本文来自微信公众号“Vehicle”（ID:VehicleEngineering），作者：PirateJack/Ray.Z，36氪经授权发布。

《 从小鹏P7事故看智能驾驶的最后一道防线AEB（自动紧急制动） 》点出了当前影响智能驾驶以及AEB安全性能的因素其中很重要的一条是，传感器的能力。例如当前毫米波雷达的局限性，有很大的关系，无法感知静止物体的感知，主要靠视觉摄像头。而视觉感知就比较容易受环境光线以及AI样本库标记丰富度影响。

所以当前业内普遍认为，理论上，激光雷达和4D成像毫米波雷达，都可以识别出障碍物的轮廓、类别并进行感知和预判。如果在现有的辅助驾驶系统上能再结合激光雷达或者4D成像毫米波雷达，就可以一定程度上补齐视觉摄像头和毫米波雷达的短板。

图片来自《4D 成像毫米波雷达 - 101》一文

我在之前写过智能驾驶传感器激光雷达，摄像头等系列传感器文章，今天我们来分享下有关4D毫米波雷达的相关知识，试着去解答以下问题：

什么是4D毫米波雷达，他为什么叫4D和普通毫米波雷达有什么不同?

他背后的技术方案是什么样的？，如何实现，当前主流的方案是？他的供应链有哪些?

当前有哪些品牌生产，价格怎么样？未来应用趋势如何，能实现怎么样的功能？

希望能给大家带来一些信息和启发。

什么是4D毫米波雷达，他为什么叫4D和普通毫米波雷达有什么不同？

雷达，是一种利用电磁波探测目标的电子设备。其基本原理是，雷达发射电磁波，电磁波到达目标后反射，雷达的接收器收到回波，由此获得目标至电磁波发射点的距离、相对速度、方位等信息。

目前汽车毫米波雷达频率分为24GHz（严格来说属于厘米波雷达，但由于性能和毫米波雷达相似，通常归为毫米波雷达）, 77GHz至79GHz三种频段。但是根据2021年12月发布的《汽车雷达无线电管理暂行规定》中，要求加强汽车雷达无线电管理，将76-79GHz频段规划用于汽车雷达，同时规定不再受理和审批24.25-26.65GHz频段车载雷达无线电发射设备型号核准申请。也就是说，今后的新增的汽车毫米波雷达，只有76GHz-79GHz的了。

毫米波雷达的频率

77Ghz毫米波雷达分辨率相对高，抗干扰性能强，探测性能好，尺寸较小，是目前ADAS系统中不可或缺的传感器。

当前汽车的毫米波雷达主要用于确定目标和发射点的距离、相对速度、方位等信息，所以汽车普通的雷达也叫3D毫米波雷达。4D 毫米波雷达之所以称为 4D，是因为它不仅可以检测物体的距离、相对速度和方位角（球坐标系中的角度测量值），还可以检测物体高于道路水平面的高度，这里不代表高度是第四维（4D），其实时间是第四维。4D毫米波雷达利用时间来确定高度相关的信息。

4D毫米波成像雷达

市面上量产的77GHz雷达，返回的是被测目标的抽象图像你可以认为就是一团深颜色的东西，他不像我们之前文章《 智能驾驶要用多少个激光雷达？分别放在哪里？什么作用？ 》讲的激光雷达能识别边缘，所以它不能用于分类，无法把环境周边静态的东西，例如树，围栏等等与停放的车辆和人区分开来，因此在高速公路上，算法对静态物体进行忽略，以防止车辆误刹车。此外，对于自动驾驶来说，重要参数是识别和过滤误报。

而4D毫米波雷达由于拥有立体探测能力和一定的边缘轮廓识别，可以滤除假警报，提供最佳的灵敏度。雷达使用最低的检测阈值，即使是最微弱的噪声也能被报告出来。后处理和跟踪用于过滤随机噪声，而校准方案允许达到极低的旁瓣水平。

4D毫米波雷达另外还能够提供真实的路径规划，可以在300米以上的范围内创建道路的详细图像（类似于激光雷达的点云），捕捉和识别汽车周围物体的大小（加上边缘的识别，这也就是为啥有人叫4D成像雷达）、位置和速度数据，这也就是为啥很多人觉得他拥有部分激光雷达的功能。

他背后的技术方案是什么样的？如何实现，当前主流的方案是？他的供应链有哪些?

