本文约7,085字，建议收藏阅读

作 者 | aFakeProgramer

出 品 | 汽车电子与软件

摘要

各位技术佬、汽车控们，今天咱们聚焦智能汽车里最“耐造”的传感器——毫米波雷达。它不像激光雷达娇贵，也不似摄像头“看天吃饭”，却是L2到L4级自动驾驶的“定海神针”。

别觉得 “雷达不过如此”！从早期 24GHz 到主流 77GHz，再到如今 4D 雷达成高端车标配 —— 问界 M9、尊界 S800、比亚迪天神之眼均已搭载。今天咱用唠嗑式拆解，把毫米波雷达的定义、原理、特点、应用讲透，专业不枯燥，看完就能在同事圈当 “雷达小达人”。

图片来自网络

01

先搞懂基础：

毫米波雷达到底是个啥？

定义：毫米波雷达是工作在30~300GHz频段的电磁波探测器，对应波长1~10mm，介于微波和远红外波之间，可理解为智能汽车的“微型移动雷达站”，体积小到能塞进保险杠。

车载领域主流分为两派：

24GHz的“老江湖”成本低但性能有限，已逐步淘汰；

77~79GHz的“主力军”探测远、精度高，是L2及以上ADAS系统的核心配置。

核心原理很简单：发射高频毫米波，通过分析回波的时间差、频率差、相位差，计算目标的距离、速度、角度。核心优势是不靠光、全靠电磁波，能在恶劣天气下稳定工作。

与激光雷达、摄像头对比的核心结论：毫米波雷达胜在“稳”，激光雷达胜在“清”，摄像头胜在“细”，三者各有优劣，因此主流车企均采用多传感器融合方案。

02

优缺点大起底：为啥汽车

离不开它，又不能单靠它？

任何技术都有两面性，咱们客观分析毫米波雷达的优势与短板。

1) 核心优势：5个“杀手锏”奠定不可替代地位

1. 全天候“战神”体质：大雨、大雾、大雪、黑夜、逆光等场景均能正常工作，仅极端暴雨会出现20%以上衰减；而激光雷达大雾天性能暴跌，摄像头夜间近乎“半瞎”，高速自动驾驶需靠它支撑。

2. 测速精度“天花板”：依托多普勒效应，实现厘米级距离测量、毫秒级速度测量，优于激光雷达。77GHz雷达波长约4mm，对速度变化极敏感，能快速捕捉前车减速，是AEB自动紧急制动的“保命技能”。

3. 抗干扰+反隐身的硬核属性：毫米波频带宽，抗电子干扰能力强；且隐身飞行器的隐身范围不覆盖毫米波频段，隐身材料失效。这项军转民技术让车载雷达抗干扰能力拉满。

4. 低空跟踪能力突出：受地面杂波和多径效应影响小，能稳定跟踪低空无人机、近距离路沿、锥桶等目标，适配低速泊车、交叉路口预警等场景。

5. 体积小、成本可控：核心硬件为MMIC芯片和天线PCB板，集成度高。主流77GHz雷达体积小于拳头、重量不足5kg，成本仅为激光雷达的1/3，适合批量量产。以华为ASN850雷达为例，体积小于4.5L、重量小于4.5kg，探测距离超1000米，性价比优异。

2) 局限性：3个“小短板”决定需协同工作

1. 分辨率和点云密度不足：传统3D雷达垂直分辨率低、点云稀疏，易漏检锥桶、静止车辆等静态目标，需与摄像头、激光雷达融合补盲。

2. 极端天气仍存衰减：特大暴雨下信号衰减超20%，性能明显下降，但仍是同类传感器中表现最优的。

3. 核心器件有技术门槛：高功率发射机、低损耗波导器件等核心部件研发难度大、成本高，仅停留在技术研究阶段，未实现产品化。

总结：毫米波雷达是“稳”担当而非“全才”，靠谱的自动驾驶必须依赖多传感器协同。

03

工作过程拆解：从发射信号

主流车载毫米波雷达采用FMCW（调频连续波）技术，工作过程可拆解为“发射-接收-处理-输出”四步，全程毫秒级完成，保障实时感知。

第一步：发射信号——相当于“喊一声”

