2026年深圳物联网展会还没开幕我已经在好几个行业群里看到围绕“雷达感知”排的观展路线了。过去几年毫米波雷达在物联网里一直处于“概念很热、落地很碎”的状态但从2025年各展台的Demo来看从呼吸心跳检测到跌倒识别、从空间占用统计到工业安全防护雷达感知正在从一个“高级传感器”变成物联网感知层的核心选手。这篇就结合我看展和落地项目的经验聊聊雷达感知在物联网里的新机遇以及哪些方案值得动手做。适合做智能硬件、智慧康养、AIoT方案的朋友参考。1. 雷达感知为什么在物联网里重新热起来1.1 从车载降维到物联网毫米波雷达的“平民化”先说一个最直观的现象雷达感知这几年在物联网里热起来本质上不是“新发明”而是“老技术降价降功耗降到了民用级”。毫米波雷达过去十几年主要活在两个地方一个是军事和安防一个是车载环节。车载毫米波雷达对可靠性的要求极高车规级验证、功能安全认证、高低温耐久测试这些成本摊到每一颗芯片上自然不可能便宜。早年一颗车载雷达芯片方案做下来整套模组动辄几百上千元普通智能家居设备根本承受不起。转折点在于芯片的SoC化。早期的毫米波雷达前端是分立的射频收发、中频处理、MCU、天线分成好几颗芯片外围电路复杂功耗也降不下来。后来半导体厂商把射频前端、ADC、DSP甚至MCU集成到一颗芯片里加上CMOS工艺本身成熟带来的规模效应成本直接被打下来。到今天一颗支持基础存在检测的60GHz雷达SoC批量采购价已经能进入几十元人民币的量级模组也不过百来元。功耗方面很多单芯片方案的峰值功耗能控制在几百毫瓦待机功耗更低用锂电池供电或者做电池供电的传感器节点都成了可行方案。我做一个类比以前的毫米波雷达像定制西装专供预算充足的汽车行业现在变成了成衣码数齐全、面料够用普通智能设备也穿得起。这种变化带来的是整个产品开发逻辑的改变——以前只有车企敢在设计阶段就引入雷达现在一个做智能台灯的小团队也可以考虑在里面塞一颗毫米波雷达用来做人来灯亮、人走灯灭的检测。另外60GHz频段在全球大部分地区属于免许可频段这意味着做消费类产品时可以“一本设计走全球”不用像有些无线产品那样逐个国家做认证适配。这一点对做物联网硬件的朋友们特别重要深圳的硬件团队几乎都有切身体会。1.2 与摄像头、红外、超声波的对比为什么偏偏是雷达物联网感知层里从来不是只有雷达一个选项。做空间感知和人体感知常见的传感器还有摄像头、红外PIR、超声波。那为什么2026年这个时间点上大家都在重新评估雷达我根据自己的测试经验把几种主流感测方式放在一起对比过大概是这么个结果传感器类型隐私友好度光照依赖静态目标感知穿透性典型成本主要局限摄像头差强依赖支持无中偏高隐私争议、算力消耗大红外PIR好无完全不支持差极低静坐漏报、高温环境失灵超声波好无弱差低多径反射、吸音材料干扰毫米波雷达好无支持较强中算法门槛高、多设备干扰这个表格里最关键的一行是“静态目标感知”。我们做室内人体感知时最头疼的场景从来不是一个人走过而是一个人安安静静坐在沙发上看书或者躺在床上睡觉。红外PIR的物理原理决定了它只能感知红外辐射的变化人一旦静止热释电信号就不变了它就会判定“无人”然后把人关在黑暗里。做智能照明、智能空调的人对这个问题一定深有体会。摄像头的方案能做到静态识别但算法复杂度高而且很多人对屋内装摄像头有天然的抵触隐私合规也麻烦。毫米波雷达不一样。它发射电磁波并接收人体反射的回波哪怕人只是坐在那里胸腹起伏、微小的肢体动作都会引起回波的相位变化。用相参处理可以捕捉到亚毫米级别的微动所以静态人体检测从物理原理上就站得住脚。