TI 60GHz毫米波雷达CPD方案详解：低功耗儿童存在检测实现Euro NCAP 2026合规

技术文档： TI Application Report SSZT046
芯片： IWR6843AOP / IWRL6843
核心优势： 低功耗、高精度、符合Euro NCAP 2026 CPD要求

---

TI 60GHz雷达芯片家族

芯片对比

型号	频段	天线配置	功耗	适用场景
IWR6843AOP	60-64GHz	3Tx4Rx AoP封装	<1.5W	CPD、生命体征
IWRL6843	60-64GHz	4Tx4Rx	<1W	低功耗CPD
IWR6443	60-64GHz	3Tx4Rx	2W	入侵检测

关键参数

class TI60GHzRadarConfig:
    """
    TI 60GHz雷达配置
    
    关键参数：
    - 分辨率：<5cm（距离）
    - 视角：120°（水平）× 60°（俯仰）
    - 帧率：10-30fps
    - 功耗：<1.5W
    - 尺寸：11mm × 11mm（AoP封装）
    """
    
    def __init__(self):
        # 频率参数
        self.start_freq = 60e9  # Hz
        self.freq_band = 4e9    # 4GHz带宽
        
        # 天线参数
        self.num_tx = 3
        self.num_rx = 4
        
        # 分辨率
        self.range_resolution = 0.04  # 4cm
        self.velocity_resolution = 0.1  # m/s
        self.angle_resolution = 15  # 度
        
        # 功耗
        self.power_consumption = 1.5  # W
        
        # 检测参数
        self.max_range = 5.0  # m
        self.min_range = 0.2  # m
        self.min_velocity = 0.01  # m/s（呼吸）
    
    def compute_range_resolution(self) -> float:
        """计算距离分辨率"""
        c = 3e8  # 光速
        
        # 距离分辨率 = c / (2 * B)
        range_res = c / (2 * self.freq_band)
        
        return range_res
    
    def compute_velocity_resolution(self, 
                                     cpi_duration: float = 50e-3) -> float:
        """
        计算速度分辨率
        
        Args:
            cpi_duration: CPI时长（秒）
        
        Returns:
            velocity_res: 速度分辨率（m/s）
        """
        c = 3e8
        fc = self.start_freq
        
        # 速度分辨率 = λ / (2 * T_cpi)
        wavelength = c / fc
        velocity_res = wavelength / (2 * cpi_duration)
        
        return velocity_res
    
    def compute_angle_resolution(self) -> float:
        """计算角度分辨率"""
        import numpy as np
        
        # 虚拟孔径
        virtual_aperture = self.num_tx * self.num_rx
        
        # 角度分辨率 ≈ λ / (2 * D)
        # 简化：假设孔径间距λ/2
        angle_res = 180 / (virtual_aperture * np.pi / 180)
        
        return angle_res


# 测试示例
if __name__ == "__main__":
    config = TI60GHzRadarConfig()
    
    print("=== TI 60GHz雷达参数 ===")
    print(f"距离分辨率: {config.compute_range_resolution()*100:.2f} cm")
    print(f"速度分辨率: {config.compute_velocity_resolution()*100:.2f} cm/s")
    print(f"角度分辨率: {config.compute_angle_resolution():.1f}°")
    print(f"功耗: {config.power_consumption} W")

---

CPD检测流程

完整流程

import numpy as np

class TI60GHzCPD:
    """
    TI 60GHz雷达CPD检测
    
    检测流程：
    1. FMCW Chirp配置
    2. 距离-多普勒FFT
    3. 静态杂波去除
    4. 目标检测（CFAR）
    5. 生命体征提取
    6. 儿童/成人分类
    """
    
    def __init__(self):
        self.config = TI60GHzRadarConfig()
        
        # 呼吸检测参数
        self.breathing_freq_range = (0.2, 0.5)  # Hz (12-30 bpm)
        self.child_breathing_freq = (0.4, 0.5)  # Hz (24-30 bpm)
        self.adult_breathing_freq = (0.2, 0.33)  # Hz (12-20 bpm)
    
    def process_radar_frame(self, 
                             adc_data: np.ndarray) -> dict:
        """
        处理单帧雷达数据
        
        Args:
            adc_data: ADC数据, shape=(num_chirps, num_rx, num_adc_samples)
        
        Returns:
            result: {"detections", "vital_signs"}
        """
        num_chirps, num_rx, num_adc = adc_data.shape
        
        # 1. Range FFT
        range_fft = np.fft.fft(adc_data, axis=2)
        
        # 2. Doppler FFT
        range_doppler = np.fft.fft(range_fft, axis=0)
        
        # 3. 静态杂波去除
        range_doppler_dynamic = self._remove_static_clutter(range_doppler)
        
        # 4. 目标检测（CFAR）
        detections = self._cfar_detection(range_doppler_dynamic)
        
        # 5. 生命体征提取
        vital_signs = self._extract_vital_signs(adc_data, detections)
        
        return {
            "detections": detections,
            "vital_signs": vital_signs
        }
    
    def _remove_static_clutter(self, 
                                range_doppler: np.ndarray) -> np.ndarray:
        """去除静态杂波"""
        # 平均多普勒维度
        mean_doppler = np.mean(range_doppler, axis=0, keepdims=True)
        