发射机通过高频振荡器产生频率线性上升的chirp信号（扫频波），经收发转换开关传输至天线定向发射。车载雷达多采用三角波或锯齿波调频信号，以提升距离分辨率；77~81GHz雷达带宽可达4GHz，远高于24GHz雷达的200MHz，这也是前者精度更高的关键。

第二步：接收回波——相当于“听到回声”

毫米波碰到目标后反射形成回波，由天线捕捉并传输至接收机。回波与发射信号的时间延迟（对应距离）、频率偏移（对应速度，多普勒效应）、相位差（对应角度），是计算目标信息的核心依据。

第三步：信号处理——相当于“分析回声”

接收机将回波与发射信号混频，得到反映距离和速度信息的拍频信号；随后信号处理机通过三级FFT算法分析：距离维FFT获取距离，速度维FFT获取速度，角度维FFT获取角度。多天线阵列（如MIMO）可通过相位差分析进一步提升角度分辨率。

第四步：结果输出——相当于“给出结论”

信号处理机融合距离、速度、角度信息，构建目标动态模型，通过卡尔曼滤波等跟踪算法记录运动轨迹，最终输出含目标ID、距离、速度、角度、置信度的“目标列表”，为ADAS系统决策提供数据支撑。

04

类型大盘点：

不同场景适配不同“雷达选手”

毫米波雷达按频段和探测距离分类，适配不同应用场景，以下分维度详解。

1) 按频段分：不同频段各有专攻

频段直接决定雷达性能与应用场景，具体对比如下：

重点说明77-81GHz频段：作为车载雷达主流选择，它比24GHz带宽更大、精度更高、探测更远，比60GHz衰减更小、适配户外远距离探测，中高端车型的前向雷达、角雷达均采用该频段。

2) 按探测距离分：短、中、远各司其职

按探测距离可分为短程（SRR）、中程（MRR）、远程（LRR）三类，对应不同ADAS功能：

1. 短程毫米波雷达（SRR）：探测距离≤60m，多采用24GHz频段，装于车辆四角或后保险杠，负责盲点监测（BSD）、倒车辅助（RCTA）、低速泊车（APA）等近距离场景。

2. 中程毫米波雷达（MRR）：探测距离约100m，采用77GHz频段，装于侧方或前保险杠，负责侧方碰撞预警、交叉路口辅助等场景。

3. 远程毫米波雷达（LRR）：探测距离≥200m（高端型号达350m），采用77-79GHz频段，装于前保险杠，是前向感知核心，负责自适应巡航（ACC）、自动紧急制动（AEB）、前向碰撞预警（FCW）等高速场景。

主流方案为“1个前向LRR + 4个角雷达（SRR/MRR）”，实现360°无死角感知；未来4D雷达普及后，将升级为“少雷达、高性能”的感知方案。

05

核心测试原理：

距离、速度、角度怎么算出来

距离、速度、角度是毫米波雷达的核心测量参数，其原理是理解雷达技术的关键，以下用公式解读。

1) 距离测量：靠“时间差”与“光速”推导

核心原理为飞行时间法（ToF）：

o 毫米波以（c ≈ 3×10^8 m/s）光速传播

o 发射信号与接收回波信号的时间间隔为（Δt）

o T为信号发射周期

o Δf为调频宽度

o 为发射信号与反射信号的频率差

o 为发射信号的中心频率

o f_d为多普勒频率

相对距离s:

关键结论：带宽B越大，距离分辨率越高——24GHz雷达（200MHz带宽）分辨率约0.75m，77GHz雷达（4GHz带宽）分辨率达0.0375m，精度提升20倍。

2) 速度测量：依托“多普勒效应”

