CALTERAH | IWPC

2025 IWPC | 加特兰Lancang-USRR芯片×微型机器学习，让舱内感知更可靠更贴心

近日，国际无线产业联盟（IWPC）汽车雷达传感器架构峰会（Automotive Radar Sensor Architecture Summit）在梅赛德斯-奔驰位于德国的最大制造基地所在城市——辛德芬根成功举行。本次峰会由全球头部汽车Tier-1供应商博世主办，关注雷达传感器方面的创新、异构汽车架构的舒适性、安全性与可靠性提升，以及基于AI的信号处理技术最新进展等。

围绕基于AI的信号处理技术，加特兰雷达系统专家王治飞博士在会上阐释了微型机器学习如何赋能加特兰通用短距雷达SoC芯片Lancang-USRR的感知能力再升级，展示芯片级AI在舱内雷达应用的突破与实际落地，助力打造不仅符合法规要求，更能满足用户期待、适配汽车市场竞争需求的用户体验。

当前，欧洲新车评价规程（Euro NCAP）已明确要求只有采用直接检测方式的儿童遗留探测（CPD）系统才能获得加分，毫米波雷达凭借其对生命体征（如心率、呼吸）的精准检测，已成为舱内检测的不二选择。而除了单纯满足Euro NCAP加分项要求，欧洲主机厂及Tier 1也正重新定义舱内雷达的价值边界——在复杂多变的真实场景中确保“零误报”的安全守护，并拓展一芯多用的高阶功能，例如多排人员覆盖、防盗入侵等。加特兰最新推出的舱内雷达方案基于业界首颗60 GHz 6发6收毫米波雷达SoC芯片——Lancang-USRR，并创新性地引入微型机器学习（Tiny Machine Learning，TinyML）技术，单颗芯片即可覆盖舱内两排座位的检测，其超低功耗优势也可实现防入侵检测等需长待机的功能。

什么是微型机器学习？

微型机器学习是机器学习领域的一个新兴分支，指通过在微控制器及其他低功耗边缘设备（比如雷达）部署机器学习模型，包括卷积神经网络（Convolutional Neural Network，CNN）模型等。TinyML将人工智能（AI）能力推向了联网系统的最前端——“边缘”（Edge），无需依赖云连接就能实现低延迟、高能效的实时推断。

加特兰基于Lancang-USRR芯片的CPD雷达方案信号处理流程

CNN模型使雷达不局限于简单的点云获取，而是能够从复杂的回波信号中提取和识别更精细、更深层次的特征，从而精确识别并分类舱内儿童、成人、移动物体等，且具备的强大抗干扰能力。
此外，通过量化（Quantization）和模型剪枝（Model Pruning）等优化技术，CNN模型体积和计算负载被大幅削减，确保在雷达芯片的有限资源和低功耗条件下也能实时高效发挥。

演讲中，王治飞博士展示了清晰直观的实测Demo效果：雷达系统不仅能精准感知座椅遮挡的婴儿模型，更可以智能分辨并剔除移动玩具、晃动饰物等干扰影响，做到始终在线、不会“误”扰的舱内安全守护。

加特兰始终秉持贴近终端应用需求的策略，推出各细分市场领域需要的高性能、高可靠性的芯片解决方案。未来，加特兰将与汽车产业的合作伙伴一道，从具体应用场景出发，让无线半导体技术更好地赋能安全、智能的驾乘体验。