TI AWRL6844 60GHz mmWave 雷达 CPD 技术深度解读

技术背景

Euro NCAP 2026 强制要求：儿童存在检测（Child Presence Detection, CPD）成为新车安全评估的必选项，最高贡献 5 分（Occupant Monitoring 类别）。系统必须能够检测到车辆内的儿童，并在锁车后发出警报。

技术路线对比：

技术方案	频段	分辨率	穿透性	成本	Euro NCAP 接受度
UWB 雷达	6-8 GHz	10-20 cm	极强	中	✅ 直接检测
60GHz mmWave	57-64 GHz	2-5 cm	强	低	✅ 直接检测
77GHz 雷达	76-81 GHz	1-3 cm	中	高	✅ 直接检测
摄像头	可见光	-	无（遮挡失效）	低	⚠️ 间接方案
超声波	40 kHz	5-10 cm	弱	极低	⚠️ 仅限近距离

Texas Instruments AWRL6844 是业界首款集成 硬件安全模块（HSM） 的 60GHz mmWave 单芯片雷达，专为车内生命体征检测设计。

---

硬件架构详解

1. 核心参数总览

参数	规格	说明
频段	57-64 GHz	7 GHz 连续带宽，覆盖 Euro NCAP CPD 要求
发射通道	4 TX	支持多波束成形，覆盖全车舱
接收通道	4 RX	4x4 MIMO，方位角分辨率 < 5°
输出功率	12.5 dBm/TX	足够穿透座椅、毯子
噪声系数	12.5 dB	低噪声设计，适合微弱生命信号
相位噪声	-90.5 dBc/Hz @ 1MHz	高精度测距，误差 < 5 cm
ADC 采样率	12.5 Msps	足够捕捉呼吸频率（0.1-1 Hz）

2. 片上处理系统

┌─────────────────────────────────────────────────────────────┐
│                     AWRL6844 处理架构                        │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌──────────────┐   ┌──────────────┐   ┌──────────────┐   │
│  │ Arm R5F      │   │ C66x DSP     │   │ HWA 1.2      │   │
│  │ 200 MHz      │   │ 450 MHz      │   │ 200 MHz      │   │
│  │              │   │              │   │              │   │
│  │ - 系统控制   │   │ - 雷达信号   │   │ - FFT       │   │
│  │ - 通信接口   │   │ - AI 推理    │   │ - CFAR      │   │
│  │ - 状态管理   │   │ - 特征提取   │   │ - Log Mag   │   │
│  └──────────────┘   └──────────────┘   └──────────────┘   │
│                                                             │
│  ┌──────────────┐   ┌──────────────┐   ┌──────────────┐   │
│  │ HSM (安全)   │   │ 2.5 MB RAM   │   │ CAN-FD/SPI   │   │
│  │ Arm M4       │   │ TCMA/B       │   │ 2x UART      │   │
│  │              │   │ L2/L3 RAM    │   │ LIN/GPIO     │   │
│  │ - 安全启动   │   │              │   │ QSPI/I2C     │   │
│  │ - 密钥存储   │   │              │   │              │   │
│  └──────────────┘   └──────────────┘   └──────────────┘   │
│                                                             │
└─────────────────────────────────────────────────────────────┘

处理流程：

1. HWA 1.2 硬件加速器：FFT → CFAR → Log Magnitude（200 MHz）
2. C66x DSP：雷达信号处理 + Edge AI 推理（450 MHz）
3. Arm R5F：系统控制、CAN-FD 通信、状态机管理（200 MHz）
4. HSM：安全启动、密钥管理、ISO 21434 CAL2 网络安全

3. 功耗与热管理

模式	功耗	说明
活动模式	< 1 W	正常检测（每 1-5 秒一次）
空闲模式	< 100 mW	保持 RAM，快速唤醒（< 100 ms）
深度睡眠	< 10 mW	仅保持晶振，唤醒时间 < 1 s

低功耗策略：

• 车辆熄火后进入深度睡眠
• 定期唤醒（每 30-60 秒）进行一次快速扫描
• 检测到微弱运动后切换到高精度模式（10 Hz 采样）

---

CPD 检测原理

1. 生命体征信号模型

呼吸信号模型：

r(t) = A_br * sin(2π * f_br * t + φ_br)

• 频率范围：f_br ∈ [0.1, 0.5] Hz（6-30 次/分钟）
• 振幅：A_br ≈ 0.1-2 mm（胸壁位移）
• 儿童特征：呼吸频率较快（20-40 BPM），振幅较小

