基于AiP毫米波雷达芯片如何快速完成雷达模组搭建？
作为无线通讯系统中的重要组成部分，天线在与芯片形成的收发系统中通常会以分立和集成两种形式呈现，前者司空见惯，后者主要分为片上天线(Antenna-on-Chip, AoC)和封装天线(Antenna-in-Package, AiP)两大类。AoC技术通过半导体材料与工艺将天线与其它电路集成在同一个芯片上，考虑到成本和性能，AoC技术更适用于太赫兹频段；AiP技术则是通过封装材料与工艺将天线与其它电路集成在同一封装内，由于很好地兼顾了天线性能、成本及体积，近年来深受广大芯片及封装制造商的青睐。
目前，几乎所有的60GHz无线通信和手势雷达芯片都采用了AiP技术，此外，在79GHz汽车雷达、94GHz相控阵天线、122GHz/145GHz/160GHz传感器以及300GHz无线链接芯片中，也都能够找到AiP技术的身影。
毫米波雷达的演进
先简单回顾一下AiP的历史。
AiP早期与蓝牙无线技术一起发芽，2000年-2001年间，英国伯明翰大学和乔治亚理工大学的研究人员相继为5.8GHz Wi-Fi应用提出了集成在封装上的天线设计理念；2006年新加坡南洋理工大学的张跃平教授为了能够更好的推广封装天线技术，借鉴SiP的概念，首次提出了AiP的概念，并在此后的10多年间做了大量的相关研究，也因此在2020年获得天线界的最高奖项-克劳斯天线奖。
AiP技术的成功主要归功于人们重拾了对60GHz无线系统的研究与开发兴趣。2007年标志着AiP技术发展进入新的阶段，那一年，IEEE将60GHz频带列为非授权毫米波频段，自此该频段大量的AiP研究开始兴起。到了2014年，随着5G技术全面支持低频段sub-6G和毫米波频段(26/28/39GHz)，AiP技术又成为5G领域的重要课题之一，主要难点在于如何实现高辐射效率及低成本量产。
根据加特兰微电子公司COO吕昱昭提供的数据，预计到2024年，全球毫米波雷达的容量将达到4亿颗，AiP能给市场带来40%的增长，而成本相比目前主流的CMOS SoC芯片还将继续下探。
“高性能、小型化易安装、低成本等是AiP芯片的核心竞争优势。”加特兰微电子公司生产技术总监王典在接受《电子工程专辑》采访时，以基于加特兰AiP芯片开发的车载超短距雷达为例，讲述了如何通过封装的形式将射频前端、雷达信号处理基带、微处理器和高频天线集成在一起，再搭配极少的外围器件，从而快速完成雷达模组搭建(包括电源芯片、Flash和CAN收发器)的过程。
作为一家致力于提供毫米波雷达芯片和方案的厂商，成立于2014年的加特兰微电子从2017年开始AiP产品研发，前后历经四代，成功在今年2季度量产两款包含AiP技术的毫米波雷达芯片产品：Alps系列77/79GHz车规级毫米波雷达芯片，以及Rhine系列60GHz工业级毫米波雷达芯片。
加特兰车载超短距雷达AiP芯片
这两款集成天线的雷达芯片尺寸仅为12.2mm*12.2mm，四发四收，内置雷达信号处理基带、FMCW波形生成器和高速ADC，外围只需供电电源和闪存就可以构成一个完整的毫米波雷达模块，与此同时用户可任意选择3个发射通道来控制发射特性，该芯片还能够支持俯仰，水平方向MIMO技术，提供俯仰解角能力以及水平方向上更高精度的解算。
三种发射方式随意切换
基础上，还可以继续向上搭建覆盖环车360度的全场景芯片方案——通过单片Alps SoC或者2片Alps SoC的级联，可以满足前向雷达的需求；单片Alps SoC(2发4收或者4发4收)可以满足前角/后角雷达的需求；通过Alps AiP可以实现环车的超短距雷达的需求。很显然，通过一个芯片平台实现环车雷达芯片的完整方案，既降低了开发难度，又节省了开发时间、开发成本，同时也有利于传感器硬件的标准化。
前所未有的技术挑战
当然，要完成这样的超短距雷达开发，会面临包括地杂波、物理设计、天线性能设计、电连接、封装工艺与材料、芯片模组协同设计、散热处理、可靠性、自动化测试在内的一系列挑战，王典表示，为了帮助下游厂商一起克服这些挑战，加特兰微电子在芯片开发、生产和底层软件上做了大量的工作。
物理设计
以Alps AiP为例，设计人员需要在12*12 mm2的面积内，放置5240个过孔、161条信号线、12个天线单元和4组功分器，最小线宽处仅25um，并提供比使用带宽冗余度至少高出200%的设计带宽。此外，为了做出一颗具备高可靠性的完整封装天线毫米波雷达系统芯片，还要经历超过6000小时的可靠性实验来满足车规品质和寿命需求。
地杂波
超短距雷达要求俯仰向的视角很大，这样对于近距物体的高度信息等的探测会更丰富，但也意味着同时探测到的地杂波就会更多。
