自動駕駛（AD）和高級駕駛輔助系統（ADAS）依靠對車身周圍環境的精確感知來確保行車安全。世界各地的汽車制造商已經開始利用先進的傳感器和算法來增強車輛對周圍環境的感知能力，并將駕駛安全提升到一個新水平。邊緣傳感器處理領域的市場領導者TERAKI近日發布了最新雷達檢測軟件，該軟件集成在英飛凌科技股份公司符合ASIL-D安全等級要求的AURIX? TC4x微控制器中，能夠以更高的精度和更少的計算負載準確識別靜態和移動物體。

英飛凌科技汽車微控制器產品營銷總監Marco Cassol表示：“汽車雷達系統在經歷了產品的迭代升級之后，其性能實現了躍升。其中，邊緣人工智能處理是幫助我們提高雷達性能的創新技術之一。TERAKI獨特的雷達算法應用到英飛凌全新的并行處理單元（PPU）中，能夠讓英飛凌的AURIX TC4x微控制器推動新一代雷達實現性能提升?！?br style="padding: 0px; margin: 0px auto;"/>
TERAKI首席執行官Daniel Richart表示：“通過完善算法，我們取得了事半功倍的效果。我們的解決方案能夠以最小的數據計算負載，利用雷達信號準確檢測并正確分類接收區域中靜態和移動物體，從而為AD和ADAS應用提供必要的信息，實現態勢感知和決策控制。我們的最終目標是通過減少推理時間、降低資源受限設備所需的處理能力來確保證邊緣端的安全?！?br style="padding: 0px; margin: 0px auto;"/>
隨著雷達逐漸成為業內標準的具有高性價比的信號處理技術，突破這項傳感器技術的局限性已成為當務之急。例如，各種干擾會嚴重降低雷達的探測性能，導致雷達在復雜的環境下無法對多個目標進行檢測，而且多目標檢測也需要更高的數據處理能力。此外，如果要準確檢測和正確分類靜態和移動物體，需要增加每幀的數據點并提供小于1度的角分辨率，以實現更高的雷達測量精度。

TERAKI的機器學習（ML）算法將通過處理原始數據和減少干擾因素來解決這一挑戰，同時作為一項認知功能剖析雷達捕獲的信息，在復雜的環境中準確識別目標物體以及點云障礙物和其他干擾因素，并減輕邊緣端的數據處理負載。與CFAR等其他雷達處理技術相比，TERAKI的ML探測增加了單個對象上的數據點，由此可以減少誤報，進而提高安全性。   

TERAKI的機器學習算法集成到英飛凌的AURIX TC4x微控制器中，在第一次快速傅里葉變換（FFT）后減少了雷達信號，能夠在相同的RAM/fps條件下將遺失錯誤率降低到了原有錯誤率的1/25。與CFAR相比，該算法的分類精度可提高20%，有效檢測率可提高15%以上。借助最新的雷達檢測軟件，TERAKI將改進邊緣設備的芯片組架構，以確保AURIX TC4x微控制器的實時處理能力，將數據采樣的比特率從原本的8位或32位降低至4位或5位，在不影響F1分數的情況下，減輕計算需求，從而使所需的內存減少至原來的1/2。