Radare sind ein Schlüsselelement der Sensorik für ADAS und autonome Mobilität. Dieser Bericht untersucht zunächst die Rolle, die Radare bei verschiedenen ADAS-Funktionen wie ACC, AEB, FCA, BSD, LCW, HWA usw. spielen. Anschließend wird untersucht, wie der Radaranteil pro Fahrzeug – sowohl für Kurz-/Mittel- als auch für Langstreckenradare – mit zunehmendem ADAS- und Autonomiegrad steigen wird.
Der Bericht untersucht dann die Treiber und Trends bei den Betriebsfrequenzen weltweit. Es wird untersucht, wie Geräteparameter – einschließlich Mittenfrequenz, Bandbreite, Messzeit und virtuelle Apertur – wichtige Leistungsindikatoren (KPIs) wie Geschwindigkeit, Reichweite, Azimut und Höhenauflösung beeinflussen. Anschließend werden die heute auf dem Markt befindlichen Produkte untersucht und verglichen. Die Wertschöpfungskette – vom Chip (Fabless/IDM/Gießerei) bis zum Modulhersteller – wird skizziert.
Es werden detaillierte Marktprognosemodelle erstellt. In diesen Marktprognosen wird zunächst untersucht, wie ADAS und Autonomie in den Fahrzeugmarkt eindringen werden. Dazu wird in dem Bericht eine zwanzigjährige Marktprognose (2020 bis 2040) erstellt, wobei der Fahrzeugmarkt nach Autonomiestufen 0 bis 5 segmentiert wird. Das Prognosemodell berücksichtigt auch die Auswirkungen von Robotaxis und gemeinsam genutzten autonomen Fahrzeugen auf den gesamten Fahrzeugabsatz und prognostiziert in einem moderaten Szenario den Höchststand der Fahrzeugverkäufe um 2031/2. Diese Prognosen werden in Zusammenarbeit mit unserem Team für autonome Mobilität erstellt. Die Prognosen werden dann in Radar-Absatzzahlen umgerechnet. Um den Marktwert zu ermitteln, entwickeln wir ein moderates und ein aggressives Preissenkungsszenario für Kurz-, Mittel- und Langstreckenradare. Wir erstellen auch Prognosen für die einzelnen Halbleitertechnologien (GaAs, SiGe und Si).
Marktprognosen nach Stückzahlen, segmentiert nach ADAS und autonomer Mobilität. Der Bericht enthält auch Prognosen für Fahrzeug- und Lkw-Zahlen, die nach Autonomiestufen segmentiert sind, sowie wertmäßige Radarprognosen auf der Grundlage verschiedener Kostenentwicklungsszenarien.
Die Radartechnologie befindet sich im Wandel. Es sind in der Tat sehr spannende Zeiten für Radargeräte. Wir bieten ein detailliertes quantitatives Benchmarking verschiedener Halbleitertechnologien wie GaAs HEMT, InP HEMT, SiGe BiCMOS, Si CMOS und Si SOI. Wir berücksichtigen Höchstfrequenz, Verstärkereffizienz, lithografische Technologieknoten, Funktionsintegrationsfähigkeit, Volumen und Kosten.
Der Bericht zeigt, wie sich die Halbleitertechnologie entwickelt hat und wie sie sich in den kommenden Jahren voraussichtlich entwickeln wird. Er zeigt, wie und wann die GaAs-Technologie der SiGe-Technologie den Rang ablief und wie SiGe nun möglicherweise der Si-CMOS-Technologie (oder SOI) den Rang ablaufen wird. Er bietet einen detaillierten Überblick über die wichtigsten bestehenden und neuen Produkte auf dem Markt, die sowohl SiGe BiCMOS als auch Si CMOS und SOI umfassen. Dabei berücksichtigen wir Unternehmen wie NXP, Infineon, ST Microelectronics, ON Semiconductor, Texas Instruments, Analog Devices, Arbe Robotics, Uhnder, Steradian, Oculii und so weiter.
Die Umstellung auf Si-CMOS und ähnliche Chips wird die Integration von mehr Funktionen in Radarchips ermöglichen. Wir zeigen, wie sich Radargeräte von einem separaten Chip für jede Funktion zu Ein-Chip-Radargeräten entwickelt haben. Die neuesten SiGe-BiCMOS- und einige neuere Si-CMOS-Radarchips enthalten mehrere Transceiver, Überwachungsfunktionen, Wellenformgeneratoren und einen ADC. Die neuesten Si CMOS-Generationen enthalten sogar einen Mikrocontroller mit Speicher sowie eine digitale Signalverarbeitungseinheit (DSP). Dies zeigt deutlich den Trend zu Single-Chip-Lösungen, die ein erhebliches Kostensenkungs- und Volumenproduktionspotenzial mit sich bringen werden.