多普勒效应指相对运动导致信号频率变化，毫米波雷达通过回波与发射信号的多普勒频移测速，相对速度u：

毫米波波长极短（77GHz约4mm），对速度变化敏感，测速精度高。实际应用中，通过多帧chirp信号相位变化的多普勒FFT分析进一步提升精度，如华为ASN850雷达测速精度达0.02m/s，可捕捉每秒2厘米的目标运动。

3) 角度测量：基于“天线阵列相位差”

核心是天线阵列与相位干涉原理：多发射/接收天线组成虚拟阵列，回波到达不同天线的路径差产生相位差（Δφ），结合天线间距（d）和波长（λ），通过公式θ = arcsin(Δφ×λ/(2πd))计算目标角度（θ）。

天线阵列规模越大，角度分辨率越高：传统3D雷达4发8收，角度分辨率3-5°；4D雷达16发32收，分辨率达0.5-1°，可区分并排车辆。MIMO技术通过时分复用，用较少物理天线实现多虚拟通道（如4发8收实现32通道），兼顾分辨率与体积，是4D雷达的核心技术之一。

06

1) 第一步：信号预处理——去噪提纯

通过低通滤波器滤除高频噪声，自适应滤波消除地面杂波和雨雪干扰，再对信号放大校准，将其转换为更清晰的中频（IF）信号，为后续处理奠定基础。

2) 第二步：目标检测——找出可疑目标

先通过距离、速度、角度三维FFT获取目标信息，再用恒虚警率（CFAR）算法筛选信号峰值，定位潜在目标。CFAR算法可根据环境杂波强度自动调整检测阈值，避免假阳性（杂波误判为目标）和假阴性（漏检真目标），适配雨雪、空旷等不同场景。

3) 第三步：目标跟踪——持续锁定目标

采用卡尔曼滤波、粒子滤波等算法，预测目标下一步运动状态（位置、速度），结合新检测数据修正，确保跟踪稳定。如前车突发加减速时，可快速调整预测模型，华为ASN850雷达目标轨迹捕获及连续准确率均超95%。

4) 第四步：目标分类——分清目标类型

结合雷达散射截面（RCS）、运动轨迹、速度变化、尺寸等特征，区分车辆、行人、骑行者、静止障碍物等。传统雷达依赖RCS大小判断，智能雷达融合机器学习算法，通过样本训练学习目标特征模式，提升分类准确性（如区分行人“走走停停”与车辆“匀速运动”的轨迹差异）。

07

重头戏：4D毫米波雷达

vs 普通3D雷达，强在哪？

4D毫米波雷达被认为是“激光雷达平替”“自动驾驶感知下一代核心”，其与3D雷达的差异的核心在于“高度维度”的突破，以下全面对比解读。

1) 定义区分：3D与4D的核心差异

• 4D特性：在传统三维坐标（x,y,z）基础上增加多普勒速度维度，实现动态目标精准追踪

• 点云输出能力：从"点输出"升级为"密集点云输出"，可实现目标三维几何图形实时建模

• 内置AI算力：集成AI算法，在雷达内部完成目标分类与跟踪，减少后级处理压力

2) 核心优势：4D雷达的4个关键突破

1. 解决“悬空障碍误判”痛点：通过高度检测区分桥洞、隧道口（悬空）与地面目标，避免3D雷达因误判导致的AEB误刹，大幅提升自动驾驶安全性。

2. 具备点云成像能力：采用48/96/192通道超大MIMO虚拟阵列，输出类似激光雷达的稀疏点云，可构建道路环境3D模型（护栏轮廓、路缘高度、车辆形状等），首次实现雷达的“场景理解”能力，是替代低线束激光雷达的关键。

4. 分辨率大幅提升：4D雷达带宽4GHz（76-81GHz频段），远高于3D雷达的1GHz（76-77GHz频段）；水平角分辨率0.5-1°（3D雷达3-5°），新增1-2°垂直角分辨率，可区分近距离相邻目标（如并排小车）。