        # 去除静态分量
        range_doppler_dynamic = range_doppler - mean_doppler
        
        return range_doppler_dynamic
    
    def _cfar_detection(self, 
                         range_doppler: np.ndarray,
                         threshold_factor: float = 3.0) -> list:
        """CFAR目标检测"""
        # 转换为功率
        power = np.abs(range_doppler) ** 2
        
        # 平均功率
        mean_power = np.mean(power)
        
        # 阈值
        threshold = mean_power * threshold_factor
        
        # 检测
        detections = []
        
        # 找到超过阈值的点
        above_threshold = power > threshold
        
        # 简化：提取峰值
        for r_idx in range(power.shape[1]):
            for d_idx in range(power.shape[0]):
                if above_threshold[d_idx, r_idx]:
                    detections.append({
                        "range_idx": r_idx,
                        "doppler_idx": d_idx,
                        "power": power[d_idx, r_idx]
                    })
        
        return detections
    
    def _extract_vital_signs(self, 
                              adc_data: np.ndarray,
                              detections: list) -> dict:
        """提取生命体征"""
        # 简化：使用相位差分方法
        phase = np.angle(adc_data[:, 0, :])  # 使用第一个Rx
        
        # 相位差分
        phase_diff = np.diff(phase, axis=0)
        
        # FFT获取频率
        spectrum = np.fft.fft(phase_diff, axis=0)
        freq = np.fft.fftfreq(phase_diff.shape[0], d=1/100)  # 假设100Hz采样
        
        # 查找呼吸频率峰值
        freq_mask = (freq >= self.breathing_freq_range[0]) & \
                    (freq <= self.breathing_freq_range[1])
        
        breathing_spectrum = np.abs(spectrum[freq_mask, :])
        breathing_freq = freq[freq_mask][np.argmax(np.mean(breathing_spectrum, axis=1))]
        
        # 转换为bpm
        breathing_rate = breathing_freq * 60
        
        # 判断儿童还是成人
        if breathing_rate > 24:
            target_type = "child"
        else:
            target_type = "adult"
        
        return {
            "breathing_rate": breathing_rate,
            "target_type": target_type,
            "confidence": 0.85
        }
    
    def detect_child_presence(self, 
                               vital_signs: dict) -> dict:
        """
        检测儿童存在
        
        Euro NCAP 2026要求：
        - 检测儿童年龄：0-6岁
        - 呼吸频率：新生儿30bpm → 6岁18bpm
        
        Args:
            vital_signs: 生命体征
        
        Returns:
            result: {"presence", "type", "breathing_rate"}
        """
        if vital_signs.get("target_type") == "child":
            return {
                "presence": True,
                "type": "child",
                "breathing_rate": vital_signs["breathing_rate"],
                "confidence": vital_signs["confidence"]
            }
        else:
            return {
                "presence": True,
                "type": "adult",
                "breathing_rate": vital_signs["breathing_rate"],
                "confidence": vital_signs["confidence"]
            }


# 测试示例
if __name__ == "__main__":
    cpd = TI60GHzCPD()
    
    # 模拟雷达数据
    num_chirps = 128
    num_rx = 4
    num_adc = 256
    
    adc_data = np.random.randn(num_chirps, num_rx, num_adc)
    
    print("=== CPD检测流程 ===")
    result = cpd.process_radar_frame(adc_data)
    
    print(f"检测目标数: {len(result['detections'])}")
    print(f"生命体征: {result['vital_signs']}")
    
    # 儿童存在检测
    child_result = cpd.detect_child_presence(result['vital_signs'])
    print(f"\n儿童存在: {child_result['presence']}")
    print(f"类型: {child_result['type']}")
    print(f"呼吸频率: {child_result['breathing_rate']:.1f} bpm")

---

Euro NCAP CPD合规

检测要求

年龄	呼吸频率	检测场景
新生儿	30 bpm	CRS、毯子下
1岁	26 bpm	CRS、站立
3岁	22 bpm	所有座位
6岁	18 bpm	所有座位

TI方案优势

优势	描述
低功耗	<1.5W，满足车辆熄火后长时间运行
高分辨率	<5cm距离分辨率，精确定位
生命体征	可检测0.01m/s微动（呼吸）
隐私友好	无摄像头，无图像记录
成本	$15-20芯片成本

---

系统集成

硬件配置

TI 60GHz雷达系统：
├── IWR6843AOP芯片（11mm×11mm）
├── 电源管理（PMIC）
├── SPI接口（连接MCU）
├── CAN总线（车辆通信）
└── 状态LED（警报指示）

功耗分析

模式	功耗	持续时间
激活检测	1.5W	熄火后8小时
低功耗监控	0.3W	长期待机
深度睡眠	<10mW	无检测

---

参考资料

1. TI Application Report SSZT046
2. TI IWR6843AOP Data Sheet
3. Euro NCAP 2026 CPD Protocol

---

总结

TI 60GHz雷达CPD方案核心：

1. 低功耗：<1.5W，满足Euro NCAP要求
2. 高精度：<5cm分辨率，精准定位
3. 生命体征：检测0.01m/s呼吸微动
4. 隐私友好：无摄像头方案

IMS开发优先级：

• 🔴 高：IWR6843AOP硬件评估
• 🟡 中：生命体征提取算法优化
• 🟢 低：低功耗模式调度

下一步行动：

• 获取IWR6843AOP评估板
• 测试呼吸检测精度
• 对齐Euro NCAP CPD测试场景