关于从波束形成前的逐天线距离-多普勒雷达测量中学习空间结构

arXiv:2604.01921v3 公告类型：replace-cross 摘要：汽车雷达感知流程通常会在应用基于学习的模型之前，通过波束形成构建角度域表示。本文转而探讨一个表示问题：能否直接从波束形成前的逐天线距离-多普勒（RD）测量中学习有意义的空间结构？实验基于一款采用 A/B 啁啾序列调频连续波（CS-FMCW）发射方案的商用汽车雷达开展，该雷达具有 6-TX × 8-RX（48 个虚拟天线），其有效发射孔径会在不同啁啾之间变化（单 TX 与多 TX），从而能够对依赖啁啾的发射配置进行受控分析。我们使用逐天线波束形成前的 RD 张量，并通过一个双啁啾共享权重编码器，以端到端、完全数据驱动的方式进行训练；同时，使用鸟瞰图（BEV）占用情况作为几何探针，而非以性能提升为导向的目标，评估空间结构的可恢复性。监督信号具有可见性感知和跨模态特性，来源于 LiDAR，并通过基于射线的可见性显式建模雷达视场以及考虑遮挡的 LiDAR 可观测性。通过分析信号属性、发射配置（仅 A、仅 B 以及 A+B）、接收孔径和距离-多普勒结构，并结合与物理机制对齐的基线方法，我们研究了影响空间结构可恢复性的因素。结果表明，在所研究的 A/B CS-FMCW 雷达配置下，通过学习得到的空间混合，可以从波束形成前的逐天线 RD 张量中恢复有意义的空间结构，而无需依赖人工设计的信号处理阶段。