【導(dǎo)讀】速度更快、分辨率更高的雷達(dá)傳感器通過改善車輛的安全性和舒適的視野，有助于實(shí)現(xiàn)下一代駕駛輔助技術(shù)。如果全球投資商知道哪里將會(huì)賺錢，那么汽車領(lǐng)域那些了解并掌握顛覆市場(chǎng)三大趨勢(shì)的人將成為贏家。
速度更快、分辨率更高的雷達(dá)傳感器通過改善車輛的安全性和舒適的視野，有助于實(shí)現(xiàn)下一代駕駛輔助技術(shù)。如果全球投資商知道哪里將會(huì)賺錢，那么汽車領(lǐng)域那些了解并掌握顛覆市場(chǎng)三大趨勢(shì)的人將成為贏家：
● 先進(jìn)的駕駛輔助系統(tǒng)(ADAS)技術(shù)迅速普及，自動(dòng)駕駛汽車(AV)最終會(huì)獲準(zhǔn)上路行駛
● 電氣化
● MaaS出行即服務(wù)概念正在挑戰(zhàn)傳統(tǒng)的個(gè)人擁有汽車觀念
將特斯拉和福特的市值對(duì)比，可以看出這些趨勢(shì)的重要性。特斯拉每年生產(chǎn)的汽車不足400,000輛。特斯拉的策略以一系列創(chuàng)新為基礎(chǔ)，包括電池牽引、自動(dòng)駕駛和無人駕駛出租功能，以支持特斯拉的拼車服務(wù)。
福特汽車的大部分收入來自采用高功率內(nèi)燃機(jī)的傳統(tǒng)美國皮卡車。福特2017年的汽車產(chǎn)量超過600萬輛，到2019年底，其市值僅為370億美元，而相比之下規(guī)模很小的特斯拉的市值則達(dá)到440億美元。
Uber等公司開創(chuàng)的商業(yè)模式和軟件創(chuàng)新推動(dòng)了出行即服務(wù)理念的普及，并且電氣化程度的提高也依賴于于生產(chǎn)創(chuàng)新，例如特斯拉的Gigafactory電池。但是，駕駛輔助系統(tǒng)創(chuàng)新的重點(diǎn)是硬件和軟件技術(shù)，需要將復(fù)雜的傳感器系統(tǒng)和人工智能相結(jié)合。
所有駕駛輔助系統(tǒng)在一定程度上依賴多種形式的感知技術(shù)：在全自動(dòng)汽車中，LIDAR和視覺攝像頭等光學(xué)技術(shù)將與電磁運(yùn)動(dòng)傳感器（加速度計(jì)、陀螺儀和磁力儀）以及射頻/微波系統(tǒng)（雷達(dá)和衛(wèi)星定位）協(xié)同作用。
而早在八十年前就引起公眾關(guān)注的雷達(dá)技術(shù)，如今依然在創(chuàng)新的汽車技術(shù)開發(fā)過程中發(fā)揮著作用，這讓人非常意外。事實(shí)上，如今許多24 GHz雷達(dá)傳感器都安裝在汽車的保險(xiǎn)杠上。單ADI一家，到目前為止，就已為汽車制造商的近3億件傳感器提供器件，用于盲點(diǎn)檢測(cè)、自動(dòng)變道和自動(dòng)緊急制動(dòng)(AEB)等應(yīng)用中。
圖1. 超級(jí)雷達(dá)和成像雷達(dá)：汽車的眼睛。
但隨著一些功能（例如新ADAS裝置中的AEB和自適應(yīng)巡航控制(ACC)）的不斷演進(jìn)，人們開始要求更高水平的駕駛輔助，這促使供應(yīng)商（例如ADI）開發(fā)具有高精度、長(zhǎng)測(cè)量距離、快速檢測(cè)和更完備的成像技術(shù)的新雷達(dá)系統(tǒng)。這些基于兩個(gè)原因：安全性和舒適性。駕駛輔助系統(tǒng)，例如AEB和ACC，可以幫助挽救性命和預(yù)防交通事故。配有這些系統(tǒng)的汽車能獲得更高的官方NCAP安全分?jǐn)?shù)，而這會(huì)提升新車的價(jià)值，對(duì)消費(fèi)者也更有吸引力。
AEB和自動(dòng)緊急制動(dòng)系統(tǒng)的應(yīng)用范圍和復(fù)雜度不斷提高，以滿足對(duì)車輛L2或L3級(jí)駕駛輔助技術(shù)日益增長(zhǎng)的市場(chǎng)需求。舉例來說，新NCAP規(guī)范要求能夠更靈敏地檢測(cè)行人——用NCAP術(shù)語來說，即交通弱勢(shì)群體。通過控制車輛在城市和高速公路環(huán)境下的高速制動(dòng)功能，開發(fā)的AEB系統(tǒng)在更復(fù)雜的事件中，能比在一般指定的環(huán)境下更可靠地運(yùn)行。
市場(chǎng)也在回應(yīng)購車者的心聲，這些購車者希望利用技術(shù)降低駕駛難度，尤其是在高速公路上。高端汽車（例如奔馳S級(jí)）已經(jīng)提供有限的高速公路自動(dòng)駕駛功能，例如自動(dòng)調(diào)節(jié)與前車的距離，以及通過主動(dòng)轉(zhuǎn)向輔助，讓車輛保持在車道內(nèi)行駛。汽車供應(yīng)商還在不斷改進(jìn)這些功能，以便能在更廣泛、更復(fù)雜的情況下使用。這加劇了對(duì)高性能雷達(dá)的需求。
