毫米波雷达是自动驾驶中的重要感知单元，应小伙伴们的需求，笔者和几位毫米波雷达资深专家，花费数月共同准备了一期毫米波雷达的介绍课程。

课程主要介绍毫米波雷达的基本原理、核心技术和典型产品等内容，介绍材料尽量追求全面，同时保持适当深度，希望能给相关领域的老师和同学，做一些参考。

课程内容的整体框架如下，参与方式见文末。

01 基本原理

1. 毫米波雷达概览

1）发展历程

毫米波雷达的发展历史非常悠久，早期主要用在军事和航空航天领域。

20世纪70年代，毫米波雷达开始在汽车上测试。当时雷达尺寸比较大，处于摸索阶段。在1973年，德国AEG-Telefunken和博世公司共同研制汽车防撞雷达，由于价格昂贵、体积庞大等原因，导致项目终止。

图片来源：H. H. Meinel, “Evolving automotive radar – from the very beginnings into the future,” in 8th European Conf. Antennas and Propagation, 2014, pp. 3107-3114.

20世纪90年代初期，24GHz毫雷达AEB系统(VORAD)开始应用在美国的校车和长途巴士上。

FIGURE 2. 24 GHz VORAD radar mounted at the front side of a Greyhound bus. Photograph by W. Menzel.

早期，车载毫米波雷达采用机械扫描方案。例如，大陆发布的机械扫描雷达ARS300。

图片来源：Antenna Conceptsfor Millimeter-Wave Automotive Radar Sensors

2009年，德尔福发布电子扫描雷达ESR。

2020年9月，大陆发布4D成像毫米波雷达ARS540，并于2021年量产。

随着技术的发展，毫米波雷达的探测性能越来越高：

资料来源：加特兰、Yole，AIoT星图研究院

2）基本原理

毫米波雷达的系统原理如下：

其中：

FMCW调制信号发生器经过压控振荡器（VCO）产生高频信号（GHz级别）。一部分能量耦合输入混频器作为本振信号，另一部分能量经功率放大器（PA），由发射天线以电磁波的方式向空中辐射。
电磁波在空气中向前方传播过程中，如遇到目标则会小部分反射，反射回来的回波信号被接收天线截获形成电信号。
回波信号经低噪声放大器（LNA）放大，与本振信号在混频器进行混频，输出一个较低的差拍频率（一般为MHz级别），差频信号含有目标和雷达之间的距离和相对速度等信息。
然后通过带通滤波器（BPF）放大滤波，A/D转换，对所得到的数字信号作FFT，进行频谱分析，便可以获得目标和雷达之间的距离、相对速度及方位角等信息。

3）分类

按照波段

车载毫米波雷达常用的是24GHz（K波段）、60GHz（V波段）和77GHz（W波段）：

图片来源：工信部、AIoT星图研究院

24GHz雷达：由车载转向家居家电和其他工业领域，2026年出货量预计在1673万颗。
60GHz雷达：主要用于舱内、门防撞等超近距车载场景，以及智慧康养等AIoT市场，2026年国内出货量有望突破500万颗。
76-79GHz雷达：这个是目前车载毫米波雷达最常用频段。

