設(shè)計(jì)汽車?yán)走_(dá)系統(tǒng)的挑戰(zhàn)

雷達(dá)在新型汽車設(shè)計(jì)中隨處可見：可以檢測(cè)汽車周圍的危險(xiǎn)，為制動(dòng)、轉(zhuǎn)向和停車決策提供信息，還可以在車艙內(nèi)為駕駛員和乘客監(jiān)控系統(tǒng)提供信息。現(xiàn)在，高清雷達(dá)可以在所有天氣條件下發(fā)揮作用，可以作為AI物體檢測(cè)的前端，與其他傳感器通道相輔相成，進(jìn)一步提高準(zhǔn)確性和安全性。

高價(jià)值嵌入式雷達(dá)系統(tǒng)的制造商有著巨大的潛力。然而，如何在競(jìng)爭(zhēng)中發(fā)掘這種潛力可能是一項(xiàng)挑戰(zhàn)。在此，我們將探討其中的一些挑戰(zhàn)。

全系統(tǒng)挑戰(zhàn)

汽車OEM廠商并不只是為新車添加更多電子功能，他們還正在為其產(chǎn)品線推動(dòng)統(tǒng)一的系統(tǒng)架構(gòu)，以管理成本、簡(jiǎn)化軟件開發(fā)和維護(hù)，并提高安全性和保障性。

因此，更多的計(jì)算和智能正在向綜合的區(qū)域控制器轉(zhuǎn)移，一方面在汽車小區(qū)域內(nèi)相對(duì)較小的傳感器和處理器之間進(jìn)行通信，另一方面在區(qū)域控制器和中央控制器之間進(jìn)行通信，以管理整體決策。

面向汽車?yán)走_(dá)系統(tǒng)市場(chǎng)的供應(yīng)商必須根據(jù)這些變化調(diào)整其解決方案架構(gòu)，在相對(duì)簡(jiǎn)單的邊緣功能處理和更廣泛的區(qū)域控制器或中央控制器功能之間提供可擴(kuò)展性，同時(shí)靈活適應(yīng)不同的OEM分區(qū)選擇。

一個(gè)重要的含義是，無論解決方案如何分區(qū)，都必須允許在邊緣、區(qū)域和中央計(jì)算之間交換大量數(shù)據(jù)。這就提出了在傳輸過程中壓縮數(shù)據(jù)以管理延遲和功耗的重要性。

除了性能、功率和成本限制外，汽車系統(tǒng)還必須考慮使用壽命和可靠性。汽車的整個(gè)使用壽命可能是10年、20年或更長(zhǎng)時(shí)間，在此期間可能需要對(duì)軟件和AI模型進(jìn)行升級(jí)，以修復(fù)檢測(cè)到的問題或滿足不斷變化的監(jiān)管要求。

這些限制要求在雷達(dá)系統(tǒng)設(shè)計(jì)中在硬件的高性能/低功耗與軟件適應(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，但與視覺流水線相比，雷達(dá)流水線提出了一些獨(dú)特的要求。

流水線挑戰(zhàn)

完整的雷達(dá)系統(tǒng)流程如下圖所示，從發(fā)射天線和接收天線一直到目標(biāo)跟蹤和分類。天線配置下到低端檢測(cè)可以是4×4(Tx/Rx)，上到高清雷達(dá)則可以是48×64。在雷達(dá)前端之后的系統(tǒng)流水線中，首先是計(jì)算距離信息的快速傅里葉變換(FFT)，然后是計(jì)算多普勒信息的FFT。接下來是數(shù)字波束形成階段，用于管理來自多個(gè)雷達(dá)天線的數(shù)字流。

一個(gè)完整的雷達(dá)系統(tǒng)流水線從發(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種“原始信號(hào)”。恒定誤報(bào)率(CFAR)階段是將真實(shí)目標(biāo)從噪聲中分離出來的第一步。到達(dá)角(AoA)計(jì)算完成了目標(biāo)在3D空間中的定位，多普勒速度計(jì)算則增加了第4個(gè)維度。最后，流水線以目標(biāo)跟蹤(例如使用擴(kuò)展卡爾曼濾波器EKF)和對(duì)象分類(通常使用OEM定義的AI模型)作為結(jié)束。

好吧，步驟很多，但它們?yōu)楹稳绱藦?fù)雜？首先，雷達(dá)系統(tǒng)必須在前端支持有效的并行性，以處理大型天線陣列，通過流水線同時(shí)推送多個(gè)圖像流，同時(shí)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。它們將饋入多個(gè)FFT，每個(gè)FFT都可能非常大，高達(dá)1K個(gè)窗口(bin)。這些轉(zhuǎn)換最終會(huì)將數(shù)據(jù)傳輸?shù)近c(diǎn)云，而點(diǎn)云本身可輕松達(dá)到半兆字節(jié)。

