车载毫米波雷达是高级驾驶辅助系统与自动驾驶系统中的核心环境感知传感器。该雷达通过发射电磁波并接收目标回波来测量前方障碍物的距离、速度与角度信息。与光学传感器相比，毫米波雷达具备穿透雨雾等恶劣天气的物理优势，因为毫米波在大气传播过程中受水滴散射的影响小于可见光与红外线。然而雨雾环境对毫米波雷达的性能仍存在显著影响。雨滴对雷达信号的衰减效应会使回波功率降低，导致远距离小目标的检测概率下降。同时雨滴本身作为运动目标会产生大量杂波回波，这些杂波在距离多普勒谱上分布广泛，可能与真实目标发生遮挡或造成虚警。雾滴虽然单个尺寸较小但浓度很高，多次散射效应会改变信号的空间分布特性。提升车载毫米波雷达在雨雾环境下的感知鲁棒性，需要从信号处理与数据处理两个层面采取系统性方法，而非单纯提高发射功率或接收灵敏度。
雨雾环境对毫米波雷达的主要干扰机制可以分为衰减效应与杂波效应两类。衰减效应表现为雷达信号在雨区中传播时，雨滴对电磁波产生吸收与散射，使信号能量沿传播路径呈指数下降。衰减程度随降雨强度增大而加剧，同时随工作频率升高而增加。当前车载毫米波雷达的主流工作频段在雨雾条件下的大气衰减相对可控，但大雨条件下往返衰减仍可达到较高数值，导致雷达对中等距离目标的探测信噪比出现明显损失。杂波效应则表现为雨滴回波在距离多普勒图上形成大面积干扰。雨滴的下降速度范围有限，与低速行驶的车辆目标存在频域重叠。密集雨滴的回波在空间上呈现为连续或半连续的分布，无法像孤立点目标那样被简单滤除。这两种干扰机制共同作用的结果是真实目标的信噪比降低，虚假目标的出现概率升高，雷达的感知可靠性受到挑战。理解这两种干扰机制的区别与联系，是设计针对性提升方法的基础。
针对衰减效应引起的信噪比下降，首要方法是优化雷达波形参数与接收处理增益。通过自适应调节调频周期与累积时间，可以提升处理增益。更长的相干处理间隔使回波信号在频域累积更多能量，而雨滴杂波由于相位随机性较强，其累积效率低于运动一致性较好的车辆目标，这种差异化累积特性使得车辆目标相对于雨杂波的信噪比获得改善。采用多斜率调频与变周期调频波形，可以在距离多普勒图上区分静止雨滴与运动车辆。静止雨滴在调频周期变化时其响应保持不变，而车辆目标的响应会出现系统性偏移，利用这一差异可以提取车辆目标的同时抑制雨滴回波。在发射端采用发射波束成形技术将电磁能量集中指向感兴趣区域，对于远距离目标可主动将发射波束收窄并指向目标存在概率较高的方向，减少雨区中无效区域的能量辐射，从而间接提升目标方向的信噪比。这些波形与处理参数的调整可以根据雨强估计结果实时执行，无需改变雷达硬件结构。
针对雨滴杂波的干扰，信号处理层面需要构建针对性的杂波抑制滤波器。雨滴杂波的多普勒频谱具有特定分布特征，其中心频率对应于降雨强度的加权平均雨滴速度，频谱宽度对应于雨滴粒径分布导致的速度分散程度。基于这一特征，雷达接收端可以设计自适应多普勒滤波器组，在杂波占据的多普勒通道设置陷波，而保留车辆目标可能出现的多普勒区间。自适应滤波器的关键参数需要根据雨强的实时估计动态调整。为解决低速车辆与雨滴杂波在多普勒域重叠的矛盾，可以采用基于多普勒谱宽度的目标判别方法。车辆目标的雷达散射截面较大，其回波在距离维上的扩展有限，且多普勒谱较为集中，而雨滴杂波的回波在距离维上连续分布，其多普勒谱宽度较宽。通过计算局部区域的频谱宽度与谱平坦度，可以在不损失低速车辆目标的前提下识别并抑制雨滴杂波。多帧联合处理也是一种有效方法，利用雨滴杂波的时空随机性与车辆目标的运动轨迹一致性，通过多帧目标检测与跟踪关联滤除大量单帧出现的雨滴虚警。
雷达收发端的天线设计与数据处理层面的自适应检测门限调节同样重要。车载毫米波雷达在雨雾条件下工作时，天线罩表面积聚的水膜或雾滴会引入额外的介电损耗，改变天线的辐射口径分布，导致实际波束指向发生偏移与旁瓣电平升高。为减轻天线罩的影响，可在天线罩表面应用疏水涂层与微纳结构使水滴快速滚落而不形成连续水膜。在雷达数字后端可以通过周期性注入已知目标进行波束指向自校准，当探测到天线罩引起的相位误差超过预设门限时自动调整波束成形系数以补偿偏差。在数据处理层面，车载毫米波雷达通常采用恒虚警率检测器根据背景噪声与杂波功率水平动态调整检测门限。雨雾环境中需要采用二维自适应参考窗设计，在距离维上选择宽窗口以获取稳定噪声估计，在多普勒维上选择窄窗口以避免雨滴杂波进入参考单元。同时利用车载其他传感器辅助雷达参数调整，当雨量传感器检测到降雨或摄像头图像识别出雨雾天气时，控制器将雷达切换至高鲁棒性模式，该模式下检测门限适当提高，目标跟踪的关联门限相应扩大以容忍因衰减效应导致的目标信噪比波动。
从工程测试与系统集成的角度来看，上述方法已经在车载毫米波雷达产品中实现验证。采用自适应调频波形与多普勒杂波抑制滤波器的雷达样机，在大雨条件下的测试结果表明，针对远距离车辆目标的检测率相比未优化的雷达有显著提升，虚警率下降一个数量级以上。天线罩疏水处理与波束自校准功能使雷达在持续雨淋工况下保持检测性能基本不降级。多帧联合跟踪处理有效滤除了因雨滴团簇运动而产生的间歇性虚警。这些工程实践说明，提升车载毫米波雷达在雨雾环境下的感知鲁棒性需要波形设计、信号处理、射频前端以及数据融合多个环节协同作用。目前该技术体系已经能够支持自动驾驶系统在雨雾天气下的基本感知需求，而随着雷达芯片集成度的提高与算法效率的优化，雨雾环境下的感知可靠性还将持续改善。
