[首發(fā)于智駕最前沿微信公眾號]在自動駕駛感知系統(tǒng)中，毫米波雷達有著不可替代的作用。由于其工作在微波頻段，能夠輕易穿透雨、雪、霧、煙塵等介質(zhì)，并在強光、黑暗或光線劇烈變化的極端環(huán)境下保持高度的穩(wěn)定性，因此一直是車輛感知環(huán)境的堅實后盾。然而，在過去很長一段時間里，毫米波雷達只能測量目標的距離、相對速度和水平方位角，在垂直高度探測上表現(xiàn)并不盡如人意，這也是毫米波雷達一直無法成為主要感知硬件的原因。

當車輛以較高速度接近前方的立交橋、交通路牌或地面的減速帶、井蓋時，傳統(tǒng)毫米波雷達由于無法分辨物體的垂直位置，就會將這些非障礙物錯誤地識別為前方的靜止障礙物，從而導(dǎo)致頻繁的誤剎車，或者為了避免誤剎車而不得不放寬算法閾值，進而埋下安全隱患。

4D毫米波成像雷達的出現(xiàn)，徹底改變了這一局面。所謂的“4D”，是指在原有三個維度的基礎(chǔ)上，增加了對“俯仰角”或“高度”信息的感知能力。這種跨越式的提升使得雷達不僅可以提供離散點跡的距離，還能夠勾勒物體輪廓、區(qū)分不同高度層次的成像傳感器。那4D雷達是如何做到高度識別的？

物理孔徑的重構(gòu)與MIMO虛擬化技術(shù)

毫米波雷達對目標角度的分辨能力，本質(zhì)上取決于其天線陣列的物理孔徑的大小。根據(jù)電磁波干涉原理，天線陣列在某個方向上的尺寸越大，其波束就越窄，能夠分辨的角度細節(jié)就越精細。傳統(tǒng)3D毫米波雷達的天線布局一般是水平線性排列的，這使其在水平方向上具備一定的方位分辨力，但在垂直方向上，由于天線孔徑極窄，甚至只有單層陣元，導(dǎo)致其在垂直維度上的波束極寬，根本無法區(qū)分處于同一水平方向但高度不同的目標。4D毫米波雷達簡單理解就是改變了天線的物理分布，在垂直方向上構(gòu)建起足夠的孔徑。

然而，車載雷達對體積和成本有著近乎苛刻的要求。如果單純通過堆疊物理接收天線來增加垂直孔徑，雷達的電路板面積和射頻芯片數(shù)量將成倍增加，這在商業(yè)化路徑上是不可行的。為了解決這一矛盾，MIMO（多輸入多輸出）技術(shù)得到了應(yīng)用。MIMO技術(shù)的神奇之處在于，它通過少量發(fā)射天線（TX）和接收天線（RX）的巧妙組合，可以虛擬出遠超物理天線數(shù)量的虛擬通道。當毫米波雷達以特定的正交波形發(fā)射信號時，每一組發(fā)收對都能等效為一個位于特定空間位置的虛擬相位中心。對于一個擁有M個發(fā)射通道和N個接收通道的系統(tǒng)，通過MIMO體制可以合成出一個具有M*N個虛擬單元的龐大陣列 。

MIMO技術(shù)原理圖，圖片源自：網(wǎng)絡(luò)

在4D毫米波雷達的設(shè)計中，工程師不再將天線僅排成一行，而是將發(fā)射天線在垂直維度上錯開布置。例如，通過將多顆射頻芯片級聯(lián)，形成12個發(fā)射通道和16個接收通道的配置，雷達就能獲得多達192個虛擬通道。這些虛擬天線不僅在水平方向上延伸，更在垂直方向上拉開了間距，從而形成了一個等效的大孔徑二維平面陣列。這種虛擬陣列的形成是實時的，它通過增加天線的有效覆蓋范圍，使得雷達在俯仰維度上具備了產(chǎn)生尖銳波束的物理基礎(chǔ)，從而能夠準確解算目標的垂直傾角，將立交橋、路牌與路面車輛清晰地剝離。

