作者 | BUAA火车侠  编辑 | 汽车人

原文链接：https://zhuanlan.zhihu.com/p/604265039

点击下方卡片，关注“自动驾驶之心”公众号

ADAS巨卷干货，即可获取

点击进入→自动驾驶之心【硬件交流】技术交流群

1. 毫米波雷达 Millimeter Wave Radar定义

Radar是 Radio detection and ranging 的简称，即“无线电探测和测距”。常用车规级雷达频率为24GHz和77GHz，对应的波长为12mm、4mm。为什么采用这两种频率，而不采用其他频率的毫米波？不用瞎想，这不是因为什么特别的技术原因，纯粹就是因为频谱资源不够用。

电磁波的每一个频段都会按照规定，分配给特定的设备 or 行业，以防止设备信号之间的相互干扰。这个分配工作是由国际电信联盟_百度百科 (baidu.com)来制定。目前的频段分配十分的紧张，联想一下前几年各国对5G频段的争抢，就不难理解。而24GHZ和77GHz就是国际电信联盟专门划分给车用雷达的频段。

毫米波雷达技术已经相对成熟，特别在军事层面。当前制约车规级毫米波雷达的，主要是性能与体积、成本之间的平衡。

2. 雷达基础原理

雷达的原理非常朴素易懂：对目标发射电磁波 -> 接收反射回波信号 -> 测量回波的时间、相位等信号 -> 解算目标的距离、速度、角度信息。其衡量指标无非就是量程和分辨率。

2.1 天线

根据交变电流产生电磁波的机理，雷达首先需要一个能够产生高频交变电流的装置，这部分用到压控震荡装置（VCO，voltage-controlled oscillator），输出的震荡频率会随着输入电压而改变（类比、回想大学《数字电路》中的555震荡电路）

然后利用发射天线将高频电流转化为向空间发射的电磁波。接收天线与发射天线是互逆的，天线同样可以将空间中的电磁波转化为交变的电信号。

2.2 距离测量：脉冲与FMCW

• 脉冲雷达

距离测量的方式很容易想到，雷达发射一个脉冲，测量脉冲信号从发射到返回的“飞行时间Time of Flight—ToF”即可得到，这种方式在激光雷达上十分普遍。

• 调频连续波 FMCW

当然，实际上车用雷达并不用这种方式，而是采用 “调频连续波FMCW——Frequency Modulated Continuous Wave”。雷达发射电磁波的频率呈线性变化（注意：是频率线性变化），因此其回波信号也呈线性变化，通过测量当前发射频率与接受频率之差，可得到探测物体的距离，具体的公式推导后面会给到。

2.3 速度测量：多普勒效应

雷达对运动物体速度的测量基于多普勒原理（Christian Johann Doppler，Austria，1842）。简而言之：观测者向着波源运动时，波被压缩，观测到的频率变高；观测者背离博源运动时，波被拉长，观测到的频率变低。回想高中的课堂内容：火车朝你开过来时，汽笛声尖锐；火车背向你开走时，汽笛低沉。

多普勒原理 速度引起的频率偏移是：依据频率偏移即可计算出目标的相对运动速度。

2.4 角度测量：大锅盖 vs MIMO

衡量角度测量的一个重要指标是角分辨率，即两个最小可辨目标之间张角的大小。例如，雷达横向角分辨率为1°，则代表在100m范围内，雷达的“像素”大小为1.74m。如果这时有相邻的两个0.5m的目标，雷达是无法识别的。

自动驾驶要求尽可能高的角分辨率，该怎么办？一个简单的想法是，让发射的电磁波波束尽可能窄，方向性高。此时雷达地角分辨率就是电磁波的波束宽度，配合扫描机构即可实现一定范围内的视场角。激光雷达就是这个原理。

然而，这对于普通雷达是极为困难的。一个简单的点源天线的辐射波形，是趋近于球面波的，我们需要对天线进行设计，才能使其波瓣宽度减小（天线增益大，传播距离也远）。一般天线的波束宽度为： ，其中D为天线口径。天线物理尺寸越大，雷达波束指向性才越强。且天线是无法达到如激光一样 高度一致的方向性的。（激光原理文章后面会提到）。

汽车显然不可能顶着一个大锅盖扫描雷达行驶。事实上，车用雷达往往采用的都是贴片天线（CMOS技术），其成本更低、体积更小，其波束宽度基本都在30-60°之间。通过限制波束宽度来测角的方案，自然破产了。

