雷达芯片组传感器和信号处理器

元描述

下一款热门 ADAS 产品并非 L3 级汽车，而是 L2+ 级汽车。L2+ 级汽车减少了繁琐程序和安全问题，但增加了许多炫酷新功能：半自动驾驶、摄像头和高清雷达遥测配合导航，并采用传感器融合技术最大限度地延长平均故障间隔时间 （MTBF），性能优于 L2 级自动驾驶汽车。

我们现在仍在等待全自动驾驶汽车的出现，但同时也意识到，目前的形势发展已远超原始预期。汽车产业价值链目前已经领先一步，进入 B 计划，从采用传统 ADAS 方案的 SAE 2 级自动驾驶汽车积极进阶到如今称为 L2+ 级的自动驾驶汽车。这是一个大好机会，原始设备制造商 （OEM） 与一级制造供应商 （Tier 1s） 可以抓住此次机会，投资研发采用全自动驾驶系统的车型，赚取高额回报，预计这款车型最早将于 2023 年投入生产。尽管 L2+ 级汽车相较 L3 级汽车略有不足，比如说，很多时候仍需要人工驾驶，因此系统相比 L2 级汽车系统而言，额外安装的传感器数量还不够多，但 L2+ 级汽车仍可在经济实惠的 ADAS 系统中支持全新先进安全功能。

由于雷达传感器的平均价格在可接受的范围内，并在极端照明和天气条件下，对摄像头传感器的不足之处提供显著的互补优势，因此有望在 L2+ 级汽车得到采用作为摄像头传感器基础套件的补充。L2+ 级汽车在城市驾驶、高速公路自动驾驶、变道和并道方面的表现要大大优于目前采用 L2 ADAS 方案的汽车。而且实现 L2+ 级要快得多，也无需规章制度、基础设施和社会可接受度发生根本性变化。

尽管在遥远的将来，自动驾驶计算平台将最终自然而然地迁移至中央计算架构，由该架构通过大量覆盖 360 度范围的传感器和传感器模态，承担起传感器融合的重任，但目前仍会出现各种各样的 L2+ 级汽车系统。有些人预计，未来的中央计算平台会对各种传感器进行早期融合，但大多数情况下仍会使用分散的智能传感器在边缘完成大部分传感器处理负载任务（特别是作为基于摄像头的基础系统的补充的雷达传感器）。因此，预计在未来几年里，大多数雷达设备仍将在其内部执行大部分雷达链路处理任务，并且还将需要有强大的计算平台。

据市场预测，预计将从 2023 年开始加大 L2+ ADAS 系统的批量生产规模，并最早将于 2026-2027 年开始初步部署更高级别（L3 级及以上）的自动驾驶系统。就雷达而言，高清雷达将主要应用于 L3 及更高级别的自动驾驶汽车，并且这一趋势将会至少持续至其价格下降至足以在 L2+ ADAS 系统集成此雷达，不过预计这一点在 2028 年之前是不会实现的。也就是说，从现在算起，至少会有 6 年的重大市场机遇。在这段时间里，标准雷达设备仍将是市场主导产品，并在 L2+ ADAS 系统中发挥重要作用。每辆汽车还会部署更多雷达节点，以提供更先进的驾驶员辅助功能，并实现 360o 覆盖范围。

它是如何工作的？

雷达的基本原理为干涉测量。信号从发射天线阵列发出，通过接收天线阵列接收。目标和障碍物的距离、速度及方向均可通过已接收信号的相对相位估算出来。如此一来，雷达就可以利用高度确定性的处理技术提取深度相关特征，提供感知相关的直接输入。这一点与同样需要进行复杂的（尽管这一点众所周知且经过多番尝试）CV 和 AI 处理的摄像头传感器有所不同。“虚拟”雷达有效通道的数量等于发射和接收天线数量的乘积。以目前 L2/L2+ 级车辆中使用的典型雷达设备为例，此类雷达中有 3TX 和 4RX 天线，既共计有 12 个虚拟通道。这一通道数量足以支持基本的 L2/L2+ 功能，如自动紧急制动 （AEB） 和自适应巡航控制 （ACC）。

