Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
36 Elektronik automot ive Automotive Calterah integriert Convolutional Neural Networks CNN in den Signalverarbeitungspfad seiner Radar-SoCs Bild Calterah Semiconductor beitungspfad seiner Radar-SoCs CNNs sind darauf spezialisiert aus komplexen Datensätzen wie Radarreflexionen Muster zu erkennen und zu klassifizieren Im In-Cabin-Anwendungsfall bedeutet das nicht nur Punktwolken analysieren sondern feinste Bewegungen wie Atmung oder leichte Körperbewegungen identifizieren Damit TinyML-Modelle auf einem Radar-SoC effizient arbeiten sind spezielle Optimierungstechniken nötig Durch Quantisierung werden Daten auf eine geringere Bitbreite reduziert ohne die Modellleistung wesentlich zu beeinträchtigen Model Pruning beschleunigt die Berechnungen und verringert den Speicherbedarf So ist das System trotz begrenzter Ressourcen leistungsstark und energiesparend Architektur der Lancang-USRR-Lösung Ein Beispiel für ein entsprechendes System ist der Lancang-USRR-Chip von Calterah der als erster 60-GHzmmWave-Radar-SoC mit sechs Sendeund sechs Empfangskanälen 6T6R ausgestattet ist Seine Signalverarbeitung umfasst mehrere Module Spektrumanalyse Point-Cloud-Generierung und eine CNN-Inferenz die von TinyML-Technologie unterstützt wird Dank dieser Architektur lassen sich selbst komplexe Innenraumszenarien mit nur einem einzigen Chip abdecken Das System unterstützt Alwayson-Funktionen darunter Anti-Einbruchs-Erkennung und das bei sehr niedrigem Energiebedarf Diese Effizienz ist entscheidend um die Batteriebelastung minimal zu halten und dennoch eine kontinuierliche Überwachung zu gewährleisten Praxisbeispiele aus realen Tests Wie leistungsfähig dieser Ansatz ist zeigt sich in aktuellen Fahrzeugtests Das System erkennt zuverlässig einen Baby-Dummy selbst wenn dieser teilweise durch eine Sitzlehne und einen Kindersitz verdeckt ist Gleichzeitig kann es Störungen durch bewegte Spielsachen oder schwingende Gegenstände unterscheiden Das Ergebnis fehlalarmfreie Erkennung und dauerhafte Überwachung bei minimalem Energieeinsatz – eine Voraussetzung für die nächste Generation smarter Innenräume Radar und KI als Schlüssel für smarte Innenräume Mit der Kombination aus mmWave-Radar und TinyML wird es künftig möglich sein Radarsysteme zu entwickeln die gleichzeitig Gestensteuerung personalisierte Komforfunktionen und Gesundheitsmonitoring integrieren Damit entsteht potenziell ein Fahrzeuginnenraum der sich dynamisch an die Bedürfnisse der Insassen anpasst In den kommenden Jahren wird der Einsatz von KI in sicherheitskritischen Systemen weiter zunehmen Radar mit eingebetteter Intelligenz wird dabei eine Schlüsselrolle spielen Das gilt nicht nur für das Premiumsegment der Automobilhersteller sondern flächendeckend in allen Fahrzeugklassen Hersteller die diese Technologie früh adaptieren verschaffen sich somit einen entscheidenden Wettbewerbsvorteil in einem Markt in dem Sicherheit und Komfort gleichermaßen zählen ih Dr Zhifei Wang ist Radar System Algorithm Expert bei Calterah Semiconductor