雷達在新車設(shè)計中無處不在：在汽車周圍進行感應(yīng)，以檢測危險，并為制動、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)在高清雷達可以前端基于AI的物體檢測，補充其他傳感器通道，以進一步提高準(zhǔn)確性和安全性。

對于高價值嵌入式雷達系統(tǒng)的制造商來說，有很大的潛力。然而，競爭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)品線推動統(tǒng)一的系統(tǒng)架構(gòu)，以管理成本，簡化軟件開發(fā)和維護，并增強安全性。
因此，更多的計算和智能正在進入整合的區(qū)域控制器，一方面在汽車的小區(qū)域內(nèi)相對較小的傳感器單元和處理器之間進行通信，另一方面，區(qū)域控制器和中央控制器之間進行通信，管理整體決策。

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

一個重要的含義是，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。汽車的整個使用壽命可能是10年、20年或更長時間，在此期間可能需要軟件和人工智能模型升級，以解決檢測到的問題或滿足不斷變化的監(jiān)管要求。

這些限制要求雷達系統(tǒng)設(shè)計在硬件的性能/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，雷達管道提出了一些獨特的要求。

渠道挑戰(zhàn)

完整的雷達系統(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。雷達配置可以從低端探測的4×4（Tx/Rx）到高清雷達的48×64。在雷達前端之后的系統(tǒng)流水線中，F(xiàn)FT用于計算第一距離信息，然后是多普勒信息。接下來是數(shù)字波束形成階段，用于管理來自多個雷達天線的數(shù)字流。

一個完整的雷達系統(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“原始信號”。恒虛警（CFAR）階段是從噪聲中分離真實的目標(biāo)的第一步。到達角（AoA）計算完成了目標(biāo)在3D空間中的定位，多普勒速度計算增加了第四維。流水線通過使用例如擴展卡爾曼濾波器（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，同時通過管道推送多個圖像流，同時提供每秒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FFT，每個FFT都可以非常大，高達1K bin。這些轉(zhuǎn)換最終將數(shù)據(jù)流傳輸?shù)近c云，點云本身可以輕松運行到半兆字節(jié)。

聰明的內(nèi)存管理對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是另一個挑戰(zhàn)。CFAR有多種算法，有些算法比其他算法更容易實現(xiàn)。目前最先進的選擇是OS-CFAR-或有序統(tǒng)計CFAR-當(dāng)有多個目標(biāo)時特別強大（常見于汽車?yán)走_應(yīng)用）。不幸的是，OS-CFAR也是最難實現(xiàn)的算法，除了線性分析之外還需要統(tǒng)計分析。然而，今天真正有競爭力的雷達系統(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個維度（6D EKF）。任何EKF算法的一個主要考慮因素是它可以跟蹤多少目標(biāo)。

雖然飛機可能只需要跟蹤幾個目標(biāo)，但高端汽車?yán)走_現(xiàn)在能夠跟蹤數(shù)千個目標(biāo)。在考慮高端和（有些縮小的）中程雷達系統(tǒng)的架構(gòu)時，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，因此不在本雷達系統(tǒng)討論的范圍內(nèi)。這些AI模型通常在專用的NPU上運行。

執(zhí)行方面的挑戰(zhàn)

一個明顯的問題是，什么樣的平臺最適合所有這些雷達系統(tǒng)的需求？它必須在信號處理方面非常強大，并且必須在低功耗下滿足吞吐量目標(biāo)（25-50 fps），同時還可以通過軟件編程實現(xiàn)長壽命的適應(yīng)性。這是一個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，但對于許多信號處理功能（例如FFT）來說，所需的內(nèi)核數(shù)量可能會過多，其中硬件加速器可能更合適。

與此同時，該解決方案必須在區(qū)域汽車架構(gòu)中具有可擴展性：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)，同時可以簡單地擴展以適應(yīng)從邊緣到中央控制器的每個級別。

審核編輯 黃宇