当前位置: 首页 > news >正文

4D 毫米波雷达:智驾普及的新路径(二)

4 4D 毫米波的技术路线探讨

4.1 前端收发模块 MMIC:级联、CMOSAiP

4.1.1 设计:级联、单芯片、虚拟孔径

        4D 毫米波雷达的技术路线主要分为三种,分别是多级联、级联 + 虚拟孔径成像技术、以及 集成芯片。( 1 )多级联:级联方案以成熟的标准雷达芯片为基础,在业内得到广泛应用。级联方案通常应用德州仪器、英飞凌、恩智浦等公司的标准雷达芯片,通过 2 级联、 4 级联或 8 级联方式增加天线数量,形成多发多收通道。由于该方案基于成熟芯片打造,前期开发难度低,有利于加快产品上市节奏。目前,大陆集团、采埃孚、博世、安波福、华为、华域汽车等零部件供应商,均基于级联方案打造 4D 毫米波雷达。但由于级联方案由多颗芯片级联而成,产品尺寸较大、功耗较高。另一方面,天线之间存在互相干扰的问题,零部件供应商需要解决信噪比较低的问题。
        (2 )集成芯片:集成芯片方案集成度更高,对技术应用的要求提升。集成芯片方案通过将多发多收天线集成在一颗芯片中,以 ASIC 芯片实现上述功能。与级联方案相比,集成芯片方案集成度更高,有利于大幅缩小 4D 毫米波雷达的体积,降低产品功耗。但由于芯片方案尚未完全成熟,该方案成本较高。根据 Vehicle 数据,现阶段集成芯片方案的 4D 毫米波雷达单价约为 300-400 美元,级联方案则为 150-200 美元。同时,采用集成芯片方案的厂商需要解决天线密集布置、天线之间互相干扰等问题,对技术应用的要求更高。目前, Arbe、Uhnder Vayaar 为该技术路线的代表性企业。
        (3 )级联 + 虚拟孔径成像: 级联+虚拟孔径成像方案通过算法实现天线数量倍增。对于传统毫米波雷达而言,产生多种波形的唯一方法是增加接收天线数量。级联+虚拟孔径成像方案在标准雷达芯片的基础上,借助虚拟孔径成像算法进行相位调制,使得每根接收天线在不同时间产生不同的相位响应,从而将原有物理天线虚拟至十倍甚至数十倍,角分辨率能够从 10°提升至 1°。与级联方案相比,该方案使用的芯片数量更少,有利于缩小产品尺寸,降低产品功耗。与集成芯片方案相比,该方案使用的芯片更加成熟,且不依赖于特定厂商的芯片方案,兼容度更高。该方案在虚拟孔径成像算法、天线布局等方面具有较高壁垒,目前的主要参与者为傲酷和几何伙伴。
图表 16 : 前端收发模块 MMIC :级联、单芯片、虚拟孔径

        级联方案开发难度低、产品落地快,成为国外内为主流技术路线。TI 在公司早期推出的毫米波雷达芯片 AWR1243 中通过发射 FMCW 信号来探测目标的距离和速度,而使用时分波形的方式将三个发射和四个接收构成的 12个虚拟通道来探测角度,然而受限于角度分辨率,其获取的目标信息有效。而毫米波雷达系统级联方案,通过将四个三发四收的单个 MIMO芯片级联方案可以构成 12 16 收的 MIMO 雷达阵列,此时雷达系统的虚拟通道数可从 12提升到了 192,该方法可以极大地提升雷达系统的角度分辨率。目前大部分毫米波雷达公司,包括国内、国外、传统、头部的雷达供应商,都采用级联的方式实现,一般采用 2 片或者 4片级联的技术方案。级联的方式很多时候比单芯片方式更合适,效果和可行性更好。比如一个芯片的集成度非常高,单个芯片就要做得很大,因为单入单出非常占面积,成本也会很高。另外一个问题就是单芯片天线通道高频段耦合互耦非常强,这是一个很不好的设计。即使通过精心设计消除互耦,也存在同一芯片中通道拉的远的传输距离远导致损耗大的问题,但如果采用分布式或级联的解决方案,就能很好的解决这个问题。