在车载领域，24GHz逐渐淘汰，77GHz频段已经成为主流。

按照测量性能

主要分为3D雷达、4D雷达和4D成像雷达。

图片来源：Yole

它们之间的性能区别：

图片来源：Yole

其他特征的对比：

图片来源：Yole

按照调制方式

按照调制方式，主要分为FMCW和PMCW两种方式，这两种体制的原理对比：

其中，FMCW是车载毫米波雷达应用最为广泛的调制方式。

4）性能指标

对于车载毫米波雷达的探测性能，基本指标主要是：距离、速度和角度（水平角和垂直角）的范围、精度和分辨率。

探测性能及其影响因素的关系：

5）主要应用

毫米波雷达的应用非常广泛：

在民用方面，毫米波雷达可应用于智能车载、智能交通、以及机器人、无人机、智能家居、工业测量仪器、全屋智能、家电照明、消费电子等多个领域。

其中最主要的是四大领域：

在车载方面，分为舱内和舱外（前雷达、后雷达、角雷达、门雷达）：

图片来源：GGAI、头豹、AIOT星图研究院

6）市场趋势

根据Yole的估计，市场趋势如下：

根据高工智能汽车的统计，2024年1-6月的搭载数据如下：

2. 性能分析

1）毫米波雷达和其他传感器的性能对比

毫米波雷达和相机、激光雷达和超声波雷达的性能对比：

图示如下：

其中，4D成像毫米波雷达和激光雷达的对比：

2）毫米波雷达的主要弱势场景

多径

在环境较为复杂时，由于电磁波的多次反射，导致在真实目标的周围出现多个虚假目标。多径是毫米波雷达在实际应用中，非常常见的问题之一。

图片来源：The Radar Ghost Dataset – An Evaluation of Ghost Objects in Automotive Radar Data

干扰

当雷达受到外部电磁波干扰时，会经常出现漏检或者误检。外部电磁波干扰主要来自于道路上其他车载雷达的电磁辐射。

当外部干扰的电磁波频段落入雷达的扫频范围，但是频率变化和雷达不同步，此时雷达本体的噪底会被提升，由于SNR变差，从而导致RCS较小的目标消失（漏检）。

图片来源：Sefa Tanis（ADI）

如果干扰信号扫描是同步的，此时会产生虚假目标（误检）。

图片来源：Sefa Tanis（ADI）

分辨率不足

分辨率较低，是毫米波雷达出现误检漏检的另一大重要原因。

分辨率不足的原理示意：

例如，下图中对于前后相距较近的橙色和浅蓝色目标无法区分，感知会输出一个大的深蓝色目标。

图片参考：Uhnder，后处理：雪岭飞花

以及，当行人站在车辆或者金属护栏旁边时，行人目标无法被检测。

3. 车辆适配

该章节主要包括：整车开发流程、毫米波雷达评价指标、零部件开发，以及常见问题。

其中部分内容：

02 核心技术

1. 硬件设计

该章节主要包括硬件架构、天线、高频板材、毫米波雷达芯片等关键设计技术。

毫米波雷达的一般架构如下：

其中，射频链路包括很多组件，例如调制器、检波器、功率放大器（AMP）、低噪声放大器（LNA）、混频器、滤波器及压控振荡器（VCO）等等，实现毫米波信号的调制、发射、接收及解调功能。

天线的设计：

高频板材：

MMIC的应用趋势：

2. 软件设计

毫米波雷达的软件比较复杂，通常分为信号处理和数据处理两部分。

毫米波雷达一般的算法流程如下：

图片来源：NXP

主要包括：

距离 FFT：通过低维实数 FFT，获得目标的距离信息。
多普勒FFT：通过高维复数 FFT，获得速度信息。
非相干累加：将接收通道的数据做求模累加，最后得到幅值矩阵。
CFAR目标检测：通过横虚警率计算出噪声阈值，从而区分目标和噪声。

图片来源：NXP

其中：

距离维：对于单个Chirp信号来说，信号包含了（距离/速度）信息，但以距离为主（由于时间非常短，忽略速度，或者后面增加补偿），可以通过FFT直接求出距离信息。
速度维：将距离微分成一个个距离单元。对于其中一个距离单元，我们以一个Chirp一个Chirp的时间轴来看，对该信号作FFT处理，即可求出其速度信息。

