深入解读毫米波雷达原理与应用

当前最火的行业当属新能源汽车，而新能源汽车一个最最最重要的特点就是——智能化，自动驾驶，智能感知可以说是新能源汽车的一个大大的买点。就比如最新发布的小米Su7，理想L6和问界M5，智能化就是其最大的卖点，而智能化除了软件的支持外，还有一个最重要的部件就是雷达，激光雷达，毫米波雷达，超声波雷达都是新能源汽车智能感知的重要组成部分。

在问界M5智驾版的介绍中，就应用到了1个高精度激光雷达，3个毫米波雷达和12个超声波雷达组成。

（来自问界官网，HUAWEI ADS 2.0 高阶智能驾驶系统，拥有 27 个感知硬件，由 1 个远距高精度激光雷达 + 3 个毫米波雷达 + 2 颗 800 万像素高感知前视摄像头 + 9 颗侧视、环视、后视摄像头 + 12 个超声波雷达所组成，配合高性能计算平台 + 华为拟人化算法加持，一跃成为高阶智能驾驶的新典范。）

那么什么是毫米波雷达？他究竟有哪些神奇之处？我们今天一起来学习一下。

No.1 

什么是雷达？

我们习惯了雷达这个词，其实雷达是一个外来词，一个音译词，来源于英语Radar，发音/ˈreɪ.dɑːr/，而雷达也不是在英语中一开始就有的，它是一个首字母缩写词，全称为 Radio Detection and Ranging，也就是无线电探测与测距。这也是雷达这个词的基本意义，利用无线电来发现目标和测量距离。

随着技术的发展，雷达的应用和功能早已超脱了探测和测距这个基本范围，比如测速，测角，目标识别，目标成像，战场侦察等等。但是只要用到电磁波来进行探测的技术，我们依然称为雷达。

所以雷达，它不姓雷，他姓Radio，也就是无线电波，应用最为广泛的电磁波频段。

电磁波的频谱如下，除了无线电波Radio之外还有红外线，可见光，紫外线以及更高频的x射线和伽玛射线。

而无线电波中根据电磁波波长，又可分为长波，短波，米波，厘米波，毫米波以及亚毫米波，如下图所示。

那么毫米波雷达，就是利用无线电波里的毫米波来进行探测和测距的装置，电磁波波长为10mm到1mm，对应的频率为30GHz到300GHz。除了毫米波雷达，还有厘米波雷达，以及米波雷达。

雷达的工作原理如下图所示

发射机产生的雷达信号经由天线发射出去，目标截获并反射一部分雷达信号，有一部分反射信号被雷达接收机接收，雷达天线收集回波信号，经接收机放大 和滤波处理后发送至信号处理机和数据 处理机进行处理，最终输入到显示器上。

雷达按照不同的维度可以分为不同类别，比如按照电磁波信号类型可分为脉冲雷达，连续波CW雷达和调频连续FMCW波雷达。

按照使用场景又可分为军用雷达和民用雷达；

按照天线配置可分为单站雷达，双基地雷达和电子扫描阵列雷达；

按照载波又可分为厘米波雷达，毫米波雷达，激光雷达，宽带雷达等；

不同的雷达，其功能和应用场景也不同。

No.2 

雷达的历史

讲到雷达，就不得不提电磁波的历史。

这种看不到摸不着的东西，确实让人们煞费苦心，要不是天才科学家麦克斯韦的预言，我想，有可能现在我们还处于通信基本靠吼的时代。

磁的应用比较早，我们的祖先黄帝就是用了磁铁制造了司南，打败了蚩尤；而典的认知更多的是早期人们对闪电的恐惧；电和磁在奥斯特的实验中发生了第一次握手，而后在法拉第的电磁实验中产生了更紧密的耦合，一直到天才物理学家麦克斯韦推导出了麦克斯韦方程组，电和磁才真正走到了一起，进而推导出了电磁波的存在。