另一方面雷达是以电磁波作为媒介不依赖可见光黑灯瞎火的环境里照样能感知。卫生间、卧室、老人房都是典型的“低光照需求”场景雷达在这些地方有着天然优势。再加上雷达点云天然不含面部特征法律和隐私层面对它的敏感度比摄像头低得多这也是很多智慧养老、医疗监护方案愿意选用它的重要原因。不过要说句公道话雷达不是万能的。摄像头的像素级语义理解能力、超声波的厘米级测距精度都有雷达目前比不上的地方。2026年值得关注的方向其实是“多传感器融合”把雷达和红外、温湿度、光照传感器放在一起做综合判断而不是互相替代。1.3 2026年的三个推动力AI芯片下沉、隐私法规趋严、无源化探索除了成本下降还有几个大环境因素在推着雷达感知往物联网里走。首先是端侧AI算力的下沉。雷达原始点云或者Range-Doppler图直接拿来做规则判断效果有限。以前的雷达算法常用CFAR恒虚警检测、聚类、卡尔曼滤波这类经典信号处理方法用来检测“有没有目标”够用但要识别“这个人是站是坐还是倒在地上”就得靠深度学习模型。过去这些模型要在服务器或者高算力芯片上跑一谈上云就有时延和隐私问题。现在不少物联网MCU已经带上了轻量级NPU或者较强的DSP可以在几瓦甚至几百毫瓦的功耗预算内运行一个轻量化的点云分类网络。端侧推理的好处是响应快、数据不出设备这让雷达设备从“传感器”升级成了“智能感知节点”。其次是隐私问题。摄像头在室内空间面临越来越大的合规压力很多海外市场的客户已经开始在标准中明确要求设备不能采集生物识别信息。硬件厂商被迫去找“不侵犯隐私又能感知人体”的方案。雷达天然去身份化输出的是位置、速度、轨迹这类元数据恰好踩中了需求。第三是无源物联网的探索。这几年无源物联网技术在展会上出现频率越来越高核心思路是让终端设备摆脱电池依赖从环境中采集射频能量或者太阳能来供电。雷达感知技术在这个过程中有两个角色一是作为“感知雷达”用有源雷达照射并感知无源标签的位置二是结合能量采集的微瓦级功耗设计让雷达传感器本身也能在低功耗模式下长期待机。2026年展会上应该能看到更多这类“无源感知”的交叉方案。2. 毫米波雷达感知的核心技术拆解2.1 FMCW雷达原理距离、速度、角度是怎么算出来的说技术之前先把雷达感知里最主流的波形讲清楚。物联网场景用的绝大多数毫米波雷达是FMCW也就是线性调频连续波。简单解释一下它的工作方式发射机发出一段频率随时间线性增加的信号碰到目标后反射回来接收机收到一个时间上延迟的回波。由于频率在持续变化时间延迟就等价于一个“频率差”。发射信号和回波信号混频之后会得到一个中频信号这个中频信号的频率直接正比于目标的距离。公式先不列了脑子里记住一句话就行中频频率乘以一个系数就是距离。目标越远回波延迟越大中频频率就越高。如果要测速度就要连续发多个chirp同一个目标在相邻chirp之间会有微小的相位差这个相位差里就藏着目标的径向速度信息用多普勒频移就可以解算出来。至于角度靠的是多根接收天线之间的相位差也就是MIMO阵列。天线数越多角度分辨率越高但成本和面积也上去了。现在的毫米波雷达芯片基本把从射频收发、混频到ADC采样的链路集成在一颗芯片里芯片直接输出的是经过初步处理的I/Q数据再往上就是距离维FFT、速度维FFT、CFAR检测等算法。对于应用工程师来说不需要从零开始写雷达信号处理芯片原厂SDK基本上都覆盖了。真正的门槛在“应用算法”——拿到一堆点云之后怎么识别目标、怎么分类动作、怎么降低误报这才是拉开产品体验差距的地方。2.2 从“检测目标”到“识别状态”微动感知与点云化车载时代雷达的核心输出是“目标列表”距离、速度、角度够用就行。