毫米波雷達是怎麼運作的？ 雷達大致分為脈衝雷達（pulsed radar）與連續波雷達（continuous-wave radar, CWradar）。脈衝雷達就是週期性地發射短而強勁的脈衝，利用所接收的回波來偵測標的物；這種雷達的原理較簡單，但單次脈衝需求功率大，且接收與發射共用天線，所以存在發射期間的接收盲區，一般只適用在長距離偵測，目前尚未用於毫米波雷達產品。相反地，連續波雷達會朝目標方向發射不間斷的射頻訊號，並接收反射回來的訊號，藉由目標物運動時回波所產生的頻率變化，可推測目標物的移動速度，稱為都卜勒效應（Doppler effect）。 目前毫米波雷達多採用「調頻連續波」（frequency modulated continuous wave, FMCW）設計，接收與發射使用不同天線。FMCW雷達的發射頻率會隨時間呈線性變化，因此發射訊號裡可以攜帶時間資訊，對多個目標同時實現測距和測速，有分辨率高、技術較成熟的優勢。毫米波雷達的硬體組成大致由發射器、接收器、訊號處理器和天線組成（圖二），開發者依應用需求來調整系統參數、發展演算法後，便可準確取得目標或環境的分析結果。
你的生活大小事，可能都離不開毫米波雷達 隨著毫米波雷達技術日益成熟，應用領域正快速擴展。毫米波雷達憑藉高解析度、全天候運作與精準感測等優勢，不僅在自駕車、智慧交通等熱門話題中嶄露頭角，也深入智慧家居、健康照護乃至AI等多元場景。
汽車與智慧交通 在自動駕駛領域中，超聲波雷達、紅外線感測器、光達、毫米波雷達與攝影機各自具備不同性能且互補，可依據不同場景搭配使用。毫米波雷達雖然精度不及光達，但價格適中且不易受惡劣氣候的影響，在車用主動式安全機制扮演重要角色。常見的應用包括車輛變道協助、盲點偵測、停車輔助或自動停車、交叉路口車流警訊、車道偏離警示系統、自動定速巡航系統、煞車輔助與防碰撞機制。 汽車毫米波雷達也不斷朝向高精度需求發展，從24GHz往77GHz、79GHz升級。24GHz雷達的繞射能力較強，適合短距離偵測（0.15～30公尺），主要用於停車輔助；77GHz雷達頻率較高，精度與訊號穿透性更佳，適用於中長距離偵測（1～100公尺），常見於盲點偵測；79GHz雷達頻率較高頻寬也更大，距離分辨率可達到5公分，體積更小且更易於安裝，能做長距離偵測（10～250公尺），常用於主動式速巡航與前方追撞警告。除了這三級，廠商也已開發122GHz供短距離停車輔助使用，下一代的140GHz雷達系統單晶片（system on a chip, SoC）與系統則有更高的解析度、更輕薄短小的體積，功能整合度也更好，不久後可望遍地開花。 近年來，逐漸導入智慧駕駛系統的還有4D毫米波成像雷達。這種雷達通常在77～79GHz的頻段下運作，比3D雷達多出了「俯仰方向」的分辨能力，能更精確探測到被遮擋的物體；即使在下雨、大霧等惡劣天候下，偵測範圍仍可達300公尺。4D毫米波雷達在輸出點密度上有所提升，也具備更高的分辨能力，達到類似光學雷達「點雲成像」的效果，能針對天橋、紅綠燈、路牌、路標等較遠距離的物體，使傳統的3D毫米波雷達相形失色。今日的4D雷達整體成本與3D雷達相去無幾，將有利於普及到智慧駕駛的領域中。 智慧家電與健康照護 毫米波雷達產品不受光線與隱私的限制，因此在智慧家電中得到廣泛應用。我們能透過這類產品測量生理訊號判斷人類活動，例如透過量測呼吸、心跳等訊號判斷老年人的生理狀態，有助於達到突發事件的即時觀測與處置。傳統智慧家庭多以監視器和紅外線感測器組成報警系統為主，但監視器常有隱私問題，紅外線感測器的準確度也相當受限，此時毫米波雷達就派上用場。