导读：目前雷达芯片中GaAs（砷化镓）技术已经被淘汰，SiGe（硅锗）主要用于LRR芯片组。从SiGe到CMOS的过渡始于NXP在2015年推出的用于后向雷达的Dolphin芯片组。CMOS技术将雷达功能进一步整合到单个芯片上，实现了大规模量产并降低了成本。
向CMOS技术的转变使得混合信号和射频功能被整合到单个AFE（模拟前端）芯片上，并将功率放大器功能进一步整合到MMIC（单片微波集成电路）上。
1，更先进的节点
雷达芯片组的下一个趋势是向更小的工艺节点发展，以提高集成度，从而降低尺寸和功耗。
Infineon的MMIC发展到了28nm CMOS。Bosch正在利用Global Foundries的22FDX工艺技术，采用22nm FD-SOI（Fully-Depleted Silicon-on-Insulator）。NXP的雷达芯片组平台正在转向16nm TSMC FinFET，以支持其成像雷达产品，并制定了向更小节点发展的路线图。
2，芯片平台策略
另一个趋势是，汽车半导体供应商正在开发一个芯片组平台，可以覆盖所有类型的汽车雷达，从角雷达SRR到4D成像雷达LRR，通过“级联”几个芯片来提供成像雷达所需的高性能，同时利用规模效益来降低单位成本。
比如，Infineon的RASIC MMIC与AURIX TriCore MCU，和NXP的TEF82xx MMIC与S32R MCU。通过级联，供应商可以利用低成本、低分辨率2D雷达的技术，来支持高性能4D成像雷达的新兴需求，但无需为后者开发和生产定制与分立产品。例如，NXP提供额外的TEF82xx收发器，并将MCU换成S32R45用于成像雷达。
但也有一些成像雷达开发商声称，级联策略不能提供足够的虚拟通道，所以不能提供足够的分辨率。使用”级联“解决方案的多个芯片和尺寸也会导致功耗和尺寸的更大问题。
3，处理器
雷达处理器通常使用32位MCU。但未来汽车雷达的性能会不断提高，需要额外的处理能力，从密集的点云分析到使用AI算法来识别FoV中的目标物体等。处理性能、复杂性、尺寸和功耗等诸多挑战的出现，有人提出使用多个处理器或ASIC的多通道成像雷达的概念。随着IVN的限制，边缘处理将在未来的雷达中至关重要。
现有汽车雷达中的典型MCU主要包括有以下几种。Infineon Aurix TC3A三核MCU，频率300MHz；NXP S32R294双核MCU（有双锁步内核），频率500MHz；Renesas RH850/V1R-M双核MCU，频率320MHz（3.2 DMIPS/MHz）；Calterah Alps SoC有一个ARC EM6 CPU，频率300MHz。
用于汽车雷达的典型加速器包括，Infineon SPU 2.0（与Aurix TC3A MCU一起使用）；TI AWR1234 SoC中的DSP，能够在成像雷达中生成点云，进行物体分类；Xilinx FPGA和相关的MPSoC等。
4，Xilinx的FPGA加速器
FPGA因其并行处理架构，可以提供未来雷达所需的高性能。但Tier1仍然认为价格太高。
部分Tier1甚至打算在成像雷达中使用带加速器的多核MCU。成像雷达初创公司Zendar将在其两个参考设计传感器中使用标准SoC，而Metawave将利用现有的IC供应商来开发其Marconi PoC的AiP（Antenna in Package）雷达。
大陆将使用Xilinx UltraScale+ MPSoCs。ARS540 LRR 4D成像雷达有196个虚拟通道，处于在研成像雷达领域中的高端产品，但仍远低于高分辨率LiDAR。在成像雷达开发商中，还有两家已量产出货的Tier1也在使用Xilinx的产品。
FPGA可以提高处理性能，包括处理增加的数据量、执行复杂计算的能力，以及在云端实现软件分析和更新车载软件。
