激光雷达为何容易发生串扰现象？
自自动驾驶技术诞生以来，激光雷达始终是关键的环境感知组件。即使当前部分技术路线开始向纯视觉系统倾斜，仍有大量汽车制造商坚持使用激光雷达来保障感知可靠性。目前，激光雷达主要采用两种工作模式：脉冲型飞行时间（Time-of-Flight，TOF）和连续波调频（Frequency-Modulated Continuous Wave，FMCW）。
TOF激光雷达的基本原理是发射窄脉冲激光，接收器通过测量激光往返目标所需的时间差，再结合光速计算距离。该方式实现简单、测距直观，但由于依赖高精度时间测量，容易受到环境光和其他脉冲干扰的影响。多数车规级TOF激光雷达工作在890 nm至1550 nm波段，不同厂商在脉冲参数、重复频率和接收灵敏度方面各有侧重。
相较之下，FMCW激光雷达不依赖短脉冲，而是发射频率随时间线性变化的连续波。回波与本地参考光相干混频后产生拍频信号，通过分析拍频可同时获取目标距离与相对速度。这种机制在接收弱信号时具有增益优势，并具备天然的抗非相干干扰能力。由于只有与本地参考光相干的信号才能形成有效干涉，FMCW激光雷达通常不易被其他车辆的激光信号干扰。
串扰的成因解析
随着激光雷达装车数量的增加，串扰问题愈发显著。串扰指的是激光雷达误接收其他设备发射的信号，从而导致感知数据失真。
TOF激光雷达因脉冲发射特性，容易在空间中与其他车辆的激光信号发生交叉反射或漫散射，造成接收端误判。由于接收器仅依赖时间差或脉冲特征判断目标，缺乏额外识别机制，可能将外来脉冲误认为有效回波，从而引发测距偏差、点云丢失或生成虚假点。
此类干扰在车辆密集或夜间长距离场景中尤为突出。此外，同一车辆中若多个TOF单元未协调工作，也可能发生相互干扰。例如，A单元发射的激光经漫反射进入B单元的视野，或B单元接收窗口在A发射后仍保持开启，就会导致串扰。而FMCW激光雷达因相干检测原理，对这类干扰具有更强的抑制能力，但并非完全免疫，其效果仍取决于具体实现方案。
TOF激光雷达的抗串扰技术
为应对串扰问题，业界提出了多种抗干扰策略，核心理念是通过在脉冲中嵌入标识或控制时间窗口，帮助接收端识别有效回波。
其中，脉冲编码是一种常见方法。通过给每个发射脉冲分配特定编码，接收端通过解码匹配仅保留对应发射信号。该方法能有效降低误判率，尤其在多车共存的场景中表现突出。但编码过程会分散能量，需通过相关运算恢复原始信号，可能在远距离或低反射率目标场景下牺牲灵敏度。
时间复用和接收门控则是另一种方案。通过错开不同单元或车辆的发射时间，或仅在特定时间窗口内接收回波，可显著减少相互干扰。该方法依赖精准同步机制，如PPS时钟或专用总线，但若目标距离超出预期或回波路径异常，可能导致数据丢失。若外部车辆在接收窗口内发射，仍有可能造成干扰。
另一种简便方法是引入发射时序的随机抖动，通过在固定频率上添加随机偏移，使周期性干扰转化为随机噪声。该方法实现成本低，但无法彻底消除串扰，仅能降低干扰概率，适用于中低密度场景。
此外，可通过光学滤波器、物理遮挡或机械隔栅减少非目标方向的干扰，或在软件中设置门限和多帧验证机制，剔除单帧中出现的异常点。
FMCW激光雷达的抗串扰优势
由于FMCW激光雷达基于相干检测原理，只有与本地参考光频率、相位一致的信号才能产生稳定拍频。因此，外来非相干信号难以形成有效回波，具备天然的抗干扰能力。
尽管FMCW在抗串扰方面表现优越，其普及仍受限于硬件复杂度与成本。实现线性调频和相干检测要求高质量光源与稳定振荡器，并对噪声控制要求极高。此外，该技术的测距与测速信息耦合紧密，算法处理难度较大。尽管在高密度场景中表现出更强的鲁棒性，其高成本和复杂性仍是制约其大规模商用的重要因素。
软件优化与传感器融合
仅靠硬件难以解决所有串扰问题，软件算法成为关键补充。通过点云异常检测、时间一致性验证、多帧数据融合，以及与视觉、毫米波雷达、GNSS等传感器融合，可提升虚假点识别的准确性。
例如，若激光点云中出现孤立且无速度信息支持的“飞点”，而摄像头未捕捉到对应物体，则可将其标记为低置信度数据并剔除。多模态融合进一步提高了整体感知系统的鲁棒性。
机器学习方法也被用于识别串扰伪点。通过训练分类器识别时序突发、孤立分布或反射强度异常的特征，可有效降低误检概率。但此类方法依赖大量训练样本，并需避免误判真实小目标。
未来趋势与挑战
随着激光雷达部署密度持续上升，串扰问题将成为行业面临的关键挑战。TOF方案因脉冲特性容易受干扰，而FMCW在原理上具备更强的抗干扰能力，但其技术门槛和成本限制了其广泛采用。
未来，硬件优化与软件算法的协同演进将是提升激光雷达系统性能的关键。通过多传感器融合、智能算法与系统级优化，可望在复杂环境中实现更可靠、更安全的感知能力。