而未来，我们则将会在 L2+ 级和更高级别的自动驾驶系统中看到的雷达设备将会有 12Tx16R（共计 192 个虚拟通道），甚至还会有 48Tx48R（共计达到惊人的 2304 个虚拟通道）。人们将这些较大规模的配置称为高清雷达成像或 4D 雷达（因为它能够提取距离、速度、方位和海拔这四项数据）。增加通道的主要好处是可以提高雷达精度，特别是提高方位角和仰角的角度分辨率。高清雷达对于远距离目标（可以甚至达到 200 米之远）的角度分辨率可以达到 1 度以下。方位角分辨率支持检测目标（如行人），而海拔分辨率则可区分车辆和悬垂在外的街道设施。提高分辨率可以减少由宽带旁瓣引起的误报，这是常见小型雷达设备的已知缺陷之一。

雷达芯片组 – 传感器和信号处理器

雷达芯片组通常由两个主要部件组成。传感器或雷达收发机负责处理从毫米波天线到基带信号的射频信号，而雷达 MCU 则负责数字雷达信号处理。雷达收发机和 MCU 通常为两种不同芯片，分别采用对其而言最佳且最符合经济效益的工艺节点制造而成。显然，雷达收发机的复杂度与天线或物理射频链的数量呈线性关系，而雷达 MCU 处理信号的复杂度则与虚拟通道的数量有关，因此雷达芯片组与天线的数量呈二次方关系。

下图所示为典型雷达处理链路。射频前端安装在雷达收发机中。信号经过数字转换之后，在雷达 MCU 中得到处理。雷达处理链通常分为两个主要部分：雷达前端处理（输出为雷达点云）和雷达后处理（负责处理目标分类和跟踪）。这两个本质完全不同的工作负载需要不同类型的处理元素和技术。根据 MCU 架构的不同，或者是雷达前端处理和雷达后处理这两个部分均可集成到单个 MCU 中，又或者是可以在中央 ECU 中处理链路的后半部分。

信号经过时域数字前端预处理（主要是滤波）后，再由雷达前端模块进行处理。对于常见调频连续波 （FMCW） 类雷达而言，这是一种典型的处理方式。前端处理首先涉及距离-多普勒 FFT 和雷达数据立方体（积累了多个天线和雷达脉冲的数据）的构造，其次是使用 CFAR（恒虚警率）算法变量进行首次目标探测，然后再估算 DoA/AoA 角度。雷达前端处理的输出称为雷达点云，它包括各个探测点的 3D 或 4D 距离/多普勒/角度信息。

对于高清雷达而言，雷达前端处理的计算量非常之大，且通常是在经过优化的硬件中进行的。而小规模的雷达前端（如具有 12-16 个虚拟通道的雷达）则更适合使用软件来进行计算，并且对于是使用硬件还是软件来计算的划分界限更加灵活。处理引擎需要处理各种类型的计算。通过采用定点运算，可有效实施 FFT 和 CFAR，而角度估计算法则通常广泛使用矩阵分解，并且需要进行浮点运算。

获取点云之后，雷达后处理会对目标进行识别、分割、跟踪和分类。这样一来就会涉及大量高精度浮点型矩阵运算，并需要实施 Kalman 滤波等算法，包括进行矩阵求逆、Cholesky 分解和非线性运算等。此类处理通常会被植入到 DSP 内核之中，以实现最大的灵活性，并使不同的供应商能够对其进行区分和创新。

最后，目标分类和传感器融合过程会多次利用人工智能推理技术，并需要进行大量神经网络处理。

我们注意到现代雷达处理在实施端到端雷达处理链方面面临重大计算（和反向实施）挑战。由于此项技术仍在不断发展，再考虑到未来的自动驾驶汽车级别，设计者们将既需要有灵活的软件，还需要有可扩展的高性能计算平台，而这就需要借助基于强大矢量 DSP 的平台了。