除此之外，由於具有穿透性，毫米波雷達也能可安裝在家用電器和燈具中，不會有被外罩遮蔽的問題。 如同車用領域，智慧產品中的毫米波雷達，根據頻段不同也各有所長。24GHz毫米波雷達已廣泛用於智慧家庭、智慧開門系統及工業機器人等。60GHz雷達則適合感測心跳與呼吸等精確生命特徵，並可整合進智慧音箱，透過偵測使用者的距離及手勢變化，實現人機互動。相關公司也推出人體感知雷達、跌倒看護雷達及睡眠看護雷達等產品，更回過頭來用於車內駕駛偵測與車機操作。有鑑於77GHz雷達未開放車內使用，因此60GHz雷達被用於偵測駕駛者手勢控制車機介面，並監控駕駛與乘客，以確保行車安全。另外，過往曾有嬰幼兒被遺忘在車內而發生憾事，歐盟新車安全評鑑協會（EuropeanNewCarAssessmentProgramme）也已於2022年將兒童遺留偵測系統（childpresencedetection）設為新車安全標準。 非接觸式生理訊號感測與醫療 早在1970年代，非接觸式生理訊號感測技術就已被應用在生命徵象偵測上，這類技術可透過雷達波、紅外線、攝影機及高感度麥克風等裝置偵測體溫、心跳、呼吸、活動聲響，常用於搜尋地震瓦礫堆下的生還者。然而，震災現場常被碎石、瓦礫阻隔，因此近期多採用超高頻寬脈波雷達作為高階生命探測工具。 再後來，隨著遠距非接觸式偵測的發展，這類應用已逐漸擴展到行動保全、駕駛狀態監控與穿戴式醫療上，2000年代起更朝健康照護發展，主要應用之一就是監測、預防嬰兒發生呼吸道受阻而猝死。隨著近年毫米波雷達晶片價格下滑，晶片在遠距非接觸式偵測扮演的角色日漸重要，迅速被應用在監控系統、智慧車艙等產品中。除了高穿透力，毫米波雷達還具無害特性，因此可實現人體組織的高解析度成像，輔助醫師進行更精準的診斷，用於檢測皮膚病、乳癌等疾病。 AI與毫米波雷達的結合 隨著機器的深度學習（deeplearning）快速發展，相機和光學雷達的處理方式也發生革命性變革，但雷達處理仍多依賴傳統方法及工具。伴隨著AI技術成長，雷達識別能力也持續進步。與圖像分類相反，將深度學習的神經網路技術用於雷達數據仍處於起步階段。透過雷達目標識別技術，我們能更正確地對雷達物體進行分類，大大降低人力辨識所需的人力與時間成本。AI在雷達中的應用潛力無限，未來可能出現更多新興應用。例如在老年人跌倒檢測方面，經AI訓練後的雷達已能區分行走、跌倒、彎曲或伸直、坐姿等四種人體運動，實驗結果也證實，深度學習方法在區分不同人類動作方面，表現優於任何傳統方法。 未來可期？毫米波雷達的困境與機會 今日的毫米波雷達已取得一些重要進展，然而應用過程仍面臨天氣干擾、目標識別和追蹤等方面的技術挑戰。 等等，不是說「全天候」運作是毫米波的一大優勢，怎麼又在這個部分遭逢困境？是這樣的，毫米波在大氣中的衰減還是很大，訊號在惡劣天氣所受干擾程度尤其嚴重，因此在目標探測和成像等應用上要求相對高。未來，科學家還需進一步發展創新演算法，以提升這方面的準確性和即時性，讓毫米波雷達能因應日益複雜的環境需求。為實現進一步的智慧化，雷達、通訊、AI等各類系統也需有效協作配合，強化系統的可靠度。最後，使用者對雷達性能的要求越來越高，企業端也得設法降低成本，以應對時代拋出的種種考驗。 毫米波雷達是各類通訊感測層的重要裝置，也在各種智慧化產品中扮演關鍵性的角色。隨著技術的不斷進步，未來毫米波雷達不只會持續在軍事、航太、自駕等領域發揮重要作用，也將大幅提升我們日常生活的安全與便捷。 閱讀完整內容