一直到1885年-1889年，赫兹通过一系列实验证明了电磁波的存在，并成功测量了电磁波的波长和速度，电磁波才真真正正的走入人们的视野，也逐渐进入人们的生活，直到今天，不可替代。

我们都知道回声的原理，当我们对着高大的建筑物或者大山大声说话的时候，我们的声波会被建筑物反射回来，形成回声。利用回声的时差，人们可以粗略的估算大山的距离。

所以，当赫兹证实电磁波的存在之后，研究者最先用到的就是电磁波的反射波原理来测量距离。

1904年，德国工程师斯蒂安·胡尔斯迈尔（Christian Hülsmeyer）正是基于赫兹的原理，发明了障碍物探测器和船舶导航装置，也就是最早的雷达，发明示意图如下图所示。

胡尔斯迈尔还建造了一座”雷达“，并公开演示了这个神奇的装置，并且成功将电磁波信号发射到一艘正在靠近的船上，并且成功接收到了反射信号。

只可惜，那个时候还相对和平，没有什么人对他的设备感兴趣。

直到1927年，Hans E Hollmann 博士进一步研究了该设备，并建造了第一个厘米波长的发射器和接收器，这就是第一个“微波”通信系统。汉斯-卡尔·冯·威尔森（Hans-Karl von Willsen）与霍尔曼（Hollmann）和第三位科学家冈瑟·埃尔布斯洛（Gunther Erbsloeh）合作，完善了一种设备，可以探测到大约8公里外的船只和大约30公里外在500米高空飞行的飞机。海洋系统被称为“Seetakt”，陆地系统被称为“Freya”——这三个系统可以说是创造了我们最常与雷达联系在一起的应用——探测和评估物体的距离。

真正的雷达就诞生了，伴随着第二次世界大战，雷达的技术和应用都得到了飞速的发展。

直到今天，最先进的雷达技术仍然是服务于战争的需要。

而随着自动驾驶技术的发展，毫米波雷达也成为了民用最广泛的一种雷达设备。

No.3

毫米波雷达的原理

毫米波雷达，就是利用毫米波来进行探测的装置，我们先来说一下毫米波的优点和缺点。

毫米波的工作波长在10mm到1mm之间，对应的工作频率为30GHz到300GHz，是处于微波和光波之间的一段电磁波频谱，所以呢，毫米波雷达兼具微波和光波的双重优点，总结如下：

小天线口径、窄波束：高跟踪和引导精度；易于进行低仰角跟踪，抗地面多径和杂波干扰；对近空目标具有高横向分辨力；对区域成像和目标监视具备高角分辨力；窄波束的高抗干扰性能；高天线增益；容易检测小目标，包括电力线、电杆和弹丸等。

大带宽：具有高信息速率，容易采用窄脉冲或宽带调频信号获得目标的细节结构特征；具有宽的扩谱能力，减少多径、杂波并增强抗干扰能力；相邻频率的雷达或毫米波识别器工作，易克服相互干扰；高距离分辨力，易得到精确的目标跟踪和识别能力。

高多普勒频率：慢目标和振动目标的良好检测和识别能力；易于利用目标多普勒频率特性进行目标特征识别；对干性大气污染的穿透特性，提供在尘埃、烟尘和干雪条件下的良好检测能力。

良好的抗隐身性能：当前隐身飞行器上所涂覆的吸波材料都是针对厘米波的。根据国外的研究，毫米波雷达照射的隐身目标，能形成多部位较强的电磁散射，使其隐身性能大大降低，所以，毫米波雷达还具有反隐身的潜力。

当然也有其劣势，比如雨、雾和湿雪等高潮湿环境的衰减，以及大功率器件和插损的影响降低了毫米波雷达的探测距离；树丛穿透能力差，相比微波，对密树丛穿透力低；元器件成本高，加工精度相对要求高，单片收发集成电路的开发相对迟缓。

