xx99av.com-日韩成人小视频,国产成人激情视频,精品一区二区三区视频,日本麻豆一区二区三区视频

雷達在新型汽車設計中隨處可見：在汽車周圍進行感知，以偵測危險，并為制動、轉向和停車決策提供信息；在車廂內用于駕駛員和乘員監控系統。現在，高清雷達在任何天氣條件下都能有效地進行基于人工智能的前端物體探測，與其他傳感器通道相輔相成，進一步提高了準確性和安全性。對于構建高價值嵌入式雷達系統的制造商來說，市場潛力巨大。然而，如何有競爭力地發掘這一潛力卻充滿挑戰。在本文中，我們探討了其中一些挑戰。
汽車原始設備制造商（OEM）并不僅僅是在新車上增加更多的電子功能；他們正在為其產品線推動統一的系統架構，以管理成本、簡化軟件開發和維護，并提高安全性。更多的計算和智能正在向集成的區域控制器轉移，一方面，在汽車小區域內相對較小的傳感器單元與處理器進行通信，另一方面，區域控制器與負責整體決策的中央控制器之間進行通信。
針對汽車雷達系統市場的供應商必須跟蹤這些變化，以確保他們的解決方案架構能夠與這些變化保持一致。供應商需要提供一種可擴展性，使得他們的解決方案能夠在邊緣功能的相對簡單處理和區域或中央控制器的更廣泛功能之間實現適度的處理能力，同時還必須具備靈活性，以適應不同汽車制造商的分區選擇。
重要的一個點在于，無論解決方案如何分區，都必須允許在邊緣、區域和中央計算之間交換大量數據。這就凸顯了在傳輸過程中壓縮數據以控制延遲和功耗的重要性。
除了性能、功耗和成本限制外，汽車系統還必須考慮使用壽命和可靠性。汽車的整個使用壽命可能是 10 年、20 年甚至更長，在此期間可能需要對軟件和人工智能模型進行升級，以解決檢測到的問題或滿足不斷變化的監管要求。這些限制條件決定了在雷達系統設計中要在硬件的性能/低功耗和軟件的靈活性之間保持謹慎的平衡。這并不是什么新鮮事，但與視覺管線相比，雷達管線有一些獨特的需求。
管線挑戰
完整的雷達系統流程如下圖 1 所示，從發射和接收天線一直到目標跟蹤和分類。天線配置可從用于低端探測的 4x4（發射/接收）到用于高清雷達的 48x64。在雷達前端之后的系統管線中，FFT 首先計算距離信息，然后計算多普勒信息。接下來是數字波束成形階段，用于管理來自多個雷達天線的數字流。
到目前為止，這些數據從某種程度上來說仍然是“原始信號”。CFAR（恒虛警率）階段是將真實目標從噪聲中分離出來的第一步。到達角度（AoA）的計算完成了一個目標在三維空間中的定位，而多普勒速度計算添加了第四個維度。最后，管線進行目標跟蹤，比如利用擴展卡爾曼濾波器（EKF），并通常使用 OEM 定義的人工智能模型進行目標分類。
天線
多普勒距離波束目標分類兩個目標的到達角度最大似然估計（AOA MLE）窗函數 + 距離FFT跟蹤（EKF）偵測數字波束形成（DBF）窗函數 + 多普勒FFT距離多普勒
好吧，步驟很多，但這些步驟為何如此復雜？首先，雷達系統必須在前端支持顯著的并行性，以處理大型天線陣列，通過管線同時推送多個圖像流，同時實現每秒25到50幀的吞吐量。數據量不僅受天線數量的限制。這些天線饋送多個FFT，每個FFT都可能相當大，高達1K個頻率點。這些轉換最終會將數據流轉化為點云，而點云本身可以輕松達到半兆字節。
巧妙的內存管理對于最大化吞吐量至關重要。以距離和多普勒FFT階段為例。從距離FFT寫入內存的數據是一維的，按行寫入。多普勒FFT需要按列訪問這些數據；如果沒有特殊的支持，按列訪問所隱含的地址跳轉需要每列進行多次突發讀取，從而大大降低了可行的幀速率。
另一個挑戰是CFAR。有多種CFAR算法，其中一些比其他算法更容易實現。如今最先進的方案是OS-CFAR（有序統計CFAR），特別適用于存在多個目標的情況（這在汽車雷達應用中很常見）。可惜，OS-CFAR也是最難實現的算法，除了線性分析外，還需要統計分析。如今，一個真正有競爭力的雷達系統應該使用OS-CFAR。
在跟蹤階段，位置和速度都很重要。位置和速度都是三維的（X,Y,Z 表示位置，Vx,Vy,Vz 表示速度）。一些EKF算法會各放棄一個維度，通常是高度，以簡化問題；這被稱為4D EKF。相比之下，高質量的算法會使用全部 6 個維度（6D EKF）。對于任何EKF算法來說，一個重要的考慮因素是它可以跟蹤多少目標。飛機可能只需要跟蹤幾個目標，而高端汽車雷達現在可以跟蹤數千個目標。在考慮高端和（一定程度上縮小的）中端雷達系統的架構時，這一點值得牢記。
分類階段的任何挑戰都是以人工智能模型為中心的，因此不在本雷達系統的討論范圍之內。這些人工智能模型通常會在一個專用的神經處理單元（NPU）上運行。
實施挑戰
一個顯而易見的問題是，什么樣的平臺才能最好地滿足所有這些雷達系統需求？它必須具有很強的信號處理能力，必須在低功耗的情況下滿足吞吐量目標（25-50幀每秒），同時還必須具有軟件可編程性，以適應較長的使用壽命。這意味著需要一個DSP。
然而，它還必須同時處理多個輸入流，這就需要高度的并行性。一些DSP架構支持并行內核，但是所需核心數量可能對于許多信號處理功能（例如FFT）來說過多，這種情況下硬件加速器可能更合適。
同時，解決方案必須在區域車輛架構之間具有可伸縮性：為邊緣應用提供低端系統，為區或中心應用提供高端系統。為每種應用提供通用的產品架構和通用的軟件堆棧，只需進行簡單的擴展，即可適應從邊緣到中央控制器的各個級別。
我們相信，通過使用可擴展的Ceva-SensPro雷達和視覺人工智能解決方案，實現這些目標是可能的。