海凌科：毫米波雷达如何用距离与角度分辨率感知世界

　　在传感器构成的无形天网中，雷达，尤其是毫米波雷达，正成为越来越多智能系统的“核心感官”。从自动驾驶汽车预判风险，到智能家电感知你的存在，它的可靠“视力”源于两项关键能力：看清前后的距离分辨率，与辨明左右的角度分辨率。正是这两把无形的标尺，定义了雷达区分复杂环境中紧密相邻目标的能力极限。今天，海凌科和AMEYA360带您了解一下毫米波雷达如何用距离与角度分辨率感知世界。

　　一、距离分辨率

　　想象两辆车在同一车道上一前一后行驶。雷达能否将它们识别为两个独立目标，而非一个模糊的团块，就取决于它的距离分辨率。它指的是雷达在视线方向上，能区分开两个目标的最小距离间隔。

　　其背后的物理法则简洁而有力：

　　分辨率由雷达发射信号的带宽决定。公式 ΔR = c / (2B)(c为光速，B为带宽)揭示了一切：带宽越大，分辨率越高(数值越小)，区分能力越强。

　　以汽车领域主流的77GHz频段为例，当雷达拥有4GHz的超大带宽时，其理论距离分辨率可达惊人的3.75厘米。这意味着它不仅能分辨车辆与车辆，甚至能勾勒出行人的肢体轮廓，为自动紧急制动(AEB)系统提供厘米级的决策依据。相比之下，早期带宽较窄的24GHz雷达，分辨率可能仅约60厘米，能力差距立现。

　　必须划清界限的是：距离分辨率≠距离精度

　　分辨率关乎“区分两个物体”：

　　能分辨间距5厘米的两个目标，优于只能分辨10厘米的。

　　精度关乎“定位单个物体有多准”：

　　对一个距离1米的目标，测量结果为0.99米，其精度就是1厘米。

　　现代高集成度毫米波雷达芯片，无需改动硬件就能实现3厘米级别的距离分辨率。在实际点云图中，人体因此会呈现为一簇密集的探测点，物体分离清晰可辨。

　　二、角度分辨率

　　当两辆车并排行驶在相邻车道，距离雷达同样远近时，雷达就需要角度分辨率来分辨它们。它定义了雷达对于相同距离上、方位不同的两个目标的最小可区分角度。

　　这项能力依赖于雷达的多天线阵列。目标反射的波到达不同天线时存在微小的路径差，转化为相位差。通过解读这些相位差，雷达就能计算出目标的方位。

　　理论上，角度分辨率Δθ≈λ/ (L * cosθ)。其中，波长(λ)越短、天线阵列的有效孔径(L)越长，分辨率就越高。

　　因此，提升角分辨率的核心路径是：

　　增加天线数量，以增大“接收孔径”。

　　使用更高频率(如77GHz对比24GHz)，以获得更短的波长。

　　采用MIMO(多输入多输出)技术，这是关键突破。通过巧妙的发射与接收时序设计，可以用较少的物理天线，虚拟出数倍于此的“虚拟天线”阵列，从而大幅提升分辨率。例如，一个4发4收的物理阵列，能形成16个虚拟通道。

　　在实际产品中，角度分辨率因设计目标差异巨大：高性能4D成像雷达可达1°的卓越水平，而一些基础型号可能在15°-30°之间。同样需要区分的是角度精度，它指测量单个目标角度的准确度，通常在视轴附近可达±1°甚至更高。

　　三、算法的智慧

　　毫米波雷达的感知魔法，远不止于天线数量和带宽这些“硬指标”。先进的信号处理算法，能让其“视力”突破传统理论的框限。

　　多普勒分身术：这是雷达的独门绝技。即使两个目标在距离和角度上完全重合，只要它们的径向速度不同，雷达也能通过多普勒效应将其清晰分离。这在实际路况中价值连城。

　　算法增强视力：除了标准的FFT波束成形，更复杂的算法(如Capon、MVDR)能在相同天线配置下，将角度分辨率提升近一倍，生成更密集、更清晰的点云。

　　系统级进化：产业界通过多芯片级联、虚拟孔径合成等技术，不断推动分辨率向极限迈进，同时兼顾成本与体积。

　　与摄像头、激光雷达相比，毫米波雷达在分辨率故事中有其独特定位：

　　对比摄像头：摄像头虽有极高的像素(角度分辨率)，但无法直接测距、测速，且受光照天气影响大。雷达提供的是带有精确距离和速度信息的“数据点云”，而非光学图像。

　　对比激光雷达：激光雷达能提供极高的角度和距离分辨率，形成精细的3D点云，但成本高昂，且在雨雪雾霾中性能骤降。毫米波雷达则以更低的成本、强大的环境适应性和直接的速度测量能力见长。

　　雷达的核心优势在于融合感知：它能同时提供目标的距离、角度、速度三维信息。这种多维度数据融合，使其在实现高可靠性的目标识别与跟踪上具有不可替代的价值。

　　四、总结

　　距离分辨率与角度分辨率，共同构成了毫米波雷达感知世界的坐标尺。从自动驾驶中区分相邻车道的车辆，到智能家居中感知微动，这两把“标尺”的精确度直接决定了智能系统认知环境的清晰度。