3) 3D雷达无法升级4D的核心限制

1. 天线数量不足：3D雷达仅3-4发、4-8收，虚拟阵列小、角度分辨率低，无法测高度；4D雷达达16发32收，虚拟通道数是3D雷达的10倍以上。

2. 带宽受限：3D雷达1GHz带宽导致点云稀疏，4D雷达4GHz带宽使距离分辨率提升4倍，点云密度显著增加。

3. 算力不足：高密度点云处理需强大DSP/AI算力，3D雷达芯片无法支撑；4D雷达配备专用高性能芯片。

4. 算法落后：4D雷达需3D FFT、MIMO阵列处理、AI点云分割等先进算法，3D雷达无法实现。

4) 4D雷达 vs 3D雷达详细对比表

5) 4D雷达的典型应用场景

1. 城市NOA（导航辅助驾驶）：应对行人、骑行者、横穿车辆、锥桶等复杂目标，提供精准环境感知。

3. 非视距感知：“看穿”前车，探测被遮挡的前前车状态，提前预判风险，增加反应时间。

4. 复杂路口通行：跟踪多方向车辆、行人、骑行者，为转弯、掉头提供全面环境信息，避免碰撞。

08

车载应用大盘点：

毫米波雷达的“十八般武艺”

毫米波雷达是智能汽车ADAS系统的核心传感器，覆盖基础安全预警、高级巡航控制、全场景感知等多个领域，以下按类别盘点核心应用。

图片来自网络

1) 安全预警类：保命的第一道防线

1. AEB自动紧急制动：核心应用，前向远程雷达实时监测前方目标距离与相对速度，风险时先预警、未响应则自动制动，可避免时速50km/h以内碰撞。

2. BSD盲点监测：车辆四角短程雷达监测侧后方盲区，有车辆进入时点亮指示灯预警，避免高速变道碰撞。

3. RCTA倒车横向来车预警：后保险杠短程雷达监测倒车时后方及横向来车/行人，及时警报防止碰撞。

4. FCW前向碰撞预警：与AEB共用前向雷达，距离过近或前车急减速时预警，提醒驾驶员制动。

5. DOW开门预警：监测侧后方靠近的行人/骑行者，驾驶员开门时预警，避免开门碰撞。

2) 巡航控制类：提升驾驶舒适性

1. ACC自适应巡航：前向远程雷达监测前车距离与速度，自动调节本车加减速及制动，保持安全距离，缓解长途驾驶疲劳。

2. HWA高速领航辅助：融合前向雷达、角雷达与导航数据，实现高速车道保持、跟车、自动变道等功能，提升高速驾驶舒适性。

3) 全场景感知类：4D雷达的专属舞台

2. 低速泊车辅助：高精度点云辅助SLAM建图，感知车位周边障碍，支撑全自动泊车。

3. V2X通信辅助：共享目标数据（车辆轨迹、行人位置），提升交通系统协同感知能力，支撑高级别自动驾驶。

4) 舱内感知类：关注乘员安全

1. 驾驶员生命体征监测：60GHz/77GHz雷达非接触式检测呼吸频率、心率，判断疲劳或健康问题并预警。

2. 乘员存在检测：监测车内（尤其后排）儿童或宠物，车辆熄火后有乘员遗留时警报，避免危险。

09

技术路线之争：纯视觉vs多传感器

融合，毫米波雷达地位如何？

智能汽车感知领域的核心争论的是“纯视觉路线”与“多传感器融合路线”，分歧在于是否采用毫米波雷达和激光雷达。

1) 纯视觉路线：特斯拉的“孤勇”

特斯拉坚持纯视觉路线，仅用摄像头感知环境，放弃FSD系统中的毫米波雷达。其优势是摄像头提供高分辨率图像与色彩信息，结合AI算法可降低成本、积累大量数据；但短板明显，受光照和天气影响大，恶劣天气下易漏检、误检，AEB系统表现存争议。