那么，如何通过有限的设备获得较高的角分辨率？工程上最朴素的想法就是，采用多套设备换个位置多测几次，然后通过接收信号的差异解算角度（解算过程在后面）。这也就是MIMO（Multi-input Multi output）技术的核心思想，结合了MIMO + FMCW的雷达也是车用毫米被雷达的最主流的方案。

3. FMCW 汽车雷达的原理

此部分内容涉及理论+公式推导，主要来源为德州仪器的手册。

基础概念：

1. 射频 Radio Frequency——负责接收及发射高频信号；

2. 中频 Intermediate Frequency——射频与基频的桥梁，使信号由高频信号转成基频；

3. 基带 Baseband——负责信号处理及储存等功能；

3.1 调频连续波的测距原理

如前面所言，雷达发射的调频信号的频率在其持续时间Tc内呈线性关系。其主要参数有：信号带宽B、斜率S、持续时间Tc。

3.1.1 目标的距离解算

那么，雷达发射信号与回波信号进行混频，得到其差值，就是一个特定频率中频信号IF。该信号的频率与目标距离成正比。将该IF信号由ADC模块采样后转换成数字信号，即可解算获得距离信息。

3.1.2 多个目标的检测

如视场内有多个目标，接收器会接收到多个反射波，中频信号IF则是由多个正弦波叠加而成。此时的做法也很简单，只要对该叠加的IF进行傅里叶变换，从信号的频谱即可得到多个频率峰值，进而计算多个目标的距离。

3.1.3 探测距离范围

制约探测距离的因素主要是ADC采样频率。根据奈奎斯特采样定理：“在AD转换过程中，采样频率大于信号中最高频率2倍时，采样后的数字信号完整地保留了原始信号中的信息（一般用2.56～4倍）”。也因此，中频信号 的上限，也就是可探测距离的上限，主要受ADC硬件的限制。

注意：该探测距离是雷达的理论值。实际工作中，探测距离会受到设备输出功率、天线增益、目标雷达横截面等参数影响。从式（3）还可看出，调频波持续时间  越短，相应的探测距离变小，但探测的周期也会缩短。

3.1.5 距离分辨率

距离分辨率是雷达辨别多个物体的能力，当两个物体靠近到一定程度，雷达就无法识别出这是两个物体。体现在雷达信号上，就是两个中频信号的频率相差很小，傅里叶变换无法将两个频率的峰值区分开。

那么应该如何提升频率的分辨力呢？回想《数字信号处理》，傅里叶变换理论指出：信号持续的时间越长，则频率的分辨率越高。观测窗口长度为T时，可分辨1/ T 赫兹的频率分量。

