AdaRadar: Rate Adaptive Spectral Compression for Radar-based Perception¶

会议: CVPR2026 arXiv: 2603.17979 代码: 项目主页领域: autonomous_driving 关键词: 雷达感知, 自适应压缩, 频谱剪枝, 零阶梯度, 码率控制, 量化, DCT, 目标检测, 语义分割

一句话总结¶

提出 AdaRadar——基于 DCT 频谱剪枝与零阶代理梯度的在线自适应雷达数据压缩框架，在 100× 以上压缩率下仅损失 ~1%p 检测/分割性能，有效缓解雷达传感器到计算端的带宽瓶颈。

雷达在自动驾驶中的核心地位：相比相机和 LiDAR，毫米波雷达具有全天候、全光照的鲁棒性，可直接测量距离和多普勒速度，是感知系统不可或缺的模态。
原始雷达数据量爆炸：现代 MIMO 雷达数据量随 Tx/Rx 天线数二次增长。例如 16×12 级联 MIMO 配置下单帧约 100 MB，10 fps 吞吐量达数 Gbps，远超 CAN 总线等低带宽链路的传输能力。
缺乏专用雷达编解码器：视觉领域有成熟的 JPEG/学习压缩方案，但雷达领域尚无通用 codec。现有做法多用 CFAR 压缩为稀疏点云，不可避免地丢失丰富的张量级信息。
已有方法无法自适应：RadarOcc 等基于能量的 index-value 压缩方案以固定压缩率工作，无法在测试时根据场景动态调整——低复杂场景浪费带宽，高复杂场景则性能退化。
传统反向传播在此场景不可行：剪枝和量化操作不可微；即使能估计梯度，其张量大小与原始雷达数据相当，传输梯度本身就会抵消压缩收益。
自编码器方案部署受限：学习类压缩模型参数量往往比下游检测/分割模型还大，无法部署在计算和存储资源极其有限的雷达前端 DSP 上。

AdaRadar 将雷达前端（编码端）与计算端（解码端 + 推理网络）以反馈环路连接：

1) DCT 频谱剪枝

2) 缩放量化

每块计算峰值幅度 \(Q_{c,b}\)，以此为基准做 per-block 的均匀定点量化（如 8-bit）。
缩放因子仅需 \(s_{\text{FP}} / (s_{\text{FxP}} \cdot M^2)\) 的传输开销（64×64 块 + 8-bit 量化下仅 0.097%），保留了雷达信号的高动态范围。

3) 零阶代理梯度自适应

以 bounding-box 最大置信度 \(p_{\max}\) 作为代理目标（对分割任务则用平均像素级熵）。
对当前压缩率施加微小负扰动 \(\epsilon\)，进行第二次前向推理得到 \(p^-\)，以有限差分估计梯度：\(\hat{\nabla}_r h \approx (p - p^-) / \epsilon\)。
梯度下降更新 \(r_{t+1} = r_t - \eta \hat{\nabla}_{r_t} J\)，每步仅需 两次前向推理，无需反向传播，且不需要在带宽受限链路上传输梯度张量。

在线优化目标：\(\max_{\{r_t\}} \mathbb{E}[J_t(r_t)]\)，其中 \(J_t = h(\mathbf{x}_t, r_t) - \lambda \cdot B(r_t)\)，\(\lambda\) 控制精度–带宽权衡，\(B(\cdot)\) 为瞬时码率。
训练阶段：使用随机采样的剪枝率 \(r \sim U(r_{\min}, r_{\max})\) 和量化位宽进行 on-the-fly 压缩增强，使下游网络对不同压缩率具有鲁棒性。

RADIal 数据集（检测 + 分割）

方法	位宽	码率 (bpp)	压缩率	Precision	Recall	F1	mIoU
未压缩基线	32	32	1×	97.24	95.93	96.58	75.97
Index-value [RadarOcc]	32	2.67	12×	97.55	62.12	75.91	49.86
AdaRadar (Ours)	4	0.32	101×	96.25	94.04	95.13	79.34

CARRADA 数据集（语义分割）

方法	位宽	压缩率	mIoU	mDice
未压缩基线	32	1×	55.25	67.13
Index-value	32	29×	38.96	46.90
AdaRadar (Ours)	8	117×	54.03	65.87

Radatron 数据集（目标检测）

频谱剪枝 vs. 空间 Index-value：频谱剪枝在 5× 压缩以内几乎无性能损失，且 roll-off 梯度（23.1%/dec）远优于 index-value 的 46.6%/dec，鲁棒性显著更强。
码率–精度权衡：精度在 1 bpp 以上几乎不变，可据此设定自适应控制的下界 \(r_{\min}\)。
压缩即去噪：在 Radatron 上，压缩后检测 AP75 反而提升 ~5%，作者推测频谱剪枝起到了过滤噪声和杂波的作用。
在线自适应效果：自适应控制达到平均 0.279 bpp（115× 压缩），AR 为 93.91%；码率随场景复杂度在线波动，复杂场景自动降低压缩率以保性能。

实用性极高：编码端仅需 DCT + 排序 + 取整，可在现有嵌入式 DSP 上直接运行，无需神经网络部署。
100×+ 压缩率：在 RADIal 上实现 101× 压缩，仅 ~1.5%p F1 下降；在 CARRADA 上达 117×，mIoU 仅降 ~1%p。
零阶梯度巧妙避开两大难题：非可微操作与梯度传输开销，仅用两次前向推理即完成在线码率调整。
通用性好：适用于不同 FMCW 雷达、不同任务（检测/分割）、不同数据集（RADIal/CARRADA/Radatron），且可无修改地嵌入现有 DNN 流水线。