眼观四海：自动驾驶&4D成像毫米波雷达如今几何？

写在前面

笔者做这项工作的目的是希望为课题组寻找毫米波雷达+智慧驾驶领域寻找可行的趋势与方向，尽可能贴近工业界需求。在这项工作中，笔者总结了以多级联（大陆，博世，森斯泰克等）、集成芯片（Arbe，Mobileye，Varyar等）、级联+虚拟孔径成像（傲酷，几何伙伴，赛恩灵动等）为代表方案的国内外相关公司，由于信息繁冗、时间紧张，笔者在本报告中尽可能体现了相关公司的有用信息，以期待为业界提供一份参考。

本分析相关的专利资料可以在评论区评论或私信笔者提供。

行研分析

几点想法

为充分利用毫米波雷达的信息量，前端感知能力与后端感知能力的统筹兼顾与提升事关重要。目前来看，前端感知能力提升主要依靠稀疏布阵和动态波形配置实现，后端感知能力主要依靠超轻量CFAR/DOA算法提升为主。在后端感知能力中，不难关注到压缩感知算法（行易道的LISTA、雷神投资的NPS的原子范数概念）等均可能为DOA线谱估计等提供高精度重构方案，以实现毫米波雷达的真正“成像”，但就目前主流解决方案（DSP出点云、MCU实现跟踪级别+下游任务管理）而言，压缩感知的落地依旧是“难于上青天”；因此，目前上游企业把重心偏向于前端硬件的提升对于后端感知而言反而是一件有益的事情，极致的物理分辨率自然能够为经典的检测估计算法提供Buffer。

在正式展开行研分析内容前，其实还想探讨一下这个领域的几点思考：

1、传统的信号模型建模考虑了距离、多普勒、方位等信息的利用，却没有考虑过幅度这一项参量。事实上，毫米波雷达的散射特性决定了同一目标在相对雷达本身不同角度下的回波散射能量不同，这项能量与RCS存在着密不可分的关系，能否利用RCS和能量信息的关系建模也许是1个可以关注的地方。

2、说到幅度（能量），在基本信号处理流程（距离多普勒FFT-恒虚警检测-DOA/AOA）中唯一可能出现“失真”的地方则是“DOA/AOA”这个地方，如子空间分解MUSIC/ESPRIT等方法恢复的空间谱并不能够真实表征实际信号的物理谱，因此在DOA/AOA算法设计时需要选择能够无失真表征信号空间谱的算法（如原子范数等）。

3、能量、幅度与极化特性密切相关，现有的毫米波雷达多为单极化特性；随着天线维度从X-Y平面开始向第三维度Z面扩展，业界能否考虑引入极化特性为雷达赋予新的第5维表征。

行研正文

偷个懒，以PPT代替打字。