雷达测距的分辨率仅与带宽有关，比如4GHz的调频波下，测距分辨率可达3.75cm，这是一个非常不错的指标。

3.2 测速原理

前面提到雷达测速主要利用多普勒效应造成的频移，这对于频率恒定的脉冲式雷达很容易理解：接收频率与发射频率的差，即为由速度引起的变化，代入（6）解算即可。

然而，对于FMCW雷达，我们采集到中频信号IF后，我们并不知道，其频率 中，由于频移造成的频率 有多少。这个时候，我们就利用“相位”来测量速度。

3.2.1 中频信号的相位信息：

中频信号的初始相位即为发射TX与接收RX的相位差：（7）。(其中 为中频信号的波长)。

3.2.2 目标的速度解算

测速时，FMCW雷达会发射两个线性调频脉冲，两次反射的回波形成的中频信号经过FFT后，在频谱上的频率相同，但相位谱上的相位却不同。其相位差
（9）

可得目标速度为：（10）

3.2.3 目标的速度解算

当雷达视场内 速度不同的多个物体与雷达的距离相同时候，前面提到的双线性调频脉冲就失效了。FFT的相位谱的峰值混合叠加了多个物体的信号，无法分辨。

比如，当前有两个同位置的物体。此时，雷达需要发射一组N个（N>2）、等间隔的线性调频脉冲，称之为脉冲帧。

在一个脉冲帧内的数据，可以产生N个频域相同的峰值，但N个峰值的相位却不同，叠加了两个物体的相位成分（下图的红色、蓝色箭头）。

那么如何将“叠加的相位” 拆开？对N个相位数据再做一次FFT。

角频率和对应于两个物体在间隔的频脉冲之间产生的相位差，带入式，即可解算出两个物体的速度。

3.2.4 最大可测速度

由可知，当目标速度增大，也会增大。到一定程度则会超过 ，此时雷达就不知道是因为物体正向运动产生的相位差、还是反向运动而产生的相位差。所以的时候，雷达才不模糊。

即：（11）。若要提升最大可测速度 ，则需要减小线性调频脉冲的时间。

3.2.5 速度分辨率

根据傅里叶变换理论：两个离散角频率和的频率差为时，在长度为N的序列上进行FFT时，是可以分辨的。

3.3 测角原理

3.3.1 目标的角度解算

前面说过，车用雷达测角需要两个以上的RX天线，单发单收是无法实现角度估计的。其原理是：物体与两个天线的距离差会导致FFT峰值的相位变化。

相位差为：（15）

在接收平面波假设前提下，可得（16），其中l为天线之间的距离。

则到达角为：（17）

3.3.2 最大视场角

测量角度的相位差同样应该满足

3.3.3 角度测量分辨率

角度测量的分辨率同样可以转化为“对相位差的分辨能力问题”。由角度变化引起的相位差的变化为： （20）

4. MIMO技术

4.1 提高分辨率的想法

角度的分辨率对雷达来说是相当重要的指标，角分辨率越高，其还原的场景也就越精细，所以要单独拿出来讨论。从角度分辨率公式（23），可以知道几个信息：

1. 波长λ越小，角度分辨率越高，这个早已知道，现在潮流是采用更高频的77GHz雷达，原因就是如此。

2. 天线正前方的位置，θ越小时，其分辨率越高，越靠视场角外侧，θ越大时，分辨率越低。这一特性和人眼倒是很相似。

3. 接收天线RX之间距离 l 越大，分辨率越高。

4. 采样的通道个数N越多，分辨率越高。

显然，要想提升雷达角分辨率。前两点几乎不能改变，所以只能从3，4两点做文章：增大接收器之间的距离，增大采样通道个数。

增大接收天线距离 l ，带来的副作用就是视场角的减小。比如，当 l=λ 时，由式（19）可知，此时的最大视场角 θ 只剩下 ±15°，因此这种方式不太行得通（当然采用相控阵技术可以实现毫米波的电扫描，增大视场角，下文会谈到）。

4.2 MIMO技术的应用

那么，看起来就剩下一条路可走：增大采样通道数量，也就是多输入多输出（MIMO）雷达。MIMO雷达拥有多个发射天线TX 和多个 接收天线RX，用户即可生成一个 N = nTX × nRX的虚拟天线阵列。

4.2.1 增加接收天线RX

以单发4收为例，此时N = 4。后面的每一个天线相对于前面一个，多了一个相移ω，呈线性增加。通过对N个天线的信号进行采样，可以形成相位信号序列的FFT。接收天线越多，角度的峰值就越尖锐，ω的分辨率越高。

应用MIMO雷达技术，可以倍增虚拟天线的数量，相应地也提高了角度分辨力。MIMO 雷达的原理，可以扩展到多维阵列。

4.2.2 增加接收天线RX

每增加一个RX天线，都要配备独立的RX处理链(各配有一个LNA、混合器、IF滤波器和ADC)，显然一直增多RX天线并非好的做法，增加发射天线是更高效的方式。M个天线发射相互正交的信号，多波形信号在空间保持独立。N个接收天线采用M个匹配滤波器对回波进行匹配，从而可以得到M*N个通道的回波数据。

以两个发射天线为例，TX1发射的信号在4个RX天线上生成的相位为[0 ω 2ω 3ω]。第2个TX天线放置在与TX1相距 4 l处，TX2发射的任何信号相比于TX1都额外增加了一段路径。

相应地，RX天线上接收TX2发射信号的相位为[4ω 5ω 6ω 7ω]。2发4收的雷达通道数N = 8，与单发8收的雷达等效。

当然，由于不同TX发射的信号为正交信号，因此无法像相控阵雷达那样，通过波束形成在空间功率合成，单个发射波束的主瓣增益将降低1/M。

“

Ref 毫米波传感器基础知识 (ti.com.cn)（推荐，主要公示推导来自该参考，德州仪器手册） 4D雷达之MIMO通道分离 - 知乎 (zhihu.com) MIMO雷达基础，提高角度分辨力_天线 (sohu.com) 干货-MIMO雷达基本原理 - 知乎 (zhihu.com) 干货-MIMO雷达基本原理 - 知乎 (zhihu.com)

”

5. 电扫描：相控阵技术

5.1 相控阵原理：电磁波的干涉

对军事感兴趣的应该常听一个概念“相控阵雷达”（Phased Array Radar，PAR）。所谓相控阵雷达，同样用到了多个单元，类似昆虫的复眼，每个单元都可以单独收发电磁波。

当这些独立的单元同时向外发射电磁波时，就会发生干涉现象。使得某一方向的电磁波加强，或使得某一方向的电磁波相互抵消。所谓“相控阵”，就是对每一个发射单元的相位进行控制，使发射波在空间进行功率合成，从而形成特定方向的电磁波。

