激光雷达为何容易发生串扰现象？
在自动驾驶技术的发展历程中，激光雷达一直扮演着关键的环境感知角色。尽管当前部分技术路线正逐渐转向纯视觉方案，但仍有众多汽车制造商坚持将激光雷达作为核心传感器使用。当前主流的激光雷达工作方式主要分为两种：脉冲型飞行时间（Time-of-Flight，TOF）和连续波调频型（Frequency-Modulated Continuous Wave，FMCW）。
TOF型激光雷达的原理较为直观——发射器在特定时间间隔内发出极窄的激光脉冲，当光束遇到障碍物后被反射，接收器记录下发射与接收之间的时间差，结合光速计算出目标距离。这种设计实现简单、测距直观、能量集中，但对时间测量精度要求极高，且容易受环境光和外部脉冲干扰。目前大多数车规级TOF激光雷达工作在890 nm至1550 nm波段，不同厂商根据具体需求，在脉冲宽度、重复频率及接收灵敏度等方面做出不同取舍。
FMCW激光雷达则采用不同的方式，其发射的激光为连续波，并在时间维度上进行线性频率扫描。回波与本地参考光进行相干混频后产生拍频信号，通过分析拍频频率可以推导出目标的距离与相对速度。这种方案具备相干检测优势，在弱信号环境下仍能保持较高灵敏度，并能同时获取多普勒信息。由于只有与参考光相干的信号才能产生有效干涉，FMCW激光雷达对非相干干扰源具有天然的抑制能力。
串扰问题的成因
随着激光雷达上车数量的增加，串扰问题逐渐凸显。所谓串扰，是指激光雷达误将其他车辆的发射信号识别为自身回波，从而引发感知异常。
TOF激光雷达发射的是短脉冲，这些脉冲在环境中传播时可能与其他车辆的接收器发生重叠，尤其是在反射和漫散射情况下。由于接收器缺乏足够的识别机制，难以区分自身发射的回波与外部脉冲，因此容易误判。若仅依赖时间差或脉冲形状识别目标，缺乏额外验证手段，误判的可能性将大大增加，从而导致测距错误、点云丢失或出现虚假点云。
此类问题在多车密集行驶、夜间或远距离场景中尤为突出。此外，同一车辆上的多个TOF单元如果未协调发射与接收时间，也可能相互干扰。例如，当A单元发射的激光经由漫反射进入B单元的视场，或B单元接收窗口在A单元发射后仍处于开启状态时，串扰将无法避免。相比之下，FMCW激光雷达凭借其相干检测机制，在此类场景下具备天然的抗干扰能力，但并不能完全避免干扰问题，实际抗扰能力取决于具体实现方式与硬件设计。
TOF激光雷达的抗串扰解决方案
为缓解TOF激光雷达的串扰问题，行业内提出了多种技术方案，核心思路集中在为脉冲信号添加“标识”或控制发射时间，以便接收端有效区分。
其中，脉冲编码是一种典型技术，通过对发射脉冲进行特定编码，接收端通过解码识别有效信号，只有与自身发射编码匹配的信号才会被接受。这种方式可通过伪随机序列、时间或相位编码实现，理论上可显著降低误判率。然而，编码过程会扩展信号时间维度，导致能量分散，从而影响信噪比和测距性能，特别是在远距离或低反射率目标场景下。
时间复用与接收门控是另一类常用方案，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间内开启接收器来减少干扰。该方法在多单元协同工作场景中效果显著，但依赖高精度同步时钟，且若回波到达时间超出设定窗口，可能导致数据丢失。此外，若其他车辆恰好在接收窗口内发射，干扰仍可能发生。
还有一种方法是引入时间抖动，通过对固定频率的脉冲进行随机化时间偏移，减少周期性干扰重合的可能。该方案实现简单、兼容性强，但无法从根本上消除串扰，仅能在概率层面降低误判发生频率，适用于中等密度场景。
此外，从光学和硬件层面也可进行抗扰设计，例如使用窄带滤光器抑制非目标波段信号，或通过光学遮挡、物理隔离等手段减少侧向干扰，但这些方法可能限制探测视场。在软件层面，多帧验证机制与点云后处理技术也可辅助识别虚假点。
FMCW激光雷达的抗扰优势
由于FMCW激光雷达依赖相干检测，外来非相干信号无法与本地参考光形成稳定干涉，因此不会被误判为有效回波。这一特性使其在抗串扰方面具备先天优势。
尽管FMCW在原理上更抗干扰，但其尚未成为主流方案，主要原因在于实现难度和成本较高。FMCW需要高质量的线性调频光源和稳定的本地振荡器，相干检测对相位噪声和频率稳定性要求严格，整体复杂度远高于TOF系统。在某些特殊场景下，如两个相干源同时存在，或外来信号频率轨迹与本地信号重合，仍可能出现干扰。此外，FMCW的测距与测速信息高度耦合，对算法和数字处理的要求更高。这意味着，尽管FMCW在高密度场景中表现更稳健，但其成本和实现难度仍是大规模商业应用的障碍。
软件辅助与传感器融合
无论采用TOF还是FMCW，仅靠硬件难以解决所有干扰问题，软件设计成为不可或缺的补充手段。点云异常检测、时间一致性验证、多帧数据融合，以及与摄像头、毫米波雷达、IMU/GNSS等传感器的协同使用，均可提高系统对虚假点的识别能力。
例如，若激光雷达检测到单帧中的孤立点，且无对应的速度信息，同时摄像头也未捕捉到相关物体，则该点可被标记为低置信度信号并予以剔除。机器学习方法也被用于识别串扰特征，如点的突然出现、孤立位置、反射强度异常等，从而降低误判概率。
结语
随着激光雷达在车辆中的普及，串扰问题将日益显著。TOF激光雷达因其脉冲特性更易受到干扰，而FMCW则凭借其相干检测机制在抗干扰方面具备一定优势，但其复杂性与成本限制了其广泛应用。
-- END --
原文标题：激光雷达为什么会出现串扰的问题？