应用于无人驾驶车辆的雷达感应技术的介绍

传感器是无人驾驶车辆的关键部件。能够监控前方，后方或侧面的车辆距离，为中央控制器提供重要数据。光学和红外摄像机，激光，超声波和雷达都可用于提供有关周围环境，道路和其他车辆的数据。例如，摄像机可用于检测道路上的标记，以使车辆保持在正确的车道上。这已用于在高级驾驶辅助系统（ADAS）中提供车道偏离警告。今天的ADAS系统还使用雷达进行碰撞检测警告和自适应巡航控制，车辆可以跟随前方车辆。

如果没有驾驶员输入，自动驾驶汽车需要更多传感器系统，通常使用多个输入从不同的传感器提供更高水平的保证。尽管系统架构正在改变以管理更广泛的传感器和更高的数据速率，但这些传感器系统正在从成熟的ADAS实施中进行调整。

随着ADAS系统越来越多地采用自适应巡航控制和碰撞检测，24 GHz雷达传感器的成本正在下降。这些现在成为汽车制造商在欧洲获得最高五星级NCAP安全评级的要求。

例如，英飞凌科技公司的BGT24M 24GHz雷达传感器可与电子控制单元（ECU）中的外部微控制器一起使用，以修改油门以保持与前方车辆的恒定距离范围最大为20 m，如图1所示。

图1：英飞凌科技公司的汽车雷达传感系统。

< p>许多汽车雷达系统使用脉冲多普勒方法，其中发射机工作一段短时间，称为脉冲重复间隔（PRI），然后系统切换到接收模式直到下一个发射脉冲。当雷达返回时，反射被相干处理以提取检测到的物体的范围和相对运动。

另一种方法是使用连续波频率调制（CWFM）。这使用连续载波频率，该频率随着接收器的不断变化而不断变化。为防止发射信号泄漏到接收器中，必须使用单独的发射和接收天线。

BGT24MTR12是用于信号发生和接收的硅锗（SiGe）传感器，工作频率为24.0至24.25 GHz 。它采用24 GHz基本压控振荡器，包括一个可切换频率预分频器，输出频率为1.5 GHz和23 kHz。

RC多相滤波器（PPF）用于下变频混频器的LO正交相位生成，而输出功率传感器和温度传感器集成在器件中进行监控。

图2：英飞凌科技的BGT24MTR12雷达传感器。

该器件通过SPI控制，采用0.18μmSiGe：C技术制造，截止频率为200 GHz，采用32引脚无引脚VQFN封装。

然而，架构正在发生变化用于无人驾驶车辆。车辆周围各种雷达系统的数据代替本地ECU，被送入中央高性能控制器，该控制器将信号与来自摄像机和可能来自激光雷达传感器的信号相结合。

控制器可以是带有图形控制单元（GCU）的高性能通用处理器，也可以是现场可编程门阵列，其中信号处理可由专用硬件处理。这更加强调必须处理更高数据速率和更多数据源的模拟前端（AFE）接口设备。

所使用的雷达传感器类型也在发生变化。 77 GHz传感器提供更长的距离和更高的分辨率。 77 GHz或79 GHz雷达传感器可以实时调整，在10°弧度范围内提供长达200 m的长距离传感，例如用于检测其他车辆，但它也可以用于更宽的30°传感弧度较低，范围为30米。较高的频率提供了更高的分辨率，允许雷达传感器系统实时区分多个物体，例如在30°弧内检测多个行人，为无人驾驶车辆提供更多时间和更多数据的控制器。

77 GHz传感器使用具有300 GHz振荡频率的硅锗双极晶体管。这允许一个雷达传感器用于多个安全系统，例如车头时距警报，碰撞警告和自动制动，77 GHz技术也更能抵抗车辆振动，因此需要更少的过滤。

应用探测范围安全方面技术自适应巡航控制200米正常驾驶，事故避免77 GHz雷达预碰撞30米事故，减轻冲击77 GHz雷达/24 GHz雷达
76/81 GHz雷达盲点探测20米正常驾驶，事故避免77 GHz雷达/24 GHz雷达/视觉传感器车道偏离警告60米正常驾驶，事故避免视觉传感器停止和走30米正常驾驶，事故避免77 GHz雷达/24 GHz雷达
76/81 GHz雷达

