在智能驾驶领域，毫米波雷达技术一直处于不断革新的前沿。随着车辆自动辅助驾驶要求和安全性要求的提高，感知系统也在不断进步。车企正从独立功能的分布式架构转向功能集成的域控制架构，甚至融合域架构。不同车辆功能将集成到更高级别的控制单元中，以提高效率、协同性和降低成本。汽车电子电气架构可能向中央计算+区域控制的中央集中式架构演进，允许主要计算能力集中在中央处理单元，同时利用区域控制单元处理特定功能和感知任务。
、
随着芝能汽车开始导入中央计算单元，其性能预计将快速增长，感知数据处理可以以更有效的方式执行，从而导致EE架构快速迭代演进。毫米波雷达模块的数据处理将从边缘计算向离域处理（离散的、分布式的数据处理）转变，实现更高效的计算。每个模块或控制单元中的处理量将由所需的性能和可用的架构决定。
这和摄像头演进的思路是一致的，毫米波雷达也可以实现类似的架构演变：
随着集中式计算架构的引入，毫米波雷达模块的数据处理可能会趋向本地化。雷达模块本身将变得不那么“智能”，而卫星雷达单元将能够对接收到的雷达信号执行有限的处理，例如FFT，然后再将数据传输到中央计算平台，将接收来自不同卫星雷达模块的预处理数据，并对每组数据执行主要的雷达处理步骤。这样的架构优势在于节省了尺寸和成本，同时提供了更高效的数据处理和融合。
备注：核心是多维FFT的转换、CFAR、窗函数等的处理，以及最终的点云跟踪。处理结果可以进行数据融合，提高检测和环境感知的准确性
在这种带有卫星雷达模块的集中式架构中，数据将使用车辆的以太网骨干网传输到ECU。使用车辆的控制单元进行处理不仅可以更有效地处理雷达数据，而且可以进行更复杂的操作。与摄像头或激光雷达等其他传感器、机器学习和人工智能的数据融合现在可用于优化环境的传感和表征，这将有助于实现更高水平的自动驾驶。
◎ 优化产品机械结构，节省尺寸和成本，便于维修和升级，减少散热问题。
◎ 优化产品线缆，通过车辆骨干网络传输数据，降低线缆成本和重量。
◎ 实现软硬分离和解耦，便于更换硬件厂商和雷达算法的OTA升级。
◎ 在中央集成式架构下，利用更高级的算法实现多雷达之间的融合，推进雷达和相机的前融合方案。
◎ 大数据量处理增加了域控制器端的硬件成本。
◎ 主流高算力芯片对雷达算法的支持和兼容性需要提高。
◎ OEM对卫星雷达的认可度较低，需要更多实际案例推动市场认知。
◎ OEM主要以目标级别数据为主，对直接ADC数据的使用存在技术难度。
结论：以后毫米波雷达就是一个芯片和组装的工作，这也是最终软件来实现差异化的。
最前沿的电子设计资讯
