激光雷达为何易受串扰影响？
在自动驾驶技术的演进过程中，激光雷达一直是核心的感知硬件之一。尽管近年来部分技术路线转向以视觉为主，仍有大量车企坚持采用激光雷达作为关键传感器。目前主流的激光雷达方案主要包括脉冲飞行时间（TOF）和连续波调频（FMCW）两大类。
TOF激光雷达基于发射与接收之间的时间差来计算目标距离，操作相对简单，测距直观，但其对时间精度要求极高，且容易受到环境光和外来脉冲的干扰。当前主流车规级TOF激光雷达多在890 nm至1550 nm波段运行，各家厂商在脉冲宽度、重复频率及接收灵敏度等方面各有侧重。
相较而言，FMCW激光雷达采用连续激光发射并随时间线性调频。接收到的信号与本地参考光相干混频，生成拍频信号，从而计算出目标的距离和速度。由于FMCW依赖相干检测，其在低回波强度下表现更佳，且对外部非相干干扰具备天然抗性。
串扰问题的成因
随着激光雷达搭载车辆的增多，串扰问题愈发突出。串扰是指激光雷达接收到其他设备发射的信号，误判为自身的回波，从而导致感知错误。
TOF激光雷达发射的脉冲在空间中可能相互交叉、反射或漫射，进而被其他激光雷达系统误认为是自身信号。由于接收端缺乏额外的识别机制，仅依赖时间差或脉冲形状判断目标，容易将外部脉冲误认为有效回波，从而造成测距偏差、点云丢失或虚假点云。
这一问题在夜间、开阔场景或车辆密集行驶时尤为明显。同时，同一车辆上多个TOF单元之间若协调不当，也可能互相干扰。例如，某单元发射的激光可能经漫反射进入另一单元的视场，或其接收窗口在发射后仍未关闭，从而引发串扰。
TOF激光雷达的抗串扰策略
为应对串扰，TOF激光雷达通常采用多种技术方案，核心思路在于通过标识或时间控制，使接收端能区分有效与无效信号。
脉冲编码是一种典型手段，即对发射脉冲进行编码，接收端解码后仅保留匹配信号。这种方案能有效降低误判概率，尤其在激光雷达密集环境下表现突出。然而，编码会分散信号能量，影响信噪比和测距性能，因此在编码长度、码速率、发射功率和积分时间之间需权衡。
时间复用与接收门控是另一种方案，通过错开不同单元或车辆的发射时间，并在预期回波到达时段内开启接收器，来减少干扰。此方法对硬件同步要求较高，依赖于精确的时钟源。若回波抵达时间超出预期，或外部设备在接收窗口内发射，仍可能导致误判。
此外，引入随机发射时序或时间抖动也能在一定程度上降低固定节奏干扰的风险，但其效果仅限于高密度场景下的概率平均。
在光学和硬件层面上，也可以通过窄带滤光、光学方向性设计、物理遮挡等方式减少干扰，但这些方法可能受限于视场或硬件成本。
FMCW激光雷达的天然抗扰优势
FMCW激光雷达的相干检测机制使其具备天然的抗串扰能力。由于只有与本地参考光频率和相位匹配的信号才能形成稳定拍频，外来非相干激光不会被误判为有效信号。
尽管FMCW在抗干扰方面更具优势，其尚未成为主流的原因主要在于硬件复杂度和成本较高。FMCW系统需要线性可控的调频光源和稳定振荡器，对相位和频率噪声极为敏感，且测距与测速信息耦合，算法处理更为复杂。
此外，在某些特定场景下（如两个相干源同时存在或外来波频率轨迹巧合），FMCW仍可能出现干扰问题。因此，尽管FMCW在密集环境中表现出更强的鲁棒性，但其高昂成本和算法复杂性限制了其大规模应用。
软件优化与多传感器融合
无论是TOF还是FMCW激光雷达，软件层面的优化在提升抗扰能力中不可或缺。可以通过异常点检测、多帧一致性校验、时间一致性分析等手段，过滤误判的点云。
例如，若激光点云中某点仅在单帧中出现、缺乏速度场支持且未被其他传感器检测到，则可判断为低置信度信号并予以剔除。结合摄像头、毫米波雷达、IMU/GNSS等多传感器数据，可进一步提升感知可靠性。
此外，机器学习方法也被用于识别串扰伪点。通过训练模型识别串扰点的时序特征、空间分布及反射强度异常，可有效降低误检率。但该方法依赖大量训练数据，并需避免将真实目标误判为串扰。
结语
随着激光雷达装车密度的持续增长，串扰问题将愈发显著。TOF激光雷达因其脉冲特性更易受干扰，而FMCW则在原理上具备更强的抗干扰能力，但其实现也伴随着更高的成本与复杂度。