4D毫米波雷达如何实现高度识别
在自动驾驶感知系统中，毫米波雷达扮演着至关重要的角色。由于其工作频段处于微波范围，能够穿透雨、雪、雾、烟尘等介质，并在强光、黑暗或光线突变的复杂环境中保持稳定性能，因此长期以来被视为车辆环境感知的重要支撑。然而，传统毫米波雷达主要提供目标的距离、相对速度及水平方位信息，在垂直方向的探测能力较为有限，这正是其难以作为主要感知传感器的重要原因。
当车辆高速行驶，接近立交桥、交通标志或地面障碍物如减速带、井盖时，传统毫米波雷达因缺乏垂直定位能力，往往将这些非威胁性目标误判为静止障碍物，进而触发不必要的刹车，或因放宽检测阈值而增加安全隐患。
随着4D毫米波成像雷达的出现，这一问题得到了根本性解决。所谓“4D”，是指在距离、速度和水平角度之外，新增了对目标俯仰角或高度的感知能力。这一技术进步不仅提升了雷达在空间维度上的解析能力，还使其能够构建出具有高度分层的点云图像，从而显著增强感知系统的准确性。
物理孔径重构与MIMO虚拟化技术
毫米波雷达对角度的分辨能力主要依赖于其天线阵列的物理孔径大小。根据电磁波干涉原理，天线阵列在某一方向的尺寸越宽，其波束越窄，从而可提供更高的角度分辨力。传统3D毫米波雷达通常将天线水平排列，因此在水平方向上具备一定的分辨率，但在垂直方向上，因阵列孔径狭窄甚至仅有一层阵元，导致其垂直分辨能力较差。
4D毫米波雷达通过重构天线分布，提升了垂直维度上的阵列孔径。然而，由于车载雷达在体积和成本方面的要求较高，单纯增加物理天线数量并非可行方案。为此，MIMO（多输入多输出）技术被引入，以实现虚拟天线阵列的扩展。
MIMO技术的核心优势在于，通过少量发射天线（TX）与接收天线（RX）的组合，可合成出远超实际数量的虚拟通道。当雷达以正交波形发射信号时，每个发收对均可视为一个特定空间位置的虚拟相位中心。对于M发射通道和N接收通道的系统，MIMO技术可生成M×N个虚拟单元，从而形成一个等效的二维阵列。
在4D毫米波雷达设计中，工程师将发射天线在垂直方向错开布置，例如通过多颗射频芯片的级联，构建出12个发射通道与16个接收通道的配置，从而获得多达192个虚拟通道。这些虚拟通道不仅在水平方向延展，还在垂直方向形成间距，构建出一个等效的大孔径二维平面阵列。通过这种结构，雷达在俯仰方向上具备了更尖锐的波束，可准确解析目标的垂直倾角，从而有效区分立交桥、路牌与路面车辆。
MIMO技术原理图，图片源自：网络
信号处理算法与空间分辨力的提升
在4D毫米波雷达中，构建物理阵列只是实现高度识别的第一步。要从雷达回波中提取精准的高度信息，还需依赖一套高度复杂的信号处理算法。大多数4D毫米波雷达采用频率调制连续波（FMCW）体制，发射的每一个Chirp脉冲经目标反射后，接收端采集到包含距离、速度、方位与高度信息的相位数据。
信号处理流程通常包括距离FFT和多普勒FFT，用于将不同目标映射到距离-速度图谱中，实现目标的初步分离。在此基础上，系统还需进行DOA（到达角）估计，以解析目标在垂直维度上的位置。
图片源自：网络
传统FFT测角算法在天线数量受限的情况下，角分辨力有限且易产生旁瓣干扰，难以满足高精度高度识别需求。为此，4D毫米波雷达引入了超分辨率算法，如MUSIC（多重信号分类）或ESPRIT（旋转不变子空间估计），通过分析信号协方差矩阵的特征空间，突破瑞利判据限制，提升俯仰角的测量精度。高性能4D雷达可将俯仰角精度控制在±0.2度以内，使系统在300米外仍能区分井盖与立交桥。
面对数据量激增带来的计算压力，4D毫米波雷达依赖FPGA或高性能SoC进行并行处理，同时利用数字波束成形技术（DBF）抑制多路径干扰，提升点云质量。在复杂城市环境中，通过高度信息的冗余特性，系统可动态聚焦于特定高度层，减少地面和天桥顶部的杂波干扰，提高探测可靠性。
杂波抑制与高密度点云质量调优
尽管高度信息的引入显著提升了雷达性能，但也带来了噪声点增多的问题。雨水、空气粒子甚至地面反光均可能产生虚假目标，干扰系统判断。为此，4D毫米波雷达在工程实现中需重点处理杂波抑制与点云优化。
通过统计分析雨滴在距离和速度分布上的特征，系统可将其与真实金属目标区分。同时，噪声点通常表现为相位不连续，缺乏空间一致性。通过计算角度维度FFT的峰值方差，系统可识别并剔除响应曲线平坦的虚假目标。这种精细化过滤机制确保了雷达在恶劣天气下依然具有高度可靠性。
地面杂波的动态抑制也是优化重点之一。4D毫米波雷达通过垂直方向的DBF技术实现“高度掩模”功能，根据车辆行驶状态调整感知窗口，排除地面低点回波。结合雷达散射截面积（RCS）分析，系统可识别出强反射目标，如车辆、行人，而忽略背景噪声。这种多维特征融合，使得即使点云密度达到每秒数万点，系统仍能维持低误报率。
为了平衡实时性与处理能力，部分先进4D雷达采用自适应采样策略。在检测到潜在威胁目标时，系统自动切换至高分辨率局部扫描模式；在路况平稳时则保持低采样速率以降低功耗。这种智能数据流控制策略，使4D毫米波雷达更好地适配车载系统的性能边界。
硬件架构演进与多传感器融合
自动驾驶感知系统的硬件正在从“堆叠式”架构向“高度集成”方向发展。早期的4D毫米波雷达多采用多颗3T4R射频芯片并行工作，虽然易于量产，但存在体积大、功耗高及相位标定复杂等问题，尤其在高温、高振动环境下难以保证稳定性。
如今，单芯片SoC方案逐渐成为主流。如德州仪器AWR2188单芯片8T8R雷达收发器，以及Arbe公司Phoenix平台的48T48R雷达系统，通过集成射频与数字处理单元，大幅减小了雷达体积，降低功耗与成本，同时提升了信号处理一致性。此外，单芯片雷达便于安装于车前保险杠或格栅后方，不影响外观设计。
高度识别能力的增强，使4D毫米波雷达在多传感器融合系统中扮演着越来越核心的角色。在高速公路领航（Highway NOA）场景中，雷达可更早识别300米外的静止车辆并判断其是否位于当前车道，从而提前作出决策。在城市驾驶环境中，它能穿透前车，感知到“前前车”的急刹，从而有效预防连环追尾事故。
未来展望
随着技术持续演进，4D毫米波雷达的高度识别精度有望向激光雷达靠拢。下一步的研究重点或将围绕将深度学习模型部署在雷达处理器上，实现高度点云的端到端物体识别。这一转变将推动4D毫米波雷达从“感知”向“认知”迈进，使其在L3及以上自动驾驶系统中，成为最具性价比的感知核心。
-- END --
原文标题：4D毫米波雷达是如何识别高度信息的？