《Proceedings of the IEEE》：Recent Advances in Millimeter-Wave 4-D Imaging Radars: A Leap Toward Massive MIMO in Sensing
编辑推荐：
摘要翻译：毫米波（mmWave）雷达技术的最新进展使得雷达能够生成类似图像的观测结果，这一能力此前难以实现。若传感器具备足够精细的空间分辨率，这些雷达生成图像可以是四维（4-D）的（方位角与俯仰角+距离+多普勒）。角分辨率是系统区分角度上邻近目标的能力，而距离
摘要翻译：毫米波（mmWave）雷达技术的最新进展使得雷达能够生成类似图像的观测结果，这一能力此前难以实现。若传感器具备足够精细的空间分辨率，这些雷达生成图像可以是四维（4-D）的（方位角与俯仰角+距离+多普勒）。角分辨率是系统区分角度上邻近目标的能力，而距离分辨则通过毫米波频段所支持的大带宽实现。通过采用大量天线单元，毫米波雷达可在发射和接收方向上进行波束形成，从而降低干扰并显著提升空间分辨率。这使得传感器能够捕获关于目标距离、速度和二维角位置的详细信息。此类能力对于自动驾驶（AD）、车内监控、工业自动化、医学成像和安全监控等应用至关重要。本文探讨新兴的四维多输入多输出（MIMO）成像雷达技术，强调其在成本高效、高分辨率图像类雷达观测方面的潜力。文章考察了现有传感器、其设计方法、感知鲁棒性以及当前MIMO雷达应用中的空白。此外，本文还探索了通过稀疏和虚拟阵列配置实现大规模MIMO雷达。本研究还考虑了该领域潜在的新功能和进展。关键主题包括信号处理和阵列配置设计，两者均对优化雷达性能至关重要。此外，本文还讨论了各种挑战，并展示了推动4-D MIMO成像雷达系统创新的行业努力。
论文解读：毫米波四维成像雷达研究进展解读
研究背景与意义：传统雷达系统在距离和速度估计上已较为成熟，其精度分别由信号带宽和相干积分时间决定。然而，角分辨率长期受限于物理天线单元数量和阵列孔径，成为制约雷达感知能力的关键瓶颈。多输入多输出（MIMO）雷达通过波形分集和虚拟阵列技术，能够在不大幅增加硬件成本的前提下有效扩展阵列孔径，从而突破角分辨率限制。随着毫米波频段大带宽和芯片集成技术的发展，四维（4-D）成像雷达得以实现，可同时提供方位角、俯仰角、距离和多普勒速度信息。本研究系统梳理了4-D MIMO成像雷达的技术原理、应用场景、关键挑战与未来发展方向，论文发表于《Proceedings of the IEEE》。
主要技术方法：研究人员围绕以下关键技术开展分析：一、虚拟阵列合成方法，利用发射阵与接收阵位置卷积生成大规模虚拟孔径；二、MIMO雷达波形设计，包括调频连续波（FMCW）和相位调制连续波（PMCW）以及时分复用（TDM）、频分复用（FDM）、多普勒分复用（DDM）、码分复用（CDM）等正交复用方案；三、信号处理链，包括距离-多普勒快速傅里叶变换（FFT）、波达方向（DOA）估计和恒虚警率（CFAR）检测；四、稀疏阵列优化方法，如最小冗余阵列（MRA）和互质阵列设计。此外还探讨了雷达芯片（RoC）和单片微波集成电路（MMIC）等硬件平台技术。
研究结果：
A. 应用领域：研究表明4-D成像雷达在汽车雷达中可统一短、中、长距离雷达功能，通过2-D虚拟阵列获取方位和俯仰信息；在安全监控中可实现70–80 GHz频段主动式毫米波扫描，检测人体携带物品；在医疗保健中可用于非接触式生命体征监测和跌倒检测；在机器人领域可增强同时定位与地图构建（SLAM）能力，无需惯性测量单元（IMU）辅助即可在复杂环境下可靠工作。
B. 阵列配置：研究人员通过仿真比较12×16和48×48收发阵元的重构点云，发现更大且更均匀填充的虚拟阵列可同时改善角分辨率和旁瓣水平，从而更精确地重建目标形状。
C. 雷达芯片与MMIC：研究列举了德州仪器（TI）、恩智浦（NXP）、加特兰（Calterah）和英飞凌（Infineon）等公司的商用雷达芯片方案。级联多个收发芯片可以扩大有效孔径，但需要严格同步时钟、本振和调频时序，残余定时误差会降低角度精度。分布式孔径雷达（DAR）作为新兴概念，通过多个分布雷达节点协同工作，可提供360°覆盖并增强对环境感知的鲁棒性。
D. 发射信号与接收处理：FMCW通过去斜处理可显著降低ADC采样率；PMCW具有图钉型模糊函数，可更好实现距离-多普勒解耦，且在密集雷达环境中的抗干扰能力更强。MIMO处理可利用稀疏收发阵列合成大虚拟孔径，正交波形避免发射波束扫描，缩短了帧时间。
E. 大规模MIMO：虚拟阵元数超过1000的雷达系统被视为大规模MIMO。与传统合成孔径雷达（SAR）相比，大规模MIMO 4-D成像不依赖平台运动，可连续高分辨率重建运动目标，避免SAR因目标运动产生的方位散焦。
F. 挑战与数据获取：互耦、校准误差和平台集成效应会造成阵列流形失真，导致角度估计偏差和旁瓣升高。大规模MIMO数据量大，可采用少比特ADC、亚奈奎斯特采样和现场可编程门阵列（FPGA）/图形处理单元（GPU）/专用系统级芯片（SoC）异构处理架构来平衡功耗和实时性。隐私问题也需通过规范使用和图像模糊化措施予以解决。
结论与展望：大规模MIMO技术可显著提升雷达分辨率和成像能力，在自动驾驶、公共安全和交通管理等领域有广阔应用前景，但必须解决干扰、功耗、系统复杂度和隐私等问题。未来发展趋势包括：分布式孔径雷达与大规模MIMO结合、与相机和激光雷达的深度传感器融合、基于学习和认知的雷达系统，以及全数字波束形成架构。这些技术将推动下一代雷达从传统检测导向向成像级感知能力演进。
