雷達(dá)在新車設(shè)計(jì)中無處不在：在汽車周圍進(jìn)行感應(yīng)，以檢測(cè)危險(xiǎn)，并為制動(dòng)、轉(zhuǎn)向和停車以及駕駛員和占用監(jiān)控系統(tǒng)的駕駛室做出決策。在所有天氣條件下都有效，現(xiàn)在高清雷達(dá)可以前端基于AI的物體檢測(cè)，補(bǔ)充其他傳感器通道，以進(jìn)一步提高準(zhǔn)確性和安全性。

對(duì)于高價(jià)值嵌入式雷達(dá)系統(tǒng)的制造商來說，有很大的潛力。然而，競(jìng)爭(zhēng)性地利用這種潛力可能具有挑戰(zhàn)性。在這里，我們將探討其中的一些挑戰(zhàn)。

全系統(tǒng)挑戰(zhàn)

汽車原始設(shè)備制造商不僅僅是為新車添加更多的電子功能；他們正在為其產(chǎn)品線推動(dòng)統(tǒng)一的系統(tǒng)架構(gòu)，以管理成本，簡(jiǎn)化軟件開發(fā)和維護(hù)，并增強(qiáng)安全性。
因此，更多的計(jì)算和智能正在進(jìn)入整合的區(qū)域控制器，一方面在汽車的小區(qū)域內(nèi)相對(duì)較小的傳感器單元和處理器之間進(jìn)行通信，另一方面，區(qū)域控制器和中央控制器之間進(jìn)行通信，管理整體決策。

針對(duì)汽車?yán)走_(dá)系統(tǒng)市場(chǎng)的供應(yīng)商必須根據(jù)這些變化跟蹤其解決方案架構(gòu)，在邊緣功能的相對(duì)簡(jiǎn)單處理和區(qū)域或中央控制器的更廣泛功能之間提供可擴(kuò)展性，同時(shí)靈活地適應(yīng)不同的OEM分區(qū)選擇。

一個(gè)重要的含義是，無論解決方案如何分區(qū)，它必須允許在邊緣，區(qū)域和中央計(jì)算之間交換大量數(shù)據(jù)。這提高了傳輸期間數(shù)據(jù)壓縮對(duì)管理延遲和功率的重要性。

除了性能、功率和成本限制外，汽車系統(tǒng)還必須考慮壽命和可靠性。汽車的整個(gè)使用壽命可能是10年、20年或更長(zhǎng)時(shí)間，在此期間可能需要軟件和人工智能模型升級(jí)，以解決檢測(cè)到的問題或滿足不斷變化的監(jiān)管要求。

這些限制要求雷達(dá)系統(tǒng)設(shè)計(jì)在硬件的性能/低功耗和軟件適應(yīng)變化的靈活性之間保持謹(jǐn)慎的平衡。這并不是什么新鮮事，但與視覺管道相比，雷達(dá)管道提出了一些獨(dú)特的要求。

渠道挑戰(zhàn)

完整的雷達(dá)系統(tǒng)流程如下圖所示，從發(fā)射和接收天線一直到目標(biāo)跟蹤和分類。雷達(dá)配置可以從低端探測(cè)的4×4（Tx/Rx）到高清雷達(dá)的48×64。在雷達(dá)前端之后的系統(tǒng)流水線中，F(xiàn)FT用于計(jì)算第一距離信息，然后是多普勒信息。接下來是數(shù)字波束形成階段，用于管理來自多個(gè)雷達(dá)天線的數(shù)字流。

一個(gè)完整的雷達(dá)系統(tǒng)管道從發(fā)射/接收天線一直延伸到目標(biāo)跟蹤和分類。來源：Ceva

到目前為止，數(shù)據(jù)在某種程度上仍然是一個(gè)“原始信號(hào)”。恒虛警（CFAR）階段是從噪聲中分離真實(shí)的目標(biāo)的第一步。到達(dá)角（AoA）計(jì)算完成了目標(biāo)在3D空間中的定位，多普勒速度計(jì)算增加了第四維。流水線通過使用例如擴(kuò)展卡爾曼濾波器（EKF）的目標(biāo)跟蹤和通常使用OEM定義的AI模型的對(duì)象分類來完成。

