现在正是让雷达平台回归模拟的时候了!新创公司Matawave认为“我们仍然存在于模拟世界，汽车也是如此”。该公司期望透过高性能的模拟雷达平台改变传统雷达的限制...

为了在高度自动化的车辆中增加对于现实世界的情境意识，许多汽车制造商开始接受在每个机箱周遭布署各种感测器类型的必要性。然而，他们并未考虑到的是这些感测器的品质。例如，当今的视觉、光达(LiDar)与雷达感测器的性能如何?车用感测器需要具备哪些要求?

  Metawave是今年初才从Xerox PARC研究中心独立而出的新创公司，但有信心能改变汽车产业所认定的“传统雷达限制”。目前，车用雷达“看”不到遥远的物体，也无法辨别所看到的东西。其处理速度还不足以因应在高速公路行驶时运作。

  简言之，摄影机或光达都能看到的物体，当今的车用雷达不一定都能看到。它唯一可取之处在于能在全天候的情况下运作。

  Metawave在今年一月成立，凭藉着从PARC获得的专有授权为超材料雷达与天线进行商用化，目前正大力宣传其“全雷达封装”技术。Metawave计划在2018年1月的国际消费电子展(CES)上展示这款原型。

  超材料是布署于印刷电路板(PCE) 上的小型软体控制工程结构。据该公司指称能以从前仅限于军用系统(较强大且昂贵)的方式导引电磁波束。

  然而，Metawave并未把当今车用感测器的问题归咎于雷达晶片——主要是由恩智浦(NXP)、英飞凌(Infineon)或德州仪器(Texas Instruments;TI)等供应商所设计。事实上，Metawave的全雷达封装并不受特定雷达晶片限制。相反地，该新创公司认为问题出在雷达感测器(包括天线)中的波束成形技术，导致了解析度与速度方面的问题。

  回归模拟

  Matawave执行长Maha Achour认为，现在正是业界让“雷达平台回归模拟”的时候了。她强调，“我们仍然存在于模拟世界，汽车也是如此。因此，Metawave计划打造一个可负担的高性能模拟雷达平台，而不至于面对像军事级操作时的复杂度和成本。”

  Metawave的模拟雷达技术基于电子转向控制天线。它采用具有双埠的单根天线，一端连接到发射器(Tx)或接收器(Rx)链路，另一端连接到微控制器(MCU)。该MCU透过使用查找表(LUT)定义和控制天线波束宽度与方向，从而使Metawave的模拟雷达得以实现微秒级的速度扫描。(来源：Metawave)

  Achour声称，Metawave利用单一天线设计出新的模拟雷达，能以水平和垂直方向引导和形成光束，并从更宽的视野调整光束到非常窄的圆锥角度——低至1度。Achour说：“我们能以非常快的速度实现——微秒级的速度扫描。”

  但是，Metawave的模拟雷达如何与现在广泛用于车辆中的数位雷达进行比较?

  基于数位波束成形(DBF)技术的雷达需要天线阵列，用于聚焦发射器以特定方向发射的电磁讯号，并将其转向其他方向。然后，接收器再从物件撷取返回讯号，并以数位方式进行处理，最终形成场景的影像。

  为了实现这一过程，Achour解释，数位雷达必须“为每根天线注入不同的相位延迟，使波束在同一方向聚拢，并沿着其他方向扩展。”

  DBF的缺陷在于相位延迟。运算需要复杂且冗长的数位讯号处理。Achour指出：“这种密集的讯号处理导致极慢的反应速度(在转向光束时为毫秒延迟)和较差的“集体”辐射模式，因为光束被转向远离天线准线(零度角)。

  目前用于车辆中的数位雷达感测器采用数位波束成形技术，并透过复杂且冗长的数位讯号处理来计算相位延迟(即图中的权重—wi)。天线具有静电辐射，而且有赖于于数位权重以形成和转向控制光束(来源：Metawave)

  因此，她说：“这些传统雷达由于控制不好主瓣和旁瓣，因而无法在长距离时以广角观察。”

对远端物体作出决定

  目前与Metawave共同合作的顾问兼投资人Drue Freeman表示，“针对自动驾驶车辆，我认为架构师必须解决的最大问题之一就是能够对远离车辆的物体做出决定。”否则，自动化车辆的最高速度将会受到限制，Freeman指出。

  Freeman说：“今日的雷达解决方案即使采用了最佳的数位波束成形技术，或许能可靠地看到车子前方200公尺处的距离，也能侦测到有『东西』在那里，但他们没法辨识那是什么。”

  而现实情况是DBF不是支援高解析度就是高讯杂讯比(SNR)，并非二者兼具。

  超材料

  Metawave声称其目标在于提供类似于用于追踪导弹的高性能雷达，但又不至于产生像军事应用所需要的成本、复杂度和功耗。Achour说，Metawave的模拟雷达“模拟了相位阵列”，就像军用天线一样。但该新创公司能在无需仰赖军事应用部署的移相器下实现这一点，因为它利用了自家的超材料。