4.1.2 MMIC 工艺:GaAs-SiGe-CMOS

        MMIC 芯片工艺改进( GaAs-SiGe-CMOS )推动车载毫米波雷达系统成本持续下行。
        1) GaAs 工艺时代( 1990 -2009 年): 早期 PCBA 上大部分的器件都可以使用硅来制造,只有射频部分没有办法使用,主流都是采用砷化镓(GaAs)的工艺来制造;由于砷化镓工艺所需要的材料比较稀缺,不管是材料成本和制造成本都比较高,对于生产线的要求也很高。因此在 2009 年之前,毫米波雷达中的前端射频芯片最初也是使用的 GaAs 工艺,而且集成度很低,一个毫米波雷达需要 7-8 MMICs 3-4 BBICs
        2) SiGe 工艺时代( 2009 年至今): SiGe(锗硅)拥有硅工艺的集成度、良率和成本优势,从 2009 年开始 SiGe 工艺逐渐代替 GaAs 工艺,毫米波雷达前端射频芯片的集成度大幅提升,一个毫米波雷达只需要 2-5 MMICs 1-2 BBICs,毫米波雷达整个系统成本降低 50%
        3) CMOS 工艺时代( 2017 年至今): 最初 CMOS 工艺没法用在毫米波雷达芯片,是因为不能工作在高频中,以 180nm 为例, SiGe 可以工作在 180GHz 以上,而 CMOS 工作频率只能达到 40GHz ;直到 2010 年工艺进步到 40nm ,才使得 CMOS 用于 77GHz 毫米波雷达成为可能。由于 CMOS 晶圆价格便宜且集成度非常高,一个毫米波雷达只需要 1 颗 MMIC芯片、 1 BBIC 芯片。
图表 17 : 前端收发模块 MMIC 工艺: GaAs-SiGe-CMOS

4.1.3 波形:FMCWPMCW

        目前车载毫米波雷达多采用连续调频式(FMCW )。顾名思义,调频连续波是连续发射调频信号,以测量距离、角度和速度等。在该方法中,在特定周期 T 内对特定频率的连续波进行调频,同时传输该连续波。以这种方式传输的信号可以被视为“带有时间戳”。发射波到达目标,其中一部分被反射。雷达接收到的反射波与原始信号混合、比较,进行信号处理。
        相对其他电磁波雷达,调频连续波雷达发射功率较低、成本低且信号处理相对简单,被毫米波雷达厂商广泛使用。

图表 19 FMCW 汽车雷达–原理和组件
        调相连续波(PMCW)雷达会根据码序列,由正交调制器对载波进行相位调制后发送,接收来自目标的反射信号,由正交检测器根据发送的载波信号进行正交检波,在 LPF 中消除谐波。用 ADC 将检波输出的实部( I )和虚部(Q)转换成数字信号,用数字滤波器进行频带限制后,用相关器计算发送码系列和接收码系列的相关值,通过峰值检测来检测目标。PMCW 毫米波雷达技术 , 相较于传统的 FMCW 雷达,具备探测距离更远、分辨率更高、抗干扰能力更强等优势。目前, Uhnder 有一款 28nm ,具有 12TX/16RX 通道收发器的产品,使用自己的软件来实现带数字编码调制( DCM )的相位调制连续波形( PMCW),有助于通过使用几乎独特的相位编码探测信号来消除相互的雷达干扰。
图表 20 PMCW 雷达的结构

4.2 天线:分立-AoB-AiP

        射频前端收发模块集成有分立模式、AoB AiP 三次技术路线。 AoB( 板载天线 )是指将天线贴在高频 PCB 板上; AiP( 封装天线 ) 是指将天线和芯片集成封装到一起,天线采用 IC 封装工艺制作。相比于 AoB AiP 具有以下优势:
        1) 带有天线封装的雷达传感器的板级面积比采用 AoB的传感器的天线所占板级空间的面积小约 30%
        2) 降低高频 PCB 基板面积,可以降低 BOM 成本。
        3) 由毫米波雷达芯片厂商做了天线设计部分,毫米波雷达系统厂商无需做天线设计和开发,可以降低工程成本。
        4) 由于从硅芯片到天线的路径更短,因此可以实现更高的效率和更低的功耗。
        小型化、增加新的应用场景、易安装、低成本是 AiP 技术的核心优势。考虑到未来车载 4D毫米波雷达的发展趋势,采用 AiP 技术将带来更小的雷达尺寸、更低的雷达成本、更灵活的应用场景。
图表 21 : 天线:分立模式 -AoB-AiP