空間分辨力提升的核心算法體系

對于4D毫米波雷達來說，物理陣列的構(gòu)建只是第一步，要從復(fù)雜的雷達回波中精確提取出高度信息，還需要一套極高復(fù)雜度的信號處理算法。4D毫米波雷達一般會采用頻率調(diào)制連續(xù)波（FMCW）體制。雷達發(fā)射的每一個Chirp（啁啾）脈沖在遇到目標后返回，接收端會采集到包含距離、速度、方位和高度信息的相位信號。信號處理時會首先對每個天線通道的數(shù)據(jù)進行距離FFT和多普勒FFT，這可以將探測區(qū)域內(nèi)的不同目標映射到距離-速度圖譜中，實現(xiàn)目標在運動狀態(tài)上的初步分離。

圖片源自：網(wǎng)絡(luò)

真正的技術(shù)挑戰(zhàn)在于后續(xù)的DOA（到達角估計）算法。在獲得距離和速度信息后，系統(tǒng)需要針對每一個目標特征點，分析其在所有虛擬天線通道上的相位差規(guī)律。傳統(tǒng)的FFT測角算法雖然計算開銷小，但在天線數(shù)量有限的情況下，其角分辨率極易受到限制，且會產(chǎn)生大量的旁瓣干擾，導(dǎo)致高度探測精度不足。4D毫米波雷達引入了超分辨率（Super-Resolution）算法，如MUSIC（多重信號分類）或ESPRIT（旋轉(zhuǎn)不變子空間估計）算法。這些算法通過分析信號協(xié)方差矩陣的特征空間，能夠突破傳統(tǒng)瑞利判據(jù)的限制，實現(xiàn)在更小的孔徑下獲得更高的俯仰分辨力。一些高性能的4D雷達能夠?qū)⒏┭鼋堑臏y量精度提升到±0.2度左右，這使得在300米開外區(qū)分一個井蓋和一個立交橋成為可能。

在算法層面，4D毫米波雷達還必須解決數(shù)據(jù)量激增帶來的計算壓力。由于虛擬通道數(shù)從十幾個躍升至數(shù)百甚至數(shù)千個，雷達后端處理器必須具備極強的并行處理能力。目前主流方案采用FPGA或高性能專用SoC來承擔這些復(fù)雜的空間譜估算任務(wù)。此外，為了提高點云的質(zhì)量，算法還需要對多路徑反射進行過濾。在城市環(huán)境中，雷達波經(jīng)常會在地面、墻壁和目標之間反復(fù)反射，產(chǎn)生“鬼影”目標。4D雷達利用高度信息的冗余性，結(jié)合數(shù)字波束成形（DBF）技術(shù)，可以動態(tài)地將能量集中在特定高度層，從而有效地抑制地雜波和天橋頂部的多徑干擾，使輸出的點云更加純凈。

這種密集的點云輸出，使得4D毫米波雷達在功能上開始向激光雷達靠攏。通過對聚類后的點云進行特征提取，雷達不僅能知道前方有個物體，還能判斷該物體的幾何形狀和垂直分布。這意味著自動駕駛系統(tǒng)可以獲得更豐富的語義信息，如可以區(qū)分站立的行人與低矮的護欄，或是識別前方卡車的真實高度以判斷車輛是否能夠安全通過下方空隙。

雜波抑制與高密度點云的質(zhì)量調(diào)優(yōu)

高度識別能力的加入雖然極大地豐富了數(shù)據(jù)維度，但也帶來了一個嚴重的副作用，那就是由于探測靈敏度提高和天線陣列復(fù)雜化，雷達系統(tǒng)會產(chǎn)生比以往更多的噪聲點和虛假目標點。在實際道路場景中，路面的積水、雨滴、甚至空氣中的粉塵都可能反射雷達波，形成散布在空間中的雜亂點云。如果這些噪聲點不能被有效過濾，將會極大干擾自動駕駛決策系統(tǒng)的判斷。因此，4D毫米波雷達在高度識別的工程化過程中，需投入大量精力在雜波抑制與點云優(yōu)化上。

針對環(huán)境雜波，其實已經(jīng)開發(fā)了多種基于統(tǒng)計特性的識別算法。例如，針對雨水雜波，系統(tǒng)可以利用雨滴在距離和速度分布上的特定統(tǒng)計規(guī)律，將其與真實的金屬或人體目標區(qū)分開來。在空間維度，噪聲點通常表現(xiàn)為相位不連續(xù)且缺乏空間一致性。通過計算角度維度FFT的峰值幅度方差，算法可以識別出那些響應(yīng)曲線平坦、能量不集中的虛假目標點，并將其從點云中剔除。這種精細化的過濾機制確保了即便在惡劣天氣下，4D毫米波雷達輸出的高度信息依然具有極高的可信度。

