激光雷达串扰问题解析
在自动驾驶和高精度感知系统中，激光雷达作为关键传感器之一，其性能直接影响车辆的环境建模与决策能力。然而，随着激光雷达部署密度的提升，一个日益突出的问题逐渐受到关注——串扰（crosstalk）。
TOF激光雷达的原理与局限性
TOF（Time of Flight）激光雷达通过发射短时激光脉冲，并测量其往返时间来推算目标距离。这种机制结构简单、测距直观，且脉冲能量集中，适用于大多数近场感知场景。然而，该方式对时间测量精度要求极高，且对环境光和外部干扰脉冲较为敏感。
当前车规级TOF激光雷达主要工作在890 nm至1550 nm波段，各厂商在脉冲宽度、重复频率、接收灵敏度等方面存在不同的技术路线选择。
FMCW激光雷达的原理及抗干扰优势
相比TOF激光雷达，FMCW（Frequency Modulated Continuous Wave）激光雷达采用连续调频发射机制，通过发射端的线性频率扫描，并与接收端回波进行相干混频，提取“拍频”信号来计算目标距离与相对速度。这种机制具备天然的相干增益优势，尤其在微弱回波和高精度测距方面表现更优。
由于FMCW激光雷达依赖本地参考光进行相干检测，只有与本地信号相位匹配的回波才能生成有效拍频，因此对外部非相干脉冲具有天然的抵抗能力。这一特性使其在多车同时运行或长距离感知场景下，对串扰的鲁棒性更强。
串扰现象及其成因
随着激光雷达部署密度增加，串扰问题变得尤为突出。所谓串扰，是指设备在接收回波过程中误判了来自其他激光雷达的信号，导致距离计算错误、点云异常或误检等问题。
TOF激光雷达因其脉冲发射机制，容易在多车环境中出现信号重叠。当多个设备同时工作，发射的激光脉冲可能在空间中反射、散射后被其他设备接收，而接收端仅依据时间差或脉冲形状来判断回波来源，缺乏有效的识别机制，从而引发误判。
此类干扰在夜间或视野开阔的长距离场景中尤为明显，若同一车辆搭载多个TOF激光雷达单元，也容易因发射与接收窗口未协调一致而产生自干扰。
TOF激光雷达的抗串扰策略
为缓解串扰问题，业界提出多种抗干扰方案，核心思路是为发射脉冲添加“身份标识”或控制其发射时间，从而提升接收端的辨别能力。
- 脉冲编码（编码发射）：通过对激光脉冲施加特定编码，接收端通过解码运算识别有效回波。该方法可显著提升抗串扰能力，尤其在高密度部署环境中效果显著，但会牺牲部分信噪比和测距性能。
- 时间复用与接收门控：通过错开不同单元或车辆的发射时间，或在预估回波到达窗口内开启接收器，可有效减少互扰。该方案依赖同步时钟和PPS信号，实现难度较高。
- 随机发射时序：在固定周期内加入随机时间偏移，将周期性干扰转化为随机噪声，虽无法彻底消除串扰，但实现简单，适用于硬件兼容性要求高的场景。
此外，还可以通过光学设计（如窄带滤波、物理遮挡）和软件算法（如多帧验证、异常点剔除）进一步抑制干扰。
FMCW激光雷达的抗干扰能力及其局限
FMCW激光雷达凭借相干检测机制，在抗串扰方面具有天然优势，但其高成本与复杂度成为普及的障碍。
FMCW系统需要线性调频光源、高稳定度本地振荡器以及复杂的信号处理算法，硬件实现难度较大。此外，当多个相干源同时工作，或外来连续波频率轨迹与本地信号高度接近时，仍可能存在干扰。
尽管如此，FMCW在密集部署场景中的鲁棒性远高于TOF系统，因此在高端自动驾驶和高精度感知系统中应用广泛。
软件优化与传感器融合
无论是TOF还是FMCW，仅靠硬件难以完全消除串扰风险。软件设计在这一过程中扮演着不可或缺的角色。
常见的软件策略包括点云异常点检测、时间一致性校验、多帧融合分析等。例如，若某点仅出现在单帧点云中，且无速度场支持，同时其他传感器（如摄像头、毫米波雷达）未检测到对应目标，则可将其视为低置信度信号予以剔除。
近年来，基于机器学习的点云异常检测算法也逐渐被引入。通过训练模型识别串扰点的时空特征（如突发性、孤立性、反射强度异常等），可在运行时动态降低这些点的权重，进一步提升感知系统的可靠性。