9月14~15日武汉诺德讯公司在上海嘉定区安亭汽车城举办汽车雷达论坛，论坛主要关注雷达芯片的发展，雷达技术发展趋势，测试验证、量产、系统设计、元器件以及材料发展等，坛发言议题如下。
9月15日参加论坛，跟进国内外雷达领域的进展。全天聆听多位专家的报告，主要有以下几点感受。
1.雷达系统越来越复杂
前几年的雷达普遍是2T4R、3T4R，现在国外领先的雷达厂商已经量产12T16R，如大陆ARS540。Arbe和Mobileye当前在研48T48R，虚拟通道达到2304个，角分辨率接近激光水平。
阵列天线的增加首先带来射频设计的复杂化，其次信号处理的数据量也急剧增加，需要更高性能的处理芯片（部分使用FPGA），而车上空间有限，又对结构设计、散热等提出更高的要求。
另外，通道数增加，对于生产工艺、产线测试也带来更大的挑战。
整体而言，国产厂商在这方面有很大差距。
2.雷达算法颠覆
雷达算法基本分为信号处理算法和数据处理算法，信号处理从ADC采集数据到输出点云，数据处理从接收点云到输出目标。
信号处理算法可以使用经典的多维FFT+CFAR，而现在的趋势是把信号处理算法做在芯片里，这样运行效率更高。应用端只需要配置参数即可，大大简化算法开发流程。但做信号处理算法的工程师可能就要失业了。
另外数据处理算法之前大都使用二维点目标跟踪算法，现在的4D雷达输出3维点云，数据处理算法需要考虑新的框架和方法。激光雷达3D跟踪模型是一个可行的方向，目前也有不少论文在用雷达点云做目标检测、识别和跟踪，主要是国外在研究，国内还比较少。雷达厂商在这方面积累不足，仍有很长的路要走。
3.雷达性能差距明显
Mobileye的48T48R的雷达点云稳定性很好，后续做目标检测和跟踪效果也不错。而国内厂商6T8R的雷达点云范围近，并且波动大，可能是前端射频相噪较高，使得检测效果不佳。
下图是Mobileye的点云和检测结果，和实际物体的匹配度很好，这样的硬件再加上优秀的算法，自然有望获得完美的效果。
另外，除了常规的通过增加阵列和通道数来提高角分辨的方式，Zerdar提出使用合成孔径的方法，通过在车上不同位置安装多个3T4R的雷达，同时直接使用RV-map的结果用机器学习来检测目标，来提升对目标的分辨能力。
