在雷达研究领域，初创公司NPS（Neural Propulsion Systems：神经推进系统）利用数学上的突破，使雷达看得更快、更远、更清楚。

NPS.ai公司的创始人兼首席执行官贝赫鲁兹·雷兹瓦尼（Behrooz Rezvani）博士解释了NPS的AtomicSense算法，该算法基于加州理工学院和麻省理工学院科学家创建的Atomic Norm。

雷兹瓦尼此前创办过电信业公司Ikanos（被高通公司收购）和Quantenna（被安森美半导体公司收购）。在他职业生涯的早期，他曾在通用电气公司从事核磁共振成像系统工作，还在西门子办公室从事高分辨率超声波工作。

关于核磁共振和超声波，他说：“这两个系统在检测信号是都存在根本性问题。在某种层面上，雷达也是一种发送信号并接收信号的系统。”

他在五年前创办了NPS，主要用于搜救无人机，以便当发生火灾等紧急情况时，在肉眼无法看清的树林深处艰难地带找到人和动物。

“我意识到，这种想法背后的算法相当复杂。因此，我最终与加州理工学院的巴巴克·哈希比（Babak Hassibi）教授取得了联系，选择了应用于数学领域的最新突破——原子范数（Atomic Norm）。” 雷兹瓦尼说。

哈希比证实，将原子范数应用于雷达是可能的。

AtomicSense的优势

雷兹瓦尼说，当雷达信号返回时，它通常被混在一起，有很多噪音，因此，需要进行处理。

“你必须做大量的提取信号的工作。这与我们在核磁共振或超声中所做的没有什么不同。在我们去除所有不必要的噪音之前，这些返回的信号无法理解，这就是雷达。”雷兹瓦尼表示。

他说，使用传统的雷达，它会发送一连串的信号，等待信号回来，然后研究细节，弄清楚什么样的目标和什么样的物体产生了这些特征，进行破译，得出10个或5个不同的结果对象。

“从根本上说，我们所做的是不同的，是基于空间和新的数学。它的出发性问题是：‘有多少个特征可以解释这个图像？’然后寻找所有可能的特征，促成最终的图像。从本质上讲，我们从另一个方面解决这个问题。” 雷兹瓦尼解释道。

也就是说，AtomicSense不是看单个物体，而是通过整个画面来进行识别。在同一时间内寻找电磁特征，寻找正在返回的信号。

“你希望能够识别出300米外的街道中央带着狗散步的行人，因为当你以60-80公里/时的速度在街上行驶时，你不希望发生事故。而其他传感器发现的的时候，通常已经太晚了。”他指出。

他把以前的雷达系统称为雷达2.0，把NPS的AtomicSense称为雷达3.0。他们专注在原子神经处理（Atomic neural processing），雷兹瓦尼认为，从根本上说，这比目前最先进的技术还要高出几个量级。

NPS创建了一个四级自主传感器融合平台，利用其AtomicSense平台测试多波段宽孔雷达以及相机和激光雷达（LiDAR）。

AtomicSense与激光雷达

雷兹瓦尼表示，AtomicSense雷达检测比传统雷达好十倍，而且做得和激光雷达一样好。

“我们的重点主要在雷达上，因为我们认为摄像机会越来越好。因此，随着时间的推移，可能不需要在方程式中同时使用相机和激光雷达。但这有可能在不久的将来发生变化。”他补充说，“你不能用任何其他传感器取代雷达，因为雷达独有的工作方式——它解决了许多激光雷达和相机都无法解决的问题。”

AtomicSense平台是一个基于原子范数的专利软件平台。它可以在低端GPU、中央处理器或通过边缘计算运行。与之相比，激光雷达就昂贵很多了，因为它是基于机械光学件，必须非常精确。激光雷达对灰尘很敏感，维护费用也很高。

NPS AtomicSense雷达处理的另一个优势是，它比传统平台有更少的误报，并提供更多的数据点，它在更多情况下更安全，可靠性更高。

根据雷兹瓦尼的介绍，它可以检测到在600米处穿越十字路口的汽车，探测距离可以达到传统雷达的2.5倍。

目前，NPS仍在不断地测试其传感器平台。

“我们用这个平台把所有的传感器集中在一起，继续进行研究。我们有一个多平台系统，可以仔细观察所有的场景，并决定哪一个需要改进。” 雷兹瓦尼说，“我们对整个自主性生态系统的最大增值是在雷达方面，它是目前的薄弱环节。我们正在用我们的软件带来突破性的进展。”

他介绍说，NPS可以用于汽车的信号处理软件，也可以进行国防应用，如雷神公司（美国的大型国防合约商）。使用AtomicSense，客户可以使用更少的雷达来达到同样的性能，或者有可能取代激光雷达以节省成本。

“我们的最终目标是拯救生命。” 雷兹瓦尼透露，“我们已经和几个客户谈过包括人工智能领域，汽车制造商以及Tier 1供应商。此外，还有一些国防公司。”