Als nächstes werden Verpackungslösungen betrachtet. In der Vergangenheit wurden mehrere Chips direkt auf der Leiterplatte montiert und mit Draht verbunden. Heute werden die Chips mit Wafer-Level-Packaging-Technologien verpackt, z. B. WLP-BGA oder Flip-Chip-Ball-Grid-Array (BGA). Wir bieten ein Benchmarking zwischen diskreten Chips und verpackten Lösungen. Innerhalb der verpackten Lösungen vergleichen wir auch das Hochfrequenzverhalten von Flipchip, Fan-out und BGA.
Anschließend werden Trends auf Leiterplattenebene in Bezug auf Design, Material und passive Bauelemente untersucht. Hier sehen wir, wie sich die Leiterplattenanordnung entwickelt hat. In der Vergangenheit wurden zwei getrennte HF- und Digitalplatinen verwendet. Heute ist eine Hybridplatine üblich, bei der die oberste Schicht aus einem speziellen HF-Material besteht. Der Trend geht – zumindest bei kleinen Antennengruppengrößen – zu Antennen-in-Package-Designs (AiP). Einige solcher Designs sind bereits für den Einsatz in Kraftfahrzeugen qualifiziert. Längerfristig wird die Möglichkeit einer Antenne im Chip erforscht.
Die Materialanforderungen für eine geringe Einfügedämpfung bei hohen Frequenzen werden analysiert. Diese speziellen Materialien müssen niedrige Verlusttangenten aufweisen. Entscheidend ist, dass die Dielektrizitätskonstante und der Verlusttangens bei Temperatur- und Frequenzschwankungen stabil bleiben. Darüber hinaus muss die Feuchtigkeitsaufnahme gering sein und das Material muss leicht – oder mit bekannten Modifikationen – verarbeitbar sein, z. B. wie man das Cu kleben kann. Diese Studie bietet ein umfassendes Benchmarking einer breiten Palette von auf dem Markt befindlichen Materialien, darunter keramikgefüllte PTFE, LCP, PI/Fluorpolymere, Keramiken wie LTCC oder AlN, Glas usw.
Auf dem Weg zum 4D-Bildradar
Die Radartechnologie entwickelt sich weiter in Richtung eines bildgebenden 4D-Radars, das in der Lage ist, eine dichte 4D-Punktwolke zu liefern, die es ermöglicht, über die Bestimmung von Anwesenheit, Entfernung und Geschwindigkeit hinaus zu einer 3D-Objekterkennung, -klassifizierung und -verfolgung überzugehen.
Wir beleuchten und bewerten die kritischen Auswirkungen einer Vergrößerung des Antennenfeldes auf die Azimut- und Elevationsauflösung sowie auf die Datenmatrix und die Punktwolke. Die zusätzlichen hochauflösenden Informationen über Azimut und Elevation ebnen den Weg zu 4D-Bildradaren. Diese neuen Fähigkeiten werden die Grenzen zum Lidar verwischen und es dem Radar ermöglichen, in das Gebiet des Lidars vorzudringen, ohne seine Unabhängigkeit von Lichtverhältnissen und Wetter zu gefährden. Dies wird zu einer interessanten Wettbewerbsdynamik führen, auch wenn das Lidar seine Dominanz bei einigen Parametern wie der Winkelauflösung und möglicherweise der Objektklassifizierung behalten wird.
Der Bericht bietet einen Überblick über tiefe neutrale Netzwerke und tiefe Lerntechniken, die bei Kamerabildern so erfolgreich waren. Die spezifischen Herausforderungen von Radardaten werden berücksichtigt. Insbesondere wird erörtert, wie künftige Radargeräte die Radarpunktwolke verdichten können, um ihre Dichte näher an die Punktwolken von Lidars heranzuführen. Wir betrachten den Stand der Technik bei der 2D- und 3D-Objekterkennung und skizzieren einige Ansätze, die darauf abzielen, die Leistungslücke zwischen beiden zu schließen. Wir erörtern die Herausforderung der begrenzten Verfügbarkeit von gekennzeichneten Trainingsdaten und zeigen, wie einige versuchen, präzise Radarkarten zu erstellen und halbautomatische Methoden zur Kennzeichnung von Radardaten zu entwickeln, wobei häufig eine späte Fusion mit Daten von Kameras, GPS und Lidars verwendet wird.