特斯拉HW4.0平台：重新启用并升级为4D毫米波雷达，强化纯视觉方案的环境感知能力。

2) 多传感器融合路线：主流车企的共识

比亚迪仰望U8：未配备激光雷达，依赖4D毫米波雷达提供三维环境数据。

理想L9/问界M9：采用"激光雷达+4D毫米波雷达"双方案，构建多重感知冗余。

3) 毫米波雷达不可替代

当前技术阶段，毫米波雷达在智能汽车感知系统中的地位不可替代。4D雷达的出现进一步提升性能、缩小与激光雷达的差距，且成本更低、适配量产，未来可能替代部分低线束激光雷达功能，但无法完全取代；纯视觉路线因先天局限性，难以成为高级别自动驾驶主流方案，多传感器融合仍是发展方向。

10

未来发展趋势：

毫米波雷达会变成什么样？

1) 毫米波雷达技术正快速迭代，未来将呈现六大明显趋势：

2. 小型化与集成化：技术推动天线与射频组件一体化封装，体积重量进一步减小，未来可集成于后视镜、大灯等车身角落。

3. 智能化与AI融合：深度融合深度学习算法，从原始信号中提取更多特征，实现复杂场景理解与精准目标分类（如区分轿车/SUV/卡车、行走/奔跑/骑行行人）。

4. 多传感器融合深化：从“决策级融合”向“数据级融合”“特征级融合”升级，更早阶段融合原始数据，提升感知鲁棒性。

5. 4D雷达普及化：成为高级别自动驾驶标准配置，从高端车型向中低端渗透，成本持续下降，惠及更多消费者。

6. 跨领域应用拓展：除智能汽车外，向医疗监测、安防监控、智能家居、无人机、智慧交通等领域延伸，成为万物互联的“感知基础设施”。

2) 现存技术难点

• 静态目标检测：即使采用四D技术，静止车辆分离检测仍是待解决问题

• 相似目标区分：自行车与电摩因速度特征接近和反射强度相似，分类难度大

• 点云特征差异：毫米波点云由电波多重反射形成，与激光雷达的光学反射特性不同，需开发专用算法

3) 技术局限性

• 无法替代激光雷达：城区复杂场景（菜市场、施工路段、不规则物体）仍需激光雷达的高密度点云支持。

• 精度天花板：点云密度与角分辨率虽大幅提升，但与激光雷达的百万级点云仍有代际差距。

11

总结：毫米波雷达，

智能汽车的“全天候眼”

总结来看，毫米波雷达是工作在30~300GHz频段的电磁波探测设备，凭借全天候、高精度、抗干扰、体积小、成本可控等优势，成为智能汽车ADAS系统与自动驾驶系统的核心传感器。

参考资料：

1. 毫米波雷达_百度百科

2. 什么是毫米波雷达？一文读懂物理本质与行业趋势-CSDN博客

3. 毫米波雷达传感器_百度百科

4. 【干货】一文带你读懂什么是毫米波雷达，了解毫米波雷达如何成为融合感知的关键一环-电子发烧友网

5. 毫米波雷达从入门到精通：原理、系统与相控阵天线全解析（上）毫米波雷达分时收发-CSDN博客

6. ASN850-毫米波雷达-企业微波-华为企业业务

7. 特斯拉或放弃“纯视觉”方案，一文说明白 哎哟喂，特斯拉老车主们又要被有驾

8. 特斯拉彻底转向纯视觉自动驾驶系统 – 电动志趣享

9. 特斯拉死磕纯视觉智驾：不是固执，是算透了这盘大棋-有驾

10. 特斯拉或放弃“纯视觉”方案，一文说明白 哎哟喂，特斯拉老车主们又要被有驾

11. 特斯拉彻底转向纯视觉自动驾驶系统 – 电动志趣享

12. 特斯拉死磕纯视觉智驾：不是固执，是算透了这盘大棋-有驾

13. 特斯拉更新大揭秘：Model Y竟藏透视眼！车主安全与体验全面升级_懂车帝