图片来源：NXP

整体的数据对应关系：

对于信号处理，课程会根据3D毫米波雷达和4D毫米波雷达两种产品来分开介绍。

1）3D毫米波雷达信号处理

2）4D毫米波雷达信号处理

3）数据处理

数据处理是将点云处理为目标，包括聚类、跟踪、目标分类、融合、grid/freepace等。

数据处理的核心功能是聚类、分类和跟踪。

聚类

DBSCAN是一种常用的聚类算法，不过该算法对于相距较近的两个目标（例如汽车和其旁边的行人），经常出现异簇合并，以及大车出现同簇分裂。

一些新的聚类算法被提出，用于提高算法执行效率或者改善聚类效果，比如多帧联合聚类(ICP)、分阶段二次聚类，或者基于Kd-tree的加速聚类算法。

分类

聚类后，可以得到目标基本信息，比如目标位置（x,y,z)、点云数量、长度、宽度、高度、体积、投影面积、RCS、SNR以及各种统计分布，如位置方差等。根据这些信息，可以对目标进行分类。

常见的分类方法有决策树模型、最近邻模型和支持向量机等。

分类之后可以针对特定类型的目标，优化处理算法。例如，针对客车和行人可以采用不同的跟踪和滤波算法，以提升雷达的检测和跟踪效果。

跟踪

目标跟踪算法主要包括航迹起始、跟踪滤波和数据关联等三大核心技术。

航迹起始：有逻辑法(滑窗法)、直观法、Hough变换法。
跟踪滤波：采用卡尔曼滤波，例如KF、EKF、UKF、CKF。
关联算法：有单目标采用NN、PDA，多目标采用JPDA、匈牙利匹配。

4）深度学习技术的应用

高性能毫米波雷达点云数量大幅增加（例如4D成像毫米波雷达），基于规则的传统算法处理能力有限，深度学习算法是未来趋势（尤其是当算法运行在域控制器上时）。

例如，百度PointPillars网络：

网络结构：

PointPillars网络利用pillars（垂直columns）的方式将4D毫米波点云转化为稀疏伪图像，使用2D网络进行特征的学习，使用SSD检测头进行bbox的回归。

再比如，华盛顿大学的CenterRadarNet：

CenterRadarNet 是一个专为 3D 目标检测和跟踪而设计的综合框架，特别利用 4D FMCW 毫米波雷达张量作为其输入。

该架构由三个主要组件组成：用于特征提取的 Conv3D 主干，用于精确目标识别的专用目标检测和 appearance heads，以及在线跟踪器。

另外：NXP、Arbe、大陆、博世、安波福、高通等，都在研究使用深度学习技术，提升毫米波雷达的聚类、跟踪、分类、自定位、假目标滤波等功能性能。

3. 热点技术

1）4D成像技术

4D成像毫米波雷达相对于一般3D毫米波雷达，性能有大幅提升。

4D成像毫米波雷达有多种实现方案，例如多片级联、专用芯片、软件方案等等。

4D成像雷达通常拥有较多的收发通道（从100多到2000多个虚拟通道）。目前主流产品是采用多片MMIC级联（例如NXP、TI等）或者专用芯片组方案（例如Arbe、Uhnder等）。

目前国内外几乎所有的毫米波厂商，都在布局4D成像毫米波雷达产品。

综合对比如下：

2）PMCW技术

PMCW（Phase Modulated Continuous Wave，相位调制连续波），采用诸如二进制码等编码方式，对载波进行相位调制，通过发射、接收和处理，进而获取目标距离、速度以及角度信息。

