全安大道自动信号分析加速车用雷达系统开发

为能大幅降低车祸事故的伤亡机率，全球车厂皆视行车安全问题为必要的课题，因此近期所推出的车辆纷纷结合了最先进的科技，于紧急状况下提供驾驶者必要的协助，除了摄影机及超音波传感器外，汽车工业正转向投入雷达技术的研发，以期大幅降低成本...

为能大幅降低车祸事故的伤亡机率，全球车厂皆视行车安全问题为必要的课题，因此近期所推出的车辆纷纷结合了最先进的科技，于紧急状况下提供驾驶者必要的协助，除了摄影机及超音波传感器外，汽车工业正转向投入雷达技术的研发，以期大幅降低成本；雷达技术可以在任何天气条件下快速且准确的测量多个物体的速度和距离，未来雷达技术将是实现自动驾驶的关键要素；这些频率调变的雷达信号皆可通过频谱分析仪进行分析，因此雷达组件的研发人员即可通过频谱分析仪，实时的自动侦测、量测与显示雷达信号。



奥迪交通事故研究小组的一项研究指出，90%以上的道路事故其原因都可归责于人为的疏失，因此通过自动驾驶技术将可大幅减少事故发生率(这项技术类似于飞机所使用的空中自动驾驶系统)，虽然这听起来似乎是科幻小说中才存在的高科技，其实自动驾驶技术已然实现，且存在于许多豪华车种、甚至中等价位的车辆中；除了现在我们常见的停车辅助系统(parking-assistance system)外，还有许多驾驶辅助技术可协助日常驾驶，例如车道变换辅助(lane-change assistant)、车辆盲点侦测(blind-spot detection)、与智慧巡航控制(adaptive cruise control)；停车辅助系统乃基于一个非常明确可/否(yes/no)的引导程序，智能巡航控制则可通过接收前方车辆信息进行驾驶速度修正。

维持车流量畅通

自动驾驶与大型城市的发展息息相关，国际能源机构指出如莫斯科、上海、东京、和墨西哥等大型城市，已达2至3千万人口之多，这些城市正面临车辆暴增的问题，如今全球车辆数目已达10亿之多，预估于2025年全球将高达15亿辆，而中国就占了4亿辆之多，且集中在几个主要的城市。在这样的时空背景下，自动驾驶将不只着重于道路安全和便利性的问题而已；反之，自动驾驶技术将在极端路况下，协助调节交通流量的畅通度。

车用雷达技术的应用面

雷达技术在汽车与军事用途上有许多不同考虑点，雷达科技最初乃因应军事用途所开发；首先，汽车产业承受了巨大的成本压力，所以必须降低组件成本；此外，车用雷达传感器通常安装于汽车塑料保险杆的后方，但由于其空间非常有限，因此传感器必须非常的精巧。

相较于摄影机与超音波的应用，雷达技术最大的优势则是雷达传感器与物体间的侦测，不需要通过视觉观测，这将大幅节省保险杆于量产的成本，亦可于车辆设计的初期导入；然而，在信号发送与接收的衰减补偿则成为一大挑战，因为信号将穿过保险杆上不同的材质层以及(金属)涂料，这种衰减补偿将可通过雷达传感器进行后处理。

在车用市场，汽车制造商目前可以利用24GHz及77GHz不同带宽的频段，而24GHzISM频段下带宽最大可达250MHz，24GHz超宽带(UWB)则已提供高达5GHz带宽；然而由于国际规范的关系，这些将只能使用至2022年底为止。之后将开放77GHz与81GHz间的频率范围，其带宽达4GHz，这已被使用于具前瞻性的应用上。由于信号带宽将决定距离分辨率，这对于雷达的应用相当重要，因此带宽仅1GHz的122GHz与244GHz频率范围已不在汽车产业中使用，目前仅限于研究阶段并视其后续发展。

当速度加上距离

在汽车雷达的应用中，研发人员通常希望可以在一个量测周期中，同时确定多个物体的速度与距离；然而一般的脉冲雷达无法达成这个任务，利用单一周期内传送及接收信号间的时间偏移，即可确定车辆间的距离；若要同时确定速度，则必须使用频率调变信号，例如线性频率调变连续波(LFMCW)信号。

发射及接收信号间的频率偏移亦称作差频(beat frequency)，它包含了多普勒频率分量fD及延迟分量fT；多普勒分量中包含了速度(velocity)的相关信息，延迟分量包含了距离(Range)的相关信息。此方程式中有两个未知数R(距离)及Vr(速度)，并通过两个差频测量来确定所需的参数；紧接着第一个信号之后，第二个信号则会结合线性调频进行量测；假如有多个目标，则无法明确地确定多个快速频率变化(线性调频)的差频配对；所产生的"假目标(Ghosttargets)"并不真实存在，这个问题即可通过发射不同线性调频的各种信号来解决，但测试时间也相应增加。

通过线性调频序列的单次量测周期来取得这两个参数是可行的，相较于总量测周期来看，单一线性调频非常的短，每一个差频主要通过延迟分量(fT)来决定；以这种方式，距离(R)即可在每一个线性调频后直接被确定。多普勒频率最初是被忽略，但是如果确定一个序列内几个连续的线性调频间的相移，多普勒频率即可通过傅立叶变换来确定；因此可以计算出前方车辆的速度，当速度分辨率提高，量测周期的长度也会增加。这些复杂过程所需的雷达组件，必须具备强大处理能力的电路及信号处理器。雷达信号的特性

