登录/注册 商城

毫米波雷达芯片的演进和创新(一)应用于超短距雷达

2020-05-06
  • 超短距雷达的需求与挑战

通常来说自动驾驶或者ADAS会涉及到感知、控制决策和执行这三个部分。感知层主要是靠毫米波雷达、摄像头、激光雷达、超声波等各类传感器来完成。

大家比较熟知的毫米波雷达应用是前向长距雷达加角雷达,可以实现ACC、AEB或者BSD、LCA等功能,主要应用在高速公路和城区道路上。加特兰微电子在2019年推出的Alps SoC单芯片已经可以很好地支持这类雷达的开发和实现。

但是生活中我们会经常遇到以下情况:

早晚高峰,车辆密集造成拥堵。上方有高架桥等遮挡物,增加了定位信息获取的难度

大型停车场,寻找车位难、泊车难

人车混行,极其容易发生交通事故

(以上图片来自于网络)

这些场景的一个共同特点是路况复杂、车辆低速行驶,需要对车身周边360度范围内的情况作出很好的感知判断。

现有的传感器对近距离感知的覆盖尚有欠缺。像超声波雷达,它的探测距离、探测精度、灵敏度都比较有限;毫米波雷达,体积比较大,想要安装在车辆侧身会比较困难……面对市场提出的需求,最需要解决的一点就是如何提升传感器的探测能力和覆盖范围——需要对车身周边30米的范围进行360度的覆盖,在此基础上实现开门预警、车辆定位、车位寻找、自动泊车等功能。

结合这些应用场景和功能需求,超短距雷达需要满足的技术特点总结下来包括:

  • 方便安装,体积较小;
  • 大视场角,尽可能宽的视野范围;
  • 俯仰探测的能力要好;
  • 要有较高的性能,包括角度分辨率等;
  • 成本要比较低,一辆车上需要装多颗这样的超短距雷达来达到探测范围无缝覆盖,因此对单颗的成本就会有很高的要求。

想要实现这样的超短距雷达需要合适的芯片方案的支持。

  • 加特兰AiP解决方案

加特兰微电子的AiP(Antenna-in-Package)芯片,可以很好的满足这些需求。

AiP来自Alps SoC平台,集成了射频前端、雷达信号处理基带和微处理器以及高频天线。外围只需要很少的器件就可以完成雷达模组的搭建(包括电源芯片,Flash,和CAN收发器)。基于AiP芯片开发的超短距雷达具有明显的优势——高性能、小型化易安装、低成本等。

当然要完成这样的超短距雷达开发会面临很多挑战,比如路面杂波(也就是地杂波),天线耦合,以及频率干扰等。加特兰微电子在芯片开发、生产和底层软件上做了很多工作来帮助下游厂商一起克服这些挑战。

地杂波

首先,超短距雷达要求俯仰向的视角很大,这样对于近距物体的高度信息等的探测会更丰富,但也意味着同时探测到的地杂波就会更多。

加特兰解决地杂波困扰的方式是通过多帧数据的积累,与经过大量实测的先验信息所拟合的特征曲线进行比对——超出这条曲线的,被认为是真实的被测目标,低于这条曲线的,就会被抑制掉。目标的距离、幅度,甚至速度、俯仰信息等都对拟合这样的特征曲线有帮助。同时,通过实测我们得出了一些结论,例如,路面材质,像水泥、沥青、泥土路等都有各自的特征。另外通过支持自适应的特征曲线,加入速度、俯仰信息等更多的特征变量,结合在线训练,在车辆进入不同的路面状况时,特征曲线可以动态调整,对于杂波抑制会有更好的效果。

天线耦合

第二个是天线耦合。由于物理空间的限制,集成天线耦合产生的角度失真是非线性的,非线性的失真导致角度解算变差,测角的难度就会增加,这里就需要天线校准。

传统的校准方法只是使用线性的转换补偿,对于非线性的失真效果很不理想。对于这个挑战,加特兰创造性地采用一种全新的神经网络算法(RBF-NN),来进行天线校准。对于这样一个神经网络架构,在输入层是天线的测量角度θ,经过中间的隐含层,传递函数φ,最后加总,得到一个角度的校准值,作为输出。

在上图中,左边是角度测量的原始数据,存在非线性的失真;中间是采用传统的校准方法,校准后的角度误差在5度左右;右边采用RBF-NN的神经网络校准算法后,角度误差在1度以内,效果非常明显。

频率干扰

通常超短距雷达方位向视场角很大,在车流密集的场景下,接收到干扰的概率会更大,抗干扰的需求就更强烈,加特兰微电子的AiP芯片通过系统性的策略来对抗干扰:3种模式规避干扰,1种机制消除干扰。

首先结合AiP芯片灵活的FMCW波形生成器,通过随机改变一帧数据中的chirp配置参数来规避可能存在的干扰,这也是防范同步干扰的有效方式。

扰相(Phase Scrambling,PS),改变波形的相位;

移Chirp(Chirp Shifting,CS),改变上升沿的触发点;

跳频(FrequencyHopping,FH),保持扫频带宽不变,改变开始和截止频率。

当工作在同样频带而调制斜率不同时,发射信号与其他雷达的回波信号重叠,就会产生干扰,这种干扰可能会带来额外的一个频率分量,或者是产生更大的一个幅度,会在时域上产生明显的底噪抬升现象。

通常可以把这样的干扰粗略地划分为:头部的高频区,中间的低频区和尾部的高频区。我们的抗干扰策略分为两个步骤,第一步是定位干扰,通过信号的绝对幅度值和相邻两点的幅度差来判断。第二步是滤除干扰,采用两种策略:1、直接滤除,2、使用一个预先估计的幅度来代替干扰的幅度。

在上图中,左边是干扰在时域谱上的原始状态,可以清晰地观察到存在两个干扰源,导致底噪明显抬升;中间是使用估计幅度滤除干扰的效果;右边是直接滤除干扰后的效果。

  • 环车360度全场景芯片方案

加特兰微电子通过AiP芯片把超近距这类场景补足,建立了覆盖环车360度的全场景芯片方案——通过单片Alps SoC或者2片Alps SoC的级联,可以满足前向雷达的需求;单片Alps SoC(2发4收或者4发4收)可以满足前角/后角雷达的需求;通过Alps AiP可以实现环车的超短距雷达的需求…

通过一个芯片平台实现环车雷达芯片的完整方案,既降低了开发难度,又节省了开发时间、开发成本,同时也有利于传感器硬件的标准化。全场景方案对于车辆周边环境的感知会很丰富,有层次,对于上层的信息融合等会更有灵活性。