雷达工程师对新型特斯拉HW4雷达的分析

就在特斯拉于 2021 年做出取消汽车雷达这一备受争议的决定后不久，有关内部雷达项目的传言开始流传（2022 年的 FCC 文件进一步证实了这一传言）。 这个项目一直被蒙上一层神秘的面纱，尤其是考虑到埃隆-马斯克同时还公开表示要专注于 "特斯拉愿景"（Tesla Vision）： "我们基于人工智能的软件架构越来越依赖摄像头，以至于雷达比预期更早地变得没有必要。因此，我们的 FSD 团队正全神贯注地向基于视觉的自动驾驶系统演进"。(特斯拉 2021 年第一季度财报电话会议）。

快进到 2023 年，随着新 HW4 架构的细节开始浮出水面，越来越多的迹象表明雷达将回归特斯拉架构。 现在，配备 HW4 的车辆已经开始推出，不久，Twitter 上就出现了内部开发的特斯拉雷达的详细照片，这要归功于 @greentheonly。

作为雷达极客，最有趣的事情莫过于分析该领域的新产品，以及了解其他团队如何应对挑战，设计出专门用于实现 L4 自动驾驶的内部雷达，我们 Ghost 团队就是这样做的。 下面的内容只是一种不经意的推测--除了通过设备图片可以看到的数据外，没有更多可用数据。 因此，有些细节是显而易见的，但更多的细节只是根据经验的猜测--有些地方肯定会有偏差。

因此，我们首先要问一个大问题："他们为什么要这么做？ 虽然我们在这里看到的设备显然比特斯拉多年前出厂的大陆雷达（4D，并可能为特斯拉系统提供更多的软件控制、时间同步和优化功能）功能更强，但它似乎也与汽车行业推出的新一代远程 4D 成像雷达的规格相差甚远。 此外，它还缺乏计算能力或带宽和中央处理架构，无法采用软件定义雷达最前沿的基于神经网络的新型雷达数据处理方法（如我们正在 Ghost 公司构建的方法）。 这里的主要优势并不在于硬件、规格或原始能力，而似乎在于控制--实现雷达与整个自主系统的深度优化和同步--我们 Ghost 公司非常相信这种方法！

有了这些，让我们深入了解一下细节......

灵敏度

雷达有 6 个发射通道和 8 个接收通道，最大虚拟通道数为 48。我猜测信号处理的限制实际上会将其虚拟通道数限制在每次约 20 个（稍后详述）。作为参考，前几代雷达通常有 8 个虚拟通道，而即将推出的 Mobileye 雷达则有 2000 多个虚拟通道（不过它们在信号处理方面能支持多少虚拟通道还存在很大争议）。

表 1： 观察到的雷达规格

雷达芯片的射频轨迹与德州仪器的 AWR2243 一致，该芯片已商用数年。它使用 FMCW 波形，稳定可靠。虽然 FMCW 一直是汽车雷达的低成本切入点，但我认为我们可能会在这款雷达中看到相位编码或全任意等更新的波形。这些波形将缓解时分多输入多输出（MIMO）的灵敏度和速度限制，并能更好地缓解干扰。由于缺乏支持这些波形的商用雷达芯片，特斯拉可能会坚持使用 FMCW。虽然 2243 支持 76-81 GHz，但雷达带宽将被天线限制在 2 GHz 左右。他们目前的 FCC 许可证将工作频率限制在 76-77 GHz，因此使用这种设计不太可能扩大带宽。说到天线，它们是端馈印刷贴片天线；虽然贴片天线具有独特的元件结构，但这种有损耗的窄带天线技术在上一代汽车雷达中很常见。我预计每个元件的增益约为 13 dBi。从射频材料的颜色来看，Isola 是现代汽车雷达中非常流行的一种材料。根据这种材料和估计的线路长度，TX 和 RX 的增益分别为 5 dB 和 3 dB。那么，这对灵敏度意味着什么呢？