通过改变发射阵列中的相位，生成的波束即可对空间扫描，而不需要旋转雷达本体。此时，雷达的视场（FOV）就与天线的波束宽度没有直接关系了。

5.2 PAR与MIMO的区别

虽然同是基于多天线阵元结构的雷达系统，相控阵与MIMO是有明显区别的。**首先相控阵的阵元间距通常是波长量级的，为了防止出现栅瓣，通常间距设置为 **。通过调节移相器，可以获得预期方向的窄波束。

而MIMO雷达的天线发射阵元间距并没未特别限定，可以是密集或稀疏的，更大的区别是MIMO是发射正交波形，且可以自由选择波形。其合成发射方向图的可控自由度远大于相控阵雷达。这种波形的分散、集合，使得MIMO雷达比一般相控阵雷达具有更好的性能。

MIMO雷达通过采用稀疏布阵，可得到最大的连续虚拟孔径，提高空域分辨率，在测角方面具有较强的优势。

也因此，事实上车用雷达一般多采用FMCW+ MIMO技术，很少采用PAR。

6. Radar的尴尬现状与4D毫米波雷达

6.1 常规车用毫米波雷达的缺点

毫米波雷达能够作为主流的自动驾驶传感器之一，具备了两个难以替代性：

1. 相比LiDAR，Camera，毫米波雷达具有可以测量目标的相对速度。（实际上激光雷达也可以办到，但车用LiDAR侧重并不在此）

2. 恶劣天气中，Radar是唯一能够有效感知环境的传感器。

但当前，毫米波雷达仍然面临比较尴尬的现状。2021年7月，Tesla在最新的 FSD Beta V9中取消了毫米波雷达，仅采用视觉+超声的感知方案。毫米波雷达价格谈不上昂贵，Tesla出于降本的动机应该不大。

主要是因为，毫米波雷达在实际应用层面存在一些问题，当前主流车用毫米波雷达没有高程信息。以TI的AWR1843为例，其天线设计为3发4收，布置在水平面上。

所有高度的物体反射波都被投影到了垂直平面。这意味着：如果前方有一个路牌or 龙门架，毫米波雷达会反馈前方有障碍物，但并不能确定“障碍”是在空中还是在路面。

如此一来，关于静态物体的探测结果的可置信度就大大降低。因此，实际应用中，工程师往往将毫米波雷达检测到的静态目标进行滤波，只保留动态目标的追踪结果，这也就是盛传的“毫米波无法检测静态物体”说法的来源。其实不是不能检测，而是由于高程的不确定而舍弃掉了。

这就带来一个很大的隐患，如Tesla在山景城、嘉义市的事故，都是撞上了白色的集装箱车辆。首先，毫米波雷达必定检测到了前方的静态障碍，但被系统过滤掉了。对着白色的集装箱，Camera又无法获得足够的特征对其进行识别，Tesla又没有LiDAR能够探测距离，于是——卒。

一些做自动驾驶决策的工程师表示，目前的毫米波雷达数据的确非常难以融合，信息量相对较少，数据质量还往往不高，颇似鸡肋。

“

Masking by Moving: Learning Distraction-Free Radar Odometry from Pose Information - YouTube

”

6.2 4D毫米波雷达原理

毫米波雷达难用的一大重要原因就是：不具备高程信息。人们自然联想到：在垂直方向上也布置收发天线，给它加上高程信息不就行了？如此一来，路面的静态物体就不会被漏掉了。但其难点在于，天线在垂直与水平方向天线紧密排布会相互产生严重的信号干扰。

自然也有厂商做出了这方面的努力，开发了4D FMCW MIMO High Resolution Radar，即所谓的“4D毫米波雷达”。4D指的是3D的坐标信息+速度信息。Conti（ARS540），TI，华为，以色列的Vayyar，Arbe等公司都发布了4D毫米波雷达产品。其原理不外乎采用MIMO继续增多收发天线的阵列。

比如华为在2021年发布了12TX，24RX的4D成像雷达（未量产）。业界跳的比较欢的，当属Arbe的旗舰产品Phoenix，具备了48发，48收，一共2300个信道，性能远超一般的3发4收的现行产品。Arbe宣称其产品具备：1°的横向角分辨率和2°的纵向角分辨率，100°的水平视角和30°的垂直视角，2K点云，其成本能控制在150USD以内。

下方是Arbe于2020年底给出的产品测试Demo。

“

Arbe: Radar Revolution. Delivered. - YouTube

”

