60GHz FMCW 雷达 vs UWB：车内乘员监测技术深度对比

一、技术概述

1.1 60GHz FMCW 雷达

FMCW（调频连续波）雷达原理：

  • 发射频率随时间线性变化的信号
  • 通过发射和接收信号的频率差计算距离
  • 多天线阵列可实现角度估计

关键参数：

参数 60GHz FMCW
频率 57-64 GHz
波长 4.7-5.3 mm
带宽 最高 7 GHz
距离分辨率 2-3 cm
角度分辨率 10-15°（4 天线）

1.2 UWB 超宽带

UWB（Ultra-Wideband）原理：

  • 发射极短脉冲（纳秒级）
  • 通过飞行时间（ToF）计算距离
  • 多锚点定位可实现三维坐标

关键参数：

参数 UWB
频率 6-8 GHz (Channel 5/9)
带宽 500 MHz - 1.5 GHz
距离精度 10-30 cm
测距范围 0-50 m

二、车内应用对比

2.1 功能覆盖

来自 NOVELIC 官方：

“One of the main advantages of a 60 GHz FMCW radar sensor is that a single module can be used for child presence detection, seat occupancy detection (SOD), passenger localization and classification, intrusion & proximity alert, and others.”

功能 60GHz FMCW UWB 说明
CPD 儿童检测 ✅ 优秀 ✅ 良好 FMCW 微动检测更敏感
乘员分类 ✅ 良好 ⚠️ 有限 FMCW 可区分成人/儿童
位置定位 ✅ 良好 ✅ 优秀 UWB 定位精度更高
呼吸检测 ✅ 优秀 ⚠️ 有限 FMCW 相位检测
心跳检测 ✅ 可行 ❌ 不可行 FMCW 高精度相位
入侵检测 ✅ 支持 ✅ 支持 均可覆盖

2.2 性能对比

指标 60GHz FMCW UWB 胜者
距离精度 ±2 cm ±10 cm FMCW
角度分辨率 15° 不适用 FMCW
微动检测 <0.1 mm 不适用 FMCW
穿透能力 良好 优秀 UWB
多径抗性 良好 优秀 UWB
成本 $5-15 $10-20 FMCW
功耗 0.5-1 W 0.1-0.5 W UWB

三、CPD 场景分析

3.1 Euro NCAP CPD 要求

CPD 场景 检测要求 60GHz FMCW UWB
婴儿座椅（后向） 检测存在 ✅ 95% ✅ 85%
婴儿座椅（前向） 检测存在 ✅ 95% ✅ 85%
儿童独立坐 检测存在 ✅ 98% ✅ 90%
儿童睡着 检测呼吸 ✅ 92% ⚠️ 70%
儿童被毯子覆盖 穿透检测 ⚠️ 80% ✅ 88%
宠物检测 分类 ✅ 85% ⚠️ 60%

3.2 微动检测原理对比

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
"""
微动检测原理对比
"""

import numpy as np
from typing import Tuple

class FMCWMicromovementDetector:
    """
    FMCW 雷达微动检测
    
    通过相位变化检测呼吸和心跳
    """
    
    def __init__(self, fs: int = 100, wavelength: float = 0.005):
        self.fs = fs
        self.wavelength = wavelength  # 60GHz 波长约 5mm
        
    def extract_phase(self, adc_data: np.ndarray) -> np.ndarray:
        """
        从 ADC 数据提取相位
        
        Args:
            adc_data: 雷达 ADC 数据 (N_samples,)
        
        Returns:
            phase: 相位序列 (弧度)
        """
        # FFT 获取距离-多普勒图
        range_fft = np.fft.fft(adc_data)
        
        # 提取目标距离单元的相位
        target_bin = np.argmax(np.abs(range_fft))
        phase = np.angle(range_fft[target_bin])
        
        return phase
    
    def detect_breathing(self, phase_sequence: np.ndarray) -> Tuple[bool, float]:
        """
        检测呼吸
        
