智能驾驶传感器中的毫米波雷达，擅长测量距离和速度，并且具有良好的距离和速度分辨率。与其他传感器相比，雷达在夜间运行，在恶劣天气条件下的影响最小。
而且有声称雷达是汽车上仅次于超声波传感器的第二便宜的传感器，基于这些优点的存在，所以雷达的技术发展和应用在智能驾驶上不断的推进。
如《4D 成像毫米波雷达 – 101》文章讲目前毫米波雷达的推进方向在提高角度分辨率成为4D毫米波雷达，继续推进提供接近相机图像的数据叫做4D毫米波成像雷达，可以实现和视觉《视觉为王-小鹏以及特斯拉的自动驾驶方案》那样的AI 算法的应用。
目前4D毫米波的技术路径，主要是增加天线通道，也就是收和发的数量来实现感知数据的丰富。所以理论上来讲感知的收发数据越多，数据越丰富准确，当然信息处理量也越大。
Mobileye的宣称未来高达几千的通道雷达,可以用于点云等AI人工智能算法,可以识别超过上千目标物。当然他要替代激光雷达有难度毕竟由于其使用波的长度问题，波长长，分辨率低，边缘信息肯定没有激光雷达丰富准确。
所以当前4D毫米波雷达的创新基本就集中在如何拥有更多的感知通讯通道，如何处理好这些信号得出想要的信息，目前主流技术链如下：
-
将标准雷达芯片（恩智浦，德州仪器等）进行多芯片级联，以增加天线数量，通过软件处理创新来达到4D的效果，传统巨头们大陆、博世，还有华为等国内公司。
-
将多发多收天线集成在一颗芯片，直接提供成像雷达芯片，比如Arbe、Vayyar，mobileye，uhnder等。
-
最难的是通过超材料研发新型雷达架构天线阵列，代表厂家有Metawave，等。
标准雷达芯片进行多芯片级联，以增加天线数量，这是当前主流传统势力基的方案基本上来自于以下三个供应商的技术方案：
-
基于德州仪器AWR系列芯片前端收发，利用TDA2X系列芯片处理.
-
恩智浦的TEF 系列芯片前端收发,S32R系列芯片处理.
-
采用2发/4收 或 3发/4收，大概45nm的芯片的基础方案进行级联，增加通道。
当前此类芯片企业都在打造开发生态，底层软件开发很完备，工具链做的很容易上手，使更多的人容易利用和开发，例如之前讲的《Nvidia英伟达的 AI 智能汽车信仰》，这些芯片供应商的毫米波雷达芯片也例外，这就催生了数量众多的国内初创毫米波雷达企业，有传言说华为的雷达方案也使用以上方案，如果是这样的话，这次任老爷子说的寒冬来了，这些业务就裁撤掉吧，先不说能不能赚到钱，赚到钱之后也和手机一样命门在别人手上，何必呢。
当然作为传统的博世，大陆，采埃孚等老牌T1其实他们的并非就是用芯片而已，他们对于汽车产业的know how ，使他们能够给雷达芯片提出精准需求，也是催生了芯片行业的发展。
另外还有创新势力Oculii，他背后是安霸芯片，他基于德州仪器以及英飞凌的芯片方案，使用 SLAM 风格的机制处理获取的数据。目标是比较多个雷达帧，以构建比任何单个帧都更详细和准确的环境图片。Oculii 的软件还使用 ML机器学习/DL深度学习技术来调整发射信号参数以适应特定的道路环境，号称通过其算法可以最大100倍的性能提升。
将多发多收天线集成在一颗芯片，这个基本上又是一个芯片设计和创新的技术了，目前4D 毫米波雷达的创新新势力就集中在此部分。
目前有Arbe的收发器具有 24TX/12RX 通道配置。它需要使用 Global Foundries 的新型 FDSOI CMOS 22FDX 技术，该技术比某些采用 22 纳米技术的 CPU 更复杂。Arbe 还制造了一个处理芯片，可以实时管理多达 48 个 Rx 通道和 48 个 Tx 通道，每秒生成 30 帧的全 4D 图像，等效处理吞吐量为 3 Tb/sec。
另一个硅芯片神童，Vayyar 的 他有 72 个发射通道和 72 个接收通道，形成了 2000 多个虚拟通道。它是真正的成像雷达，可生成高分辨率物体的 3D 图像。当这么多通道的时候，能耗成了他的限制。开发人员必须通过限制雷达的峰值输出功率等方式，为这么多通道提供可接受的隔离水平。因此，Vayyar 专注于车载监控应用和短程雷达案例。
Uhnder，它的产品是一款 28 nm ，具有 12TX/16RX 通道收发器，在单片硅片上带有 CPU、DSP、内存和接口。这些数字不应直接与竞争对手进行比较。Uhnder 使用自己的软件来实现带数字编码调制 (DCM) 的相位调制连续波形 (PMCW)，而不是更常见的频率调制连续波形 (FMCW) 方法。它还有助于通过使用几乎独特的相位编码探测信号来消除相互的雷达干扰。
Mobileye，背靠英特尔的芯片技术，配备基于 48 x 48 发射和接收的 2,304 个虚拟通道，基于调频连续波 (FMCW) 技术和多普勒式算法来实现感知。
所以毫米波雷达也走上了类似于摄像头和激光雷达那种智能AI卷参数的道路，4D毫米波卷通道数量，卷信号处理，卷算法以及处理单元能力，智能AI道路。但其实在智能AI的世界应用里面，感知通道，信号处理，算法处理都是基于成本，能耗，物体体积的艺术应用，需要平衡应用，例如感知够强，但算法和数据标准跟不上也是浪费。
所以作为开发和消费者都没必要去追求参数的强劲，还需要看疗效，目前应用4D毫米波先锋的是宝马的IX，有资料和知道其性能表现的可以私信我，看是否能够分析下参数和性能表现之间的连接。
-
-
-
ADAS & Driver Replacement: NXP Radar Solutions – nxp
-
NXP Full Radar Product Overview – TRX Update and S32R Radar Family -nxp
-
Radar for automotive 2022 – yole
-
Uhnder White Paper – uhnder
-
A_Machine_Learning_Perspective_on_Automotive_Radar – JONAS FUCHS 等
-
加入我们的知识星球Vehicle 可以下载公众号海量参考资料包含以上参考资料。
原文始发于微信公众号（Vehicle）：4D 毫米波雷达 102
