在傳感器構成的無形天網中，雷達，尤其是毫米波雷達，正成為越來越多智能系統(tǒng)的“核心感官”。從自動駕駛汽車預判風險，到智能家電感知你的存在，它的可靠“視力”源于兩項關鍵能力：看清前后的距離分辨率，與辨明左右的角度分辨率。正是這兩把無形的標尺，定義了雷達區(qū)分復雜環(huán)境中緊密相鄰目標的能力極限。

一、距離分辨率

想象兩輛車在同一車道上一前一后行駛。雷達能否將它們識別為兩個獨立目標，而非一個模糊的團塊，就取決于它的距離分辨率。它指的是雷達在視線方向上，能區(qū)分開兩個目標的最小距離間隔。

其背后的物理法則簡潔而有力：

分辨率由雷達發(fā)射信號的帶寬決定。公式 ΔR = c / (2B)（c為光速，B為帶寬）揭示了一切：帶寬越大，分辨率越高（數(shù)值越?。?，區(qū)分能力越強。

以汽車領域主流的77GHz頻段為例，當雷達擁有4GHz的超大帶寬時，其理論距離分辨率可達驚人的3.75厘米。這意味著它不僅能分辨車輛與車輛，甚至能勾勒出行人的肢體輪廓，為自動緊急制動（AEB）系統(tǒng)提供厘米級的決策依據(jù)。相比之下，早期帶寬較窄的24GHz雷達，分辨率可能僅約60厘米，能力差距立現(xiàn)。

必須劃清界限的是：距離分辨率≠距離精度

分辨率關乎“區(qū)分兩個物體”：

能分辨間距5厘米的兩個目標，優(yōu)于只能分辨10厘米的。

精度關乎“定位單個物體有多準”：

對一個距離1米的目標，測量結果為0.99米，其精度就是1厘米。

現(xiàn)代高集成度毫米波雷達芯片，無需改動硬件就能實現(xiàn)3厘米級別的距離分辨率。在實際點云圖中，人體因此會呈現(xiàn)為一簇密集的探測點，物體分離清晰可辨。

二、角度分辨率

當兩輛車并排行駛在相鄰車道，距離雷達同樣遠近時，雷達就需要角度分辨率來分辨它們。它定義了雷達對于相同距離上、方位不同的兩個目標的最小可區(qū)分角度。

這項能力依賴于雷達的多天線陣列。目標反射的波到達不同天線時存在微小的路徑差，轉化為相位差。通過解讀這些相位差，雷達就能計算出目標的方位。

理論上，角度分辨率Δθ≈λ/ (L * cosθ)。其中，波長（λ）越短、天線陣列的有效孔徑（L）越長，分辨率就越高。

因此，提升角分辨率的核心路徑是：

增加天線數(shù)量，以增大“接收孔徑”。

使用更高頻率（如77GHz對比24GHz），以獲得更短的波長。

采用MIMO（多輸入多輸出）技術，這是關鍵突破。通過巧妙的發(fā)射與接收時序設計，可以用較少的物理天線，虛擬出數(shù)倍于此的“虛擬天線”陣列，從而大幅提升分辨率。例如，一個4發(fā)4收的物理陣列，能形成16個虛擬通道。

在實際產品中，角度分辨率因設計目標差異巨大：高性能4D成像雷達可達1°的卓越水平，而一些基礎型號可能在15°-30°之間。同樣需要區(qū)分的是角度精度，它指測量單個目標角度的準確度，通常在視軸附近可達±1°甚至更高。

三、算法的智慧

毫米波雷達的感知魔法，遠不止于天線數(shù)量和帶寬這些“硬指標”。先進的信號處理算法，能讓其“視力”突破傳統(tǒng)理論的框限。

多普勒分身術：這是雷達的獨門絕技。即使兩個目標在距離和角度上完全重合，只要它們的徑向速度不同，雷達也能通過多普勒效應將其清晰分離。這在實際路況中價值連城。

算法增強視力：除了標準的FFT波束成形，更復雜的算法（如Capon、MVDR）能在相同天線配置下，將角度分辨率提升近一倍，生成更密集、更清晰的點云。

系統(tǒng)級進化：產業(yè)界通過多芯片級聯(lián)、虛擬孔徑合成等技術，不斷推動分辨率向極限邁進，同時兼顧成本與體積。

與攝像頭、激光雷達相比，毫米波雷達在分辨率故事中有其獨特定位：

對比攝像頭：攝像頭雖有極高的像素（角度分辨率），但無法直接測距、測速，且受光照天氣影響大。雷達提供的是帶有精確距離和速度信息的“數(shù)據(jù)點云”，而非光學圖像。

對比激光雷達：激光雷達能提供極高的角度和距離分辨率，形成精細的3D點云，但成本高昂，且在雨雪霧霾中性能驟降。毫米波雷達則以更低的成本、強大的環(huán)境適應性和直接的速度測量能力見長。

雷達的核心優(yōu)勢在于融合感知：它能同時提供目標的距離、角度、速度三維信息。這種多維度數(shù)據(jù)融合，使其在實現(xiàn)高可靠性的目標識別與跟蹤上具有不可替代的價值。

四、總結

距離分辨率與角度分辨率，共同構成了毫米波雷達感知世界的坐標尺。從自動駕駛中區(qū)分相鄰車道的車輛，到智能家居中感知微動，這兩把“標尺”的精確度直接決定了智能系統(tǒng)認知環(huán)境的清晰度。想了解更多關于雷達可以看看《預告 多目標追蹤24G雷達傳感》和《開啟指尖配置智能感知新時代》。