等式 1. 雷达测距公式‍

将上面的数字应用到这个方程中，就得到了图 1 中的图形。我更希望将雨水和水滴积聚的影响也包含在这幅图中。我没有尝试这样做，因为这取决于我不掌握的设计细节。更好的办法是绘制我可以为之辩护的图表，然后让您来猜测。

图 1. 检测雨中的摩托车是某些汽车雷达的关键要求，而特斯拉雷达的检测距离可能小于 100 米。

多输入多输出拓扑结构

天线拓扑结构始终是性能、成本和信号处理方法之间的一个挑战。特斯拉可能会使用多种可能的组合，但我认为图 2 中的两种组合已被列入模式列表。

图 2. 1）精细方位角分辨率（蓝色）和 2）方位角/近角模式（橙色）的候选天线拓扑图

需要指出的一个设计细节是，第二和第三个（左起）RX 元件的元件模式和间距与其他元件不同。这种巧妙的设计使特斯拉可以灵活地使用 8 个 RX 元件；图 3 和表 1 描述了他们可以做出的一组选择。

图 3. 元件 2 和 3 具有更宽的元件模式和更窄的间距

表 2. RX 阵列配置

关于分析的一个要点：它们是基于图 9 中提取的几何图形。如果这些尺寸有偏差，对元件间距和波束宽度的预测也会有偏差。

现在，回到拓扑结构。第一个拓扑（蓝色）是通过增加方位角范围来最小化方位角测量误差的模式。该模式下没有仰角测量功能。虚拟元素的间距（~1.2 波长）会带来光栅裂片。这可能会导致模糊的方位角测量；当测量误差如此之大时，一些自动驾驶系统会将其视为误报或漏检。要在硬件中消除这个问题，就需要更多的元件来填补间距（增加成本和表面积），或者用现有元件数量缩小间距（从而增加方位角测量误差）。我很同情工程师们的这种取舍！考虑到他们选择的拓扑结构，信号处理团队的首要任务一定是减少侧叶。我们有办法减轻这种影响。因为 1.2 波长的间距和 4 级雷达的性能通常不会同时出现。

图 4. 正方形是虚拟阵列。

特斯拉工程师在使用这种模式时必须解决的另一个问题是信号随海拔高度变化的问题。雷达安装在并非平整的面板后面（图 6），元件靠近电路板/雷达罩的边缘，这意味着从正仰角到达的信号与从负仰角到达的信号有不同的折射路径。在这种模式下，由于无法测量仰角，而且信号处理资源有限，这些差异会直接表现为角度误差。在特定仰角（可能是 el = 0）下，该模式可能具有良好的精度，但在其他角度下，角度性能可能会下降。如果要测量桥梁或标志牌的标高，这一点就很重要。

第二种模式（橙色）设计用于同时测量目标位置的方位角和仰角。与测距和多普勒相结合，就形成了 "4D 雷达"。在经典的方位/仰角雷达模式中，元件将放置在一个矩形网格中，其范围基于所需的角度精度和 0.5 波长的间距，以消除光栅裂片（图 5）。要达到特斯拉选择的范围，需要 34 个元件，成本无法接受。相反，他们可以制作一个虚拟阵列，仅沿对角线覆盖整个范围。这样做的好处是可以达到与全阵列相同的角度分辨率（这在规格表上看起来总是很美），但代价是会产生严重的侧凸，从而造成误报和漏检（这更难量化，所以在规格表上永远不会出现）。我对假设的特斯拉虚拟阵列进行了简单的模拟（图 6），以显示天线切割的原理。

图 5. 您想要的阵列（左）和您能负担得起的阵列（右）具有相同的方位角和仰角范围，但侧边距却大不相同。

图 6. 光栅裂片是一种特殊的边瓣。所有的侧叶都会产生模糊效果：雷达可以看到信号，但无法分辨是通过侧叶产生的强信号，还是通过主叶产生的弱信号。这会导致汽车前方出现 "幽灵 "目标。