FMCW和PMCW的方案对比：

PMCW可以实现更好的抗干扰性能和更高的分辨能力。

3）卫星毫米波雷达

毫米波雷达开始从传统的“Smart Sensor”，向“中央计算雷达”（或者卫星毫米波雷达）演进。

卫星毫米波雷达仅实现RF射频前端和部分前处理，然后将较原始数据通过高速总线（ETH或者SerDes）传输给域控制器，之后在域控中完成剩余的后处理。

图片来源：Yole

中央计算雷达的主要优势：

性能更高。射频前端做更多针对性的优化，提升前端数据的质量，例如提升ADC采样率、信噪比和功率。同时，在域控中，可以使用性能更好、更复杂的算法（例如超分辨和深度学习），实现之前在雷达本体内无法实现的功能，同时运行时间更短，帧率更高。
系统成本更低。由于雷达头仅传输原始数据，处理器和外围器件可以被剪裁，因此成本可以降低。雷达头可以直接通过SerDes线缆和以太网线缆供电（PoDL），减少电缆和连接器成本。
融合性能更好。可以采用类似视觉的“BEV”感知架构，将多个雷达原始信号统一处理，消除目标在不同雷达FOV边缘时的跟踪中断，降低误报和漏报。同时，能够更方便的将雷达原始信号和视觉图像、激光雷达点云进行前融合，提升整体感知性能。在端到端算法架构下，通过使用更原始信号的毫米波雷达信号（更少的信息损失），可能会带来更好的综合感知性能。
可维护性和可扩展性更高。毫米波雷达的主要处理软件部署在域控中，使得雷达算法的更新可以通过OTA更容易的实现，提高了可维护性和功能可扩展性。同时，在保证相同性能的情况下，由于域控端算法能力的提升，可以减小对于射频前端的需求，例如可以减少天线阵列的面积，从而减小雷达头体积，降低功耗，进而使得布置更为友好。
系统调试更容易。域控制器会直接接收毫米波雷达原始数据，开发团队获取这些数据将非常容易，例如自动传到云端或者备份在本地存储器中，从而大大提升毫米波雷达的开发和故障排查效率。

中央计算雷达的MMIC对于射频前端性能要求更高，而对于处理器的性能要求降低。目前TI和NXP均已经推出中央计算雷达的芯片解决方案：

例如TI的AWR2544：

NXP的SAF86XX：

卫星式架构布局厂商举例：

图片来源：佐思汽研《2024年汽车毫米波雷达产业研究报告》

4）MMIC的演进

毫米波雷达芯片工艺经历了由最早的砷化镓（GaAs）工艺，到锗硅（SiGe）工艺，再到CMOS工艺的演进路径，在性能提升同时，推动车载毫米波雷达系统成本的持续下行。

资料来源：AIoT星图研究院整理

早期，车载毫米波雷达芯片主要采用砷化镓（GaAs) 工艺，一个毫米波雷达中需要至少配备7到8颗以上的RF芯片。同时，由于工作在24GHz频段，毫米波雷达体积较大、价格昂贵。
2000年初，锗硅(SiGe)工艺的发展，大大提高了毫米波雷达芯片的集成度，一个毫米波雷达只需要2到5颗MMICs、1到2颗BBICs，成本下探到千元级别。
2017年，TI推出了基于CMOS工艺的高集成度77GHz毫米波雷达芯片，将前端MMIC RF、DSP和MCU三个模块集成在一个毫米波雷达SOC芯片上，显著降低了毫米波雷达成本，大幅拉低了车载毫米波雷达的硬件开发难度。

根据Yole的估计，不同工艺的未来发展预计如下：

图片来源：Yole

1）GaAs工艺时代（1990-2007）

2007年之前，射频部分无法使用硅材料制做，主要采用砷化镓（GaAs）。砷化镓工艺的材料成本和制造成本都比较高，对于生产线的要求也很高。同时，采用GaAs工艺制作的产品集成度也很低，成本非常高。

例如，用在奔驰汽车上的ARS100（第一款商用雷达）：

图片来源：W. Menzel.

2）SiGe工艺时代（2007-2017）

从2009年开始，SiGe工艺逐渐代替GaAs工艺。SiGe拥有硅工艺的集成度、良率和成本优势，使得前端射频芯片的集成度大幅提升。一个毫米波雷达只需要少量射频前端芯片，毫米波雷达系统成本大幅降低。

例如，大陆ARS4-B，采用了1片MR2001Tx，1片MR2001Rx和1片MR2001VC：

3）CMOS工艺时代（2017年至今）

最初CMOS工艺制程较低，不能工作在高频中。例如以180nm制程为例，SiGe可以工作在180GHz以上，而CMOS工作频率只能达到40GHz。到了2010年，CMOS工艺进步到40nm，使得CMOS用于77GHz毫米波雷达成为可能。