虽然成本很高，但需要处理的信号数据量将从现有2D雷达的水平大幅增加，从大约10MBPS增加到约30GBPS。以太网还不能将原始数据发送到中央处理器，因此像FPGA这样的高性能边缘计算是必要的。虽然Metawave说Nvidia等公司的GPU比FPGA性能更好，但集中计算和高功耗意味着它们不适合像雷达这样的边缘处理应用。随着未来汽车的其他应用对高性能处理的需求不断增加，如ADAS，这些应用有更多的具体要求，据说对ASSP（Application Specific Standard Products）的需求正在减少。
不仅数据水平具有挑战性，数据信号的计算在成像雷达中也是四倍以上。成像雷达中的信号处理技术并不新鲜，但开发商之间没有共性，还没有整合。
FPGA还能实现OTA更新，并能使用云分析技术来验证软件算法是否能进行物体分类。
同时，大部分LiDAR和成像雷达初创公司坚持认为，他们会开发自己的ASIC，以提高数据处理效率，降低尺寸和功耗。但对于汽车领域的新玩家来说，芯片自研是一个挑战，他们的ASIC缺少降本所需的规模。
随着越来越多的传感器概念，对基于FPGA的需求将增加，这样就可以使FPGA供应商的成本降低。
5，EnSilica协处理器
严格来说，EnSilica eSi-ADAS协处理器不是加速器，它将目标跟踪处理从雷达的ECU中释放了出来，使ECU能够专注于安全关键决策，如物体分类和传感器融合。目前eSi-ADAS已是第三代产品。
据称eSi-ADAS可以降低ADAS系统的成本，减少功耗，加快实时跟踪，最大延迟为20毫秒。
该协处理ASIC基于TSMC 180nm、24-pin QFN封装，符合AEC-Q100-2并支持ISO 26262功能安全。
它还支持基于摄像头的ADAS和其他汽车领域，包括数字仪表、电动化动力系统和信息娱乐系统。
6，其它要求
（1）IVN
汽车雷达通常需要与CAN总线联网，2012年发布的CAN-FD和2018年发布的CAN-XL分别提供5/10MBPS的带宽。
未来可能会慢慢转向汽车以太网，但受到高成本、向集中式处理架构变化还没那么快，还有其他高带宽IVN协议（如MIPI CSI-2）的竞争使用的阻碍。
在未来，雷达有可能成为”哑传感器“，其处理过程被转移到中央自动驾驶处理模块，用于传感器融合。但成像雷达的高数据速率和数据压缩会给集中式架构带来挑战，特别是摄像头和激光雷达的分辨率也在提高，比如800MP的摄像头和高清环视系统等纷纷上车。
因此，至少在中短期内，传感器边缘处理仍将是一种主流的处理拓扑架构，使FPGA等供应商受益。到目前为止，车厂还没有确认他们对ADAS和AD的处理架构和传感器的计划，只有少数厂商使用集中式域控。但一旦带宽问题被克服，像Echodyne等认知型雷达概念将实现传感器的集中控制。
（2）内存
汽车雷达通常需要2MB左右的RAM闪存。但随着性能的提高，对内存的要求也在提高。
NXP S32R294有两个e200z7 32位处理内核，有5.5MB的SRAM，比之前Qorivva MPC577xK的1.5MB有所增加。
Infineon在2019年10月推出了TC3A，有四个300MHz的TriCore处理内核，两个额外的锁步内核，SPU 2.0 DSP和6MB的嵌入式SRAM。
TI的AWR1642有一个ARM Cortex-R4F 32位200MHz的处理内核，有256kB的程序RAM和192kB的数据RAM。它还有一个600MHz的C674x DSP，32kB的L1P、32kB的L1D和256kB的L2内存以及768kB的L3雷达内存。总的来说，AWR1642中嵌入了约1.5MB的内存。
来源：Astroys
