自动驾驶（AD）和高级驾驶辅助系统（ADAS）依靠对车身周围环境的精确感知来确保行车安全。世界各地的汽车制造商已经开始利用先进的传感器和算法来增强车辆对周围环境的感知能力，并将驾驶安全提升到一个新水平。边缘传感器处理领域的市场领导者TERAKI近日发布了最新雷达检测软件，该软件集成在英飞凌科技股份公司符合ASIL-D安全等级要求的AURIX™ TC4x微控制器中，能够以更高的精度和更少的计算负载准确识别静态和移动物体。

英飞凌科技汽车微控制器产品营销总监Marco Cassol表示：“汽车雷达系统在经历了产品的迭代升级之后，其性能实现了跃升。其中，边缘人工智能处理是帮助我们提高雷达性能的创新技术之一。TERAKI独特的雷达算法应用到英飞凌全新的并行处理单元（PPU）中，能够让英飞凌的AURIX TC4x微控制器推动新一代雷达实现性能提升。”

TERAKI首席执行官Daniel Richart表示：“通过完善算法，我们取得了事半功倍的效果。我们的解决方案能够以最小的数据计算负载，利用雷达信号准确检测并正确分类接收区域中静态和移动物体，从而为AD和ADAS应用提供必要的信息，实现态势感知和决策控制。我们的最终目标是通过减少推理时间、降低资源受限设备所需的处理能力来确保证边缘端的安全。”

随着雷达逐渐成为业内标准的具有高性价比的信号处理技术，突破这项传感器技术的局限性已成为当务之急。例如，各种干扰会严重降低雷达的探测性能，导致雷达在复杂的环境下无法对多个目标进行检测，而且多目标检测也需要更高的数据处理能力。此外，如果要准确检测和正确分类静态和移动物体，需要增加每帧的数据点并提供小于1度的角分辨率，以实现更高的雷达测量精度。

TERAKI的机器学习（ML）算法将通过处理原始数据和减少干扰因素来解决这一挑战，同时作为一项认知功能剖析雷达捕获的信息，在复杂的环境中准确识别目标物体以及点云障碍物和其他干扰因素，并减轻边缘端的数据处理负载。与CFAR等其他雷达处理技术相比，TERAKI的ML探测增加了单个对象上的数据点，由此可以减少误报，进而提高安全性。   

TERAKI的机器学习算法集成到英飞凌的AURIX TC4x微控制器中，在第一次快速傅里叶变换（FFT）后减少了雷达信号，能够在相同的RAM/fps条件下将遗失错误率降低到了原有错误率的1/25。与CFAR相比，该算法的分类精度可提高20%，有效检测率可提高15%以上。借助最新的雷达检测软件，TERAKI将改进边缘设备的芯片组架构，以确保AURIX TC4x微控制器的实时处理能力，将数据采样的比特率从原本的8位或32位降低至4位或5位，在不影响F1分数的情况下，减轻计算需求，从而使所需的内存减少至原来的1/2。