当中戏比较多的，核心技术是利用超材料构建收发阵列，基于pencil beam的窄波束覆盖整个FoV，并在算法层面引入AI Engine，实现一款高分辨智能雷达。

图3 METAWAVE 点云雷达效果图

此外，Cognitive，Arbe，Oculii，Uhnder，Vayyar，Lunewave，Echodyne等公司都在相继研发

4D Radar.4D radar 算法怎么做

涉及雷达算法，我们暂且分为数据处理及信号处理，信号处理偏底层，更重要更基础。我们会把重心放在这。雷达信号处理（Radar Signal Processing，RSP），主要要包含如下几个方面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设计依赖功能需求，就4D Radar而言，给出的天线设计需要满足无模糊方位角及俯仰角检测条件外，对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核心问题是如何实现接收端发射通道分离，方法有很多，诸如BPM， TDM，CDM等等，但是各有各的问题，如何实现适合4D雷达的通道分离方案很重要。

Frequecy Estimation for Range & Doppler，对距离和速度的估计主要采用FFT+插值细化，对传统毫米波雷达是够了，而4D Radar还有上升空间。DoA，可以说是RSP最重要的一块，没有之一，DoA方法太多了，但是结合天线设计，给出一种高效，高分辨的DoA方法是具有相当挑战性的，主流还是ULA+FFT，4D雷达为了高分辨，这种配置是不够的。Calibration，校准对于多通道是必须的，校准对象，校准方法很多。比如Channel Error

Coupling Error

Position Error

Mount Error

Finite sampling errors

MicroDoppler， 基于毫米波雷达做目标分类目前是一个热门研究方向，而诸如行人跑动等非刚体运动的Micro Doppler特征为目标分类提供强有力支撑，目前Conti的ARS 408 21SC3版本已经集成识别VRU的功能代码，基于的特征主要是MicroDoppler。

编辑：jq