加特兰解决地杂波困扰的方式是通过多帧数据的积累，与经过大量实测的先验信息所拟合的特征曲线进行比对——超出这条曲线的，被认为是真实的被测目标，低于这条曲线的，就会被抑制掉。目标的距离、幅度，甚至速度、俯仰信息等都对拟合这样的特征曲线有帮助。同时，通过实测加特兰发现不同的路面材质，像水泥、沥青、泥土路等都有各自的特征。另外通过支持自适应的特征曲线，加入速度、俯仰信息等更多的特征变量，结合在线训练，在车辆进入不同的路面状况时，特征曲线可以动态调整，对于杂波抑制会有更好的效果。
信息来源：加特兰微电子
天线耦合
由于物理空间的限制，集成天线耦合产生的角度失真是非线性的，非线性的失真导致角度解算变差，测角的难度就会增加，这里就需要天线校准。
传统的校准方法只是使用线性的转换补偿，对于非线性的失真效果很不理想。对于这个挑战，加特兰创造性地采用一种全新的神经网络算法(RBF-NN)来进行天线校准。对于这样一个神经网络架构，在输入层是天线的测量角度θ，经过中间的隐含层，传递函数φ，最后加总，得到一个角度的校准值，作为输出。
在上图中，左边是角度测量的原始数据，存在非线性的失真；中间是采用传统的校准方法，校准后的角度误差在5度左右；右边采用RBF-NN的神经网络校准算法后，角度误差在1度以内，效果非常明显。(信息来源：加特兰微电子)
频率干扰
通常超短距雷达方位向视场角很大，在车流密集的场景下，接收到干扰的概率会更大，抗干扰的需求就更强烈，加特兰微电子的AiP芯片通过系统性的策略来对抗干扰：3种模式规避干扰，1种机制消除干扰。
首先结合AiP芯片灵活的FMCW波形生成器，通过随机改变一帧数据中的chirp配置参数来规避可能存在的干扰，这也是防范同步干扰的有效方式。
扰相(Phase Scrambling,PS)，改变波形的相位；
移Chirp(Chirp Shifting,CS)，改变上升沿的触发点；
跳频(FrequencyHopping,FH)，保持扫频带宽不变，改变开始和截止频率。
当工作在同样频带而调制斜率不同时，发射信号与其他雷达的回波信号重叠，就会产生干扰，这种干扰可能会带来额外的一个频率分量，或者是产生更大的一个幅度，会在时域上产生明显的底噪抬升现象。
通常可以把这样的干扰粗略地划分为：头部的高频区，中间的低频区和尾部的高频区。我们的抗干扰策略分为两个步骤，第一步是定位干扰，通过信号的绝对幅度值和相邻两点的幅度差来判断。第二步是滤除干扰，采用两种策略：1、直接滤除，2、使用一个预先估计的幅度来代替干扰的幅度。
在上图中，左边是干扰在时域谱上的原始状态，可以清晰地观察到存在两个干扰源，导致底噪明显抬升；中间是使用估计幅度滤除干扰的效果；右边是直接滤除干扰后的效果。(信息来源：加特兰微电子)
除了汽车，基于AiP毫米波雷达能做的还有很多
除了前文谈及的环车360度全场景应用外，考虑到毫米波雷达对物体的某些微动具有敏锐的“洞察”能力，业界正以此为契机将毫米波雷达技术应用于汽车驾驶舱内活体检测、空调智能化、室内人员跟踪等大量创新型应用场景中。
在加特兰微电子公司产品经理吴翔谈及的驾驶舱内检测参考设计中，由于毫米波雷达可以在较远距离上精准地探测到人体的呼吸、心跳等细微的生命体征信号引起的胸腔、腹腔微动，因而能够以非接触地的方式检测和测量车内人体生命体征的存在，OEM或整车厂只需在后视镜或车内顶灯位置处安装AiP毫米波雷达传感器即可。而如果把呼吸心跳检测技术加到空调中，空调就能够通过人呼吸次数的快慢，自主判断是否进入睡眠模式。
在智能空调和室内人员跟踪方案中，具备多通道天线技术的毫米波雷达不但能够区分大人、小孩和宠物，还能支持房间面积的测量。针对呼吸等人体微动特征的检测，可对静止不动的以及保持长时间静止不动人员的跟踪，并同时自动过滤其他物体运动，例如风扇、窗帘、绿色植物等。
视频监控市场中加入毫米波雷达也正成为新趋势。按照吴翔的说法，目前基于光学CMOS传感器的监控摄像头，即便引入AI技术，但在天气、周围环境光线不好，或距离较远时，识别度仍然会大幅降低并带来误报。但如果配合小体积的AiP毫米波雷达传感器，就能够用相对较低的算力和成本来降低误报率。
结语：
张跃平博士曾说，“以前在射频IC工程师眼中，天线只不过是一片金属，现在他们意识到没有好的天线解决方案，设计再好的射频IC也就是一块石英。”如今，AiP技术早已从学术界拓展至汽车、工业、封装、材料与工艺、微波、雷达及通信等多个领域，持续为全球用户提供更高性能、更易使用和更低能耗的毫米波雷达技术，为社会创造一个更安全、更智能的环境，这不仅是加特兰的使命，也是像加特兰这样业内先驱者们肩头所担负的责任。
