激光雷达为何易受串扰影响？
脉冲式TOF（飞行时间）激光雷达的工作机制直观明了。发射器定期发送一个窄激光脉冲，当激光遇到障碍物后反射，接收器记录下发射与回波之间的时间差，再乘以光速的一半，即可计算出目标距离。这种方案实现相对简单，测距直观，且脉冲能量集中。然而，其劣势也显而易见——对时间测量的精度要求极高，同时易受环境光或其他干扰脉冲的影响。目前，多数车规级TOF激光雷达工作在890 nm至1550 nm波段，不同厂商在脉冲宽度、重复频率及接收灵敏度等方面采取了不同的优化策略。
相较之下，FMCW（调频连续波）激光雷达并不依赖于短脉冲测时，而是通过连续发射频率随时间线性变化的激光（即调频），接收端将回波与本地参考光进行相干混频，产生“拍频”信号。拍频频率反映的是发射与接收之间的频率差，从而可推导出目标距离及其相对速度（即多普勒信息）。由于FMCW激光雷达采用相干检测，接收端在捕获微弱回波时具备增益优势，并能同步提取速度信息。此外，由于只有与本地参考光相干的信号才能产生有效干涉，因此外来脉冲通常不会对检测过程产生干扰，这意味着FMCW激光雷达天然具备对外部非相干光源（包括其他车辆的激光信号）的抗扰能力。
串扰现象的产生机制
随着搭载激光雷达的车辆数量持续上升，一个显著的问题逐渐浮现——“串扰”。所谓串扰，是指激光雷达误接收其他车辆发射的信号，从而造成感知数据的不准确。
TOF激光雷达发射的是短暂、重复的脉冲，这些信号在空间中传播时会发生交叉、反射或漫散射，可能被其他车辆的接收端误判为来自自身发射的回波。接收器若仅依赖于时间差或脉冲形态识别物体，缺乏额外的鉴别机制，便容易将外来脉冲误判为有效回波，从而导致测距错误、点云丢失，甚至生成虚假点。
串扰在多车并行行驶时尤为常见，尤其在夜间或视野开阔的长距离场景下更为突出。此外，若同一车辆上安装多个TOF单元，若缺乏良好协调，也可能造成相互干扰。例如，当A单元发射的激光经过漫反射进入B单元的视场，或B单元的接收窗口在A单元发射后仍处于开启状态，串扰便难以避免。相比之下，FMCW激光雷达因其相干检测机制，对第一类干扰具有天然的抑制能力，但并不能完全“免疫”，实际效果还取决于硬件实现方式。
TOF激光雷达的抗串扰策略
为缓解TOF激光雷达的串扰问题，业界已提出多种技术路径，其核心目标在于使发射脉冲“带有标识”或“在时间上受控”，以便接收端能够区分自身回波与外部干扰。
其中，脉冲编码是一种常见的技术手段。通过为每个激光脉冲设置特定编码，接收端再根据解码规则判断信号来源。只有与自身编码匹配的信号才会被认定为有效回波。编码方式可采用伪随机序列或时间/相位上的特殊码型。这种方法理论上可显著降低误识率，尤其在多车环境中，互不干扰的编码可有效区分不同发射源。
然而，编码技术也会带来一定代价。编码和解码过程会将能量在时间上“展开”，回波信息的还原需依赖相关运算。在低反射率目标或远距离场景下，这种处理方式可能会影响系统灵敏度或最大测程。因此，实际设计中需在编码长度、码速率、发射功率与探测器积分时间之间做出权衡。
时间复用与接收门控则是另一种常见抗干扰策略。该方法通过错开不同单元或车辆的发射时间，或仅在预期回波到达的时间窗口内开启接收器，从而避免同时接收多个信号。对于同一车辆上的多个TOF单元，这种同步机制可大幅减少互扰，但需依赖高精度同步时钟（如PPS）或专用同步总线，而不能依赖无线时间协商。门控方式虽有效，但若目标距离超出预期或反射路径异常，回波可能会落在接收窗口之外，造成数据丢失。此外，若其他车辆恰好在自身接收窗口内发射信号，仍可能引发干扰。
另一种较为简便的方案是采用随机化发射时序或在帧结构中引入时间抖动。通过为固定频率脉冲加入随机偏移，可降低周期性干扰重合的概率，将固定节奏的干扰转化为随机噪声。该方案易于实现且兼容现有硬件，但无法彻底区分外来回波，仅能从概率上平均冲突，对高密度场景效果有限。
此外，还可从光学与硬件层面进行串扰抑制。例如，使用窄带光学滤波器以滤除环境背景光和非目标波段的干扰，但若其他雷达使用相同波段，该方法便无法奏效。此外，通过优化光学方向性设计、物理遮挡或机械隔栅等方式减少来自侧向或反射路径的干扰，也可能对探测视场造成一定限制。在软件层面，可设置接收门限或引入多帧验证机制，仅保留多帧中稳定出现的点，从而在点云后处理阶段剔除孤立的虚假点。
FMCW激光雷达的抗串扰特性
FMCW激光雷达因其依赖相干检测机制，在识别“自身回波”方面具备更强的抗干扰能力。接收端通过将回波与本地参考光混频，只有频率与相位匹配的信号才能形成稳定的拍频并被有效检测。而外来的非相干信号（特别是短脉冲）则无法与本地参考光形成稳定干涉，因此不会被误认为有效回波。
尽管FMCW在抗串扰方面具备天然优势，但其尚未成为主流方案，主要原因在于硬件复杂度和成本较高。FMCW激光雷达需要高质量、线性可控的调频光源以及稳定本地振荡器，相干检测对相位和频率噪声极为敏感，导致整体系统复杂度和成本高于TOF方案。在极少数特殊情况下（如两个相干源同时存在或外来连续波频率轨迹重叠），FMCW也可能会受到干扰。此外，FMCW的测距与测速信息是耦合的，其处理算法和数字信号处理要求较高。这意味着，尽管FMCW在高密度场景中表现出更佳鲁棒性，但更高的成本与算法复杂度，使其在大规模商业化应用中面临挑战。
软件优化与多传感器融合
无论是TOF还是FMCW激光雷达，仅依赖硬件难以应对所有场景。软件设计在提升系统鲁棒性方面起着至关重要的作用。在软件层面，可采用点云异常检测、时间一致性校验、多帧累积判断等方法，提高对虚假点的识别能力。例如，若某点云中出现孤立的“飞点”，在单帧中突然出现且无速度场支持，同时摄像头也未捕捉到对应目标，则可将其标记为低置信度信号并予以忽略。通过与其他传感器（如摄像头、毫米波雷达、IMU/GNSS）进行融合，可以进一步降低由串扰引发的误检风险。
此外，基于机器学习的方法也逐渐被用于识别和过滤串扰产生的伪点。通过训练基于时空特征的分类器，可学习串扰点的典型特征（如突发性出现、空间孤立、反射强度异常等），从而在运行时降低其权重。但该方法需依赖大量训练数据以确保模型泛化能力，同时需注意避免将真实的小目标误判为干扰。