从视频中可以发现，尽管其3D点云和仍然很难称之为“密集”，但已经可以对行人、车辆做出追踪；对垂直方向上的龙门架、立交路面做出精确判断。其数据与Camera，LiDAR的可融合性大大提升。

Arbe甚至吹嘘其产品可以挤占激光雷达的市场，吹牛博眼球的成分较大。由于雷达的发射原理，以及毫米波物理极限的限制，4D毫米波雷达不大可能形成足够密集的点云，其信息丰富度不足以独立支撑自动驾驶车辆。

更何况，基于FMCW技术的4D激光雷达目前也在研发中，其同样能够提供速度数据，文章的后面会提到。同样如果能够成功的话，也会挤占毫米波雷达的生存空间。

另一家以色列的公司RFIsee，则开发出了基于相控阵技术的4D雷达。

“

RFISee Radar Output 2 1 - YouTube

”

6.3 量产案例：2022.07.26 长安深蓝SL03——森斯泰克

2022.07.25日，长安深蓝发布的第一款增程混动车型SL03是中国第一款搭载4D毫米波雷达的车型，供应商为国内厂家森思泰克，其可在水平120°、纵向30°的视场中提供1.2°水平 x 2.5°纵向的角分辨率，即一帧包含1200个点。

对毫米波雷达的讨论篇幅比较长，但这是有必要的。其中，对FMCW、多普勒效应、MIMO、相控阵的原理解释，也有助于理解后续LiDAR的内容。

Ref：

1. 华为发布4D成像雷达等智能化部件 (baidu.com)

2. 4D毫米波雷达真的来了吗？- 知乎 (zhihu.com)

3. RFISee – Developing the world’s first 3D imaging-radar-on-1-chip, providing the next generation ears and eyes for autonomous vehicles, drones, robots etc.

长安SL03 & 森思泰克：

1. 森思泰克高分辨4D成像雷达：多目标定位与识别精准呈现 (qq.com)

2. 森思泰克在车载毫米波雷达方面做的如何？- 知乎 (zhihu.com)

疑问：

1. 雷达天线应当如何设计才能减小波瓣宽度，是否有简单通俗的举例？

2. 思考：脉冲毫米波雷达因为何种原因存在盲区、模糊？为何FMCW的激光雷达不存在盲区？（原因：1、方向分辨率差异；2、脉冲重复频率（PRF））

全文参考资料

1. Radar - WikipediaMillimeter wave scanner - WikipediaDirectional antenna - Wikipedia

2. 《雷达原理》——西安电子科技大学出版社

3. MIMO雷达基础，与相控阵雷达的区别 - 知乎 (zhihu.com)

4. 正交信号_百度百科 (baidu.com)

5. 天线设计理论第四期：十分钟掌握天线的方向图_哔哩哔哩_bilibili

6. 雷达中的方位角分辨率和波束宽度有什么关系？- 知乎 (zhihu.com)

7. 汽车毫米波雷达的（方位）角分辨率和方位角波束宽度是什么概念？什么意思？- 知乎 (zhihu.com)

8. 走进自动驾驶传感器（二）——毫米波雷达 - 知乎 (zhihu.com)

9. 毫米波雷达自学笔记 - 知乎 (zhihu.com) （推荐阅读）

10. 傅里叶分析之掐死教程（完整版）更新于2014.06.06 - 知乎 (zhihu.com) （推荐阅读）

11. 相控阵雷达_百度百科 (baidu.com)

国内首个自动驾驶学习社区

近1000人的交流社区，和20+自动驾驶技术栈学习路线，想要了解更多自动驾驶感知（分类、检测、分割、关键点、车道线、3D目标检测、多传感器融合、目标跟踪、光流估计、轨迹预测）、自动驾驶定位建图（SLAM、高精地图）、自动驾驶规划控制、领域技术方案、AI模型部署落地实战、行业动态、岗位发布，欢迎扫描下方二维码，加入自动驾驶之心知识星球，这是一个真正有干货的地方，与领域大佬交流入门、学习、工作、跳槽上的各类难题，日常分享论文+代码+视频，期待交流！

【自动驾驶之心】全栈技术交流群

自动驾驶之心是首个自动驾驶开发者社区，聚焦目标检测、语义分割、全景分割、实例分割、关键点检测、车道线、目标跟踪、3D目标检测、BEV感知、多传感器融合、SLAM、光流估计、深度估计、轨迹预测、高精地图、NeRF、规划控制、模型部署落地、自动驾驶仿真测试、硬件配置、AI求职交流等方向；

添加汽车人助理微信邀请入群

备注：学校/公司+方向+昵称