聊一聊4D雷达的方位角天线布局思考

今天咱们继续回到好久没讲了的4D 雷达，接着上次那篇（4D 雷达天线布局思考-俯仰角篇），这回聊聊方位角（Azimuth）。

之前提过，评估一个量可以从分辨率（resolution），精度（accuracy），感知范围（sensing range ，or FoV）等三方面入手，那么方位角也是一样的。首先，在方位角维度，我们当然希望雷达的分辨率贼高，精度贼高，而且FoV还贼高，这种‘全都要’的思想确实有些不要脸，无聊且枯燥。

我们做工程必须在给定需求下，利用已有资源条件获得一个解决问题的局部最优方案，并且在后续产品迭代中逐步靠近全局最优方案。并不是一味得追求最好，最棒什么的，因为仔细想想‘最好就是更好最大的敌人’，又扯远了。。。回到方位角上来，咱们先不谈4D雷达下的方位角设计，先回顾过去车载前向中长距雷达MRR/LRR（AEB，ACC），后向短距雷达SRR（BSD， RTCA）的方位角设计哲学，继而分析对咱们4D雷达方位角设计又有哪些思想指导。

前向雷达MRR/LRR现在很多都是双模的（远近探测），为分析问题，我们还是以分析远距探测模式为主。MRR/LRR主要用于AEB及ACC，那么首要设计指标之一就是‘看的远’，一般的探测距离较远的都在200-300m左右，能探测这么远的方法主要在天线设计上下功夫，方法诸如增加同一发射天线的微带数目等，这种方法使得发射能量在某一方向上聚焦（通常是boresight），使得FoV变得很窄，但探测距离得以提升很多。

也就是说，这种方式是牺牲FoV换取探测距离的提升，但是结合AEB，ACC等功能需求，FoV减少并不会影响功能，并且，由于FoV收窄（通常只有20-30°），角度分辨率可以做得很高（通常在2度左右）。

这里说明下为什么FoV收窄，角度分辨率可以做得很高：基于FFT的DoA估计角度分辨率与天线孔径成正比，天线孔径L = N*d，其中，N是天线数目，d是天线间距，通常N是不变的，那么我们如果想增加角度分辨率，有效方法就是提升d，但是d能肆意提升么，当然不能，这里需要引入角度模糊的概念（angle ambiguity），角度模糊本质上是栅瓣（gating lobes）引起的（如图2），我们希望在FoV内所求方位角是不模糊的，约束条件就是相邻两个接收天线阵元相位差小于pi，比如如果FoV=180°，那么我们要求在180°范围内角度不模糊，经计算，阵元间距不得大于lambda/2，而lambda/2，8ULA下，分辨率只有14.4775度。那如果我们降低FoV要求呢，比如20度，那么阵元间距可以增至1.46*lambda而不模糊，8ULA下分辨率增至5度左右。

所以大家看看各家公司前向雷达的data sheet，一般方位角分辨率都很高就是这个道理。再来说说角雷达的方位角设计，角雷达SRR应用于BSD，RCTA等场景，通常要求宽FoV，一般都要求在理论上达到180°（实际有效FoV大概是120°-150°左右），那么根据前面的分析方式，分辨率是很差的，但提升角度分辨率至少从天线设计角度是没法玩了，L = N*d，被无情的FoV定死了。

那为什么10多年前SRR就量产了？难道就忽略这个问题了吗，嗯，确实睁一只眼闭一只眼了，这还是与应用场景有关，SRR过去用于高速ADAS，在highway等地段，目标特点主要是高速且分布稀疏，在这种情况下，检测目标有无并稳定跟踪要比分辨两辆并行的后向来车重要的多，所以过去毫米波雷达甚至都是1Tx1Rx或1Tx2Rx的，没有把角度分辨率看得那么重。所谓分辨率能高点最好，不高嘛也算了，漏报率误报率也不会差到哪里去。好了，有了上面的铺垫，我们来说说今天的重头戏，4D雷达的方位角设计怎么做。还是从功能需求入手，也就是：我们要拿4D雷达做啥子？比如环境建模构建地图，目标分类及目标运动状态估计等。

