车辆架构的变化对雷达系统的挑战

在ADAS和自动驾驶的传感器中，雷达已被证明是非常可靠的ADAS应用，如ACC。雷达的应用有望在未来扩大，因为雷达经常与其他传感技术一起使用，如摄像头和LiDAR。下表总结了不同类型传感器的优缺点。

完全自动驾驶需要融合从不同的传感技术获得的数据。随着传感器分布在汽车周围，它将有可能提供360度全覆盖，在汽车周围形成一个安全“茧”。

雷达可以很容易地安装在车辆常见部件的后面，如保险杠或车辆logo，这样就不会影响美观。76-81GHz频段已被大多数国家接受为汽车雷达的频段。由于雷达天线的尺寸变得很小，物理集成高频率的工作变得更加容易。然而，由于功率的权衡、更高的损耗和更高制造公差的影响，当频率上升时，新的挑战出现了。

雷达也特别适合车辆的应用，因为车辆是雷达波的良好反射器。它既可以用于舒适功能，如ACC，也可以用于高分辨率的传感应用，这增加了车辆的被动和主动安全性能。例如盲点检测、变道辅助、后方交通警报以及检测车辆附近的行人和自行车。

目前，雷达基本上根据其探测范围进行分类：

• 近距雷达：探测距离可达50米，视野宽，分辨率高
• 中距雷达：探测距离可达100米，视野中等
• 远距雷达：250米或更远的距离，视野更窄，分辨率更低

随着新技术的发展，探测范围有望超越这些限制，同时增加垂直的探测维度，以提供周围环境的完整3D图像。

未来，车辆将有望增加多个雷达模块，从基本的前向雷达配置（提供基本的L1功能）升级到更高级别。很快，更多的车辆将配备角雷达，以达到L2+功能和NCAP 4-5级，以及更高级别的L3-4和NCAP 5级。

然而，雷达数据的处理方式将很大程度上取决于车辆架构。当前中央计算单元性能提高的趋势也推动了车载E/E架构由向分布式架构的转变。

尽管向完全分布式架构的迁移要到2030才能完成，但部分实现将更早出现在市场上。首先，一些域控制器将用于特定功能。

此外，域控制器的数量将增加，而zonal控制器也将在完全集中的E/E架构建立之前引入，其中车辆的中央计算机将通过zonal ECU连接到传感器。这种发展还需要提高车辆网络的容量和可靠性，以及软件的复杂性。这可能会带来巨大的挑战，包括额外的连接，可能需要更昂贵的线束来满足不断增长的数据速率需求。

随着新的E/E架构的引入，部分雷达处理可以从雷达模块（边缘计算）卸载到zonal或中央ECU，从而实现更高效的计算。今天，完整的雷达处理是在边缘上进行的，使用“智能传感器”。

这意味着许多独立的雷达模块分布在车辆周围，每个模块都有自己的雷达收发和处理能力。处理后的数据，通常是对象列表，被传输到ADAS ECU进行进一步处理，并可能与来自其他传感器的数据融合。通过在车内适当分布传感器，可以正确感知车辆的环境，识别障碍物。

随着集中式计算架构的发展，一些雷达模块的数据处理可能会从雷达转移到远程处理单元，由zonal ECU或中央计算机直接处理。雷达模块本身就不那么“智能”，只对接收到的雷达信号进行有限的处理。

例如，该模块将确定与不同物体的距离，并向远程处理器提供距离配置文件。然后，它将接收来自不同卫星雷达模块的预处理数据，并对每组数据执行剩余的处理步骤，生成具有各自特征（距离、方向和速度）的目标列表，并创建周围环境的完整图像。得到的结果将被融合在一起或与其他传感器的结果相结合。

在这种集中式架构的最初实现中，来自不同雷达的预处理数据可以通过以太网骨干网传输到zonal或中央ECU。当需要更高清晰度且数据量过大时，如前视或成像雷达，雷达处理仍可能在传感器本身上进行，以减少要传输的数据量。

远距雷达数据的集中处理提供了很多优势。首先，雷达模块本身变得不那么复杂，从而节省尺寸和成本，减少散热问题。硬件和软件的修复和升级都会变得更加容易。

其次，利用汽车现有的网络，即以太网骨干网，也降低了布线的成本和重量。此外，通过以太网传输的数据将以一种更易存储和处理的格式提供。

最后，车辆控制单元的数据处理为更高的效率和更复杂的操作打开了大门。通过实现与其他传感技术（摄像头和LiDAR）的数据融合，可以增强传感能力。可以考虑将机器学习和AI用于高级检测和预测，从而实现更高水平的自动驾驶。

边缘处理和集中式计算预计将共存数年。迁移到集中式计算架构将需要访问整个车辆的高速链路，这可能导致使用不同的标准进行数据交换。除了成本和布局复杂性之外，关于数据传输使用哪种标准还没有明确的定论。虽然目前CAN和以太网占主导地位，但一些制造商正在推动MIPI A-PHY等替代方案。

在任何情况下，必须采取额外的安全措施来保证传输数据的完整性和安全性。例如，通过以太网链路传输数据需要额外的处理和内存，因为可能需要媒体访问控制安全（MACsec）和硬件安全模块。

另外，随着雷达模块的数量不断增加，它们都在发射和接收无线电波，也可能导致干扰问题。干扰会降低雷达系统的探测性能，从而降低ADAS和自动驾驶系统的功能性和安全性。目前行业正在分析几种缓解策略，可分为三组：避障、检测和修复，以及基于合作和沟通的缓解。

雷达已成为ADAS和自动驾驶应用的关键传感器。成像雷达系统由需要收发器覆盖整个汽车雷达频段的模块组成；支持短、中、远程雷达应用；满足集中处理的需求。ECU也是ADAS和自动驾驶解决方案的重要组成部分，这些解决方案需要先进的SoC，支持集中处理，并支持高速图像识别和处理来自摄像头、雷达和LiDAR的周围物体。

[参考文章]

Vehicle architectures challenges radar systems — Marta Martínez-Vásquez

---

from A to B