原标题：车辆架构挑战雷达系统

　　转向4级自动驾驶需要多个雷达模块，但如何处理雷达数据取决于车辆的架构。

　　现代通信和传感技术彻底改变了汽车的设计方式。为了提高安全性并迈向自动驾驶(AD)，新车必须包括能够与周围环境、基础设施或其他交通参与者交互的系统，以检测可能的危险源。因此，雷达和激光雷达等汽车传感器是提高道路交通安全和实现高水平自动驾驶的关键。它们的使用将有助于减少全球道路上的交通事故和死亡人数，愿景0设定的最终目标是：到2050年交通事故零死亡。

　　在考虑用于辅助和自动驾驶的传感器中，雷达已被证明对于自适应巡航控制等高级驾驶辅助系统(ADAS)应用非常可靠。雷达的应用预计将在未来扩大，因为雷达通常与其他传感技术(如摄像机和激光雷达)一起使用。表中总结了不同传感器类型的优缺点。

　　不同传感器技术的比较(资料：瑞萨电子株式会社)

　　完整的AD很可能需要融合从不同传感技术获得的数据。通过将传感器分布在汽车周围，可以提供完整的360°覆盖，在汽车周围形成一个安全“茧”。

　　另一个优点是雷达传感器可以很容易地安装在汽车的常见元素后面，如保险杠或标志，这样它们就不可见了，不会影响美观。从76 GHz到81 GHz的频段已被大多数国家接受为汽车雷达的频段。随着高频操作的减少，物理集成变得更加容易。然而，由于功率权衡、更高的损耗和制造公差的更大影响，频率上升时会出现新的挑战。

　　雷达也特别适用于汽车应用，因为车辆是雷达波的良好反射器。它既可用于“舒适”功能，如自动巡航控制，也可用于高分辨率传感应用，这增加了车辆的被动和主动安全性。示例包括盲点检测、车道变换辅助、后方交通过马路警报以及车辆附近行人和自行车的检测。

　　如今，雷达传感器可以根据其检测范围进行分类：

　　短程雷达：最远 50 米，视野宽，分辨率高

　　中程雷达：中等视场可达 100 米

　　远程雷达：250米或更远的范围，视野更窄，不太关注分辨率

　　随着新技术的发展，预计范围将超出这些限制，同时将垂直维度添加到检测中，以提供周围环境的完整3D图像。

　　未来，汽车将添加多个雷达模块，从提供基本1级AD的基本前瞻性雷达配置转变为新车评估计划(NCAP)中的4级。很快，更多的汽车将配备角雷达传感器，在标准汽车中达到2+ AD和NCAP 4-5级，在AD和NCAP 5中达到3-4级(图1).

　　图1：不同NCAP和自动驾驶水平的汽车雷达(来源：瑞萨电子株式会社)

　　然而，雷达数据的处理方式将在很大程度上取决于车辆的架构。当前提高中央计算单元性能的趋势也推动了车载E/E架构向分布式架构的演变。

　　虽然向全分布式架构的迁移要到 2030 年代才能完成，但部分实现将更早出现在市场上。首先，某些域控制器将用于特定功能，例如 ADAS。

　　此外，域控制器的数量将增加，同时在建立完全集中的E / E架构之前，还将引入区域控制器，其中车辆的中央计算机将通过区域控制单元连接到传感器。这种演变还需要提高车辆网络的容量和可靠性，以及软件的复杂性。这可能会导致重大挑战，包括额外的连接，以及可能更昂贵的电缆来应对不断增长的数据速率需求。

　　随着新的E/E架构的引入，部分雷达处理可以从雷达传感器模块(边缘计算)卸载到区域或中央ECU，从而实现更高效的计算。今天，完整的雷达处理是在边缘进行的，使用“智能传感器”，如 图2.

　　这意味着许多独立的雷达模块分布在车辆周围，每个模块都有自己的雷达收发器和处理能力。然后，处理后的数据(通常是对象列表)被传输到ADAS ECU进行进一步处理，并可能与其他传感器的数据融合。通过在汽车中适当分布传感器，可以正确感知车辆的环境并识别障碍物。

　　图2：具有边缘处理功能的智能传感器(来源：瑞萨电子株式会社)

　　随着集中式计算架构的发展，来自某些雷达模块的数据处理可能会从雷达传感器转移到远程处理单元——区域ECU或车辆的中央计算机。然后，雷达模块本身将不那么“智能”，并且仅对接收到的雷达信号执行有限量的处理。

　　例如，该模块将确定到不同物体的距离，并将范围配置文件提供给远程处理器。然后，它将接收来自不同卫星雷达模块的预处理数据，并对每组数据执行剩余的处理步骤，以生成具有各自特征(距离、方向和速度)的对象列表，并创建周围环境的完整图像。获得的结果将融合在一起或与其他传感器的结果相结合。这种新的多传感配置将提供所需的精度并消除冗余，以实现高水平的AD，如 图3.

　　图 3：在基于区域的 ECU 上采用卫星模块和远程处理的雷达架构示例(来源：瑞萨电子株式会社)

　　在这种集中式架构的首次实施中，来自不同雷达传感器的预处理数据可以使用汽车的以太网骨干传输到区域或中央ECU。当需要更高的清晰度并且雷达量太大时，例如在前视或成像雷达的情况下，雷达处理仍可能对传感器本身进行，以减少要传输的数据量。

　　集中处理来自远程雷达传感器的数据具有广泛的优势。首先，雷达模块本身变得不那么复杂，从而节省了尺寸和成本，并减少了散热问题。硬件和软件的修复和升级变得更加容易。

　　其次，使用汽车的现有网络，即以太网骨干网，也降低了布线的成本和重量。此外，通过以太网传输的数据将以更易于存储和使用的格式提供。

　　最后，处理车辆控制单元上的数据为提高效率和更精密和更复杂的操作打开了大门。通过实现与从其他传感技术(如摄像头或激光雷达)获得的信息的数据融合，可以增强传感能力。可以考虑将机器学习和人工智能用于高级检测和预测，从而实现更高水平的自动驾驶。

　　边缘处理和集中式计算预计将共存数年。向具有集中计算的E/E架构的迁移将需要访问整个车辆的高速链路，这可能导致使用不同的数据交换标准。除了成本和布局复杂性之外，对于数据传输将使用哪种标准，没有明确的赢家。虽然今天CAN和以太网占主导地位，但一些制造商正在推动MIPI A-PHY等替代品。

　　在任何情况下，都需要额外的安全措施来保证传输数据的完整性和安全性。例如，需要额外的处理和内存来通过以太网链路传输数据，因为可能需要媒体访问控制安全(MACsec)和硬件安全模块。

　　汽车本身和其他车辆上的雷达模块数量增加，所有这些模块都发射和接收无线电波，也可能导致需要解决的干扰问题。干扰会降低雷达系统的检测性能，从而降低ADAS和AD系统的功能和安全性。正在分析几种缓解策略，可分为三类：避免、检测和修复，以及基于沟通的合作缓解。

　　雷达已成为ADAS和AD应用的关键传感器。 雷达成像 系统由雷达模块组成，这些模块需要覆盖整个汽车雷达频段的雷达收发器;支持短程、中程、远程雷达应用;并满足集中处理的需求，如瑞萨电子新推出的 RAA270205 毫米波雷达收发器。ECU也是ADAS和AD解决方案的重要组成部分，这些解决方案需要先进的片上系统，如瑞萨电子的R-Car Gen4系列，支持集中处理，并能够实现高速图像识别和来自摄像头、雷达和激光雷达的周围物体的处理。