基于雷达回波发生器的汽车雷达测试技术展望

汽车雷达传感器直接关系到行驶安全，必须全面测试以确保功能可靠。随着雷达性能不断提高，功能和用途日益增加，测试流程必须更加智能化，不能再远行数百万公里进行路测。本文介绍目前雷达功能测试的测量流程，并概述将来的测试方法理念和基本要求。

随着驾驶自动化迈向4级和5级自主水平，雷达在补充其他传感器平台、确保真正全天候360°视觉能力上起着非常关键的作用。在许多高级轿车的设计中，车辆四周安装有多部雷达，完成视野全覆盖，并能够从近距离到远距离覆盖远达几百米的范围。与此同时，半导体行业正朝着采用由几十个发射天线和接收天线组成的天线阵列的多静态雷达工作模式快速发展。某些制造商正在向全CMOS设计或混合信号SiGe架构迁移，以便将数字链路整合进雷达芯片中。因此，用于高级驾驶辅助系统（Advanced Driving Assistance Systems, ADAS）以及稍后用于自主驾驶系统的雷达解决方案已经是性价比较高且不可替代的解决方案。此外，通常使用机器学习技术来简化在道路上实时测量车辆的传感器融合决策过程。多家数字处理领域的全球领先公司正在努力实现高效处理器，以适应机器学习的要求，例如用于深度学习算法。某些处理器基于GPU架构，基于平行的多个CPU，甚至是基于采用直接传感器接口的多个专用控制器单元。

汽车雷达测试面临的挑战

通过分别在时间延迟、多普勒频移、到达角度和幅度方面评估观测区域中的回波信号，性能独特的雷达传感器能够测量物体的距离、径向速度、方位角和大小。一些现代雷达传感器也能估算仰角，下一代雷达传感器应能实现真正的仰角测量。同时且在复杂多目标环境（例如交叉路口）下确定这些参数是雷达设计者必须解决的技术难题。要解决此难题，雷达必须提供高分辨率数据，这一需求激励许多研究者提出成像雷达或寻求合成孔径方法增强雷达数据。所有这些需求对每个雷达或传感器系统的可靠性检测和验证提出了严格的要求，以确保预期的性能。

由于雷达的复杂性和智能化越来越高，仅仅使用雷达信号质量的直接评估来判断其在街道上的性能是不够的。除了传统上测试雷达的信号相位噪声、多普勒分辨率、相位重复性、温度稳定性、输出功率、接收机噪声系数、线性调频斜率和线性度以外，测试整个雷达的功能日益成为必须。把雷达集成进车辆内部会对雷达性能造成一些不利影响，例如保险杠和雷达天线罩内部反射（车标或保险杠）增加了这种复杂性、降低了雷达性能。因此，功能测试正在成为许多高档汽车制造商认可的强制性步骤。

汽车雷达测试解决方案

今天，最简单的功能测试依赖安装在雷达前方特定参考距离上的角反射器。对于稳定和可重复的测试环境，通常需要大型微波暗室（如R&S ATS1000）来抑制任何未知的环境干扰。虽然这听上去挺简单，但这个装置实际上仅能测试固定理想目标在给定信噪比电平下的检测阈值。不可能测试多普勒分辨率和目标的动态行为，例如检验目标跟踪过程和分类过程。因此，用更现实的装置模拟真实情况至关重要。还需要模拟包括来自其他移动车辆雷达的外部信号，以确保干扰可调节。

市场上较新的方式是采用专用雷达回波发生器，如罗德与施瓦茨公司的AREG100A，它能够实时处理雷达发射的信号，以便在把捕获的信号转发回被测雷达前施加时间延迟、多普勒频移和衰减。一种典型实现方式是接收雷达射频信号并将其下变频到中频，在中频段引入时间延迟（距离）、径向速度（多普勒频移）和衰减（RCS）。然后将此经过处理的信号，通过相位相干上变频到射频，并重新发射给被测雷达。被测雷达接收并处理基于最初发射信号的仿真回波，并报告检测到的距离、多普勒频移和雷达截面积（Radar Cross Section, RCS）。

模拟和数字雷达回波发生器都遵循相同的理念，但它们会以不同的方式处理雷达回波信号。虽然模拟回波发生器使用延迟线（例如波导、同轴电缆和通过光纤）可将信号延迟到固定距离，数字解决方案通过可编程时间延迟也可动态改变距离，且灵活性更强。然而，数字解决方案的关键参数是由相关信号处理引起的延迟。将雷达波形从模拟域转换到数字域需要至少几个数字时钟周期。由于雷达信号以光速传播，每纳秒的延迟对应大约15厘米距离，无法被补偿。模拟雷达回波发生器用于验证测试和生产线，数字回波发生器更多用于研发，并能用于测试更复杂的雷达工作场景。单雷达回波发生器可用于检验简单的目标径向移动跟踪算法。例如，许多自动巡航控制（Automatic Cruise Control, ACC）场景就是这种情况。为了测试如车道变换辅助等功能，必须改变目标方位角，因此需要通过模拟器前端来模拟到达角。