好吧，這是很多步驟，但是什么讓這些復(fù)雜呢？首先，雷達(dá)系統(tǒng)必須在前端支持顯著的并行性，以處理大型天線陣列，同時(shí)通過管道推送多個(gè)圖像流，同時(shí)提供每秒25到50幀的吞吐量。

數(shù)據(jù)量不僅僅取決于天線的數(shù)量。這些輸入多個(gè)FFT，每個(gè)FFT都可以非常大，高達(dá)1K bin。這些轉(zhuǎn)換最終將數(shù)據(jù)流傳輸?shù)近c(diǎn)云，點(diǎn)云本身可以輕松運(yùn)行到半兆字節(jié)。

聰明的內(nèi)存管理對(duì)于最大化吞吐量至關(guān)重要。以距離和多普勒FFT階段為例。從FFT范圍寫入存儲(chǔ)器的數(shù)據(jù)是一維的，按行寫入。多普勒FFT需要逐列訪問此數(shù)據(jù);如果沒有特殊支持，列訪問所隱含的地址跳轉(zhuǎn)需要每列多次突發(fā)讀取，從而顯著降低可行的幀速率。

CFAR是另一個(gè)挑戰(zhàn)。CFAR有多種算法，有些算法比其他算法更容易實(shí)現(xiàn)。目前最先進(jìn)的選擇是OS-CFAR-或有序統(tǒng)計(jì)CFAR-當(dāng)有多個(gè)目標(biāo)時(shí)特別強(qiáng)大（常見于汽車?yán)走_(dá)應(yīng)用）。不幸的是，OS-CFAR也是最難實(shí)現(xiàn)的算法，除了線性分析之外還需要統(tǒng)計(jì)分析。然而，今天真正有競(jìng)爭(zhēng)力的雷達(dá)系統(tǒng)應(yīng)該使用OS-CFAR。

在跟蹤階段，位置和速度都很重要。每個(gè)都是三維的（X，Y，Z表示位置，Vx，Vy，Vz表示速度）。一些EKF算法降低了維度，通常是海拔，以簡(jiǎn)化問題;這被稱為4D EKF。相比之下，高質(zhì)量算法將使用所有6個(gè)維度（6D EKF）。任何EKF算法的一個(gè)主要考慮因素是它可以跟蹤多少目標(biāo)。

雖然飛機(jī)可能只需要跟蹤幾個(gè)目標(biāo)，但高端汽車?yán)走_(dá)現(xiàn)在能夠跟蹤數(shù)千個(gè)目標(biāo)。在考慮高端和（有些縮小的）中程雷達(dá)系統(tǒng)的架構(gòu)時(shí)，這是值得記住的。

分類階段的任何挑戰(zhàn)都是以AI模型為中心的，因此不在本雷達(dá)系統(tǒng)討論的范圍內(nèi)。這些AI模型通常在專用的NPU上運(yùn)行。

執(zhí)行方面的挑戰(zhàn)

一個(gè)明顯的問題是，什么樣的平臺(tái)最適合所有這些雷達(dá)系統(tǒng)的需求？它必須在信號(hào)處理方面非常強(qiáng)大，并且必須在低功耗下滿足吞吐量目標(biāo)（25-50 fps），同時(shí)還可以通過軟件編程實(shí)現(xiàn)長(zhǎng)壽命的適應(yīng)性。這是一個(gè)DSP。

然而，它還必須處理許多并發(fā)的輸入流，這需要高度的并行性。一些DSP架構(gòu)支持并行內(nèi)核，但對(duì)于許多信號(hào)處理功能（例如FFT）來說，所需的內(nèi)核數(shù)量可能會(huì)過多，其中硬件加速器可能更合適。

與此同時(shí)，該解決方案必須在區(qū)域汽車架構(gòu)中具有可擴(kuò)展性：邊緣應(yīng)用的低端系統(tǒng)，為區(qū)域或中央應(yīng)用中的高端系統(tǒng)提供支持。它應(yīng)該為每個(gè)應(yīng)用程序和通用軟件堆棧提供通用的產(chǎn)品架構(gòu)，同時(shí)可以簡(jiǎn)單地?cái)U(kuò)展以適應(yīng)從邊緣到中央控制器的每個(gè)級(jí)別。

審核編輯 黃宇