4.3 系统:分立-模块合成-SoC 集成

        4D 毫米波雷达系统结构集成技术经历了分立模式、模组合成、 SoC 集成三次技术升级,我 们认为, SoC 集成是未来发展趋势。 MMIC DSP( 数字信号处理器 ) MCU( 微控制器 )是4D 毫米波雷达的核心部件,不同的系统结构集成技术代表了这三个部件不同的集成方式:
        1) 分立模式:指 MMIC,DSP MCU 模块都分开,可由不同的供应商提供产品
        2) 模组合成: MMIC DSP 集成,或者 DSP MCU 集成
        3) SoC 集成: SoC(SystemonaChip)是指将多个电子元件、模块或者子系统集成到一块芯片上的技术。这里指将 MMIC DSP MCU 集成在雷达 SoC 芯片上。
        低成本、小型化、高性能、低功耗是 SoC 集成最大优势,也符合车载 4D 毫米波雷达未来的发展趋势:
        1) 高集成带来的直接优势就是高性价比,因为可以用单 SoC 方案解决以前用三个子系统组成的毫米波雷达传感器,这显著降低了毫米波雷达的成本,大幅拉低了车载毫米波雷达硬件的开发难度。
        2) 将各个部件集中在一块芯片上,可以减小毫米波雷达体积。
        3) 各部件排布更为紧密,有效较少了各部件之间信息传输的损耗,提高了信息传输效率。
图表 22 : 系统:分立 - 模块合成 -SoC 集成

图表 23 4D 毫米波雷达系统

图表 24 : 德州仪器( TI AWR1642 毫米波雷达芯片的高级架构框图

相关文章:

4D 毫米波雷达:智驾普及的新路径(二)

4 4D 毫米波的技术路线探讨 4.1 前端收发模块 MMIC:级联、CMOS、AiP 4.1.1 设计:级联、单芯片、虚拟孔径 4D 毫米波雷达的技术路线主要分为三种,分别是多级联、级联 虚拟孔径成像技术、以及 集成芯片。( 1 )多级…...

element plus自定义组件表单校验

方式一: import { formContextKey, formItemContextKey } from "element-plus";// 获取 el-form 组件上下文 const formContext inject(formContextKey, void 0); // 获取 el-form-item 组件上下文 const formItemContext inject(formItemContextKey, …...

C //练习 4-13 编写一个递归版本的reverse(s)函数,以将字符串s倒置。

C程序设计语言 (第二版) 练习 4-13 练习 4-13 编写一个递归版本的reverse(s)函数,以将字符串s倒置。 注意:代码在win32控制台运行,在不同的IDE环境下,有部分可能需要变更。 IDE工具:Visual S…...

DNS解析和主从复制

一、DNS名称解析协议 二、DNS正向解析 三、DNS主从复制 主服务器 从服务器...

光猫(无限路由器)插入可移动硬盘搭建简易版的NAS

1.场景分析 最近查询到了许多有关NAS的资料,用来替代百度云盘等确实有很多优势,尤其是具有不限速(速度看自己配置)、私密性好、一次投入后续只需要电费即可等优势。鉴于手上没有可以用的资源-cpu、机箱、内存等,查询到…...

SpringIOC之support模块GenericGroovyApplicationContext

博主介绍:✌全网粉丝5W,全栈开发工程师,从事多年软件开发,在大厂呆过。持有软件中级、六级等证书。可提供微服务项目搭建与毕业项目实战,博主也曾写过优秀论文,查重率极低,在这方面有丰富的经验…...

Awesome 3D Gaussian Splatting Resources

GitHub - MrNeRF/awesome-3D-gaussian-splatting: Curated list of papers and resources focused on 3D Gaussian Splatting, intended to keep pace with the anticipated surge of research in the coming months. 3D Gaussian Splatting简明教程 - 知乎...

【镜像压缩】linux 上 SD/TF 卡镜像文件压缩到实际大小的简单方法(树莓派、nvidia jetson)

文章目录 1. 备份 SD/TF 卡为镜像文件2. 压缩镜像文件2.1. 多分区镜像文件的压缩(树莓派、普通 linux 系统等)2.2. 单分区镜像文件的压缩(Nvidia Jetson Nano 等) 3. 还原镜像文件到 SD/TF 卡4. 镜像还原后处理4.1. 镜像分区调整4…...