但物联网要的不是“一个目标在3米外以0.5米/秒速度靠近”而是“一个人在房间坐着没有摔倒呼吸平稳”。这就对雷达的感知维度提出了新要求。第一个新维度是微动感知。人在呼吸时胸腹表面的起伏大约是几毫米到十几毫米心跳引起的体表震动更小只有0.1毫米级别的位移。FMCW雷达的相位测量精度可以做到远小于波长60GHz雷达波长大约5毫米理论上相位精度可以分辨零点几毫米甚至更小所以呼吸和心跳是可以被探测出来的。第二个新维度是点云化。高分辨率毫米波雷达不再简单输出一个目标点而是输出一片点云每个点带有距离、速度、角度和RCS雷达散射截面积等信息。有了点云就可以用轻量级深度学习模型做动作分类。比如跌倒事件人的躯干高度快速下降、径向速度方向突变、点云形态从“立着”变成“躺着”这些特征组合起来可以用一个参数很少的CNN或者LSTM网络在端侧跑。我在实际项目里用过一个大约十万参数级别的轻量化网络在ARM Cortex-A系列芯片上单帧推理时间能做到几十毫秒级别完全够用。2.3 频段怎么选24GHz、60GHz、77GHz各有各的命这是做雷达感知项目第一个要做的选择题。我的建议是别只看参数表要结合你要做的场景、销售区域和系统成本来选。频段可用带宽大气/穿透特性主要市场物联网适用性24GHz200MHz左右且不断收紧衰减较低、穿透性尚可工业、周界、交通运输适合中远距离工业存在检测但带宽限制距离分辨率60GHz5-7GHz氧气吸收峰附近信号衰减大智能家居、消费电子短距离室内场景极佳存在检测、呼吸心跳、跌倒识别77GHz4GHz左右衰减中等车载、高端机器人、4D成像追求高精度和远距离时可考虑成本偏高24GHz是最早进入工业和安防的频段技术成熟度很高在雨雾等天气条件下的衰减相对较小适合做周界安防、隧道检测、室外工业防碰撞。但它的可用带宽有限距离分辨率刷不上去而且很多国家正在重新规划24GHz频谱长远的许可情况存在不确定性。60GHz是这两年物联网里上升势头最猛的频段。它的带宽大意味着距离分辨率可以做到厘米级甚至更低对人体的微动感知特别灵敏。因为工作频率高天线尺寸可以做得很小一个5x5毫米左右的贴片天线就能实现可用的增益非常适合做进灯具、插座、面板这类紧凑型产品。缺点是60GHz正好落在氧气吸收峰附近电磁波在空气中传播衰减比24GHz大不少所以它不适合做超远距离探测但在室内场景检测距离需求通常只有3到5米氧气吸收的影响可以忽略。这也是消费级智能家居方案几乎清一色选60GHz的原因。77GHz本来是车载主导的频段前两天有朋友来问我能不能拿77GHz做室内人员感知。能做性能也很强4GHz带宽让距离分辨率极其可观4D成像雷达也基本都在这个频段。但问题是成本77GHz芯片和天线的工艺要求更高整体价格还在高位。除非你做的是高端机器人、智慧交通这类对精度和距离都有硬性要求的场景否则在物联网场景里用77GHz性价比并不划算。3. 2026年深圳物联网展会上的雷达感知新动向3.1 展会看什么雷达感知展商版图从哪里看起深圳物联网展是国内物联网行业最重要的展示窗口之一2026年这届如果去现场找雷达感知相关的内容其实不用刻意逛因为很多展台都会带一点。但真要系统性地看建议按产业链层次来看而不是东看一眼西看一眼。第一个层次是芯片原厂。这里能看到最新的雷达SoC、天线封装方案、参考设计。重点关注的是功耗指标、集成度、以及SDK的开发体验。2026年预计会有更多国产原厂拿出60GHz和24GHz的新品和进口芯片相比国产芯片在价格和本地支持上有明显优势SDK中文文档、FAE响应速度都好不少。