CALTERAH | 加特兰雷达信号处理器RSP 2.0，以大算力与灵活性应对多样化雷达算法挑战

加特兰雷达信号处理器RSP 2.0，以大算力与灵活性应对多样化雷达算法挑战

智能辅助驾驶和智能网联汽车的持续演进对ADAS雷达的探测距离与角分辨率不断提出更高要求；同时，雷达应用也进一步延伸至车身内外多元感知场景。信号处理环节面临的挑战日趋复杂，对算力与灵活性的要求随之显著提升。对此，加特兰自主研发了新一代雷达信号处理器——Radar Signal Processor（RSP）2.0。

加特兰RSP 2.0提供从原始信号到最终点云输出的全链路处理能力，并基于此进一步支持各类定制化计算任务。

双线程处理架构，可随产品规格扩展
大通量模块化设计，实现高吞吐运算
支持定制化编程，灵活性较高

当前，加特兰RSP 2.0已部署于加特兰最新高性能ADAS雷达SoC芯片——5发4收Kunlun-Pro与6发6收Andes-Pro系列，并以充裕算力和灵活性进一步支持12发12收两片级联（Flex-Cascading^®）等应用场景。未来该架构有望通过适当扩展支持Massive MIMO应用。

以下结合实际应用案例，介绍RSP 2.0在算法实践中的成效。

基础算法效率

雷达基础算法以多维度FFT和目标检测为核心。在加特兰Kunlun-Pro芯片验证中，双Combo并行计算下, 512 × 768的距离-速度维FFT、64点角度维FFT、4路接收通道，全程耗时仅6毫秒。这一效率显著缩短了基础运算耗时，为上层复杂算法释放充裕的算力空间。

抗干扰算法

雷达互干扰是ADAS规模化部署后的共性挑战。传统雷达SoC通常仅支持时域平滑等简易处理，无法精准区分干扰信号和有效信号，滤除干扰时往往伴随有效信号损耗、动态范围压缩与虚警率上升等。RSP 2.0凭借大算力与灵活架构，可在时域、频域多维联合观测视角下反复提取信号特征，实现干扰与有效信号的精准分离。

定制化点云处理

点云增强、超分辨处理、虚警抑制、特征提取与分类等后处理算法，直接决定智能辅助驾驶雷达的感知质量。这类算法因车型、场景和功能差异而频繁迭代，传统固定架构难以适配多样化的调试需求。

加特兰RSP 2.0支持用户自定义编程，可按需调用算力资源。目前已完成CNN卷积神经网络推理原型验证，同时搭建了点云分类、虚警滤除等算法原型。客户可基于底层算力构建自有算法体系，形成差异化技术积累。

上述算法实践，离不开加特兰RSP 2.0关键设计理念的支撑：

8并行运算（8-Word Parallel Processing），每个时钟周期同步完成读取、运算与输出，算力较业界主流竞品提升约8倍；
引入可重构空间架构与CGRA（Coarse-Grained Reconfigurable Array，粗粒度可重构阵列）技术，在不增加存储带宽的前提下堆叠运算单元，并根据FFT、矩阵乘法等不同场景重组单元连接方式；
设计专用并行地址控制单元，在矩阵转置等数据变换场景下实时生成地址序列，实现数据无缝流转，不额外占用时钟周期；
采用双线程可扩展架构，即在同一套缓存中，提供两套控制与运算单元，两者既可以同步处理同一个任务，实现两倍加速，也可以独立或配合地执行不同任务。

围绕RSP 2.0，加特兰同步推出多层级模块化驱动、与硬件行为同步的上位机仿真环境及可视化内存管理等配套工具。作为具备长期演进能力的核心IP，RSP 2.0将持续适配创新雷达信号处理算法，为毫米波雷达芯片在智能辅助驾驶、车身内外感知等多元场景中的落地提供坚实有力的算力基础。