CMOS工艺处理速度更快，相对成本更低：

来源：MEMS

CMOS的集成度能够进一步提升，一个毫米波雷达只需要1颗MMIC芯片，雷达整体系统成本进一步下降。

例如，BOSCH的MRR5，仅采用1片英飞凌的SiGe BICMOS MMIC：RXS8160PL。

4）FD-SOI工艺

FD-SOI（Fully Depleted Silicon-on-Insulator，全耗尽绝缘体上硅）是一种先进的半导体制造工艺，它结合了平面晶体管结构和全耗尽工作特性。这种技术依赖于一种独特的基板，该基板具有超薄的顶层硅层和埋氧层（BOx），从而实现了更好的栅极控制和更低的漏电流。

图片来源：ST

与传统的CMOS工艺相比，FD-SOI在28nm及以下节点可以实现更高的性能和更低的功耗：

性能高：FD-SOI 衬底提供了更高的跨导（Gm）和截止频率（Ft/Fmax），从而提高了晶体管的性能。FD-SOI 晶体管具有较低的栅极电容和电阻，从而降低了噪声。同时，无掺杂硅通道提供了更好的线性度，适用于高功率应用。
可靠性高：FD-SOI技术可以将软错误率降低到普通CMOS工艺的1/100，从而提高系统的可靠性和稳定性。
功耗低：通过薄埋氧层和反向体偏置技术，FD-SOI 衬底可以显著降低漏电流，实现更低的功耗。
集成度高、成本低：FD-SOI 技术可以将数字、模拟和射频模块集成在一个芯片上，降低集成难度和设计复杂性，减小系统尺寸并降低成本。

5）封装上装载

该技术在不同芯片厂的叫法略有不同，例如：

TI称为：Launch On Package，LoP
NXP称为：Launcher in Package，LiP
加特兰称为：Radiator on Package，ROP

封装上装载技术将信号从封装辐射元件直接传输到3D天线，从而实现高效的电磁信号传输，搭配3D波导天线，可以提供更出色检测性能。

图片来源：TI

采用封装上装载技术的加特兰芯片：

图片来源：加特兰

封装上装载技术具有多个优势，包括：

1）LoP可以实现较低的转换功率损耗，SNR性能更好。

图片来源：TI

从而带来的性能的提升：

图片来源：NXP

2）热管理更容易：采用LoP技术时，发射元件位于封装的底部，因此可在顶部放置散热器来实现热管理。

3）辐射隔离性能更好：采用LoP技术时，发射元件位于封装的底部，因此可以降低EMI/EMC问题，因为3D天线放置在PCB的一侧，毫米波集成芯片位于PCB的另一侧，从而增强从MMIC到3D天线的隔离。

4）成本更低：微带贴片天线需要高质量、低损耗的昂贵PCB材料。然而，对于LoP 3D天线，PCB可以使用较为便宜的基板制成。因此，LoP技术可以在传感器级别带来成本优势，节省PCB成本。同时，由于无需微孔以及减少PCB接地层的潜在数量，可以进一步减少PCB总层数，节省PCB成本。

5）灵活性更高：采用外部3D天线的LoP技术时，可在多个不同的毫米波雷达之间，实现复用PCB设计，仅通过更换波导天线，就可以实现不同视场角的毫米波雷达。具有较少PCB型号的雷达传感器设计，可以实现单个PCB更高的产量，从而减少物料管理费用，并降低成本。此外，由于采用非优质射频基板，市场上有更多的PCB供应商可供选择。

