為什么說現(xiàn)在是智能雷達時代？

　　據(jù)麥姆斯咨詢報道，下一代高分辨率智能雷達傳感器對于實現(xiàn)L4級和L5級的自動駕駛至關(guān)重要。當然，攝像頭和激光雷達(LiDAR)在汽車傳感器系統(tǒng)中占有重要的地位。在遠距離探測、惡劣天氣或其它傳感器失靈的情況下，雷達是特別有用的!

　　智能雷達的創(chuàng)新正在開始。當前自動駕駛領域要求打造一款全新的成像雷達系統(tǒng)，它既能夠像激光雷達一樣重建周圍環(huán)境，又可以像人一樣解讀周圍的世界，并且在全天候運行和探測距離方面完勝激光雷達和攝像頭。采用能夠形成波束并控制波束的工程超材料結(jié)構(gòu)，可以打造一種全新的雷達架構(gòu)，并在人工智能(AI)引擎驅(qū)動下，實現(xiàn)對物體的發(fā)現(xiàn)、識別、跟蹤和分類。

　　上述新一代雷達已經(jīng)接近交付使用。這種超越數(shù)字發(fā)射波，使用超材料和人工智能的智能雷達，是實現(xiàn)自動駕駛的關(guān)鍵要素。這種新型雷達平臺的創(chuàng)新方案，尚存在的一些障礙，市場還有不少需要培育的地方，以及在下一代自動駕駛中使用智能雷達的前景，就這些問題，我們與麥得威國際(Metawave)的聯(lián)合創(chuàng)始人兼首席技術(shù)官Bernard Casse博士進行了討論。以下為相關(guān)的討論內(nèi)容：

　　問：為什么說現(xiàn)在是雷達時代?

　　Bernard Casse(以下簡稱BC)：利益相關(guān)者意識到自動駕駛發(fā)展時間軸取決于決策算法的成熟度和傳感器的性能。迄今為止，在改善激光雷達和攝像頭方面，特別是在自動駕駛方面，已經(jīng)作出了巨大的努力，但我們在探測范圍和運行速度方面都遇到了性能門檻。然而，其它傳感器如雷達，則相對投入較少。因為與攝像頭或激光雷達相比，雷達一直處于劣勢，它缺乏解析世界的分辨率。但是，汽車制造商現(xiàn)在認識到，雷達是唯一能夠在長距離(200米以上)和全天候條件下工作的傳感器，它只是缺乏一定的“視覺和智力”。

　　利用先進的技術(shù)，我們可以令雷達“恢復”視覺并嵌入智能。這就是智能雷達時代。大約有十幾家初創(chuàng)企業(yè)重新審視了汽車雷達的各個方面。我們預計會有更多的初創(chuàng)企業(yè)和公司來解決這個問題。

　　問：作為一家頂級汽車公司的首席執(zhí)行官，關(guān)于雷達您覺得用戶需要了解什么?

　　BC：Elon Musk把大量的重心放在雷達上是正確的。它仍然是汽車中最穩(wěn)定可靠的傳感器。許多人，包括一些汽車制造商，對傳統(tǒng)的老式雷達很熟悉。當他們想到雷達時，會認為它是一種“視力”低下的傳感器，只能模糊“看到”整塊的金屬(打個比方，這里有一大塊金屬，那里有一小塊金屬)。對傳統(tǒng)雷達而言，情況的確是這樣，但下一代智能雷達就完全不同了。

　　點云成像(類似于激光雷達)可以通過光束掃描光柵和按照一定算法，實現(xiàn)對物體的圖像描繪，比如辨別路標、車輛類型、人、燈柱和更多物體。隨著視覺增強和速度的提高，我們可以在雷達中嵌入智能。也就是說，讓現(xiàn)在的雷達擁有一個增強的“數(shù)字眼”，它可以學習識別物體的特定特征，并將它們與相應的類別相關(guān)聯(lián)。

　　問：請您多談談人工智能的重要性?

　　BC：人工智能(AI)很關(guān)鍵，因為它是我們?nèi)祟惙稚⑹街悄鼙澈蟮尿?qū)動力。我們是分散式智能的支持者。我們認為，雷達傳感器和任何其它傳感器都應該有自己的大腦。車輛中的決策算法應該依賴于傳感器融合(中央智能)和單個傳感器(分散式智能)。

　　這給汽車增加了另一層安全性。如果你的汽車使用攝像頭和/或激光雷達“看”到一座橋，現(xiàn)在你的雷達也可以說：“當然，我也能看到一座橋。”分散式智能的概念對雷達來說更為重要，因為它是目前唯一能看到前方300米的傳感器，以便成為最早提供預警的系統(tǒng)。當自動駕駛車輛有來自不同傳感器的多組數(shù)據(jù)，使汽車能夠接收信息并感知周圍環(huán)境，自動駕駛會更加安全。

　　問：當前雷達的發(fā)展狀況是怎樣的?特別是在自動駕駛方面。

　　BC：當今最先進的雷達是100%數(shù)字波束形成(DBF)。盡管在性能方面模擬雷達仍然表現(xiàn)卓越，但因為它的高成本、高功耗架構(gòu)和復雜性，汽車工業(yè)拋棄了模擬雷達(如相控陣天線)。汽車工業(yè)對成本一直非常敏感，而且信號處理的成本最終會不斷下降，就像其它微芯片上的計算(摩爾定律)一樣，DBF仍然是一個誘人的選擇。

　　但DBF的分辨率和速度仍然有限。軍方更注重性能，對彈道導彈的探測和跟蹤仍然使用模擬雷達。對自動駕駛而言，成本不是也不應該是頭等大事，性能和安全性才是最重要的!

　　問：數(shù)字雷達的局限性是什么?

　　BC：DBF有三個主要缺點，它們有點相互關(guān)聯(lián)：

　　1、它很慢。DBF用于掃描場景的時間需要毫秒級的等待。在數(shù)字域中的信號處理是非常重要的。要達到可接受的信噪比(SINR)，需要有毫秒級的積分時間。處理一系列復雜的模擬數(shù)字電路和為運行DBF而進行的數(shù)字權(quán)重的分配，都會造成更高的運算工作量，導致運行遲緩。

　　2、DBF缺乏分辨率——它看不到狹窄的物體或行人。它不是一個“真正”的波束形成架構(gòu)，而且完全的波束成形是不切實際的。因為它需要大量的天線來實現(xiàn)高分辨率。首先，實現(xiàn)許多天線是非常昂貴的，需要在雷達芯片組上安裝多個端口(非傳統(tǒng))。此外，這將需要更多的快拍數(shù)量以獲得一個可接受的SINR(因為全方位的噪音將讓系統(tǒng)超負荷)。憑借傳統(tǒng)的三個發(fā)送端口和四個接收端口，分辨率不夠清晰，無法看到行人。它適用于汽車(可在分辨率、SINR和范圍之間良好權(quán)衡)，但不適合非金屬物體。

　　3、產(chǎn)生重影。DBF對高相關(guān)信號敏感，即DBF會增強來自多條路徑信號產(chǎn)生的噪聲，產(chǎn)生重影。