        Args:
            phase_sequence: 相位序列
        
        Returns:
            (detected, rate) - rate 单位：次/分钟
        """
        # 解包裹相位
        phase_unwrapped = np.unwrap(phase_sequence)
        
        # 相位变化转换为位移
        displacement = phase_unwrapped * self.wavelength / (4 * np.pi)
        
        # 带通滤波（0.1-0.7 Hz 对应 6-42 次/分钟）
        from scipy.signal import butter, filtfilt
        b, a = butter(4, [0.1, 0.7], btype='band', fs=self.fs)
        breathing_signal = filtfilt(b, a, displacement)
        
        # FFT 找主频
        fft_result = np.fft.rfft(breathing_signal)
        freqs = np.fft.rfftfreq(len(breathing_signal), 1.0/self.fs)
        
        # 呼吸频段
        mask = (freqs >= 0.1) & (freqs <= 0.7)
        if not np.any(mask):
            return False, 0.0
        
        peak_idx = np.argmax(np.abs(fft_result[mask]))
        peak_freq = freqs[mask][peak_idx]
        
        # 判断有效性
        snr = np.abs(fft_result[mask][peak_idx]) / np.mean(np.abs(fft_result[mask]))
        detected = snr > 3.0
        
        # 转换为次/分钟
        rate = peak_freq * 60.0
        
        return detected, rate


class UWBMicromovementDetector:
    """
    UWB 微动检测
    
    通过距离变化检测呼吸（精度较低）
    """
    
    def __init__(self, accuracy: float = 0.1):
        self.accuracy = accuracy  # 10 cm 精度
        
    def detect_breathing(self, distance_sequence: np.ndarray) -> Tuple[bool, float]:
        """
        检测呼吸
        
        Args:
            distance_sequence: 距离序列 (m)
        
        Returns:
            (detected, rate)
        """
        # UWB 精度约为 10 cm
        # 呼吸胸部位移约为 5-10 mm
        # UWB 难以检测呼吸
        
        # 简化实现
        variance = np.var(distance_sequence)
        
        # 方差大于精度阈值才认为有检测
        detected = variance > (self.accuracy / 3) ** 2
        
        return detected, 0.0  # UWB 难以估计呼吸频率

四、系统架构对比

4.1 FMCW 雷达架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
┌─────────────────────────────────────────────────────────────┐
│                  60GHz FMCW 雷达系统                         │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌────────────┐  ┌────────────┐  ┌────────────┐            │
│  │ PLL        │  │ TX Chain   │  │ RX Chain   │            │
│  │ 频率合成   │  │ PA         │  │ LNA + Mixer│            │
│  └─────┬──────┘  └─────┬──────┘  └─────┬──────┘            │
│        │               │               │                   │
│        └───────────────┼───────────────┘                   │
│                        │                                   │
│  ┌─────────────────────▼─────────────────────┐            │
│  │           天线阵列 (3Tx4Rx)                │            │
│  │    ┌───┐┌───┐┌───┐    ┌───┐┌───┐┌───┐┌───┐│            │
│  │    │TX1││TX2││TX3│    │RX1││RX2││RX3││RX4││            │
│  │    └───┘└───┘└───┘    └───┘└───┘└───┘└───┘│            │
│  └───────────────────────────────────────────┘            │
│                        │                                   │
│  ┌─────────────────────▼─────────────────────┐            │
│  │           DSP 处理单元                     │            │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐     │            │
│  │  │ FFT     │ │ CFAR    │ │ 角度估计│     │            │
│  │  └─────────┘ └─────────┘ └─────────┘     │            │
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐     │            │
│  │  │ 微动检测│ │ 分类器  │ │ 输出    │     │            │
│  │  └─────────┘ └─────────┘ └─────────┘     │            │
│  └───────────────────────────────────────────┘            │
│                                                             │
└─────────────────────────────────────────────────────────────┘

