4D毫米波成像雷达如何实现高度探测能力？
在现代自动驾驶感知系统中，毫米波雷达因其独特优势扮演着不可或缺的角色。它工作于微波频段，能够有效穿透雨雪、雾气和烟尘等恶劣天气介质，并在强光或黑暗等极端光照条件下维持稳定性能，因此一直被视作环境感知的可靠手段。然而，传统毫米波雷达在过去长期局限于探测目标的距离、相对速度和方位角，缺乏对垂直方向的高精度识别能力，这也限制了其作为主要传感器的潜力。
在高速行驶过程中，车辆接近立交桥、交通标识、减速带或井盖时，由于缺乏高度信息，传统雷达常将这些非障碍物误判为静止障碍，引发频繁的误制动。为降低误报率，系统往往需要放宽识别阈值，但这可能带来潜在的安全风险。
4D毫米波成像雷达的问世，突破了这一瓶颈。“4D”在这里指的是在距离、速度和方位角的基础上，新增了“俯仰角”或“高度”这一关键维度。这项技术提升使得雷达不仅能识别离散点的距离信息，还能描绘物体的轮廓和空间层次，实现更为精准的三维感知。
从物理孔径重构到MIMO虚拟化技术
毫米波雷达对角度的识别能力主要依赖于天线阵列的孔径大小。按照电磁波干涉原理，孔径越大，波束越窄，角度分辨率越高。传统3D雷达多采用水平线性排列的天线布局，使得其在方位角上具备一定分辨力，但垂直方向由于孔径过小，甚至仅采用单层天线，导致俯仰角分辨率极低。
4D雷达通过重构天线布局，在垂直方向上扩展了有效孔径，从而提升了俯仰角的分辨能力。不过，车载雷达对体积和成本控制极为严格。如果单纯依靠增加物理天线数量，不仅会显著增加电路板面积，还会提升射频芯片成本，不利于商业化落地。
为此，MIMO（多输入多输出）技术被广泛采用。该技术通过合理配置发射（TX）和接收（RX）天线，能够虚拟生成远超物理数量的通道。例如，一个拥有M个发射通道和N个接收通道的系统，可合成M×N个虚拟阵元，构建出二维平面虚拟阵列。通过将发射天线在垂直方向错位排布，4D雷达可形成多达192个虚拟通道，从而在垂直维度上扩展覆盖范围，为俯仰角测量提供物理基础。
MIMO技术原理图，图片源自网络
实现高度识别的关键算法体系
4D毫米波雷达在物理阵列构建的基础上，还需依赖复杂的数据处理算法来精确提取高度信息。这类雷达通常采用FMCW（频率调制连续波）体制，通过发射啁啾信号，并对回波进行多通道采集，从而获取包含距离、速度、方位和高度的多维信息。
信号处理过程中，首先进行距离和多普勒FFT分析，以提取目标在运动状态下的初步特征。但真正具有技术挑战性的是后续的DOA（到达角估计）算法。由于虚拟通道数量有限，传统FFT测角法在分辨率和抑制旁瓣干扰方面表现不佳。
因此，4D雷达引入了超分辨率算法，如MUSIC（多重信号分类）和ESPRIT（旋转不变子空间估计），它们通过分析信号协方差矩阵的子空间特征，实现了比传统方法更高的角度分辨率。部分高端雷达系统已能将俯仰角测量精度提升至±0.2度以内，使其在300米外仍能准确识别井盖与桥洞。
图片源自网络
此外，系统还需应对数据量剧增带来的计算压力。随着虚拟通道数量的提升，雷达后端处理器必须具备强大并行处理能力。目前主流采用FPGA或专用SoC来执行复杂的空间谱估计任务。同时，数字波束成形（DBF）技术也被用于抑制多路径干扰，过滤出高质量点云数据，提升高度识别的稳定性。
杂波抑制与点云质量优化
随着探测维度的扩展，4D毫米波雷达在提升高度识别能力的同时，也面临更高的噪声和虚假目标风险。在城市环境中，雨水、路面积水和空气中的悬浮颗粒都可能反射雷达波，形成大量杂乱点云。
为解决这一问题，系统引入了基于统计特性的杂波抑制算法。例如，通过分析雨滴在距离与速度分布上的特征，可将其与金属或人体目标区分开。同时，利用角度维度的FFT峰值方差分析，系统可识别出缺乏空间一致性的虚假点并予以剔除。
地面杂波的动态抑制也是关键环节。4D雷达通过垂直方向的数字波束成形，可实现“高度掩模”功能。系统根据车辆当前姿态动态调整感知范围，过滤掉来自地面的非障碍物回波。此外，通过RCS（雷达散射截面积）分析，雷达可进一步识别出金属类目标，提高点云可信度。
为兼顾实时性，一些4D雷达系统引入了自适应采样策略。在检测到高风险场景（如行人横穿、前方急刹）时，系统自动分配更多计算资源以提高局部分辨能力；而在路况良好的情况下，则保持低数据流速以节省能耗。
从多芯片堆叠到单芯片集成的硬件演进
4D毫米波雷达的发展也推动了硬件架构的演进。早期方案多采用多颗3T4R射频MMIC芯片级联，虽能快速实现虚拟通道扩展，但存在整机体积大、功耗高和相位标定困难等问题。
为了提升集成度与性价比，单芯片SoC方案正逐步成为主流。例如，德州仪器推出的AWR2188单芯片8T8R收发器，以及Arbe公司的48T48R Phoenix平台，均将射频、接收和数字处理单元集成于单一芯片内。这种设计不仅缩短了信号路径，降低了噪声，还显著减少了功耗与成本。
更重要的是，单芯片方案为雷达的隐蔽安装提供了可能，使其更易融合于车辆前保险杠或格栅后方，不影响整车外观。
高度识别能力的提升，使4D毫米波雷达在多传感器融合系统中扮演着愈发关键的角色。在高速公路领航（Highway NOA）场景中，它能及早发现远距离静止目标，并通过高度信息判断其是否位于当前车道，从而为系统提供更充裕的反应时间。
在城市复杂交通环境下，4D雷达还能穿透前车遮挡，感知“前前车”的刹车行为，有效避免连环追尾事故。
未来展望
随着深度学习模型在雷达处理芯片上的部署，4D毫米波雷达正逐步实现从“感知”到“认知”的跨越。通过神经网络对高度点云进行端到端分类，雷达有望在L3及以上自动驾驶系统中发挥核心作用。
4D毫米波雷达的高度识别能力，正不断缩小与激光雷达的感知差距。随着硬件与算法的持续优化，其在成本、稳定性与适应性方面的优势，将使其在自动驾驶感知体系中占据更加重要的位置。
—— END ——