第二个层次是模组和天线方案商。原厂芯片是一回事能把天线、射频电路、电源管理在一个小尺寸上做出稳定性能是另一回事。模组厂展出的往往是已经调好的“即插即用”方案适合没有射频团队的小公司。第三个层次是算法和方案商。他们不卖硬件卖的是“存在检测算法”“跌倒识别算法”“睡眠监测算法”的授权或者云服务。第四个层次是成品终端厂商比如智能家居摄像头、灯具、医疗监护仪等他们展示的是雷达感知如何融入最终产品形态。建议去看展前先列一个关注清单。比如你最关心的是智慧养老场景那就主攻做跌倒检测、呼吸心率监测方案的那几家如果你关心智能家居联动就重点看做照明传感一体方案和空调人感方案的展台。有目的的逛比漫无目的逛收获至少差两倍。3.2 现场值得细看的几个方案方向从我观察到的行业趋势来猜2026年展会上有几个方向会特别集中。第一个是无源物联网与雷达感知的交叉。这会比较前沿但展台前应该围不少人。无源物联网的核心是让终端设备不用换电池利用环境射频能量、光能或者温差供电。雷达感知在这种架构里既能作为高精度感知手段也能作为能量的“照射源”辅助无源标签工作。展会现场可以重点关注这类方案的实际功耗数字和通信距离这两个参数往往决定它到底是概念Demo还是能商用的产品。第二个是呼吸睡眠监测与智能家居联动。前两年睡眠监测还集中在智能手表、智能床垫这类“贴身”设备上2026年非接触式睡眠监测方案应该会更多。用雷达挂在床头或者嵌入床头柜不用任何穿戴就能输出整晚的呼吸率、心率、体动记录。这类方案和智能家居场景特别搭比如检测到睡眠状态后自动调低空调风速、调节灯光色温。现场看这类Demo时建议关注它对“多个人睡一张床”情况的处理能力因为单人场景和多人场景的算法复杂度完全是两码事。第三个是端侧AI加雷达的“感知盒子”。很多厂商会把雷达模组和轻量级AI芯片封在同一个盒子里做成一款通用的“人感边缘设备”对外提供MQTT等标准物联网协议接口。这类设备最大的价值是降低了使用门槛云平台和上层应用完全不需要关心雷达的点云和算法只需要接收“有人/无人/跌倒/睡觉”这类语义事件。第四个是4D成像雷达在服务机器人和低速自动驾驶场景里的应用。以前4D雷达主要是车载公司在做现在机器人公司也开始把它用到园区配送车、仓储AGV和商用清洁机器人上。雷达在雾天、灰尘环境和低光照下比激光雷达可靠所以它正在变成激光雷达的一个补充方案。3.3 从展台到产线生态的国产化与成本曲线2025年逛展的时候我明显感觉到一个变化国产毫米波雷达芯片已经不再是展台角落里的“对标产品”而是很多方案的“主推产品”。这带来的直接好处是价格体系被打下来了。一辆车可能只需要几颗雷达但一个智慧小区可能要用几百上千个做井盖、车位和垃圾箱感知这种规模效应反过来又刺激了芯片厂继续迭代更低功耗、更低成本的型号。2026年这个循环大概率会继续加速。模组市场的价格也在走低。一个带天线、带MCU、具备基础存在检测能力的60GHz雷达模组在国产方案下已经能做到几十元级别。这个价位已经低于一些高端红外传感器加独立主控的组合了替代逻辑变得非常清晰。不过在展会上看到低价方案我建议大家多问一句这个价格里包含算法了吗还是一次性买断还是按年授权雷达硬件本身已经高度标准化差异化全在算法里报价里的“坑”也主要在这。另外值得关注的是开发生态在走向成熟。原厂SDK里已经把底层雷达信号处理封装好了常用的应用场景也有参考例程比如人员存在、跌倒检测的初版算法。国内做射频相关毕业设计和完整项目的同学现在入手雷达感知的学习路径比两三年前顺畅得多。