未来的测试方法

由于高度自动驾驶导致的巨大需求，汽车雷达开发周期正在缩短。雷达性能、功能和应用都在不断增加。随着应用数量增长，雷达传感器最终必须进行测试的场景和应用也相应增加。

今天，一项功能在声称得到验证之前，必须跑满一百万测试公里。考虑到每年大量涌现的新传感器和新车，跟上路测要求是不可能的。此外，因为训练数据和分类算法依赖于传感器本身，用来自较旧传感器数据训练的决策网络现在可能不再有效。这意味着，新的传感器需要新的训练和测试数据集，亦即又一个百万测试公里。由于未来生产的车辆将实现高度自动化和完全自主性，我们需要找到减少所需道路测试公里数的方法。对于传统汽车，可以使用车辆硬件在环（Vehicle Hardware In Loop, VeHIL）试验台。但对于依赖雷达传感器信息的新型汽车，这些试验台必须用另外的测试设备来实现。
许多情况下，在雷达正确工作前，试验台上的汽车甚至不能加速。使用雷达回波发生器，或采用模拟雷达的返回数据到电子控制单元（Electronic Control Unit, ECU）接口的方式是比较合适的切入点。虽然软件模拟雷达传感器可以是全方位的，并且可以满足许多要求，但它并不真正复制雷达的真实行为。另一方面，雷达回波发生器测试雷达并模拟距离、多普勒和方位角。然而，目前的雷达回波发生器不能仿真出传感器在正常环境下检测到的许多方位角和仰角来生成逼真的场景。这是因为雷达回波发生器的发射和接收天线数量有限，无法模拟被测雷达传感器变化的角度方向（图3）。正如前面指出的，这对于简单的功能测试或性能测试（如精度、检测阈值或分辨率）来说已经足矣，但对于高级驾驶辅助系统和自动驾驶车辆的功能测试来说远远不够。

图3：最先进的雷达回波发生器原理。

雷达回波发生器可能需要数百个接收器和发射器才能捕获、处理和发射与典型雷达回波特征波形一样的回波信号。除了角度限制之外，当前的雷达回波发生器也不能模拟分布式目标（称作云目标）。行人不是以单一反射波出现。他们有多个反射点，并且躯干、腿和手臂的速度各不相同。车辆并不是作为单个散射点出现，它在距离和方位角方面有主要是单多普勒分量形式的分布式多个散射点。当需要从场景和功能角度来生成测试跟踪过程、分类过程和决策过程需要的真实雷达回波信号时，必须考虑所有这些要求。

图4给出了安装在屏幕后面，由天线阵列组成的雷达回波发生器的概念。该屏幕上显示的是，用于对支持驾驶辅助系统的图像传感器仿真的驾驶场景（例如高速公路场景）。

图4：未来的雷达回波发生器原理。

具有数字处理后端、含数千个发射器的完整电子可控天线阵列可以用于仿真复杂目标识别传感器及其分析策略。阵列传感器位于测量系统前方，它接收雷达发射的信号，实时操控距离、多普勒、雷达截面积（RCS），并将回波信号路由到天线阵列内的特定天线，产生被测雷达的方位角和仰角。这种模块化方法的优点是回波信号的反射就像在真实场景中一样。已经有工作在此频率范围的大型天线阵列，并且可用于雷达测试，但是目前没有商业雷达回波生成解决方案（该方案能够根据这种天线阵列生成复杂的点云目标）可提供。

随着智能驾驶汽车上雷达传感器数量、不同工作模式和传感器功能的不断增加，智能驾驶汽车的测试将来会变得越来越复杂。为了应对这些挑战，采用单发射天线和接收天线的雷达回波发生器不失为一种好方法，但它不能完全满足未来雷达传感器和场景测试的要求。与数字雷达回波发生器相结合的天线阵列或许能够解决更真实地测试雷达传感器的要求。自从研发智能驾驶汽车以来，需测试的场景、雷达传感器以及雷达传感器与其他传感器（如激光扫描仪和摄像机）的融合一直在发展演进，OEM、一线供应商和测试/测量设备制造商必须携手合作，才能为不断增长的需求提供完美解决方案。