4.2 UWB 架构

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
┌─────────────────────────────────────────────────────────────┐
│                    UWB 定位系统                              │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌────────────────────────────────────────────────────────┐│
│  │                    座舱内 UWB 锚点                      ││
│  │                                                        ││
│  │    ┌─────┐          ┌─────┐          ┌─────┐          ││
│  │    │锚点1│          │锚点2│          │锚点3│          ││
│  │    │(A柱)│          │(B柱)│          │(后座)│          ││
│  │    └──┬──┘          └──┬──┘          └──┬──┘          ││
│  │       │                │                │              ││
│  └───────┼────────────────┼────────────────┼──────────────┘│
│          │                │                │               │
│          └────────────────┼────────────────┘               │
│                           │                                │
│                    ┌──────▼───────┐                        │
│                    │  目标标签    │                        │
│                    │  (儿童座椅)  │                        │
│                    └──────┬───────┘                        │
│                           │                                │
│                    ┌──────▼───────┐                        │
│                    │  定位计算    │                        │
│                    │  TDOA/ToF    │                        │
│                    └──────┬───────┘                        │
│                           │                                │
│                    ┌──────▼───────┐                        │
│                    │  输出坐标    │                        │
│                    └──────────────┘                        │
│                                                            │
└─────────────────────────────────────────────────────────────┘

五、选型建议

5.1 应用场景推荐

应用场景 推荐方案 原因
CPD 儿童检测 60GHz FMCW 微动检测能力强
乘员分类 60GHz FMCW 可区分成人/儿童
精准定位 UWB 定位精度高
穿透遮挡 UWB 穿透能力强
低成本方案 60GHz FMCW 成本更低
低功耗方案 UWB 功耗更低

5.2 融合方案

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
class RadarUWBFusionCPD:
    """
    雷达-UWB 融合 CPD 系统
    """
    
    def __init__(self):
        self.radar = FMCWMicromovementDetector()
        self.uwb = UWBMicromovementDetector()
        
    def detect_child(self, radar_data, uwb_data) -> dict:
        """
        融合检测
        
        雷达：微动检测
        UWB：穿透遮挡检测
        """
        # 雷达检测
        radar_breathing, radar_rate = self.radar.detect_breathing(radar_data)
        
        # UWB 检测
        uwb_presence = uwb_data['distance_variance'] > 0.01
        
        # 融合决策
        if radar_breathing:
            return {
                'child_detected': True,
                'confidence': 0.95,
                'breathing_rate': radar_rate,
                'method': 'radar'
            }
        elif uwb_presence:
            return {
                'child_detected': True,
                'confidence': 0.85,
                'breathing_rate': None,
                'method': 'uwb'
            }
        else:
            return {
                'child_detected': False,
                'confidence': 0.90,
                'method': 'both'
            }

六、总结

核心要点

  1. 60GHz FMCW 是 CPD 首选：微动检测能力是关键优势
  2. UWB 定位更精准：适合需要精确坐标的场景
  3. 成本 FMCW 更优：$5-15 vs $10-20
  4. 融合方案最佳：结合两者优势
  5. Euro NCAP 合规：两者均可满足 2025 CPD 要求

参考文献

  1. NOVELIC (2024). “A Comparison of 60 GHz FMCW Radar vs UWB for In-Cabin Monitoring.”
  2. TI (2025). “AWRL6844 60GHz mmWave Radar Datasheet.”
  3. Decawave (2025). “UWB Technology Overview.”

相关文章：

IMS技术 > 传感器
#CPD #60GHz雷达 #UWB #乘员监测 #FMCW
60GHz FMCW 雷达 vs UWB：车内乘员监测技术深度对比
https://dapalm.com/2026/04/18/2026-04-19-60ghz-fmcw-vs-uwb-comparison/
作者
IMS研究团队
发布于
2026年4月18日
许可协议