另一個關(guān)鍵點在于地面雜波的動態(tài)抑制。對于前向雷達而言，路面的反射是最大的雜波來源之一。4D毫米波雷達通過垂直方向上的數(shù)字波束成形，可以實現(xiàn)“高度掩?！惫δ堋Ｏ到y(tǒng)可以根據(jù)車輛當前的行駛坡度和姿態(tài)，動態(tài)調(diào)整感知窗口的高度范圍，自動忽略掉來自地面過低位置的非障礙物回波。同時，通過分析目標點云的RCS（雷達散射截面積）分布，雷達能夠識別出哪些是具有強反射特征的金屬障礙物，哪些是弱反射的環(huán)境背景。這種多維度的特征融合，使得4D毫米波雷達的點云密度雖然可以高達每秒數(shù)萬點，但依然能夠保持極低的虛警率。

雖然高密度點云有助于描繪物體輪廓，但過細的采樣也會帶來處理延遲。為了優(yōu)化實時性，一些先進的4D毫米波雷達采用了自適應(yīng)采樣策略。在檢測到潛在危險目標（如橫穿馬路的行人或前方急剎的摩托車）時，系統(tǒng)會自動調(diào)配計算資源進行局部的高分辨掃描；而在開闊平直的路段，則保持較低的數(shù)據(jù)流速以節(jié)省功耗。這種智能化的數(shù)據(jù)流控制，使得4D毫米波雷達在滿足全天候高度識別需求的同時，能夠更好地融入車載電子電氣架構(gòu)的性能邊界內(nèi)。

硬件架構(gòu)演進與多感知融合的協(xié)同

自動駕駛感知硬件其實正在經(jīng)歷從“暴力堆疊”到“極致集成”的轉(zhuǎn)變。早期的4D成像雷達普遍采用芯片級聯(lián)方案，即通過多顆通用的3T4R（3發(fā)射4接收）射頻MMIC芯片并行工作。這種方式的優(yōu)點是利用了成熟的供應(yīng)鏈，能夠快速實現(xiàn)大規(guī)模虛擬通道的構(gòu)建。然而，級聯(lián)方案也帶來了明顯的短板，整機體積龐大、功耗高、且多芯片間的時鐘同步和相位標定異常困難。在車輛這種高溫、高振動的復(fù)雜環(huán)境下，保持多顆芯片之間的相位一致性其實是極大的工程挑戰(zhàn)。

為了推動4D毫米波雷達走向主流車型，單芯片SoC方案正逐漸占據(jù)主導(dǎo)地位。如德州儀器推出的AWR2188單芯片8T8R收發(fā)器，以及Arbe公司自主研發(fā)的具備48T48R超大規(guī)模陣列的Phoenix平臺，單芯片方案將原本分散的射頻發(fā)射、接收以及復(fù)雜的數(shù)字信號處理單元全部集成在一顆硅片上，極大地縮短了信號傳輸路徑，降低了相位噪聲，同時也使功耗和成本大幅下降。更重要的是，單芯片化使得雷達可以更加隱蔽地安裝在保險杠內(nèi)部或格柵后方，而不影響車輛的外觀設(shè)計。

高度識別技術(shù)的突破，最終體現(xiàn)在它如何提升整個自動駕駛系統(tǒng)的感知上限。在多傳感器融合框架下，4D毫米波雷達不再僅僅是攝像頭或激光雷達的“輔助者”，而是在某些核心場景下成為了“主導(dǎo)者”。在高速公路領(lǐng)航（Highway NOA）功能中，4D雷達可以更早地發(fā)現(xiàn)300米外靜止的故障車輛，并憑借高度信息確認其在當前車道內(nèi)，從而為車輛爭取更多的變道或剎車時間 。在城市輔助駕駛場景中，它能夠穿透前車的遮擋，利用地面與底盤間的縫隙反射，感知到“前前車”的急剎動作，從而有效預(yù)防連環(huán)追尾事故。

最后的話

隨著技術(shù)的進一步成熟，4D毫米波雷達的高度識別精度有望向激光雷達看齊。未來的研究重點或?qū)⒓性趯?a target="_blank">深度學(xué)習(xí)模型直接部署在雷達處理器上，通過神經(jīng)網(wǎng)絡(luò)對高度點云進行端到端的物體分類。這種從“感知”到“認知”的跨越，將使4D毫米波雷達成為L3及以上自動駕駛系統(tǒng)中最具性價比的感知核心。