巧妙的內(nèi)存管理對(duì)于最大化吞吐量至關(guān)重要。以距離FFT和多普勒FFT兩個(gè)階段為例。從距離FFT寫入內(nèi)存的數(shù)據(jù)是一維數(shù)據(jù)，按行寫入。多普勒FFT需要按列訪問這一數(shù)據(jù)，如果沒有特殊支持，列訪問所隱含的地址跳轉(zhuǎn)需要每列進(jìn)行多次突發(fā)讀取，從而大大降低了可行的幀速率。

CFAR是另一項(xiàng)挑戰(zhàn)。CFAR有多種算法，有些算法比其他算法更容易實(shí)現(xiàn)。當(dāng)今最先進(jìn)的算法是有序統(tǒng)計(jì)CFAR(OS-CFAR)，當(dāng)存在多個(gè)目標(biāo)時(shí)(汽車?yán)走_(dá)應(yīng)用中很常見)，該算法尤其強(qiáng)大。不幸的是，OS-CFAR也是最難實(shí)現(xiàn)的算法，除了線性分析外，還需要統(tǒng)計(jì)分析。盡管如此，當(dāng)今真正有競(jìng)爭(zhēng)力的雷達(dá)系統(tǒng)都應(yīng)使用OS-CFAR。

在跟蹤階段，位置和速度都很重要。它們都是三維的(X、Y、Z表示位置，Vx、Vy、Vz表示速度)。有些EKF算法會(huì)放棄一個(gè)維度(通常是海拔高度)以簡(jiǎn)化問題，這就是所謂的4D EKF。相比之下，高質(zhì)量的算法會(huì)使用全部6個(gè)維度(6D EKF)。所有EKF算法的主要考慮因素是它能跟蹤多少目標(biāo)。

雖然飛機(jī)可能只需要跟蹤幾個(gè)目標(biāo)，但高端汽車?yán)走_(dá)現(xiàn)在能夠跟蹤數(shù)千個(gè)目標(biāo)。在考慮高端和(略微縮小的)中程雷達(dá)系統(tǒng)的架構(gòu)時(shí)，這一點(diǎn)值得牢記。

分類階段的所有挑戰(zhàn)都是以AI模型為中心的，因此不在本雷達(dá)系統(tǒng)的討論范圍之內(nèi)。這些AI模型通常會(huì)在專用NPU上運(yùn)行。

實(shí)施挑戰(zhàn)

一個(gè)顯而易見的問題是，什么樣的平臺(tái)才能最好地滿足所有這些雷達(dá)系統(tǒng)的需求？它必須具有很強(qiáng)的信號(hào)處理能力，必須在低功耗下滿足吞吐量目標(biāo)(25－50fps)，同時(shí)還必須具有軟件可編程性，以便在較長(zhǎng)的使用壽命內(nèi)具有適應(yīng)性。這就需要DSP。

但是，它還必須同時(shí)處理多個(gè)輸入流，這就需要高度的并行性。一些DSP架構(gòu)支持并行內(nèi)核，但對(duì)于許多信號(hào)處理功能(例如FFT)來說，所需的內(nèi)核數(shù)量可能過多，硬件加速器可能更合適。

與此同時(shí)，解決方案必須能夠跨在區(qū)域汽車架構(gòu)進(jìn)行擴(kuò)展：用于邊緣應(yīng)用的低端系統(tǒng)，為區(qū)域應(yīng)用或中央應(yīng)用中的高端系統(tǒng)提供數(shù)據(jù)。它應(yīng)為每個(gè)應(yīng)用提供通用的產(chǎn)品架構(gòu)和通用的軟件棧，同時(shí)又能簡(jiǎn)單地進(jìn)行擴(kuò)展，以適應(yīng)從邊緣到中央控制器的各個(gè)層次。

Tomer Yablonka是Ceva公司移動(dòng)寬帶業(yè)務(wù)部門的蜂窩技術(shù)總監(jiān)。

（原文刊登于EE Times姊妹網(wǎng)站EDN，參考鏈接：Challenges in designing automotive radar systems，由Franklin Zhao編譯。）

本文為《電子工程專輯》2024年7月刊雜志文章，版權(quán)所有，禁止轉(zhuǎn)載。免費(fèi)雜志訂閱申請(qǐng)點(diǎn)擊這里。