概述

4D毫米波雷达，又称4D成像毫米波雷达（4D Imaging Radar）。其中，4D是指“距离、速度、水平角度、垂直高度”四个维度；”成像“是指4D毫米波雷达在水平和垂直方向上都具备很高的分辨率，可以生成稠密的点云信息。
可知，相比于车载传统的3D毫米波雷达而言，4D毫米波雷达增加了“高度”的探测能力，主要应用在前向雷达领域，使得其可以测量俯仰角度。同时，4D毫米波雷达也具有探测距离更长、角度分辨率更高、目标点云更密集等优点。
有业内人士认为，4D毫米波雷达的点云效果甚至可以达到低线数激光雷达的效果，但成本却更低，这也使得其逐渐成为市场的新宠。目前，已经有多家汽车品牌率先搭载了4D毫米波雷达。

3D毫米波雷达介绍，参考：毫米波雷达（mmWave Radar ）介绍

技术方案

在物理结构设计上，4D毫米波雷达新增了一个纵向天线，从而让传统毫米波雷达具备了测量高度的能力。
同时，4D毫米波雷达也增加了天线的数量与密度，从而使速度和角度分辨率均得到优化，且输出的点云图像更加致密，从而能够刻画更为真实的环境图像，有效解析测得目标的轮廓、行为和类别。针对增加天线数量，目前使用较多的有如下两种方案：

增加物理通道数

传统毫米波雷达受限于天线数量（通常是3T4R/4T4R），角分辨率仅能达到5°~10°，难以区分密集目标。而通过多芯片级联（Cascading）与虚拟孔径技术（Virtual Aperture）通道数量可以实现突破。比如，恩智浦的S32R45芯片可以实现12T16R级联方案，物理通道数可达192个，点云密度可提升至20000点/s；Arbe的Phoenix Ultra是48T48R架构，等效2304个虚拟通道，角分辨率可达0.5°，可识别10cm大小的障碍物；华为ADS 2.0中使用的4D毫米波雷达，通过12T24R MIMO架构，实现了192通道，垂直分辨率2°，接近16线激光雷达的效果。

波形与算法协同优化

毫米波雷达的高分辨率不仅依赖硬件堆叠，更需要软件算法的突破。比如调频连续波（FMCW）波形扩展，带宽从4GHz提升到了8GHz（如TI的AWR2944），距离分辨率从3.75cm优化至1.8cm；另外，通过微多普勒效应识别目标微观运动（如行人摆手、轮胎旋转等），提升分类准确性；当然，逆合成孔径雷达（ISAR）技术也有助于分辨率的提升，比如南开大学团队将光子雷达与ISAR结合，实现了1.5cm级分辨率，为6G通信感知一体化奠定基础。

算法

雷达算法分为信号处理和数据处理两个部分。其中，信号处理偏底层，是雷达算法的关键基础技术。雷达信号处理（Radar Signal Processing，RSP），主要包含：

阵列天线设计

阵列天线布局设计与优化，涉及到均匀线阵(ULA)、非均匀线阵(NLA)、最小冗余阵(MRA)、嵌套阵(NA)、互质阵(CPA)，4D成像雷达的方位角分辨率和俯仰角度分辨率需要达到1°以内。
通常，后续的MIMO信号处理和超分辨DOA估计是联合在一起的，需要系统考虑。

MIMO信号处理

MIMO信号处理主要是通道分离，涉及到波形设计技术，如TDMA、BPMA、DDMA、CDMA、TDMA+DDMA-MIMO等波形，另外还有采用PMCW波形。

目标检测与参数估计

雷达链路预算、CFAR、测距、测速、测角，比如FFT+插值细化。

超分辨DOA估计

FFT、DBF、Capon等算法分辨率不够，无法提供角度高分辨，因此需要采用超分辨算法，如ROMP、IAA、DML、CS、神经网络DOA估计等。
DOA算法大概有很多种，传统的毫米波雷达采用的算法还是ULA+FFT，但对于4D成像雷达还不够，一般为了满足实时性要求，在工程上多喜欢采用ULA(稀疏阵)+FFT粗搜+超分辨细搜方案。

通道校准(Calibration)

在天线通道校准方面，包括通道幅相误差、频率误差、阵列互耦误差、阵元位置误差、方向图一致性误差、有限采样误差(Finite Samping Error)、安装误差(Mount Error)等。

点云聚类算法

聚类算法并不是必须的。常用的聚类算法是DBSCAN，但也有一些新的聚类算法被提出用于提高算法执行效率或者改善聚类效果，比如多帧联合聚类(ICP)、分阶段二次聚类，或者基于Kd-tree的加速聚类算法。

目标跟踪算法

目标跟踪算法主要涉及航迹起始、跟踪滤波和数据关联三大核心技术。
航迹起始有逻辑法(滑窗法)、直观法、Hough变换法；
跟踪滤波采用卡尔曼滤波，卡尔曼滤波有很多种，如KF、EKF、UKF、CKF；
关联算法，包括单目标采用NN、PDA，多目标采用JPDA、匈牙利匹配。

目标分类与识别算法

目标识别技术可以对被检测物体进行区分和分类，识别完成之后，就有可以针对特定类型的目标优化信号处理算法。例如，针对客车和行人可以采用不同的跟踪和滤波算法，以提高雷达的检测效果。
常见的机器学习算法，有KNN、SVM、随机森林、决策树等。

多传感器融合

包括雷雷融合、雷视融合等。

可行驶区域检测

可行驶区域检测可以帮助自动驾驶汽车规划行驶路线。

功能对比

4D毫米波雷达，以其高分辨率特性，通过增强对四维环境的感知能力，有效弥补了毫米波雷达在小目标检测方面的不足。
3D & 4D 毫米波雷达详细参数对比如下：

对比项	3D毫米波雷达	4D毫米波雷达
信息维度	3D(距离、速度、水平角)	4D(+高度)
输出形式	点状信息	稀疏点云
带宽	1GHz	4GHz
水平角分辨率	3~5°	0.5~1°
垂直角分辨率	无	1~2°
行人识别能力	弱	强
桥洞/悬空障碍识别	几乎不能	可准确区分
AEB性能	可靠性受限	大幅提升
成本	低	中等偏低(远低于激光雷达)
应用场景	基础ADAS(ACC、BSD)	高级ADAS(城市NOA、全自动泊车)

应用场景

应用场景	描述
城市NOA	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。
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。
复杂路口通行	跟踪多方向车辆、行人、骑行者,为车转弯、掉头提供全面环境信息，避免碰撞。

主要厂商及产品

前向4D毫米波雷达涉及车身控制功能，功能安全等级要求较高、研发难度较大。
主要厂商包括：

分类	厂商
国外	博世、大陆、电装、安波福、采埃孚、维宁尔、法雷奥、摩比斯及海拉等
国内	森思泰克、华域汽车、楚航科技、华锐捷和华为等。

部分公司介绍，参考：智驾业务上下游公司汇总介绍

主要产品有：
华为全新的高精度4D毫米波雷达，采用了4T4R的MIMO天线系统，并且使用了波导天线，支持超远距离探测，探测距离可达280米； 构图精度可达5cm； 垂直视野达到了60°； 延时为65ms； 支持泊车位障碍物检测与高处物体识别。
森思泰克的STA77-6为两片级联架构，6T8R，此前已经搭载于理想品牌车型，角度分辨率2°，探测距离达到300米；高阶版本的STA77-8则为四片级联架构，12T16R，此前搭载于深蓝车型，提供0.7°（水平）x 2°（纵向）的角分辨率，探测距离高达350米。