心跳信号模型：

h(t) = A_hb * sin(2π * f_hb * t + φ_hb)

• 频率范围：f_hb ∈ [0.8, 2.0] Hz（48-120 次/分钟）
• 振幅：A_hb ≈ 0.01-0.1 mm（胸壁微振动）
• 检测难度：需要高信噪比（SNR > 15 dB）

2. 信号处理流程

graph LR
    A[雷达原始数据<br/>ADC samples] --> B[距离-多普勒 FFT]
    B --> C[CFAR 检测]
    C --> D[目标聚类]
    D --> E[相位提取]
    E --> F[带通滤波<br/>0.1-2.0 Hz]
    F --> G[频谱分析<br/>FFT]
    G --> H[峰值检测<br/>呼吸/心跳]
    H --> I{分类决策}
    I -->|呼吸频率存在| J[儿童存在 ✅]
    I -->|无生命信号| K[无儿童 ❌]
    J --> L[警报触发]

关键参数：

处理步骤	参数	说明
距离 FFT	256 点	分辨率 ≈ 30 cm
多普勒 FFT	128 点	分辨率 ≈ 0.01 m/s
CFAR 阈值	P_fa = 1e-5	自适应门限
带通滤波	0.1-2.0 Hz	覆盖呼吸和心跳
频谱峰值	SNR > 10 dB	判定为生命信号

3. AI 增强分类

TI Edge AI Studio 支持在 AWRL6844 上部署轻量级神经网络：

# 简化的 CPD 分类模型（伪代码）
import numpy as np
import onnxruntime as ort

class CPDClassifier:
    """
    儿童存在检测分类器
    
    输入：雷达距离-多普勒图（128x64）
    输出：儿童存在概率（0-1）
    """
    
    def __init__(self, model_path: str):
        self.session = ort.InferenceSession(model_path)
        self.input_name = self.session.get_inputs()[0].name
        
    def preprocess(self, rd_map: np.ndarray) -> np.ndarray:
        """
        预处理距离-多普勒图
        
        Args:
            rd_map: (range_bins, doppler_bins), complex64
            
        Returns:
            input_tensor: (1, 1, 64, 128), float32
        """
        # 取幅度
        magnitude = np.abs(rd_map)
        
        # 归一化
        magnitude = (magnitude - magnitude.mean()) / (magnitude.std() + 1e-6)
        
        # Resize to 64x128
        magnitude = np.resize(magnitude, (64, 128))
        
        # Add batch and channel dimensions
        return magnitude.astype(np.float32)[np.newaxis, np.newaxis, :, :]
    
    def predict(self, rd_map: np.ndarray) -> float:
        """
        预测儿童存在概率
        
        Args:
            rd_map: (range_bins, doppler_bins), complex64
            
        Returns:
            probability: 儿童存在概率 [0, 1]
        """
        input_tensor = self.preprocess(rd_map)
        output = self.session.run(None, {self.input_name: input_tensor})
        return float(output[0][0, 0])


# 实际测试代码
if __name__ == "__main__":
    # 加载模型（假设已训练）
    classifier = CPDClassifier("cpd_model.onnx")
    
    # 模拟距离-多普勒图
    # 实际应用中从 AWRL6844 的 LVDS 接口获取
    rd_map = np.random.randn(256, 128).astype(np.complex64)
    
    # 预测
    prob = classifier.predict(rd_map)
    
    # 判定
    if prob > 0.7:
        print(f"检测到儿童！概率：{prob:.2%}")
    else:
        print(f"无儿童。概率：{prob:.2%}")

模型结构（示意）：

层	输入	输出	说明
Conv2D	1x64x128	16x32x64	3x3 卷积，步长 2
ReLU	16x32x64	16x32x64	激活函数
MaxPool	16x32x64	16x16x32	2x2 池化
Conv2D	16x16x32	32x8x16	3x3 卷积，步长 2
ReLU	32x8x16	32x8x16	激活函数
GlobalAvgPool	32x8x16	32	全局平均池化
FC	32	2	全连接层（儿童/非儿童）
Softmax	2	2	输出概率