Zookeeper 和 naocs的区别

Nacos 和 ZooKeeper 都是服务发现和配置管理的工具,它们的主要区别如下:功能特性:Nacos 比 ZooKeeper 更加强大,Nacos 支持服务发现、动态配置、流量管理、服务治理、分布式事务等功能,而 ZooKeeper 主要用于分布式协调…...

2-6基础算法-快速幂/倍增/构造

文章目录 一.快速幂二.倍增三.构造 一.快速幂 快速幂算法是一种高效计算幂ab的方法,特别是当b非常大时。它基于幂运算的性质,将幂运算分解成一系列的平方操作,以此减少乘法的次数。算法的核心在于将指数b表示为二进制形式,并利用…...

行业内参~移动广告行业大盘趋势-2023年12月

前言 2024年,移动广告的钱越来越难赚了。市场竞争激烈到前所未有的程度,小型企业和独立开发者在巨头的阴影下苦苦挣扎。随着广告成本的上升和点击率的下降,许多原本依赖广告收入的创业者和自由职业者开始感受到前所未有的压力。 &#x1f3…...

【笔记】书生·浦语大模型实战营——第四课(XTuner 大模型单卡低成本微调实战)

【参考:tutorial/xtuner/README.md at main InternLM/tutorial】 【参考:(4)XTuner 大模型单卡低成本微调实战_哔哩哔哩_bilibili-【OpenMMLab】】 总结 学到了 linux系统中 tmux 的使用 了解了 XTuner 大模型微调框架的使用 pth格式参数转Hugging …...

开源的Immich自建一个堪比 iCloud 的私有云相册和备份服务

源码地址 GitHub - immich-app/immich: Self-hosted photo and video backup solution directly from your mobile phone. 1.创建目录 mkdir /data/immich && cd /data/immich 2.下载docker-compose文件和.env文件 wget https://github.com/immich-app/immich/relea…...

SPI通信讲解

了解SPI通信对于我们了解通信有非常重要的意义。 SPI(Serial Peripheral Interface)是由Motorola公司(摩托罗拉)开发的一种通用数据总线 四根通信线: SCK(Serial Clock):时钟线&a…...

本地一键部署grafana+prometheus

本地k8s集群内一键部署grafanaprometheus 说明: 此一键部署grafanaPrometheus已包含: victoria-metrics 存储prometheus-servergrafanaprometheus-kube-state-metricsprometheus-node-exporterblackbox-exporter grafana内已导入基础的dashboard【7个…...

NIO核心依赖多路复用小记

NIO允许一个线程同时处理多个连接,而不会因为一个连接的阻塞而导致其他连接被阻塞。核心是依赖操作系统的多路复用机制。 操作系统的多路复用机制 多路复用是一种操作系统的 I/O 处理机制,允许单个进程(或线程)同时监视多个输入…...

如何彻底卸载 Microsoft Edge?

关闭 Microsoft Edge 浏览器和所有正在运行的进程。 按下 Ctrl Shift Esc 键打开任务管理器。在任务管理器中,找到所有正在运行的 Microsoft Edge 进程。右键单击每个进程,然后选择“结束任务”。 导航至 Microsoft Edge 的安装目录。 默认情况下&…...

JavaScript-对象-笔记

1.字面量创建对象、对象的使用 对象就是一组 属性和方法的集合 属性: 特征 相当于变量 静态 是什么 方法: 行为 相当于函数 动态 干什么 创建对象 创建对象的第一种:使用字面量 {} 对象中的元素是键值对 使用逗号隔开 键:值 的形式 var 对象名…...

java 运算符 选择语句

1:运算符 运算符:对字面量或者变量进行操作的符号 表达式:用运算符把字面量或者变量连接起来符合java语法的式子就可以称为表达式。不同运算符连接的表达式体现的是不同类型的表达式。 举例说明:** int a 10; int b 20; in…...

CNN:Convolutional Neural Network(上)

目录 1 为什么使用 CNN 处理图像 2 CNN 的整体结构 2.1 Convolution 2.2 Colorful image 3 Convolution v.s. Fully Connected 4 Max Pooling 5 Flatten 6 CNN in Keras 原视频:李宏毅 2020:Convolutional Neural Network 1 为什么使用…...