  Metawave的超材料频率自适应转向技术(来源：Metawave)

  Freeman坦承：“Metawave让人感到振奋的是其基于超材料的模拟波束成形技术，让他们能精确地控制雷达波束，实现更快的操作速度以及更好的SNR，而不至于牺牲解析度。”

  Metawave技术长Bernard Casse表示，超材料除了可为雷达和天线实现“视觉”和“速度”外，Metawave的模拟雷达还将带来“智能”。Metawave已为其模拟雷达嵌入了人工智能(AI)引擎。

  在该AI引擎内部是一系列的演算法，Casse解释，“除了深度学习(deep learning)和决策演算法以外，还包括测距多普勒(range-Doppler)评估演算法、杂波和干扰抑制演算法、物件侦测和追踪演算法，以及其他专有的电磁和雷达程式码等。”

  雷达中的AI引擎究竟能学习什么?Casse说：“它高度取决于场景。”例如，如果一辆车行经桥下，将会遭遇许多讯号反射。AI引擎可以在各种干扰下进行分类与排序，并协助雷达定位必须查看的物体。

  Freeman说：“Metawave的案例极具意义，因为在许多情况下，雷达将成为最先在道路上『看』到东西的传感器，而且能在传感器融合处理以前，利用AI引擎初步分类所看到的东西。”

  The Linley Group资深分析师Mike Demler说：“每一种传感器都有其局限性，所以不用说也知道有许多雷达失败的例子。但是，还有更多可能的情况是软件未能正确解读讯号。”

  他指出，“最糟糕的案例是特斯拉(Tesla)自动驾驶车日前在佛罗里达州发生的意外事故，原因就出在Tesla的自动驾驶系统未侦测到白色货车穿越其车道而酿祸。车用雷达一直是相对较便宜的传感器，主要用于简单的测距功能，如自适应巡航控制等，它并不是针对物体辨识而设计的。显然地，Metawave正致力于开发使用合成孔径雷达(SAR)的技术，这将为雷达提供物件辨识的能力。”

  开启新业务模式

  Metawave执行长Achour看好AI在其雷达应用的巨大前景。一旦雷达开始用其AI“大脑”在道路上收集资料并解读行驶的环境，Achour期望Metawave能为汽车产业提供可用的资料。“我们能提供基于程式码的AI与演算法搭配雷达作业所学习的成果，并从中赚取服务费。”

  根据多项预测指出，在未来的第4/5级(Level 4/Level 5)自动驾驶阶段，汽车产业将不再依赖于车子的单位销售量，而将更着眼于每辆车的行驶里程数。在此情况下，Achour指出，硬体公司也必须改变其业务模式。提供由AI收集的情报作为服务，为Metawave带来新的商机。

  车用模拟雷达将取代光达?

  Demler表示：“如果Metawave能够降低成本，或许就可能实现。”但他对于Metawave的雷达是否真的能超越光达的解析度仍抱持怀疑的态度。

  Freeman则认为现在预测还为时过早。他解释说，“每一种传感器都各有其优点和缺点。Metawave所做的是解决雷达的一些弱点，我认为它所用的方式确实能使其足够强大、解析度够高，可能让汽车OEM用于设计完全不需要光达的全堆叠传感器系统。”然而，他也补充道：“目前所用的光达具有高品质且低成本，仍然更能有效地实现这任务。”

  Achour的看法略有不同。她说：“一开始，所有的传感器都会被要求实现完全的自主性。随着AI引擎日趋成熟，数位地图变得更加可靠和精确，即使是在没有V2X通讯的情况下，雷达和摄影机就足以让汽车实现零事故的自动驾驶目标了。”

  她指出：“有些人可能认为，实现精确定位绝对少不了光达。”然而，她以自身的经验表示，Metawave的模拟雷达(称为Warlord)支援强大的3D成像，并结合数位地图，“将足以提供精确的定位。我预计这将在2020年中期到2030年初实现。”

  开发挑战

  在开发全雷达封装时，Metawave也免不了面对挑战。Metawave工程副总裁Geroge Daniel指出，Metawave的雷达解决方案是专为作业于76-81GHz频段而设计的。

  FCC借由授权使用整个76-81GHz频段，为远距车辆雷达提供了一个连续的频谱区段。

  这意味着Metawave的“超材料需要与离散元件互动”，这些元件最初是为早期的车用雷达系统设计的，采用整合的24GHz雷达传感器技术，作业于较低频段范围。

  700万美元首轮融资

  目前，Metawave的核心团队共有7名工程师，包括管理阶层。今年9月还从Khosla Ventures、Motus Ventures与Thyra Global Management等投资机构获得了700万美元的首轮种子融资。

那么，这家新创公司还需要多少资金呢?Achour表示：“也许再一轮筹资吧!”。她表示有信心“借由Metawave的技术能够