Auch die Herausforderungen durch Interferenzen werden kurz erörtert. Es wird erwartet, dass dies eine wachsende Herausforderung sein wird, da die Anzahl der mit Radar ausgestatteten Radargeräte auf den Straßen zunehmen wird. Es werden verschiedene Ansätze in Betracht gezogen. In einigen Fällen werden die gestörten Signale lokal rekonstruiert. Bei anderen Ansätzen wird eine lose oder enge Koordinierung auf Systemebene vorgeschlagen, ähnlich wie bei Telekommunikationssystemen.
In diesen Radargrafiken wird der Stand des heutigen Radars mit dem der Zukunft verglichen.
Innovative Neugründungen
In den letzten Jahren sind mehrere innovative Radar-Neugründungen entstanden. Diese Firmen verfolgen unterschiedliche Ansätze. Einige entwickeln Radargeräte auf modernen SOI- oder CMOS-Knoten, die sehr große virtuelle Kanäle unterstützen. Dies kann in Verbindung mit den von ihnen entwickelten Verarbeitungstechniken eine echte 4D-Bildgebung ermöglichen. Andere entwickeln neuartige Techniken wie den Einsatz von Metamaterialien zur elektronischen Lenkung des Radarstrahls.
Nicht alle sind auf die Automobilindustrie ausgerichtet. Einige konzentrieren sich auf das UWB-Band und versuchen, kostengünstige, hochauflösende Radarlösungen auf einem Chip für Anwendungen wie Drohnennavigation, Überwachung von Vitaldaten, Mensch-Maschine-Schnittstellen, medizinische Bildgebung, Smart Home usw. anzubieten. Zu diesen Start-ups gehören Arbe Robotics, Uhnder, Steradian, Echodyne, Metawave, Oculii, Vayyar, Lunewave, Zendar, Ghostwave, Novelda, Omniradar (Staal Technologies), und so weiter.
Marktprognosen
Es werden detaillierte Marktprognosemodelle erstellt. Wir betrachten die Verbreitung verschiedener Stufen von ADAS und Autonomie auf dem Fahrzeugmarkt über einen Zeitraum von zwanzig Jahren. Wir haben diesen langen Zeitrahmen gewählt, weil höhere Autonomiestufen Zeit brauchen, bis sie technologisch ausgereift und kommerziell nutzbar sind.
Unser Modell bietet daher eine zwanzigjährige Stückzahlprognose (2020 bis 2040), wobei der Fahrzeugmarkt nach Autonomiestufen 0 bis 5 segmentiert wird. Dieses Modell zeigt deutlich, dass die Stufe 0 vor dem Zeitraum 2032-2034 tendenziell veraltet sein wird. Es zeigt, wie die Stufe 1 langsam der ADAS-Stufe 2 weichen wird, so dass diese Stufe kurz- und mittelfristig die vorherrschende Automatisierungsstufe sein wird.
Unser Modell berücksichtigt dann den Anstieg höherer Autonomiestufen (Stufe 3, 4 und 5). Insbesondere werden die Auswirkungen von gemeinsam genutzten autonomen Fahrzeugen und Robotaxis auf die Gesamtnachfrage nach Fahrzeugen betrachtet, wobei sich zeigt, dass im Jahr 2031/2 ein Spitzenwert bei den Autoverkäufen erwartet werden kann. Dies ist darauf zurückzuführen, dass ein gemeinsam genutztes Fahrzeug eine höhere Fahrleistung erbringen kann als ein Privatfahrzeug. Nach diesem Zeitpunkt wird ein Rückgang der Gesamtfahrzeugverkäufe prognostiziert, was komplexe und weitreichende Fragen für die globale Automobilindustrie aufwirft.
Wir übersetzen unsere Fahrzeug- und Lkw-Stückzahlprognosen in Radareinheiten. Dabei betrachten wir den Radaranteil – für Kurz-/Mittel- und Langstreckenradare – pro Fahrzeug für jede Autonomiestufe. Die Erhöhung des Radaranteils pro Fahrzeug kompensiert das Aufkommen von Peak-Car. Wir entwickeln auch Marktwertprognosen, wobei wir ein moderates und ein aggressives Preisverfallsszenario für Kurz-/Mittel- und Langstreckenradare berücksichtigen.
Schließlich haben wir die Prognosen für die Stückzahlen auch nach Halbleitertechnologien aufgeschlüsselt, um zu zeigen, dass ein Technologiewandel bereits stattgefunden hat und dass wir uns in der Anfangsphase einer weiteren technologischen Austauschrunde befinden.