4D 成像雷达的底层原理和普通毫米波雷达底层技术类似，典型的雷达系统使用一组天线元件，每个元件都有一个宽波束。然后，他们可以通过称为数字波束形成的过程以数字方式组合这些以创建窄波束阵列，从而提高最终图像的分辨率。

3D 和 4D 雷达之间的区别在于这些天线元件的排列方式。3D 雷达系统具有水平排列的天线，而 4D 雷达具有水平和垂直排列的元件。

普通毫米波雷达对比4D毫米波雷达

4D 雷达与基于两到三个发射天线和三到四个接收天线的传统雷达解决方案不同，为了提高分辨率映射车辆周围的环境， 4D 成像雷达利用多输入多输出 (MIMO) 多达48 天线阵列（未来可能更多）对其周围环境进行高分辨率映射。 点云数据输出（表示对象的数据集）与宽方位仰角视场 (FOV) 相结合，可针对桥下交通堵塞等情况提供更准确的检测和跟踪。

毫米波雷达核心芯片供应链

毫米波激光雷达的一般核心零部件为收发器、一个内部数字信号处理器 (DSP) 和一个用于实时信号处理的微控制器单元 (MCU)，还有信号模拟芯片等。

毫米波雷达发展路径

4D毫米波雷达的技术和创新也是基于以上核心部件进行，当前共有三种主流技术，可以实现4D毫米波雷达的点云功能：

第一种是MIMO芯片级联。传统毫米波雷达芯片供应商多采用基于77GHz/79GHz标准雷达芯片的多级联方式，从而提升功率和角分辨率。

大陆博世采埃孚等传统毫米波雷达供应商均采用这种方案的雷达芯片实现4D成像毫米波雷达。

这种方案的优点在于产线链和技术比较成熟，相对容易落地。弊端是雷达的尺寸大，不利于装车，功耗特别大，散热很难。另外由于这些方案往往需要采用更多的芯片硬件，成本也会比较高。主流tier 1的传统毫米波雷达价格大约70-80美元，4D毫米波雷达的价格大约要到150-200美元。

第二种：通过将多发多收天线集中在一个芯片中，通过研发芯片组来实现上述功能。这种方案其实与芯片级联类似，但是将天线，MMIC等进一步集成至芯片级别，可以将雷达进一步小型化。目前，该技术的代表公司主要有Ainstein、Arbe、Oculii、RFIsee、Vayyar、Aeres EM、Cognitive、Unhder等雷达新势力。

Arbe公司基于格芯22FDX工艺自主开发的雷达芯片组解决方案—“Phoenix”，尺寸仅拇指大小。Arbe的4D成像雷达目前的价格在300-400美元，Arbe公司预计，随着市场规模的扩大和供应链的成熟，未来可以降低到50美金左右。

第三种：通过使用自适应超材料来解决上述问题。所谓自适应超材料，是将智能化引入材料的结构中，以实现可编程功能。工程设计可以从被动形式转变为主动形式，以利用动态和任意电磁（EM）波场来开发可编程的超表面。可以简单理解为，这种材料能接受和响应外部信息，自动改变自身状态，以适应外部环境变化。该技术的代表公司主要包括MetaWave、EchoDyne等。

这种方案的优势是电路可以做到非常小，不过受限于上游超材料供应链基础较弱，商业化仍有很长的时间要走。

当前有哪些品牌生产，价格怎么样？未来应用趋势如何？

4D毫米波雷达算是3D毫米波雷达的升级版。与激光雷达相比，首先4D毫米波雷达的成本上仅为激光雷达的10%-20%，其次，激光雷达存在一个缺陷：容易受到雨雾天气变化的影响。而4D成像雷达就算遇到下雨天气，侦测范围还是可以达到300米。 最后如我之前文章《 通过广州车展-看自动驾驶激光雷达 》中介绍当前激光雷达主流为MEMS方案其实内部还是存在机械零部件所以，存在使用寿命等方面的担心。