模型大小：< 200 KB（量化后）
推理时间：< 50 ms（C66x DSP @ 450 MHz）
功耗：< 100 mW（AI 推理时）

---

Euro NCAP CPD 2026 要求对照

1. 测试场景

场景编号	测试内容	要求	AWRL6844 方案
CPD-01	新生儿（Doll）在儿童座椅	检测时间 ≤ 90 s	呼吸检测 + AI 分类
CPD-02	6 岁儿童睡眠状态	检测时间 ≤ 60 s	呼吸 + 心跳检测
CPD-03	儿童被毯子覆盖	检测时间 ≤ 90 s	60GHz 穿透性强
CPD-04	儿童在后排座椅	检测时间 ≤ 90 s	4 TX 波束成形
CPD-05	车内有宠物	不应误报	生命体征频率区分
CPD-06	车内无人	不应误报	环境噪声抑制

2. 警报机制

Euro NCAP 要求：

• 一级警报：车内显示屏 + 鸣笛（≤ 10 s）
• 二级警报：发送短信/APP 通知（≤ 30 s）
• 三级警报：自动联系紧急服务（≤ 60 s）

AWRL6844 系统实现：

// 伪代码：CPD 警报状态机（运行在 Arm R5F）
typedef enum {
    CPD_STATE_IDLE,         // 空闲（车辆运行中）
    CPD_STATE_MONITORING,   // 监测（车辆熄火后）
    CPD_STATE_DETECTED,     // 检测到儿童
    CPD_STATE_WARNING_L1,   // 一级警报
    CPD_STATE_WARNING_L2,   // 二级警报
    CPD_STATE_EMERGENCY     // 三级警报
} cpd_state_t;

void cpd_state_machine(void) {
    static cpd_state_t state = CPD_STATE_IDLE;
    static uint32_t detection_time = 0;
    
    switch (state) {
        case CPD_STATE_IDLE:
            if (vehicle_locked()) {
                state = CPD_STATE_MONITORING;
                detection_time = 0;
            }
            break;
            
        case CPD_STATE_MONITORING:
            // 每 30 秒唤醒一次，进行快速扫描
            if (radar_scan_child_detected()) {
                state = CPD_STATE_DETECTED;
                detection_time = get_timestamp();
            }
            break;
            
        case CPD_STATE_DETECTED:
            // 确认时间：10-30 秒
            if (get_timestamp() - detection_time > 10000) {
                state = CPD_STATE_WARNING_L1;
                trigger_horn_display();
            }
            break;
            
        case CPD_STATE_WARNING_L1:
            // 30 秒内无响应，升级为二级
            if (get_timestamp() - detection_time > 30000) {
                state = CPD_STATE_WARNING_L2;
                send_mobile_notification();
            }
            break;
            
        case CPD_STATE_WARNING_L2:
            // 60 秒内无响应，升级为三级
            if (get_timestamp() - detection_time > 60000) {
                state = CPD_STATE_EMERGENCY;
                call_emergency_services();
            }
            break;
            
        case CPD_STATE_EMERGENCY:
            // 持续警报，直到救援到达
            activate_climate_control();  // 开启空调
            unlock_doors();              // 解锁车门
            break;
    }
}

3. 干扰抑制

宠物区分：

• 狗呼吸频率：15-30 BPM（较快）
• 猫呼吸频率：20-40 BPM（与儿童接近，需结合心跳）

AWRL6844 策略：

1. 多特征融合：呼吸频率 + 心跳频率 + 体型估计
2. AI 分类：训练时包含宠物数据，提高特异性
3. 时序分析：观察 30-60 秒，儿童呼吸更规律

---

开发落地建议

1. 硬件布局

推荐安装位置：

位置	覆盖范围	遮挡风险	推荐度
顶棚中央	全车舱	极低	⭐⭐⭐⭐⭐
后排座椅上方	后排	低	⭐⭐⭐⭐
B 柱内侧	侧面	中	⭐⭐⭐
仪表台	前排	高（方向盘遮挡）	⭐⭐

天线设计：

• 波束宽度：60-90°（覆盖全车舱）
• 俯仰角：30-45°（指向座椅区域）
• 极化方式：垂直极化（穿透性最佳）

2. 软件集成

TI 提供的 SDK：

工具	用途	链接
MMWAVE-L-SDK-6	底层驱动、信号处理库	TI Developer Zone
Edge AI Studio	模型训练、量化、部署	TI Edge AI
mmWave Studio	数据采集、调试	Windows GUI
CCStudio IDE	嵌入式开发、调试	Eclipse 集成环境