在深圳物联网展的创客展区你甚至可以看到很多个人开发者拿雷达模组做出来的小项目这类项目虽然小但往往藏着下一个爆款产品的雏形。4. 从展会方案到真实落地雷达感知物联网项目的实操要点4.1 需求先行先别急着选芯片每次有人来问我“想做雷达感知项目该选哪颗芯片”我的第一个问题都是“你到底要感知什么”同一个传感器套件做“有人/无人”的二值检测和做“跌倒识别”“睡眠分期”完全不是一回事。前者的算力需求可能一颗带简单DSP的MCU就够后者则要考虑在上位机跑神经网络。如果需求是“统计一个房间里的人数”雷达点数太少时数人头本身就很难可能需要点云密度更高的方案。如果需求是“检测人在卫生间的异常停留”那么关注的是长时间静止加突然剧烈动作的组合特征而不是单帧的高精度定位。我把常见的雷达感知需求按实现难度排了一个粗略的分级需求类别是否依赖微多普勒/点云端侧算力需求典型误报容忍度存在检测人在/人不在部分依赖微动低MCU即可中低移动目标轨迹跟踪一般依赖点云中较高跌倒识别强依赖中高极低宁可漏报不可误报呼吸心跳监测强依赖中低多人感知与姿态识别强依赖高中从表格可以看出越是后期阶段的场景对算法的依赖越重。所以在选型前先花一两周时间把需求边界想清楚比急着下单买开发板有用得多。做产品的时候最怕的就是“先买了高端评估套件发现实际场景用不上那么多功能”或者“先按存在检测的方案做后面客户突然要加跌倒识别只能推倒重来”。4.2 天线与射频设计三个最容易出问题的地方假设你选好了60GHz雷达模组接下来真正影响使用体验的往往是射频相关的细节而不是芯片主频。第一是视场角FoV与安装方式的匹配。雷达模组的天线设计决定了它在水平方向和垂直方向上的探测范围。做天花板安装最好选横着安装时水平视场角大于120度的模组这样覆盖范围才是整屋。如果安装在墙角则需要较大的视场角和仰角避免出现近距离盲区。我遇到过几次现场测试时“正前方能检测到侧面完全漏报”的情况最后排查下来都是安装角度和天线FoV不匹配导致的正视场覆盖偏移。第二是外壳材质和厚度对毫米波信号的衰减。毫米波虽然有一定穿透性但对外壳材料很挑剔。金属外壳完全屏蔽信号这个基本常识不用多说工程上常见的坑是“看起来是塑料实际上带金属涂层”或者“面板颜色用了含金属粉末的漆”这些都会让雷达变成瞎子。ABS、PC这些普通塑料在60GHz频段上损耗一般但厚度超过一定值时衰减会明显上升。我建议你在结构设计阶段就做一次“外壳遮挡损耗实测”用同样模组分别在外壳内和外壳外测一下有效探测距离差多少一目了然。第三是供电去耦。雷达射频前端对电源纹波比较敏感特别是电源上有高频噪声时会在雷达回波里形成虚假的杂波表现为“明明空旷无人却时不时检测到一个假目标在动”。我用示波器测过当一个雷达模组和一个PWM调光LED驱动共用电源轨且去耦电容不足时雷达检测数据里会出现和PWM频率相关的周期性误报。解决方式也不复杂给雷达模组单独加一个LDO或者LC滤波网络并保证它与大功耗负载之间有一定的物理隔离。4.3 感知数据上云与边缘计算雷达感知项目一般不会只停留在本地判断还是会需要把结果传到云平台或者家庭网关实现联动和场景自动化。在这个环节我比较推荐“边缘语义化、云端业务化”的架构设计。什么意思呢就是雷达设备在本地完成所有原始信号处理尽量只输出上层业务需要的语义结果。举个例子雷达设备输出的应该是presence: true/falseevent: fall_detectedrespiratory_rate: 16.2 bpm而不是把原始的点云或者距离-多普勒图整个丢到云端去分析。