图3：NXP针对无人驾驶车辆中雷达传感器的不同使用情况。

传感器用于检测车辆坐标系中目标车辆的航程，速度和方位角（ VCS）。数据的准确性取决于雷达传感器的精确对准。

雷达传感器对准算法在车辆运行时执行超过40 Hz。在1 ms内，它必须根据雷达传感器提供的数据，车辆速度，传感器在车辆上的位置以及指向角来计算错位角度。

软件工具可用于分析从道路测试中捕获的记录的传感器数据。该测试数据可用于开发雷达传感器对准算法，该算法使用最小二乘算法计算来自原始雷达检测和主车辆速度的传感器未对准角度。这也可以根据最小二乘解的残差来估计计算角度的精度。

系统架构

模拟前端，如德州仪器的AFE5401-Q1（图4）可用于将雷达传感器连接到汽车系统的其余部分，如图1所示.AFE5401包括四个通道，每个通道包括一个低噪声放大器（LNA），一个可选均衡器（EQ），一个可编程增益放大器（PGA）和一个抗混叠滤波器，后面跟着一个高速，12位，模数转换器（ADC），每通道25 MSPS。四个ADC输出在12位并行CMOS兼容输出总线上复用。

图4：德州仪器的AFE5401雷达模拟前端的四个通道可用于多个传感器。

对于低成本系统，ADI公司的AD8284提供模拟前端采用四通道差分多路复用器（mux），为单通道低噪声前置放大器（LNA）提供可编程增益放大器（PGA）和抗混叠滤波器（AAF）。这也使用单个直接到ADC通道，所有通道都集成了一个12位模数转换器（ADC）。 AD8284还集成了饱和检测电路，用于高频过压条件，否则将被AAF滤波。模拟通道的增益范围为17 dB至35 dB，增量为6 dB，ADC的转换速率最高为60 MSPS。在最大增益时，整个通道的组合输入参考电压噪声为3.5 nV/√Hz。

AFE的输出被送入处理器或FPGA，如IGLOO2或Microsemi的Fusion或Intel的Cyclone IV。这可以使用FPGA设计工具在硬件中实现2D FFT，以处理FFT并提供周围对象所需的数据。然后可以将其输入中央控制器。

FPGA的一个关键挑战是检测多个对象，这对于CWFM架构而言比脉冲多普勒更复杂。一种方法是改变斜坡的持续时间和频率，并评估检测到的频率如何在频谱中以不同的频率斜坡陡度移动。由于斜坡可以以1 ms的间隔变化，因此每秒可以分析数百种变化。

图5：CWFM雷达前端用于来自英特尔的FPGA。

来自其他传感器的数据融合也可以提供帮助，因为相机数据可用于区分车辆更强的回报与人们的回报较弱，以及期望的多普勒偏移量。

另一种选择是多模雷达，它使用CWFM在高速公路上寻找更远距离的目标，而短程脉冲多普勒雷达则用于更容易被探测到行人的城市地区。

结论

无人驾驶车辆ADAS传感器系统的发展正在改变雷达系统的实施方式。从简单的碰撞避免或自适应巡航控制转向全面检测是一项重大挑战。雷达是一种非常流行的传感技术，已经与汽车制造商建立了良好的关系，因此是这种方法的领先技术。将更高频率的77 GHz传感器与多模CWFM和脉冲多普勒架构以及来自其他传感器（如摄像头）的数据结合在一起，也为处理子系统带来了巨大挑战。以安全，一致和具有成本效益的方式解决这些挑战对于自动驾驶汽车的持续发展至关重要。