正如我在（如何做好一款4D 高分辨毫米波雷达）中对4D雷达所下的定义，其每周期输出cluster数以千计，如此致密的点云必然会导致：在同一距离速度bin下存在多个目标，特别是主车低速或静止时（APA，AVP等应用），这个时候我们对角度维度的分辨要求史无前例的提高（低于2°）。另一方面，如之前的文章所述，4D雷达的FoV也不能小，理论上也要达到180°，才能满足需求。这么一分析，完犊子，散了吧，还玩个球，鱼和熊掌不可兼得啊。真的没有办法了吗，当然不是啊，办法总比困难多，一位伟大的思想家曾经说过，硬件不够，算法来凑。

这个时候，算法该登场了，而且是高级算法，我在（（加餐）从车载雷达认识傅里叶变换）表达过对FFT的爱与恨，我们之前的分析都是基于FFT的，而之前论述的问题也从侧面反映FFT的局限性，这种时候，我也只能请FFT去后台休息了。而替FFT登场的也分几股势力：

1 改良版FFT，这让我想起过去大清不行了，首先想到要自救，大清直隶总督兼北洋大臣李鸿章发起洋务运动，轰轰烈烈，一定程度上也改变了大清的颓势。那这里道理也差不多，原版FFT不行了，那守护FFT那股势力不想放弃啊，提出了通过设计不等间距天线（NLA），结合FFT来提高角度分辨率的同时解决伴随而来的角度模糊问题。你还别说，效果还是有的。

2 以超分辨算法为代表的激进派，这种激进派想着去你X的FFT， 让老子来，直接灭了FFT，FFT亡----了----，but，超分辨算法也有很多种，本身也是存在内斗的，打天下容易，那谁来守天下呢，这其中Capon算法的声音最小，势单力薄，没什么底气，自愿放弃，那最终争夺战放在了子空间类方法（MUSIC，ESPRIT，etc）和似然类方法（DML，SML，etc）之间。至今他们还打的不可开交。

3 所谓长江后浪推前浪，超分辨算法的提出也有几十年了，压缩感知（CS），深度学习（DL）等后起之秀看着这些爷爷辈还在打，没完没了，实在看不下去了。CS和DL想着手中有意大利大炮，威力惊人，而且CS和DL两兄弟长得帅，逼格高，目前还在进一步磨练，乱世出英雄啊，待条件成熟，CS和DL决定拿下江山。上面说的纯粹是开开玩笑啊，不过道理是一样的。目前想要在大FoV下实现高角度分辨率很多厂商都是采用多芯片级联方式，但都处于demo，并且我觉得这种方式量产难度很大，主要是硬件层面的问题（成本，发热，功耗，天线校准等方面）。

算法层面的方法还是以子空间类和似然类方法为主，具体使用哪一个以场景需求为前提。还有一条路线是对各种不等间距天线（或者说稀疏阵列，sparse array）的设计来实现角度分辨率的提升，Bosch就是设计MRA来提升角度分辨率的，目前此类方法也较为成熟。近年来，DL方法发展迅速，席卷整个行业，2020年刚举办的GeMiC会议上，InnoSent GmBH 提出用DL来实现超分辨DoA，感兴趣的可以去看看［1］，前阶段看，这种方法DoA精度不太高，不过潜力很大，我想也是一种技术趋势。

one more thing

当然，身处这个伟大的时代，技术的快速发展往往超出你的认知，毫米波雷达的技术进步也大抵如此。据公开信息，Continental已经量产5代高级雷达传感器，助力高级别无人驾驶，而5代中的佼佼者就是图5这货，这货居然能够在有效FoV=120°条件下实现300m的探测距离，并且还是高分辨4D雷达，你说恐怖不，能把这样的技术指标落地量产，德国工业还是牛逼的，吾辈任重道远啊

原文标题：4D雷达天线布局思考-方位角篇

文章出处：【微信公众号：微波射频网】欢迎添加关注！文章转载请注明出处。

责任编辑：haq