这样做有三个好处时延低、成本低、隐私风险低。雷达原始数据量虽然不像视频那么大但高频点云持续上传对带宽和云存储费用的消耗也不小而且原始数据一旦上了云数据合规的复杂度会直线上升。事件上报的协议目前物联网里主流还是MQTT。雷达设备作为MQTT客户端将状态和事件发布到Broker云平台的规则引擎再根据事件类型触发联动。比如“有人存在”事件用来开启空调“睡眠模式”事件用来关闭客厅灯光“跌倒事件”用来触发告警通知到子女手机。如果你做的是轻量级场景CoAP甚至是简单的HTTP POST也可以在低数据量下工作。和AIoT平台的对接上2026年的趋势是“低代码组态”。深圳物联网展上会有很多云组态平台展台现在很多平台已经把MQTT接入做成了拖拽式配置雷达事件上报之后在云端画布上拖一个“开关”连到“告警服务”整个联动逻辑就完成了。这类工具大大降低了非后端工程师做原型验证的门槛。4.4 隐私与数据安全的工程实现雷达感知设备虽然比摄像头“隐私友好”但这不代表可以忽略数据安全。我参与的项目里现在越来越常见的要求是原始传感数据不出设备、不上云所有涉及个人状态的分析在端侧完成。这既是为了满足用户的隐私期待也是为了避免产品在合规审查上栽跟头。工程上具体做几件事设备端存储不落盘。雷达原始数据在内存里用完即丢不写日志、不保留点云快照。通信安全。设备与网关、云平台之间的通信必须加密推荐TLS1.2以上密钥定期轮换。设备身份认证。每一台雷达设备出厂时有唯一设备证书云平台只接受已经注册的、证书有效的设备连接。最小权限原则。设备只上报当前场景需要的事件字段比如存在检测场景就只上报“有人/无人”绝不顺带把呼吸数据也传上去。避免“我只要存在检测却采集了一大堆无关的生物信号”这种过度采集问题。曾经有一个做酒店客房节能的项目客户一开始担心雷达会采集客人的隐私数据后来我们直接把方案设计成“只输出有人/无人布尔值”和“以15分钟为粒度的占用统计”整个原始波形全部在本地丢弃。就这一条改动客户当场就签了协议。很多时候隐私安全不是技术难题而是产品设计里有没有真的替用户想清楚。5. 常见问题与排查技巧实录5.1 人静坐时漏报目标被当成杂波滤掉了这是我自己踩过最深的坑。最初测试一款雷达模组时人走进房间能检测到但坐下来玩手机两分钟后系统就判“无人”了。一开始我怀疑是模组灵敏度不够后来翻SDK文档才发现默认的杂波滤除算法会把低速静止目标当成静态杂波给滤掉。很多雷达芯片的底层算法都带有“静态杂波消除”功能用来去掉墙壁、家具这些固定物体的反射。如果这个滤波器参数设置得太激进低速移动的人体也会被一并滤掉。解决思路是调整杂波图更新速率或者CFAR判决门限让算法接受“室内存在微动目标”这种情况。但这里有个平衡门限调低了误报会上升调高了漏报又回来。最终我们是通过联合使用“距离-多普勒图上的微动能量”和“位置信息”来判断存在而不是只看单个检测点。遇到这种问题不用急着改硬件先用芯片厂家的调试工具把CFAR检测前后的中间数据导出来看看到底是前端没有检测到人还是后端逻辑把它丢弃了定位到具体环节再动手。5.2 窗帘、玻璃和宠物三个经典误报源雷达感知最容易出现误报的几个“非人目标”我排个序摆动的窗帘、落地玻璃外的行人、家里的宠物。摆动的窗帘在很多方面跟人体有相似特征它会产生低频的雷达回波位置还在窗边幅度随气流波动。如果雷达把窗帘区域当成关注区人不在时也会出现周期性“有人”。处理方式一是从安装位置下手让雷达不要正对窗户二是算法层面过滤“位置固定但能量波动的目标”把较长一段时间内位置不变的目标排除出人体候选。