EO_479

TECH INSIGHT DIGITAL SIGNAL PROCESSING 29 - ELETTRONICA OGGI 479 - GIUGNO/LUGLIO 2019 Essere in grado di rilevare la velocità di un oggetto identificato. Essere di dimensioni compatte. Avere un costo ragionevole. Un grafico a “tela di ragno” come quello riportato in figura 1 permette di visualizzare in modo chiaro l’efficacia di ciascuna metodologia di rilevamento. Il radar invia un particolare segnale in radio frequenza denominato “chirp” che rimbalza sugli oggetti e il segnale di ritorno viene elaborato per determinare ciò che si trova all’esterno in termini di distanza, mediante il calcolo del ritardo della velocità della luce tra l’istante di trasmissione e quello di ricezione (RFFT), velocità, sfruttando l’effetto Doppler (DFFT) e posizione, mediante la stima dell’angolo di arrivo (AoA - Angle of Arrival). Al giorno d’oggi i radar sono particolarmente efficaci per “vedere” in condizioni meteoro- logiche avverse (mentre al buio sono in grado di “vedere” oltre la portata dei fari) ma non hanno una risoluzione sufficiente per riuscire a distinguere oggetti lontani. La tendenza è quindi aggiungere più antenne, il che compor- ta un aumento del carico di elaborazione che deve essere eseguita sui segnali radar per migliorare la risoluzione. I lidar attualmente presenti nelle automobili sono formati da un sensore rotante molto costoso posizionato sulla parte superiore della vettura. Sono comunque previsti a breve lidar più piccoli e fissi (si parla di lidar a stato solido), abbastanza economici da poter esser montati sulla parte anteriore di tutte le auto e costituire un valido ausilio nella guida ad alta velocità. Quindi è necessario spostare gli obiettivi di progetto: dallo sviluppo di sistemi esclusivamente ad alte prestazioni allo sviluppo di sistemi in grado di abbinare elevate prestazioni e bassi con- sumi, mediante implementazioni più efficienti dal punto di vista energetico. Al progredire della tecnologia, il mercato automotive richiede imaging radar caratterizzati da livelli di risoluzioni più elevate, il che comporta un aumento in termini di risorse in termini di elaborazione e di memoria. Il maggior numero di antenne richiede un beamforming (per direzionare il segnale di trasmissione o ricezione) con risolu- zione più elevata e un maggior numero di punti dati da elaborare. Questo incremento richiede l’esecuzione di una mole superiore di calcoli con un’accuratezza più elevata. Radar ad alta risoluzione per applicazioni automotive, lidar miniaturizzati e comunicazioni 5G condividono un insieme di requisiti comuni: maggiore velocità di elaborazione, accuratezza più elevata e consumi più ridotti. Più in dettaglio, essi richiedono: Numeri complessi: gli algoritmi DSP particolarmente onerosi dal punto di vista computazionale utilizzati in pros- simità del sensore (near sensor processing) sono implementati con numeri complessi. Formato in virgola mobile a 32 bit: il formato a 16 bit non garantisce i livelli di accuratezza richiesti in alcune applicazioni. Velocità di clock più elevata: ciò ovviamente garantisce prestazioni più elevate, anche se è necessario mante- nere i consumi sotto controllo. Maggior parallelismo: assicura maggiori prestazioni grazie all’esecuzione di più operazioni in un singolo ciclo. ISA (set d’istruzioni) ottimizzato in funzione dell’applicazione: utilizza una potenza limitata per svolgere una gran mole di lavoro utile per istruzione riducendo al minimo l’overhead in termini di programmabilità. DSP: criteri di valutazione Solitamente le CPU di tipo “general purpose” non rappresentano la soluzione più appropriata per il calcolo di funzioni specialistiche come quelle tipiche dei radar e dei lidar a causa della loro scarsa efficienza nell’elabora- Fig. 1 – Grafico dell’efficacia di ciascuna metodologia di rilevamento: radar e lidar A B