激光雷达为何面临串扰挑战？
作为自动驾驶系统中不可或缺的感知组件，激光雷达在车辆感知环境方面扮演着关键角色。即便当前部分技术路线逐渐向视觉感知倾斜，仍有大量车企坚持使用激光雷达作为核心传感器。当前主流的激光雷达技术主要分为两种：脉冲式飞行时间（Time-of-Flight, TOF）与连续波调频（Frequency-Modulated Continuous Wave, FMCW）。
TOF激光雷达的工作原理与局限性
TOF激光雷达的机制较为直观，其通过定时发射短脉冲激光，并测量激光从发射到被目标反射回来所需的时间，结合光速计算目标距离。这种技术实现较为简便，测距直观，但对时间测量的精度要求极高，且容易受到环境光或其他干扰信号的影响。目前，多数车规级TOF激光雷达工作在890 nm至1550 nm波段，各厂商在脉冲宽度、重复频率和接收灵敏度等参数上会有所差异。
FMCW激光雷达的相干优势
FMCW激光雷达采用连续发射激光的方式，并通过频率线性调制（即调频）实现距离和相对速度的测量。回波信号与本地参考光进行混频后，可提取“拍频”信号，从而推算出目标距离和速度。由于该技术基于相干检测，具有更高的接收增益和抗干扰能力，因此在低反射率或远距离场景下表现更优。此外，非相干光源（如其他车辆的激光信号）不会对FMCW激光雷达的检测结果造成显著干扰。
串扰问题的成因
随着激光雷达装车数量的增加，传感器之间信号相互干扰的问题日益突出，即“串扰”现象。TOF激光雷达发射的脉冲信号在环境中传播后，可能会被其他车辆的激光雷达误认为是自身的回波。接收端如果仅依赖时间差或脉冲形状判断目标，缺乏额外的识别机制，便容易将外来脉冲误判为有效信号，导致测距误差、点云丢失或虚假点云生成。
这一问题在夜间或视野开阔的长距离场景中尤为明显。此外，若车辆自身安装多个TOF单元且未协调好发射与接收时间，也会引发内部干扰。相比之下，FMCW激光雷达由于其相干检测特性，在抗串扰方面具有天然优势，但并非完全免疫，具体表现仍取决于系统设计。
TOF激光雷达的抗串扰技术
为缓解TOF激光雷达的串扰问题，业界提出了多种技术方案，核心思路在于使每个脉冲信号具备唯一标识或在时间上受控，以帮助接收端准确识别自身回波。
- 脉冲编码：通过对发射脉冲进行编码，接收端解码后仅识别与自身编码匹配的信号，可有效区分不同来源。但编码过程可能降低信噪比和测距精度。
- 时间复用与接收门控：通过精确控制发射与接收时间窗口，可减少单元间或车辆间的信号干扰。但若目标距离超出预期或存在异常反射路径，仍可能导致数据丢失。
- 随机化发射时序：在固定频率基础上加入随机时间偏移，降低脉冲重合概率，将干扰转化为随机噪声。此方法实现简单但无法彻底消除串扰。
- 硬件与光学抑制：通过窄带滤波器、方向性设计和机械遮挡等方式减少干扰信号的进入路径，但可能限制探测视场。
- 软件后处理：在点云处理阶段引入多帧验证、接收门限设置等机制，剔除孤立或异常点。
FMCW激光雷达的抗干扰特性与成本挑战
FMCW激光雷达依赖相干检测原理，仅对与本地参考光相干的信号作出响应，从而具备更强的抗干扰能力。这种机制使其在识别自身回波方面优于TOF传感器，但FMCW系统对调频光源的线性度、相位稳定性以及数字信号处理能力要求较高，导致其硬件成本和算法复杂度显著上升。
尽管FMCW在密集场景中表现更稳健，但高成本和技术门槛使其尚未成为主流选择。此外，在极少数情况下（如两个相干源同时存在或外来连续波频率轨迹巧合），FMCW也可能遭受干扰。
软件设计与传感器融合的互补作用
无论是TOF还是FMCW激光雷达，软件设计在提升系统鲁棒性方面都扮演着关键角色。点云异常检测、时间一致性校验、多帧累积分析等方法，可以辅助系统识别并过滤虚假点云。
此外，多传感器融合（如激光雷达与摄像头、毫米波雷达、IMU/GNSS等）可提供更全面的环境感知能力。例如，若激光点云中出现孤立的“飞点”，而视觉传感器未检测到对应目标，便可将其标记为低置信度数据。
机器学习方法也逐渐被引入串扰点的识别与抑制中。基于时空特征的分类器可以识别出串扰点的典型行为模式，从而在运行时调整其置信度。然而，这类方法依赖于大量训练数据，同时需注意避免将罕见的真实小目标误判为干扰。
总结
随着自动驾驶技术的推进和激光雷达装车密度的上升，串扰问题已成为传感器设计与系统优化中不可忽视的挑战。TOF激光雷达因其脉冲发射机制更容易受到干扰，而FMCW则在原理层面具备更强的抗干扰能力。然而，FMCW的高成本与技术复杂度仍限制了其大规模应用。