激光雷达为何面临串扰挑战
在自动驾驶技术不断演进的背景下，激光雷达作为核心感知设备，始终占据着不可替代的地位。尽管近年来部分技术路线转向纯视觉方案，仍有大量汽车制造商坚持使用激光雷达作为关键传感器。当前主流的激光雷达工作方式主要包括脉冲飞行时间（Time-of-Flight，TOF）和连续波调频（Frequency-Modulated Continuous Wave，FMCW）两种。
TOF激光雷达的原理较为直观：系统周期性地发射窄脉冲激光，当光束遇到障碍物后反射回来，接收端记录发射与接收之间的时间差，结合光速计算目标距离。这种方法具有实现简单、测距直观、脉冲能量集中等优点，但对时间测量精度要求极高，同时容易受到环境光及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有所差异。
FMCW激光雷达则采用连续发射激光，并使发射频率随时间线性变化。回波与本地参考光混频后产生拍频信号，通过分析频率差可推算出目标距离和相对速度。由于其基于相干检测原理，FMCW系统在弱回波接收方面具有增益优势，并能同步获取速度信息。此外，只有频率和相位与本地信号相干的回波才能产生有效干涉，因此对外部非相干信号（如其他车辆的激光信号）具有较强的抗干扰能力。
串扰现象的成因
随着激光雷达装车率的上升，系统间的串扰问题逐渐凸显。所谓串扰，是指某台激光雷达接收到其他设备发射的激光信号，从而影响其感知判断的准确性。
TOF激光雷达发射的是周期性脉冲信号，这些光脉冲在空间中相互穿越、反射或散射，可能被其他设备的接收器误判为有效回波。由于接收端通常仅依据时间差或脉冲形状进行目标识别，缺乏额外的验证机制，因此容易将外部脉冲误判为自身回波，导致测距错误、点云丢失或虚假点云生成。
在多车密集行驶、夜间或长距离开放场景中，串扰现象更为明显。此外，同一车辆中多个TOF单元若未能协调好发射与接收时序，也可能互相干扰。例如，A单元的激光经漫反射进入B单元视场，或B单元在A单元发射后仍处于接收状态，均可能引发串扰。相比之下，FMCW激光雷达基于相干检测机制，具备天然的抗干扰能力，但其抗扰效果仍受具体硬件设计和实现方式的影响。
TOF激光雷达的串扰抑制技术
为缓解TOF激光雷达的串扰问题，业界提出了多种技术手段，核心目标是赋予每个发射脉冲唯一的标识或通过时间控制实现有效回波识别。
脉冲编码（编码发射）是其中一种常见方法。通过对发射脉冲进行特定编码，接收端可解码并匹配信号，仅将与编码一致的回波视为有效。编码方式可采用伪随机序列或时间/相位码型。这种方式理论上可显著降低误判率，特别是在高密度场景下，不同设备之间互不干扰。但编码过程会降低回波能量密度，影响系统灵敏度和最大测程，因此需在编码长度、码速率、发射功率及探测器积分时间之间寻求平衡。
时间复用与接收门控是另一种有效手段，通过错开不同单元或车辆的发射时间，或仅在预计回波到达时开启接收窗口，从而减少干扰。对于同一车辆内的多个TOF单元，此方法尤为有效，可借助统一时钟系统精确控制发射与接收时序。然而，这种方法依赖于高精度同步设备，如PPS或专用同步总线，无线方式难以实现精确同步。此外，若回波路径异常或目标超出预期距离，数据可能丢失；若其他车辆在接收窗口内发射，仍可能产生干扰。
还有一种方法是引入随机发射时序或帧内时间抖动，通过在固定频率上加入随机偏移，将周期性干扰转化为随机噪声。该方式实现简单、兼容性强，但无法从根本上区分外来回波，仅能在概率上平均冲突，对高密度场景效果有限。
此外，也可从光学与硬件层面进行抑制。例如，采用窄带光学滤波器可有效减少环境光及其他非目标波段的干扰，但无法抵御同波段信号。通过光学方向性设计、物理遮挡或机械隔栅，可减少侧向或反射路径的干扰，但可能影响探测视场。软件方面则可通过设定接收门限、多帧验证机制（如仅保留多帧中稳定出现的点）等策略，剔除孤立的虚假点。
FMCW激光雷达的抗串扰特性
FMCW激光雷达依赖相干检测机制，只有与本地参考光相干的信号才能产生稳定拍频并被检测。因此，外来的非相干激光（尤其是短脉冲信号）无法与本地信号形成有效干涉，不会被误认为有效回波。基于此原理，FMCW在识别自身回波方面具备更强的天然辨别能力。
尽管FMCW具有抗串扰优势，但其尚未成为主流解决方案，主要受限于硬件复杂度和成本。FMCW系统需要高质量的线性调频光源和稳定本地振荡器，并对相位与频率噪声高度敏感。其测距与测速信息耦合，信号处理复杂度高，对算法和数字信号处理能力要求更高。此外，尽管FMCW具备较强抗干扰能力，但在极端情况下（如多个相干源同时存在或外来信号频率轨迹巧合）仍可能受到干扰。总体而言，FMCW在高密度场景下具备更高鲁棒性，但成本和实现难度是其大规模商业应用的主要障碍。
软件优化与传感器融合策略
无论是TOF还是FMCW系统，单一硬件手段难以完全解决串扰问题，软件优化和传感器融合成为必要补充。在软件层面，可通过点云异常检测、时间一致性校验、多帧累积判断等方式，提升虚假点识别能力。例如，若在单帧点云中出现孤立的“飞点”，且无速度场支持，同时摄像头未检测到对应目标，该点可被标记为低置信度信号并剔除。
多模态传感器融合策略可进一步提升系统鲁棒性。通过与毫米波雷达、IMU/GNSS等传感器协同工作，可增强系统对真实目标的识别能力。此外，基于机器学习的伪点识别方法也逐渐兴起。通过训练模型学习串扰点的特征（如时序突发、空间孤立、反射强度异常等），可有效降低伪点权重。但该方法依赖于高质量训练数据，且需避免将真实小目标误判为干扰。
结语
随着激光雷达装车密度持续上升，串扰问题将日益突出。TOF激光雷达因脉冲特性更易受干扰，而FMCW在抗干扰能力方面具有结构优势，但其成本和实现复杂度也更高。未来，硬件优化、软件补救与多传感器融合将成为提升系统性能的关键方向。