TERAKI选择英飞凌infineonAURIX™ TC4x用于基于ML的雷达检测软件，以提高ADAS和AD应用的准确性和安全性

精确感知车辆周围环境，以安全导航。世界各地的制造商已转向先进的传感器和算法，以增强感知并达到前所未有的安全水平。边缘传感器处理领域的市场领导者TERAKI今天发布了最新的雷达检测软件，该软件能够以更高的精度和更少的计算能力准确识别静态和移动物体。真正的流量解决方案运行在符合ASIL-D的AURIX™ 上Infineon 的TC4x微控制器

英飞凌infineon汽车微控制器产品营销总监Marco Cassol表示：“在过去几代产品中，汽车雷达系统性能大幅提高。”。“边缘人工智能处理是帮助我们提高雷达性能的众多创新之一。TERAKI独特的雷达算法目前正在英飞凌的新并行处理单元（PPU）中实施，以展示英飞凌AURIX TC4x设备的下一代雷达性能。”

Daniel Richart说：“我们改进了算法，用更少的资源实现更多的目标。”，TERAKI首席执行官表示：“我们的解决方案以最少的数据量检测静态和移动目标，并使用雷达信号对其进行正确分类，为AD和ADAS应用程序提供态势感知和决策所需的基本信息。最终，我们的目标是通过减少受约束设备的推理时间和所需处理能力，确保边缘的安全。”

随着雷达成为具有成本效益的信号处理行业标准，克服这种传感器技术的局限性成为当务之急。例如，干扰会严重降低雷达检测性能，导致在困难的多目标情况下进行无效检测，这也带来了高处理要求。此外，可靠雷达分类所需的精度包括每帧更多的数据点和亚1度角分辨率（如果是静态的），以及要正确检测和分类的移动物体。

TERAKI的机器学习（ML）方法旨在通过处理原始数据和减少噪声来解决这一挑战，同时作为一种认知功能，从雷达中分离信息，识别噪声环境中的目标，以及集群和其他干扰，并降低边缘处的处理能力。TERAKI的ML检测为每个对象提供更多点，从而减少误报，从而提高安全性；特别是当与诸如CFAR的其他雷达处理技术相比时。

与英飞凌infineon的AURIX TC4x相结合，TERAKI基于ML的算法在第一次快速傅立叶变换（FFT）后减少了雷达信号，在相同的RAM/fps下实现了高达25倍的丢失对象错误率。与CFAR相比，分类精度提高了20%，有效检测率提高了15%。通过这个版本，TERAKI正在改进边缘设备的芯片组架构，确保AURIX TC4x上的实时处理性能，这通过消耗4或5位比特率而不是8或32位比特率来缓解计算需求，同时不影响F1分数。这导致所需内存减少了2倍。

TERAKI独特的雷达算法目前正在英飞凌Infineon新的并行处理单元中实施，以展示英飞凌AURIX TC4x设备的下一代雷达性能。