03 典型产品

布局毫米波雷达的厂家非常多，例如部分国外厂商和国内厂商：

1. 国外产品

国外玩家主要包括BOSCH、大陆、ZF、安波福等。

1）Conti

大陆是毫米波雷达的重要玩家，课程中会对于大陆毫米波雷达的发展历程和各代做详细介绍：

发展历程：

早期的大陆毫米波雷达原理：

大陆毫米波雷达的研发思路：

2）Aptiv

Aptiv比较早就开始使用空气波导天线（SIW缝隙天线）进行雷达产品设计。

Aptiv的短程雷达传感器采用2T4R和数个空腔波导，同时，射频PCB基板使用玻璃增强的烃基陶瓷层压板制造，并且完全不含PTFE。

图片来源：电子技术设计

安波福的FLR7在2024年9月份在smart项目量产。

Aptiv的B4TR SRR4.0短距雷达：

3）BOSCH

BOSCH是毫米波雷达领域的另一个重要玩家。

BOSCH毫米波雷达的发展历程：

图片来源：https://www.smartautoclub.com/p/60073/

第二代到第五代的爆炸图：

图片来源：BOSCH

4）ZF

采埃孚的Premium 4D成像毫米波雷达，在飞凡R7首次搭载。

PCB内部结构：

外部接口：

结构方案：

2. 国内产品

1）森思泰克

森思泰克主要雷达产品包括：STA77-5（单芯片）、STA77-6（2级联，6发8收）、STA77-8（4级联，12发16收）。角雷达有 STA79-1（后角雷达）、STA79-2Pro （四角）、STA79-8（级联，四角）。舱内雷达有 STA60-4Pro、STA79-4Pro。

其中，STA77-6、STA77-8和STA79-8是主要的4D成像雷达产品，MMIC为TI AWR2243P，目前均已量产。

STA77-5S-LOP-D在2024年5月量产，预计年出货量50W只，采用AWR2E44芯片和LoP+波导天线。

技术指标如下：

2）华为

华为在2021年便发布了4D毫米波雷达产品，采用12T24R通道方案。不过该产品最终没有量产应用。

主要性能：最大探测距离300m，角分辨率H/1°/V/2°，点云数1500点/帧。

2024年4月，华为发布了新一代高精度4D毫米波雷达。

该产品硬件总体框架：

该雷达采用英飞凌4T4R方案和波导天线：

华为自主设计的波导天线：

性能指标：

3）其他

德赛西威的产品布局：

承泰科技的产品布局：

04 课程信息

1. 讲师介绍

讲师1：姚伟伟，雷达算法总监，公众号"凡知杂货铺" 主理人，长期从事车载雷达、工业雷达感知技术研究及工程实现，毫米波雷达领域资深专家。
讲师2：杨竹溪，雷达产品总监，从事车载雷达开发10余年，车载毫米波雷达系统设计、天线、射频和算法资深专家。
讲师3：万文波，主机厂行车系统主任工程师，汽车行业13年开发经验，对于整车总装工艺、电器设计、智能驾舱、智能驾驶等方面均有深厚的知识积累。
讲师4：雪岭，2014年开始车载毫米波雷达开发，担任毫米波雷达研发总监、产品总监和CTO，自动驾驶感知和控制系统资深专家。

2. 参与方式

播放平台。荔枝课堂：https://weike.fm/zuAfw1035f

时长：10~12小节，总时长7~10小时。（视频会依次逐步上线，请关注上述专栏内容）
价格：90元。（可试听。购买课程之后，请联系雪岭获取讲义资料）
毫米波雷达技术专家交流群。目前已汇集300多位毫米波雷达资深技术专家，欢迎感兴趣的老师加入一起交流探讨（请先加入缓冲群，稍后批量邀请），在群内不定期发放优惠券。

我是雪岭飞花，汽车行业24年开发经验，自动驾驶行业发展的见证者和参与者，自动驾驶感知和控制系统资深专家。

欢迎添加“雪岭飞花”微信（扫描下方二维码，或者搜索maxhnnl，感谢赐名片或者分享所在公司和专业方向）。

雪岭系列各平台文章/直播视频/精品课、技术交流群等内容的索引全集（公开飞书页，实时更新）。点击或者扫描下面二维码，或者访问链接：

https://dcn7get8fskg.feishu.cn/wiki/CCMpwjC0EiBIw2kFr7uc84qHneb