4D毫米波雷达实现高度识别的技术原理探析
毫米波雷达在自动驾驶感知系统中一直扮演着不可替代的角色。由于其工作频段位于微波范围，具备良好的环境穿透性，能够轻松应对雨雪、雾气、烟尘等复杂天气，同时在强光、暗光或光线突变条件下仍保持稳定性能，因此成为车辆环境感知的关键组件。然而，传统毫米波雷达在过去长期局限于提供距离、相对速度和水平方位角三个维度的感知信息，对于垂直高度的测量能力较弱，限制了其在复杂场景下的应用。
在实际应用中，这种高度感知的缺失常常导致误判。例如，当车辆高速行驶时，雷达可能将立交桥、路标、减速带等非障碍物误认为静止目标，从而引发不必要的急刹，或者为了避免误触发而放宽识别阈值，埋下安全隐患。
4D毫米波成像雷达的出现，显著提升了这一技术瓶颈。所谓“4D”，是指雷达在原有的距离、速度和方位角基础上，新增了对俯仰角或高度的识别能力。这种技术突破，使得毫米波雷达不再仅限于提供点状数据，而是能够生成具备空间层次感的目标成像，从而实现对复杂交通场景的精准解析。
物理孔径重构与MIMO虚拟化技术的协同应用
毫米波雷达的角度分辨率与其天线阵列的物理孔径密切相关。依据电磁波干涉原理，阵列在某一方向的尺寸越大，其波束越窄，角度识别能力越强。传统3D毫米波雷达通常采用水平线性天线布局，导致其在垂直方向上波束过宽，难以区分处于相同水平位置但高度不同的物体。
4D毫米波雷达通过改变天线物理分布，在垂直方向上构建出足够孔径，从而改善俯仰分辨率。然而，车载雷达在空间和成本方面受到严格限制。单纯增加物理天线数量不仅占用大量空间，还会显著推高制造成本。
为此，工程师引入MIMO（多输入多输出）技术。该技术通过少量发射（TX）和接收（RX）通道的组合，可以合成出远超物理天线数量的虚拟通道。以M个发射通道和N个接收通道为例，MIMO系统能够形成M×N个虚拟通道，等效于一个二维平面阵列。
在4D毫米波雷达中，发射天线被垂直错开布置，形成多通道结构。例如，通过12发射16接收的配置，雷达系统可生成192个虚拟通道，覆盖更宽的垂直角度范围。这种虚拟阵列不仅扩展了有效孔径，还提升了雷达在俯仰维度的波束锐度，从而实现对目标高度的精确计算。
MIMO技术原理示意图，来源：网络
信号处理算法支撑空间分辨力跃升
实现高度识别的关键不仅在于物理阵列的优化，更在于复杂信号处理算法的支持。4D毫米波雷达通常采用FMCW（频率调制连续波）体制，通过发射啁啾信号并接收回波，提取距离、速度、方位和俯仰角信息。
在处理阶段，系统首先对各个通道数据进行距离和多普勒FFT处理，将探测区域映射到距离-速度图谱中，完成初步的目标分离。随后，通过DOA（到达角估计）算法，进一步提取角度信息。
传统FFT测角方式虽然计算量小，但在有限天线数量下分辨率受限，且易产生旁瓣干扰。4D雷达引入超分辨率算法，如MUSIC或ESPRIT，通过分析信号协方差矩阵的特征空间，突破瑞利分辨极限，显著提升俯仰角精度。目前，部分高性能4D毫米波雷达可将俯仰角测量精度提升至±0.2度，实现300米外井盖与立交桥的区分。
此外，由于虚拟通道数显著增加，系统处理压力随之上升。当前主流方案采用FPGA或高性能SoC实现并行处理。同时，为提升点云质量，系统还需采用数字波束成形（DBF）技术，以抑制地面杂波和多路径干扰，提升输出数据的纯净度。
杂波抑制与点云质量优化
高度信息的引入在提升感知能力的同时，也带来了杂波增加的问题。雨水、积水、空气中的尘埃等都可能反射雷达波，形成虚假点云。因此，4D雷达在实际工程中需加强噪声抑制与点云优化。
系统通过统计方法识别环境杂波。例如，利用雨滴在距离-速度空间中的特定分布规律，将其与真实目标区分开。此外，噪声点在相位和空间一致性方面通常表现较差，系统可通过分析角度维度FFT的方差，剔除响应曲线平坦的虚假目标。
另一重点在于地面杂波的抑制。4D毫米波雷达结合数字波束成形技术，实现高度掩模功能，通过调整感知窗口高度范围，屏蔽来自低位置的干扰回波。同时，基于目标点云的RCS分布特性，系统能够进一步区分金属障碍物与背景环境，实现低误检率的高密度点云输出。
为平衡性能与效率，部分雷达系统采用自适应采样策略。在检测到潜在风险时，系统自动提高局部分辨率；而在路况简单区域，则降低数据流速以节省功耗，从而在保持实时性的同时，满足整车系统的性能要求。
硬件架构演进与多传感器融合
自动驾驶感知硬件正从“堆叠式”向“高集成”方向演进。早期4D雷达多采用芯片级联方式，通过多个3T4R MMIC芯片并行工作，实现虚拟通道扩展。但这种方式存在体积大、功耗高和相位标定困难等问题。
随着技术进步，单芯片SoC方案逐渐成为主流。如德州仪器推出的AWR2188 8T8R雷达芯片，以及Arbe的Phoenix平台 48T48R雷达系统，均通过将射频发射、接收及信号处理模块集成于单一芯片，显著降低系统复杂度、功耗和成本。同时，其紧凑的结构使雷达可隐蔽安装于车身保险杠或前格栅后方，不影响外观设计。
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地位日益重要。在高速公路NOA功能中，4D雷达能够提前发现300米外的故障车辆并确认其处于当前车道，为系统提供更多反应时间。在城市复杂路况下，雷达还可穿透前车，感知前前车急刹动作，有效预防连环碰撞。
未来趋势：从感知到认知的跃迁
随着深度学习技术的发展，4D毫米波雷达有望实现从“感知层”向“认知层”的跨越。通过在雷达处理器上部署神经网络模型，可对高度点云进行端到端的物体分类，进一步提升环境理解能力。
这标志着4D毫米波雷达正逐步成为L3及以上自动驾驶系统中最具成本优势的感知核心，为实现更安全、更智能的交通系统奠定坚实基础。
-- END --
原文标题：4D毫米波雷达是如何识别高度信息的？