LFMCW信号雷达传感器的开发工程师正面临一个重大挑战：从发送信号的理想形状上，任何偏差都可能引起速度(Vr)及距离(R)的错误判断；特别是在安全相关的应用面上，这将可能造成灾难性的后果，例如：线性调频的频率线性度、线性调频序列的长度及可重复性...等重要参数，都必须进行验证。

频率及宽带迅变的信号，可通过时域信号分析技术的瞬态分析来进行特性测试；R&SFSW频谱分析仪的瞬态分析测试选配为雷达应用的重点，这个选配将支持线性调频序列的自动侦测及分析；线性调频率、线性调频长度及线性调频率偏差...等重要参数，皆会显示在测试结果表格中，无须通过标记(marker)进而大幅节省人工分析时间。I/Q为基础的资料分析为这个测试方法的核心，根据频率、量测带宽及记录时间即可确定分析的范围，并以图形格式显示测试结果，使分析过程更有效率且更清楚。分析范围的大小取决于需要量测线性调频信号的数量，线性调频率偏差相对于理想的线性调频，都会呈现于测试结果表格中。若选择了较大的量测带宽，则最大的量测时间就会缩短；此外，可通过时间窗口(timing window)的设定，以忽略量测过程中所发生的瞬变；理想的线性调频通常是通过平均线性调频率和功率量测来确定。

雷达信号分析时，I/Q数据将会被异步的纪录及评估，特别是大带宽将使分析的时间显著的缩短。测试结果可以通过各种方法来显示，例如：RF频谱、调幅、调频、调相，亦可同时显示量测画面。频谱分析仪可完整显示记忆的内容及用户定义的间隔或个别的线性调频。

FM线性度

线性度是线性调频信号的重要参数，因为它会影响目标参数的量测准确度，特别是在频谱图模式下可以被显示出来；它将描绘出信号的频谱变动与时间的关系，随着频率(X轴)与时间(Y轴)，信号强度将通过颜色编码呈现；这是信号行为一个很好的描述，且允许通过时间进行评估，即使是有短暂非理想的信号；当这种信号出现时，通过附加功能即可进一步分析。RF频谱图可提供在选定的时间下，将所有量测信号的全部频谱通过图像来呈现；它可显示的不仅是所需的信号，还包括非理想的频谱；使用时域频率偏移图，即可分别显示完整调频信号的频率错误与解调；对于小振幅的非理想信号处理，可利用视讯滤波器或平均加权多重线性调频信号，以减少噪声影响。

雷达传感器的开发过程中，另一个重要的参数为来自于理想线性调频长度的偏差，因为这会影响速度量测的准确度；为此，量测的结果包括线性调频起始时间及长度皆会于表格中呈现，所有线性调频皆会落在先前定义的结果范围内，每个独立的线性调频信号皆可通过时间标记来识别；此外在测试结果表格中，线性调频信号会按编号顺序排列，使它们更容易被区分。这里所提到的测试都可以通过频率达67GHz的频谱分析仪来执行，且不需要搭配额外的配件。当雷达信号量测频率需求超过67GHz的情况下，则须通过谐波混频器(harmonic mixers)将输入分析仪的信号转换成中频(IF)。因此分析仪将尽可能的使用较高的中频，这样将可提供宽广且明确的频率范围；这一点对于宽带序号分析来说尤其重要，例如：线性频率调变连续波(LFMCW)信号。

展望

可以预见的是本文中所描述的技术，对于未来的驾驶科技发展将产生影响，雷达技术将持续扮演关键角色。随着技术的进步与安全性的提升，信号将日益复杂，对于带宽及分辨率的需求也将更高；特别是在交出路口，更必须确保传感器能清楚的分辨正确信号，则须在信号上进行编码。

随着自动驾驶日益普及，车对车(C2C)通讯也将不可或缺。C2C通讯乃基于WLAN802.11p标准发展而来，未来的车辆以及道路的基础设施将可彼此沟通，例如：系统将会提醒驾驶人路径上的施工地点、交通号志将会传递交管信号给过往的车辆，让驾驶辅助系统将这些信息直接列入考虑。一如以往，全新技术的到来将会大幅影响驾驶的世界，但有一件事情不会改变，驾驶们的互相尊重才是确保安全的不二法门。

【注】本文由牛喀网整理发布，转载请注明出处

车市需求:【产品】【项目】【人才】【咨询】【会议】

最近更新I2德勤报告|汽车工业中的大数据及其分析J2
德勤报告|汽车工业趋势与策略影响K2安永报告|人工智能的进化和自动驾驶的接受L2IBM报告|数据破坏与汽车工业的未来M2IBM报告|汽车2025，没有边界的工业N2IBM报告|智能交通新前沿

本公众号设有清洁能源群/智能驾驶群/车载互联群/动力系统群/底盘电子群等。加入请长按或者扫描下方二维码进入临时微信群，发送“姓名-公司-职务”给管理员，经审核通过后加入专业版。

    关注 慧驭安行