激光雷达为何面临串扰挑战？
科技关注
激光雷达为何面临串扰挑战？
自自动驾驶技术概念提出以来，激光雷达便一直是核心感知硬件之一。即便近年来部分技术路线倾向于纯视觉方案，许多车企仍坚定选择激光雷达作为关键传感器。当前主流的激光雷达工作方式主要包括脉冲飞行时间法（TOF）和调频连续波（FMCW）两种。
TOF激光雷达的工作机制较为直观：发射器周期性地发射窄脉冲激光，当光线遇到障碍物后反射回接收器，通过测量发射与接收之间的时间差，并结合光速计算，即可得出目标距离。这种方式实现简单、测距直观，且脉冲能量集中，但其对时间测量精度要求极高，同时易受环境光及其他干扰脉冲影响。目前，多数车规级TOF激光雷达运行在890 nm至1550 nm波段，各厂商在脉冲宽度、重复频率和接收灵敏度等方面存在差异。
FMCW激光雷达则采用连续激光发射与频率调制技术。发射光的频率随时间线性扫描，接收端将回波与本地参考光进行相干混频，从而生成“拍频”信号。通过分析拍频频率，可推导出目标的距离和相对速度。由于FMCW雷达依赖相干检测，其在接收微弱回波时具备更高的增益，并能同时获取多普勒信息。此外，由于只有与本地参考光相干的信号才能形成有效干涉，外部非相干脉冲通常不会造成干扰，因此FMCW雷达对其他车辆激光雷达信号的抗干扰能力更强。
串扰问题的成因
随着激光雷达装车密度的上升，串扰问题日益突出。所谓“串扰”，是指雷达接收器误将其他雷达发射的信号识别为自身回波，从而导致感知误差。
TOF激光雷达发射的脉冲信号在空间中传播时，可能与其他车辆的激光信号交叉、反射或散射，最终被误认为有效回波。由于接收端缺乏额外的标识或鉴别机制，仅依赖时间差或脉冲形状来判断目标，就容易将外部脉冲误判为自身信号，进而引发测距错误、点云丢失或虚假点云等问题。
在多车并行或夜间长距离行驶等场景下，串扰现象尤为显著。此外，如果同一车辆上的多个TOF单元未实现时间同步，也可能相互干扰。例如，A单元发射的激光经过漫反射后进入B单元的接收视场，或B单元在A单元发射期间仍处于接收状态，均可能导致误判。相比之下，FMCW激光雷达因相干检测机制具备天然的抗干扰能力，但其效果仍受限于硬件设计与实现方式。
TOF激光雷达的抗串扰策略
为缓解串扰问题，业界提出了多种技术方案，核心思路集中在如何为每个发射脉冲附加“标识”或“时间控制”，以便接收端准确识别自身回波。
脉冲编码是一种常见方案，即通过特定编码规则对每个发射脉冲进行标记，接收端则通过解码运算判断信号来源。若接收到的信号与本地编码匹配，则视为有效回波。该技术在多雷达环境中可显著降低误判率，但编码与匹配滤波过程会削弱信号能量，从而影响信噪比和测距能力。因此，实际应用中需在编码长度、发射功率和探测器积分时间之间权衡。
时间复用与接收门控是另一有效手段。该方法通过错开不同雷达或车辆的发射时间，或仅在预设窗口内开启接收器，以过滤非目标回波。该技术在多单元协同工作时效果显著，需依赖硬连线时钟（如PPS或同步总线）实现精确控制。然而，若目标距离超出预期或反射路径异常，回波可能落在接收窗口外，造成数据丢失。
此外，随机发射时序或帧结构中的时间抖动也是一种简单方法。通过为固定周期脉冲引入随机偏移，可降低周期性干扰的概率，将固定干扰转化为随机噪声。该方式实现简单，但无法从根本上区分外部信号，仅能在高密度场景中发挥有限作用。
在光学和硬件层面，也可采取一些辅助手段抑制串扰。例如，使用窄带光学滤波器过滤非目标波段的光，或通过光学方向性设计减少侧向干扰。但这些方法对同频雷达信号无效，且可能限制探测视场。在软件层面，可设置接收门限并采用多帧验证机制，以剔除点云中孤立的异常点。
FMCW激光雷达的抗串扰优势
FMCW激光雷达因采用相干检测机制，在抗串扰方面具备天然优势。由于其依赖本地参考光进行混频，仅与本地信号相干的回波才能生成稳定的拍频，因此能够有效屏蔽外部脉冲干扰。
尽管FMCW雷达在识别自身回波方面表现更优，其在实际应用中并未成为主流。这主要受限于其硬件复杂度与成本。FMCW系统需要线性可控的调频光源和稳定的本地振荡器，且对相位和频率噪声高度敏感。此外，其测距与测速信息耦合紧密，算法实现更为复杂。虽然FMCW雷达在高密度场景中具备更强鲁棒性，但其成本和实现门槛对大规模商用化构成挑战。
软件补救与传感器融合
无论是TOF还是FMCW，单靠硬件手段难以应对所有串扰场景。因此，软件设计在系统中扮演着不可或缺的角色。在软件层面，可通过点云异常检测、时间一致性校验、多帧累积判断等方式，评估点云的可信度。
例如，当激光点云中出现孤立的“飞点”，在单帧中突现、缺乏速度支持且未被摄像头识别时，可将其标记为低置信度信号并忽略。通过多传感器融合（如摄像头、毫米波雷达、IMU/GNSS），可进一步提升系统对误检的识别能力。
此外，机器学习方法也被用于识别和抑制串扰生成的伪点。基于时空特征训练的分类器可学习串扰点的典型模式（如突发性出现、空间孤立、反射强度异常等），从而在运行时降低这些点的权重。该方法需依赖大量训练数据以保证泛化能力，同时需注意避免将真实小目标误判为干扰。
结语
随着激光雷达在车辆中的应用日益普及，串扰问题将愈发显著。TOF雷达因其脉冲特性更易受到干扰，而FMCW雷达在抗串扰方面具备原理优势，但其高成本和复杂性限制了其普及。未来，随着算法优化和硬件成本下降，FMCW方案有望在更多场景中发挥作用。
— END —
查看全文
评论0条评论