要實(shí)現(xiàn)更高的L4和L5級(jí)自動(dòng)駕駛，讓駕駛員完全無需操控汽車，就需要開發(fā)能夠?qū)崟r(shí)360°全方位觀察車身的傳感系統(tǒng)。這些無人駕駛出租車的控制系統(tǒng)會(huì)極為復(fù)雜，需要利用冗余來消除錯(cuò)誤檢測(cè)風(fēng)險(xiǎn)，要將來自不同類型傳感器（例如雷達(dá)、攝像頭和LIDAR傳感器）的輸入組合在一起。
視覺攝像頭可用于幫助識(shí)別物體，如人、動(dòng)物和路標(biāo)。LIDAR技術(shù)創(chuàng)造了豐富的點(diǎn)云，可以即時(shí)測(cè)量車輛與外界物體之間的距離，并測(cè)量物體的大小，從而生成外部世界的高分辨率3D地圖。
但是，雷達(dá)傳感器的獨(dú)有功能不斷擴(kuò)展，使其成為L(zhǎng)4和L5系統(tǒng)中其他傳感器類型的重要補(bǔ)充。在L2和L3用例中，雷達(dá)實(shí)際上是主要的傳感器，因?yàn)樗鼘?shí)現(xiàn)了尺寸、成本和性能的最佳組合。
更關(guān)鍵是雷達(dá)能夠一次完成4D感測(cè)，能夠測(cè)量物體的距離、速度、角方位和高度。雷達(dá)傳感器還能在雨、霧和雪等條件下工作，而在這些條件下，LIDAR傳感器和視覺攝像機(jī)的功能會(huì)受到影響或不可用。
更高性能，更高集成度
與正在開發(fā)的汽車?yán)走_(dá)系統(tǒng)相比，之前的雷達(dá)技術(shù)會(huì)顯得遲鈍且功能有限。如之前安裝在前保險(xiǎn)杠上的雷達(dá)傳感器僅在測(cè)量與前車之間的距離及其速度方面表現(xiàn)出色。
但是，完整的高速自動(dòng)駕駛系統(tǒng)需要能夠在德國的高速公路上安全運(yùn)行，公路上可能有摩托車，其尺寸更小，比客車更難檢測(cè)到，且能夠以高于180 km/h的速度接近外車道。為了能夠更早更準(zhǔn)確地檢測(cè)到這種風(fēng)險(xiǎn)，自動(dòng)駕駛雷達(dá)系統(tǒng)需要能夠更準(zhǔn)確、更快，在更大距離范圍內(nèi)實(shí)施檢測(cè)。
要在開發(fā)這些功能的同時(shí)，遵守汽車行業(yè)關(guān)于尺寸和成本的嚴(yán)格限制，這就需要從半導(dǎo)體技術(shù)、RF系統(tǒng)操作和信號(hào)處理等領(lǐng)域創(chuàng)新——這正是ADI的優(yōu)勢(shì)所在。
ADI推出的新一代雷達(dá)組件，包括76 GHz至81 GHz單片式微波IC(MMIC)發(fā)射器和接收器，都是基于新型Drive360® 28 nm CMOS技術(shù)平臺(tái)。Drive360平臺(tái)與行業(yè)通常使用的SiGe半導(dǎo)體技術(shù)不同，它具有以下重要優(yōu)勢(shì)：
在檢測(cè)遠(yuǎn)距離物體時(shí)，輸出功率高，回?fù)p噪聲低
低相位噪聲和高中頻(IF)帶寬，在檢測(cè)小物體時(shí)能提供極高的精確度，例如摩托車和孩童，這對(duì)于以前的雷達(dá)傳感器都比較困難
高性能相位調(diào)制，使雷達(dá)傳感器能夠更有效地識(shí)別一個(gè)場(chǎng)景中的多個(gè)對(duì)象
超快脈沖傳輸，能夠?qū)焖僖苿?dòng)的物體更快做出反應(yīng)，例如以180 km/h的速度前行的摩托車
使用CMOS技術(shù)也支持在雷達(dá)器件中實(shí)現(xiàn)數(shù)字功能的高度集成，以幫助降低先進(jìn)雷達(dá)系統(tǒng)的成本，以及縮小其尺寸。過采樣模數(shù)轉(zhuǎn)換器和超低噪聲數(shù)字PLL時(shí)鐘等功能都是ADI擁有知識(shí)產(chǎn)權(quán)的核心技術(shù)，有助于提高下一代77 GHz雷達(dá)傳感器的運(yùn)行速度、分辨率和穩(wěn)定性。
先進(jìn)的半導(dǎo)體技術(shù)、模擬專業(yè)技術(shù)和系統(tǒng)軟件功能相結(jié)合，將能夠進(jìn)一步利用雷達(dá)技術(shù)擴(kuò)展下一代車輛中部署的ADAS的功能。無論是現(xiàn)在，還是未來的幾十年，ADI將一直擁有雷達(dá)開發(fā)領(lǐng)域的核心技術(shù)優(yōu)勢(shì)。
（來源：亞德諾半導(dǎo)體）
免責(zé)聲明：本文為轉(zhuǎn)載文章，轉(zhuǎn)載此文目的在于傳遞更多信息，版權(quán)歸原作者所有。本文所用視頻、圖片、文字如涉及作品版權(quán)問題，請(qǐng)聯(lián)系小編進(jìn)行處理。