但是4D毫米波的点云数量是远少于激光雷达，仅仅相当于8-16线的早期激光雷达，当前激光雷达主流128线，所以从智能AI和精准性方面来看激光雷达有他独特的优势。

所以,4D毫米波雷达一方面可以逐步取代传统的3D毫米波雷达，另一方面可以作为激光雷达的补充或替代，随着自动驾驶技术的进一步发展，4D毫米波雷达的渗透率会逐渐增加。

4D毫米波雷达市场预测

根 据Yelo 的预测未来全球4D毫米波雷达的市场在2027年达35亿美元。 据中金公司预计，至2025年中国车载4D成像雷达市场规模在悲观、中性、乐观情况下有望分别达到1.9亿美元、3.6亿美元、5.4亿美元。

当前4D毫米波雷达供应商

当然这个赛道上也是挤满了人，和汽车新能源一样，传统巨头们都在做例如Continental、Bosch、Hella、Denso、Aptiv 和 Veoneer，还有不少新势力杀入例如Ainstein、Arbe、Oculii、RFIsee、Vayyar、Aeres EM、Cognitive、Unhder。中国也不少，例如华为，华域，福瑞泰克，森思泰克，纵目。还有创业的楚航科技，威孚科技。

所以通过以上发现，其实4D毫米波雷达大批量应用的条件已经具备，可以预见，接下来会大批量出现在我们日常使用的汽车上面，也会推高当前智能驾驶汽车的功能和安全体验，助力智能汽车的发展。

智能驾驶传感器中的毫米波雷达，擅长测量距离和速度，并且具有良好的距离和速度分辨率。与其他传感器相比，雷达在夜间运行，在恶劣天气条件下的影响最小。

而且有声称雷达是汽车上仅次于超声波传感器的第二便宜的传感器，基于这些优点的存在，所以雷达的技术发展和应用在智能驾驶上不断的推进。

智能驾驶传感器价格预估

如上文所讲，目前毫米波雷达的推进方向在提高角度分辨率成为4D毫米波雷达，继续推进提供接近相机图像的数据叫做4D毫米波成像雷达，可以实现和视觉《视觉为王-小鹏以及特斯拉的自动驾驶方案》那样的AI 算法的应用。

目前4D毫米波的技术路径，主要是增加天线通道，也就是收和发的数量来实现感知数据的丰富。所以理论上来讲感知的收发数据越多，数据越丰富准确，当然信息处理量也越大。

毫米波雷达的推进方向

Mobileye的宣称未来高达几千的通道雷达,可以用于点云等AI人工智能算法,可以识别超过上千目标物。当然他要替代激光雷达有难度毕竟由于其使用波的长度问题，波长长，分辨率低，边缘信息肯定没有激光雷达丰富准确。

传感器波长与成像清晰度之间的关系

所以当前4D毫米波雷达的创新基本就集中在如何拥有更多的感知通讯通道，如何处理好这些信号得出想要的信息，目前主流技术链如下：

4D毫米波雷达核心技术链

• 将标准雷达芯片（恩智浦，德州仪器等）进行多芯片级联，以增加天线数量，通过软件处理创新来达到4D的效果，传统巨头们大陆、博世，还有华为等国内公司。

• 将多发多收天线集成在一颗芯片，直接提供成像雷达芯片，比如Arbe、Vayyar，mobileye，uhnder等。

• 最难的是通过超材料研发新型雷达架构天线阵列，代表厂家有Metawave，等。

标准雷达芯片进行多芯片级联，以增加天线数量，这是当前主流传统势力基的方案基本上来自于以下三个供应商的技术方案：

• 基于德州仪器AWR系列芯片前端收发，利用TDA2X系列芯片处理.

• 恩智浦的TEF 系列芯片前端收发,S32R系列芯片处理.