整合以上所有功能 - CEVA 雷达处理平台

我们已经看出，普通 12 通道设备和拥有数千个通道的高端成像雷达设备中的现代汽车雷达设备的规模和尺寸可能存在很大差别。此外，每种设备还都需要执行各种各样的算法，支持不同的算法处理引擎，以应对不同的工作负载。而这就是 CEVA SensPro 雷达架构大展拳脚的时候了。该雷达架构是在 CEVA 第二代 SensPro2 IP 系列基础上设计而成的，是一种面向高性能传感应用的高度可扩展的矢量 DSP 架构。它是唯一一种能够有效应对各种雷达链信号处理所需工作负载的 DSP 架构，使开发人员可以在不同代系的产品中使用同一平台、同一开发工具来设计解决方案的各个部分。

可扩展性和灵活性贯穿在两个轴线划分的体系中。其中一个轴线划分的体系指矢量单元大小，介于 SP100 内核和高达 SP1000 内核之间，前者在一个周期内拥有 32 位 INT16 MAC（乘积累加运算）单元，后者则拥有 256 位 INT16 MAC 单元。相关参考如下：标准 12 通道设备的完整雷达前端处理可轻松安装至采用 SP250 内核的模块中。

第二个轴线划分的灵活体系支持广泛的向量算术运算，包括 8 位、16 位和 32 位整数运算，以及单精度和半精度浮点运算。这些内核是高度可配置的，并且浮点运算是一种可选功能。

雷达前端处理可选择采用可选的 SensPro-Radar ISA，它增加了可加快距离/多普勒 FFT 和复杂算术运算速度的特殊指令。专用雷达 ISA 的亮点是拥有一套强大的雷达探测指令，可用于进行 1D/2D/3D CFAR 处理（包括先进直方图 ISA、支持灵活滑动窗口、专用排序和最小/最大 ISA）。如此一来就大大加快了基于 K-th 有序统计/排序的 CFAR 算法的速度。SensPro-Radar ISA 提供一种独特功能，可有效地将雷达前端的重要部分映射到 DSP 内核，为芯片架构师提供前所未有的实施灵活性和至关重要的 TTM，同时还能显著减少其工作量。

要想处理大量数据，就需要根据虚拟通道数量，实施典型雷达链路。SensPro 架构使用 CEVA 的高级内存子系统，可跨越不同维度轻松访问具有“拼块”的雷达数据立方体。该内存带宽十分强大，最大有效负载可以达到 2x1024 位，存储空间可达到 1024 位。内存子系统建立在 CEVA 高级 SoC 集成机制之上，包括缓冲区和队列管理器、增强型 3D DMA 引擎（支持分散/聚集）以及数据操作（包括转置）与处理。借助这些机制，可轻松与外部硬件加速器及其他 DSP/CPU 进行集成。

SensPro 系列是专门为有效处理人工智能和深度学习工作负载而设计的，并被广泛用于加快计算机视觉领域的人工智能处理中。它具有用于 CNN 加速的特定 ISA，并且支持二进制 NN 和各类具有灵活非线性功能支持的激活层。该架构整合了高级软件、开发工具及 CEVA 的深度神经网络 （CDNN） 图形编译器框架。

为了对计算平台进行补充，CEVA 提供了包括 Eigen 线性代数库在内的一套丰富的软件库。CEVA 的 Radar SDK for SensPro 是一个完整的端到端软件包，广泛使用专用雷达 ISA，为软件开发人员提供完整的雷达链实施参考

拥有一个可有效处理所有与雷达相关的工作负载（包括前端处理和后处理）的平台，使雷达架构师能够自由选择最佳的硬件/软件分区，同时仍能保留足够的软件灵活度，以供将来验证解决方案。此外，在硅片生产后，不同种类工作负载之间的平衡还可进行动态更改。这种架构非常适合用于进行 OTA 更新，并将在未来的自动驾驶平台和自动即服务中占据非常重要的地位。

总体而言，SensPro-Radar 是在一个统一的框架内提供一系列可扩展解决方案的独特平台。它使用一流的矢量 DSP 技术，并已获得顶级汽车半导体供应商和一级制造供应商授权，是您制造下一代雷达和传感器融合产品的首选平台。

责任编辑：haq