论文解读:交大港大上海AI Lab开源论文 | 宇树机器人多姿态起立控制强化学习框架(二)

HoST框架核心实现方法详解 - 论文深度解读(第二部分) 《Learning Humanoid Standing-up Control across Diverse Postures》 系列文章: 论文深度解读 + 算法与代码分析(二) 作者机构: 上海AI Lab, 上海交通大学, 香港大学, 浙江大学, 香港中文大学 论文主题: 人形机器人…...

第 86 场周赛:矩阵中的幻方、钥匙和房间、将数组拆分成斐波那契序列、猜猜这个单词

Q1、[中等] 矩阵中的幻方 1、题目描述 3 x 3 的幻方是一个填充有 从 1 到 9 的不同数字的 3 x 3 矩阵,其中每行,每列以及两条对角线上的各数之和都相等。 给定一个由整数组成的row x col 的 grid,其中有多少个 3 3 的 “幻方” 子矩阵&am…...

优选算法第十二讲:队列 + 宽搜 优先级队列

优选算法第十二讲:队列 宽搜 && 优先级队列 1.N叉树的层序遍历2.二叉树的锯齿型层序遍历3.二叉树最大宽度4.在每个树行中找最大值5.优先级队列 -- 最后一块石头的重量6.数据流中的第K大元素7.前K个高频单词8.数据流的中位数 1.N叉树的层序遍历 2.二叉树的锯…...

算法岗面试经验分享-大模型篇

文章目录 A 基础语言模型A.1 TransformerA.2 Bert B 大语言模型结构B.1 GPTB.2 LLamaB.3 ChatGLMB.4 Qwen C 大语言模型微调C.1 Fine-tuningC.2 Adapter-tuningC.3 Prefix-tuningC.4 P-tuningC.5 LoRA A 基础语言模型 A.1 Transformer (1)资源 论文&a…...

Linux 内存管理实战精讲:核心原理与面试常考点全解析

Linux 内存管理实战精讲:核心原理与面试常考点全解析 Linux 内核内存管理是系统设计中最复杂但也最核心的模块之一。它不仅支撑着虚拟内存机制、物理内存分配、进程隔离与资源复用,还直接决定系统运行的性能与稳定性。无论你是嵌入式开发者、内核调试工…...

Razor编程中@Html的方法使用大全

文章目录 1. 基础HTML辅助方法1.1 Html.ActionLink()1.2 Html.RouteLink()1.3 Html.Display() / Html.DisplayFor()1.4 Html.Editor() / Html.EditorFor()1.5 Html.Label() / Html.LabelFor()1.6 Html.TextBox() / Html.TextBoxFor() 2. 表单相关辅助方法2.1 Html.BeginForm() …...

怎么让Comfyui导出的图像不包含工作流信息,

为了数据安全,让Comfyui导出的图像不包含工作流信息,导出的图像就不会拖到comfyui中加载出来工作流。 ComfyUI的目录下node.py 直接移除 pnginfo(推荐)​​ 在 save_images 方法中,​​删除或注释掉所有与 metadata …...

Ubuntu Cursor升级成v1.0

0. 当前版本低 使用当前 Cursor v0.50时 GitHub Copilot Chat 打不开,快捷键也不好用,当看到 Cursor 升级后,还是蛮高兴的 1. 下载 Cursor 下载地址:https://www.cursor.com/cn/downloads 点击下载 Linux (x64) ,…...

在 Spring Boot 中使用 JSP

jsp&#xff1f; 好多年没用了。重新整一下 还费了点时间&#xff0c;记录一下。 项目结构&#xff1a; pom: <?xml version"1.0" encoding"UTF-8"?> <project xmlns"http://maven.apache.org/POM/4.0.0" xmlns:xsi"http://ww…...

深度学习之模型压缩三驾马车:模型剪枝、模型量化、知识蒸馏

一、引言 在深度学习中&#xff0c;我们训练出的神经网络往往非常庞大&#xff08;比如像 ResNet、YOLOv8、Vision Transformer&#xff09;&#xff0c;虽然精度很高&#xff0c;但“太重”了&#xff0c;运行起来很慢&#xff0c;占用内存大&#xff0c;不适合部署到手机、摄…...