表 3. 潜在 MIMO 模式的性能概述

雷达罩

图 7. 安装位置在前脸后面，这给校准带来了挑战，但也缓解了一些环境和美学方面的难题。

特斯拉系统的另一个显著特点是，雷达罩似乎并不直接暴露在外部环境中，而是位于面板后面。这样做的好处是可以减少雷达罩所承受的一些环境负荷。从这些图片中还看不出它们将如何处理面罩上的积水/积雪/积冰。在这种情况下，探测距离和角度精度会很快下降。这种安装位置对校准也有影响： 我认为雷达在安装到车上之前不能进行校准，因为面板会影响校准。我不知道他们是把车放在转台上还是有一个环绕天线室；无论哪种方式，听起来都像是一个很酷（可能很昂贵）的测量设施！如果他们假定每辆车的前挡板都是一样的，并且具有相同的几何形状，那么他们的角度精度就会很差。

信号处理

特斯拉似乎选择将雷达信号处理留给雷达头。这与 SW 定义的雷达形成了鲜明对比，后者可以在不改变雷达头设计的情况下扩大计算规模。这也意味着特斯拉必须找到能在雷达所需的环境中生存的计算元件；对于上一代雷达，这就排除了使用 FPGA 的可能性。特斯拉使用赛灵思（Xilinx）最近发布的汽车级 Zynq（图 8）和美光（Micron）提供的 1 Gb 外部 DDR3 内存突破了这一障碍。我们不可能确切知道特斯拉在这里应用了哪些信号处理概念，因此我只能根据雷达信号处理教科书和我的个人经验进行 "专业猜测"。根据天线拓扑结构，我预测特斯拉只测量方位角时需要处理 19 个虚拟元素，测量方位角和仰角时需要处理 16 个虚拟元素。分布在这么多通道上的逻辑单元（85k）、LUTS（53k）和 BRAM（4.9 MB）处理资源将支持基本的测距、多普勒、波束成形、探测和基于搜索的角度测量算法。它们不可能支持用于干扰缓解的自适应处理、高级校准和测量技术，也不可能支持雷达机器学习。它们可能支持有限范围扫描的精细分辨率（约 1 英尺）模式和大范围扫描的中等分辨率模式（约 1 米）。

图 8. 将计算资源放置在雷达头上可减少返回自驾车计算系统的带宽，但却增加了扩展雷达计算的难度。

连接器只有六个引脚。假设有冗余电源和接地，那么只剩下两个接口。汽车以太网是最有可能的通信协议。另一张 Twitter 照片中显示的是 Marvell Q1010 系列芯片，该芯片支持 100BASE-T1，即 100 Mbps。

总结

当特斯拉从其汽车上拆除上一代汽车级雷达并悄然建立内部开发项目时，雷达界就怀疑新雷达的出现只是时间问题。现在我们第一次看到了特斯拉雷达，很明显，特斯拉在设计时并没有优先考虑原始硬件性能；相反，他们想要的是一种可以快速安装在汽车上并由他们控制的产品。通过拥有运行信号处理算法的软件，特斯拉可以全权负责雷达的性能，优化其与以视觉为中心的系统之间的协调，并不断进行修改以适应其系统。我在这里看到的硬件选择反映了一种优先考虑上市时间和成本而非性能的设计。现在有一个活跃的团队在设计内部雷达，可以想象这仅仅是个开始，随着特斯拉整个系统向 4 级自动驾驶进化，我们会看到这个项目不断取得进展。在 Ghost，我们同意特斯拉正在采用的几项核心战略（专注于软件和雷达优化，与整个自动驾驶系统携手并进），但我们在软件定义方法上走得更深，利用中央计算架构，为雷达数据处理提供了更大的灵活性......你可以在这里初步了解 Ghost 雷达计划。

附录：几何图形

上面的计算基于下面的外观提取，所有几何提取均按 AWR2243 的封装尺寸（10.4 毫米）缩放

图 9. 提取的几何图形基于假定雷达芯片 (AWR2243) 的公开尺寸
作者：Tegan Counts 
注：本文为英译版，如有偏差请阅读原文