落地玻璃外的行人误报主要在临街的办公室或者落地窗较多的客厅出现。毫米波信号能穿透玻璃如果玻璃衰减不大外面人行道上的移动目标会被雷达“看进”室内。这种情况窗口的位置信息往往会出现在很稳定的距离单元上可以对固定的距离窗设置衰减甚至直接屏蔽探测范围中对应窗户那一段区域。宠物的问题是所有做室内人体感知的人都会遇到的。一条金毛在客厅跑动点和人其实差异很大但简单按点云数量判断会出现误报。目前相对有效的方法是利用点云的空间高度分布和运动形态统计人体点云的重心相对较高、在高度方向上有明显的“躯干头部”结构宠物则整体偏低且贴近地板。另外可以结合前后帧的轨迹连续性人的轨迹更平滑、更符合“双足行走”的节律特征。5.3 多台雷达互相干扰一个房间里放两台同频段雷达或者楼上楼下邻居家的雷达设备隔层相望就容易出现相互干扰。干扰的表现是雷达回波里出现“假目标”有时候表现为一个静止的亮点有时候表现为随机跳动的点云。干扰的物理机制是本机的发射信号被另一台雷达的同频信号“冲撞”混频器输出的中频信号包含了一个和距离无关的高强度干扰分量。解决思路主要有几种时分复用、频率偏置、波形随机化。时分复用最简单就是让多台雷达“轮流说话”每个设备在其专属时间窗口内发射但多台设备之间需要时间同步机制在没有中心协调节点的场景里比较难落地。频率偏置是用硬件支持可配置发射频率的方案设备之间错开几百MHz中心频率来避免直接碰撞。波形随机化则是在固定频率资源上让chirp的带宽、斜率或者周期做伪随机变化干扰信号在本机处理后会被当成随机噪声而非相干目标天然被抑制。选择方案时要看你用的芯片支不支持对应的能力很多新款SoC已经内置了部分抗干扰机制选型时可以优先关注这类特性。5.4 外壳衰减让探测距离“腰斩”有一回我们把雷达模组放进一款挺厚的PC外壳里实测有效探测距离从标称的5米掉到了2米左右一开始以为是外壳材料问题后来换模组的朝向、调整天线开窗位置才恢复。外壳对毫米波的影响非常现实。工程上的经验是雷达天线正前方不要放金属、含金属涂层的材料、高介电常数材料。PC、ABS、亚克力这类材料厚度控制在1到2毫米通常问题不大但4毫米以上衰减就会越来越明显。如果产品外观不允许在雷达天线区域开孔那就在结构设计里预留一个“雷达天窗”区域把外壳局部厚度减薄尽量让电磁波少穿一层材料。另外还要注意天线罩与雷达天线之间的距离太近了会产生近场耦合改变天线的谐振频率。一般建议天线罩和贴片天线之间至少留出一定空间通常几毫米以上我会在结构评审时明确把这当成一个硬性检查项。5.5 电源纹波造成的周期误报最后一个常见坑是供电带来的。雷达设备如果和LED驱动、电机驱动器共用电源而这些负载的开关噪声没有做好滤波雷达的底噪会被周期性干扰。表现往往是环境里明明一切正常雷达却每隔几十毫秒或者几百毫秒冒出一个随机检测目标。排查手法很直接用频谱仪或者示波器观察雷达供电轨上的噪声看看有没有和开关频率对应的高频纹波然后做对比测试用电池单独给雷达供电如果误报消失说明就是电源问题。解决方式我前面也提到过给雷达单独加一级LDO确保模拟电源域和数字电源域分离再在模组附近加足够的去耦电容。如果项目空间实在紧张至少要做到电源走线不和高频数字信号线长距离平行。这些坑都没什么高深的技术含量但往往就是决定一个产品能不能从Demo走向量产的关键。我每次做雷达相关项目都会花不少时间在这种“看起来磨叽但特别影响体验”的细节上。如果你正准备在2026年上马一个雷达感知的物联网产品上面这些点都值得在项目规划阶段就排进去免得后面返工。