取其有点，去其糟粕，毫米波雷达的应用主要在：

高精度多维搜索测量：进行高精度距离、方位、频率和空间位置的测量定位；

雷达安装平台有体积、重量、振动和其它环境的严格要求：毫米波雷达天线尺寸小、重量轻，容易满足便携、弹载、车载、机载和星载等不同平台的特殊环境要求；

目标特征提取和分类识别：毫米波雷达高分辨力、宽工作频带、大数值的多普勒频率响应、短的波长易获得目标细节特征和清晰轮廓成像等特点，适于目标分类和识别的重要战术要求；

小目标和近距离探测：毫米波短波长对应的光学区尺寸较小，相对微波雷达更适于小目标探测。除特殊的空间目标观测等远程毫米波雷达外，一般毫米波雷达适用于30 km 以下的近距离探测；

抗电子战干扰性强：毫米波窗口可用频段宽，易进行宽频带扩频和跳频设计。同时针对毫米波雷达的侦察和干扰设备面临宽频带、大气衰减和窄波束等干扰难题，毫米波雷达相对微波雷达具有更好的抗干扰能力。

所以呢，毫米波雷达在导弹制导，炮火控制，等军事领域得到了广泛的应用，同样配合激光雷达和摄像头的应用，毫米波雷达在智能汽车和自动驾驶上也得到了广泛的应用。

毫米波雷达在智能汽车上的应用，主要在测距，测速和测角三个方面。以 FMCW 雷达系统为例，其基本功能实现原理为：

FMCW雷达的信号的频率随时间线性上升，如下图所示，这种类型的信号也称为线性调频脉冲。

下图是FMCW信号的波形，振幅A和随时间的变化。

如果以频率作为时间的函数的话，其波形如下图所示：

MCW 雷达系统发射线性调频脉冲信号，并捕捉其发射路径中的物体反射的信号。其发射频率和接收频率随时间的函数如下图所示

那么利用这个时间差，就能够快速得到目标的距离。

同样道理，我们利用两个FMCW信号就可以得到目标的速度。

FMCW雷达利用水平面也可以估算反射信号的角度，如下图所示，这个角度也叫做达到角（AoA）

当然，对于移动的物体，在计算中要考虑多普勒效应。

No.4

车载毫米波雷达

车载毫米波雷达目前常用的工作频率有24GHz、60GHz、77GHz、80GHz，频率越高，波长越短，其精度也就越高。

在华为官网上有介绍一款ASN850毫米波感知雷达，工作频率在80GHz，探测距离大于1000米，探测宽度可达到10车道，详细的性能指标如下图所示。

像上文提到的测距，测速，测角这三种功能，在这款雷达上都具备，行业内也称这种类型的雷达为3D雷达，但是没有高度信息，这个在智能驾驶中也会引起误判，也是传说中特斯拉当初弃用毫米波雷达的原因之一。

不过随着技术的发展，4D雷达开始显露头角，在传统的测距，测速，测角的基础上，加上了测高度的功能。

相比传统毫米波雷达仅能判断出前方有障碍物，4D毫米波雷达增加了纵向天线及处理器，可以接收更多信息返回点，并像激光雷达一样呈点云图，能呈现出更多细节信息，探测出障碍物的形状，弥补了传统雷达难以识别静态障碍物的短板。

基于TI的AWR2243芯片的4D雷达城市道路交通参与者目标分类与检测研究，包括同济大学测试场采集的目标检测与分类数据集可视化结果表明，4D雷达可以输出有高度的目标点云，反映目标的轮廓外形。虽然与激光雷达点云成像原理不同，仅从毫米波雷达的点云还无法准确判断一个目标额外形等特征，但是其点云的散射特征具备一定规律。

随着4D成像雷达技术的发展，毫米波雷达在智能驾驶中的应用也越来越广泛。

审核编辑：黄飞