1. 定义

雷达（RADAR），全称是“无线电探测与测距”（Radio Detection and Ranging）。核心功能是利用无线电波发现目标并测定其空间位置。

2. 基本工作流

一个完整的探测周期，可分解为以下四个步骤：

1. 发射：发射机产生电磁波，通过天线向指定方向发射。
2. 传播与反射：电磁波在空间中传播，遇到目标后，一部份能量被目标反射，形成回波。
3. 接收：天线接收反射回来的微弱回波。
4. 处理：信号处理器提取回波中的信息，解算出目标的各项参数。

3. 核心参数测量

雷达主要测量目标三个核心参数：

• 距离 (R)
  • 原理：时间飞行法（Time of Flight, ToF）。记录电磁波从发射到接收回波的时间差（Δt）。
  • 公式：R = (c * Δt) / 2
  • c 是光速，Δt 是时间差。除以2是因为电磁波走了一个来回。
• 速度 (v)
  • 原理：多普勒效应（Doppler Effect）。当目标与雷达存在相对运动时，回波的频率会发生变化。频率增加表示目标正在靠近，频率减小表示目标正在远离。
  • 应用：通过测量频率的变化量，可精确计算出目标的径向速度。
• 角度 (θ, φ)
  • 原理：天线的方向性。雷达天线发射的波束是高度定向的。接收到回波时，天线所指向的方位角和俯仰角即为目标的方向。
  • 精度：波束越窄，测角精度越高。

4. 关键技术类型

不同的应用场景催生了不同体制的雷达。

• 脉冲雷达 (Pulse Radar)
  • 工作方式：发射短暂的、高能量的电磁脉冲，然后在不发射的间歇期接收回波。
  • 特点：结构简单，能同时测量距离和角度，是应用最广的雷达类型。
• 连续波雷达 (Continuous Wave Radar, CW)
  • 工作方式：连续不断地发射电磁波。
  • 特点：主要用于测速（利用多普勒效应），结构简单，但基本的CW雷达无法直接测量距离。
• 调频连续波雷达 (FMCW)
  • 工作方式：发射频率随时间线性变化的连续波信号。
  • 特点：通过测量发射信号与回波信号之间的频率差来计算目标距离。结合了脉冲雷达和连续波雷达的优点，能同时精确测量距离和速度。在车载雷达等领域应用广泛。
• 相控阵雷达 (Phased Array Radar)
  • 工作方式：由大量小型天线单元组成一个阵列。通过精确控制每个单元发射信号的相位，可以在不转动天线的情况下，快速改变波束的指向。
  • 特点：波束扫描速度极快，可同时跟踪多个目标，抗干扰能力强。分为无源（PESA）和有源（AESA）两种，后者性能更优。

5. 应用：自动驾驶中的融合

自动驾驶系统依赖多传感器融合，单一传感器存在固有局限性。雷达是融合系统中不可或缺的一环。

• 传感器角色分工
  • 摄像头 (Camera)：高分辨率，擅长分类识别（如人、车、交通标志），但测距和测速不直接，且易受光照、恶劣天气（雨、雪、雾）影响。
  • 激光雷达 (LiDAR)：高精度三维点云，可精确感知目标轮廓和距离。但在雨雪雾天气下衰减严重，成本较高。
  • 毫米波雷达 (Radar)：直接测量距离和速度，全天候工作能力强（抗雨雪雾）。缺点是分辨率低，对目标轮廓感知和分类能力弱。
• 雷达在融合中的核心价值
  1. 提供稳定的动态信息：为融合系统提供可靠的目标距离和径向速度，这是摄像头和激光雷达的弱项。
  2. 安全冗余：在摄像头或激光雷达因环境因素性能下降或失效时，雷达作为关键的冗余传感器，保障系统的基础感知能力，特别是AEB（自动紧急制动）等安全功能的触发。
  3. 目标确认与跟踪：雷达可以为视觉检测到的目标提供运动状态的确认，或在视觉短暂丢失目标后，依靠速度信息进行持续跟踪。
• 融合架构
  • 后期融合 (Object-Level Fusion)：各传感器独立完成目标检测，输出结构化的目标列表（如位置、速度、类别）。融合模块对这些列表进行关联和仲裁。这是当前主流方案，优点是模块化，计算负荷较低。缺点是各传感器在预处理阶段已丢失部份原始信息，可能造成信息损失。
  • 前期融合 (Raw-Data-Level Fusion)：将各传感器的原始数据（如图像像素、雷达点云）直接输入一个中央处理器进行融合。优点是信息保留最完整，理论性能上限高。缺点是对算力、数据同步和带宽要求极高，实现复杂。
• 主要技术挑战
  • 时空对齐：各传感器安装位置、坐标系、数据更新频率均不同，融合前必须进行精确的标定和时间戳同步。
  • 数据关联：如何判定来自不同传感器的检测结果指向的是同一个物理目标。这是融合的核心问题，通常使用卡尔曼滤波等算法进行状态预测和匹配。
  • 目标置信度管理：处理传感器间的检测冲突。例如，雷达检测到目标，但摄像头视野中没有，需要算法判断是雷达的虚警（如井盖）还是摄像头漏检。

6. 知识点补充

• 雷达截面积 (RCS)：衡量目标反射雷达波能力的物理量。RCS越大，目标越容易被探测。隐形技术的核心就是通过外形设计和吸波材料来减小目标的RCS。
• 4D雷达：传统车载毫米波雷达输出的是目标距离、速度、方位角（3D）。4D雷达增加了对俯仰角的探测能力，能获得类似LiDAR的“点云”，可以分辨目标的高度信息（如区分车辆和桥梁），提升了对静态障碍物的识别能力。

7. 发展趋势

1. 固态化与集成化：使用氮化镓（GaN）等先进半导体材料，使雷达系统更小、更轻、更可靠。
2. 认知雷达：引入AI，使雷达能根据环境和目标，自主调整工作模式，提升复杂环境下的性能。
3. 成像与高分辨率：以4D雷达为代表，提升角分辨率，输出更密集的点云，增强对静态物体的感知，弥补传统雷达的短板。
4. 多功能化：一个雷达平台集成探测、跟踪、识别等多种功能。

8. 总结

雷达作为一种核心传感器，其基本原理稳定，但实现技术和应用边界在不断扩展。尤其在自动驾驶领域，它凭借全天候和测速优势，在多传感器融合系统中扮演着基石和安全冗余的关键角色。技术演进方向明确，即通过提升分辨率和引入智能算法，使其更接近LiDAR的性能，同时保持自身成本和可靠性优势。