• 赛灵思FPGA芯片方案。

采用2发/4收 或 3发/4收，大概45nm的芯片的基础方案进行级联，增加通道。

MIMO多芯片级联

当前此类芯片企业都在打造开发生态，底层软件开发很完备，工具链做的很容易上手，使更多的人容易利用和开发，例如之前讲的《 Nvidia英伟达的 AI 智能汽车信仰 》，这些芯片供应商的毫米波雷达芯片也例外，这就催生了数量众多的国内初创毫米波雷达企业，有传言说华为的雷达方案也使用以上方案，如果是这样的话，这次任老爷子说的寒冬来了，这些业务就裁撤掉吧，先不说能不能赚到钱，赚到钱之后也和手机一样命门在别人手上，何必呢。

当然作为传统的博世，大陆，采埃孚等老牌T1其实他们的并非就是用芯片而已，他们对于汽车产业的know how ，使他们能够给雷达芯片提出精准需求，也是催生了芯片行业的发展。

另外还有创新势力Oculii，他背后是安霸芯片，他基于德州仪器以及英飞凌的芯片方案，使用 SLAM 风格的机制处理获取的数据。目标是比较多个雷达帧，以构建比任何单个帧都更详细和准确的环境图片。Oculii 的软件还使用 ML机器学习/DL深度学习技术来调整发射信号参数以适应特定的道路环境，号称通过其算法可以最大100倍的性能提升。

另外传统雷达的主角英飞凌也在发力，赶上。

将多发多收天线集成在一颗芯片，这个基本上又是一个芯片设计和创新的技术了，目前4D 毫米波雷达的创新新势力就集中在此部分。

将多发多收天线集成在一颗芯片

目前有Arbe的收发器具有 24TX/12RX 通道配置。它需要使用 Global Foundries 的新型 FDSOI CMOS 22FDX 技术，该技术比某些采用 22 纳米技术的 CPU 更复杂。Arbe 还制造了一个处理芯片，可以实时管理多达 48 个 Rx 通道和 48 个 Tx 通道，每秒生成 30 帧的全 4D 图像，等效处理吞吐量为 3 Tb/sec。

另一个硅芯片神童，Vayyar 的 他有 72 个发射通道和 72 个接收通道，形成了 2000 多个虚拟通道。它是真正的成像雷达，可生成高分辨率物体的 3D 图像。当这么多通道的时候，能耗成了他的限制。开发人员必须通过限制雷达的峰值输出功率等方式，为这么多通道提供可接受的隔离水平。因此，Vayyar 专注于车载监控应用和短程雷达案例。

Uhnder，它的产品是一款 28 nm ，具有 12TX/16RX 通道收发器，在单片硅片上带有 CPU、DSP、内存和接口。这些数字不应直接与竞争对手进行比较。Uhnder 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)，而不是更常见的频率调制连续波形 (FMCW) 方法。它还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。

Mobileye，背靠英特尔的芯片技术，配备基于 48 x 48 发射和接收的 2,304 个虚拟通道，基于调频连续波 (FMCW) 技术和多普勒式算法来实现感知。

所以毫米波雷达也走上了类似于摄像头和激光雷达那种智能AI卷参数的道路，4D毫米波卷通道数量，卷信号处理，卷算法以及处理单元能力，智能AI道路。但其实在智能AI的世界应用里面，感知通道，信号处理，算法处理都是基于成本，能耗，物体体积的艺术应用，需要平衡应用，例如感知够强，但算法和数据标准跟不上也是浪费。

所以作为开发和消费者都没必要去追求参数的强劲，还需要看疗效，目前应用4D毫米波先锋的是宝马的IX。

参考文章以及图片

Towards ADAS to Imaging radar for automotive market and technology trends - yelo

what-is-4d-imaging-radar - aptiv

arbe投资者报告 - Arbe

安霸资本市场日 - 安霸

ADAS & Driver Replacement: NXP Radar Solutions - nxp

NXP Full Radar Product Overview - TRX Update and S32R Radar Family -nxp

Radar for automotive 2022 - yole

Uhnder White Paper - uhnder

A_Machine_Learning_Perspective_on_Automotive_Radar - JONAS FUCHS 等

毫米波雷达传感器基础知识 - TI