开发流程：

1. 数据采集：使用 AWRL6844EVM + DCA1000EVM 采集原始 ADC 数据
2. 算法验证：在 MATLAB/Python 中验证 CPD 算法
3. 模型训练：使用 Edge AI Studio 训练分类模型
4. 模型量化：INT8 量化，减小模型体积
5. 嵌入式部署：生成 C 代码，烧录到 AWRL6844
6. 集成测试：实车测试，验证 Euro NCAP 场景

3. 性能指标

官方测试结果：

指标	数值	说明
儿童检测率	90%+	6 岁儿童睡眠状态
误报率	< 5%	宠物、环境噪声
检测时间	< 60 s	满足 Euro NCAP 要求
功耗（监测模式）	< 100 mW	24 小时监测，电池影响小
工作温度	-40°C ~ 140°C	车规级

---

与 NXP UWB Radar 对比

维度	TI AWRL6844 (60GHz)	NXP NCJ29D6 (UWB)
频段	57-64 GHz	6-8 GHz
带宽	7 GHz	500 MHz - 7 GHz
分辨率	2-5 cm	10-20 cm
穿透性	强（穿透座椅、毯子）	极强（穿透整个车舱）
生命体征检测	呼吸 + 心跳	呼吸（18-30 BPM）
功耗	< 1 W（活动）	< 0.5 W（活动）
芯片成本	$10-15	$15-20
系统集成	需额外雷达芯片	可复用数字钥匙 UWB
Euro NCAP 接受	✅ 直接检测	✅ 直接检测
量产状态	已量产（2024）	已量产（2023）

选型建议：

• 已部署 UWB 数字钥匙：优先 NXP NCJ29D6（复用硬件）
• 全新设计：TI AWRL6844（成本更低、分辨率更高）
• 需要心跳检测：TI AWRL6844（60GHz 分辨率更高）

---

参考资源

1. TI AWRL6844 数据手册：AWRL6843/AWRL6844 Single-Chip 57 to 64GHz Automotive Radar Sensor datasheet
2. Euro NCAP CPD 协议：Euro NCAP CPD Test and Assessment Protocol v1.3
3. TI Edge AI Studio：TI Edge AI Studio
4. NXP UWB Radar 白皮书：NXP UWB Radar for Child Presence Detection
5. Smart Eye Euro NCAP 2026 CPD 解读：What Euro NCAP 2026 Says About Child Presence Detection

---

开发启示

✅ IMS 开发优先级

优先级	功能模块	开发工作量	硬件依赖
🔴 高	CPD 基础检测（呼吸频率提取）	2-3 周	AWRL6844EVM
🔴 高	AI 分类模型（儿童 vs 宠物 vs 无人）	3-4 周	Edge AI Studio + 数据集
🟡 中	心跳检测（需要高 SNR）	2-3 周	算法优化
🟡 中	警报系统集成（CAN-FD 通信）	1-2 周	整车 CAN 网络
🟢 低	低功耗优化（深度睡眠 + 周期唤醒）	1 周	嵌入式开发

📌 关键技术难点

1. 新生儿检测：呼吸振幅极小（< 0.1 mm），需要高增益天线和低噪声设计
2. 宠物抑制：猫呼吸频率与儿童接近，需结合心跳和体型特征
3. 环境干扰：车内空调、风扇振动可能引入假阳性
4. 极端温度：高温（70°C）和低温（-40°C）下雷达性能可能下降

🎯 推荐技术路线

阶段 1：算法验证（1 个月）
├── 采购 AWRL6844EVM + DCA1000EVM
├── 采集儿童、宠物、无人场景数据
├── 在 Python/MATLAB 中验证 CPD 算法
└── 目标：检测率 > 85%，误报率 < 10%

阶段 2：嵌入式部署（1 个月）
├── 训练轻量级分类模型（< 200 KB）
├── 量化为 INT8，部署到 C66x DSP
├── 集成 HWA 1.2 硬件加速
└── 目标：推理时间 < 100 ms

阶段 3：系统集成（1 个月）
├── 设计天线布局（顶棚中央）
├── 集成 CAN-FD 通信
├── 实车测试 Euro NCAP 场景
└── 目标：满足 Euro NCAP CPD 2026 要求

---

总结：TI AWRL6844 是目前最具性价比的 60GHz mmWave CPD 方案，集成 HSM 安全模块和 Edge AI 能力，适合欧洲市场新车开发。建议 IMS 团队优先评估，作为 Euro NCAP 2026 CPD 合规方案的基础硬件。