写在前面
笔者做这项工作的目的是希望为课题组寻找毫米波雷达+智慧驾驶领域寻找可行的趋势与方向，尽可能贴近工业界需求。在这项工作中，笔者总结了以多级联、集成芯片、级联+虚拟孔径成像为代表方案的国内外相关公司，由于信息繁冗、时间紧张，笔者在本报告中尽可能体现了相关公司的有用信息，以期待为业界提供一份参考。
正文内容
为充分利用毫米波雷达的信息量，前端感知能力与后端感知能力的统筹兼顾与提升事关重要。目前来看，前端感知能力提升主要依靠稀疏布阵和动态波形配置实现，后端感知能力主要依靠超轻量CFAR/DOA算法提升为主。在后端感知能力中，不难关注到压缩感知算法（行易道的LISTA、雷神投资的NPS的原子范数概念）等均可能为DOA线谱估计等提供高精度重构方案，以实现毫米波雷达的真正“成像”，但就目前主流解决方案（DSP出点云、MCU实现跟踪级别+下游任务管理）而言，压缩感知的落地依旧是“难于上青天”。
废话不多说，为了减少打字，下面就主要通过笔者整理的PPT来展示相关行研报告。
