英飞凌科技汽车微控制器产品营销总监Marco Cassol表示：“汽车雷达系统在经历了产品的迭代升级之后，其性能实现了跃升。其中，边缘人工智能处理是帮助我们提高雷达性能的创新技术之一。TERAKI独特的雷达算法应用到英飞凌全新的并行处理单元（PPU）中，能够让英飞凌的AURIX TC4x微控制器推动新一代雷达实现性能提升。”
TERAKI首席执行官Daniel Richart表示：“通过完善算法，我们取得了事半功倍的效果。我们的解决方案能够以最小的数据计算负载，利用雷达信号准确检测并正确分类接收区域中静态和移动物体，从而为AD和ADAS应用提供必要的信息，实现态势感知和决策控制。我们的最终目标是通过减少推理时间、降低资源受限设备所需的处理能力来确保证边缘端的安全。”
随着雷达逐渐成为业内标准的具有高性价比的信号处理技术，突破这项传感器技术的局限性已成为当务之急。例如，各种干扰会严重降低雷达的探测性能，导致雷达在复杂的环境下无法对多个目标进行检测，而且多目标检测也需要更高的数据处理能力。此外，如果要准确检测和正确分类静态和移动物体，需要增加每帧的数据点并提供小于1度的角分辨率，以实现更高的雷达测量精度。
TERAKI的机器学习（ML）算法将通过处理原始数据和减少干扰因素来解决这一挑战，同时作为一项认知功能剖析雷达捕获的信息，在复杂的环境中准确识别目标物体以及点云障碍物和其他干扰因素，并减轻边缘端的数据处理负载。与CFAR等其他雷达处理技术相比，TERAKI的ML探测增加了单个对象上的数据点，由此可以减少误报，进而提高安全性。
TERAKI的机器学习算法集成到英飞凌的AURIX TC4x微控制器中，在第一次快速傅里叶变换（FFT）后减少了雷达信号，能够在相同的RAM/fps条件下将遗失错误率降低到了原有错误率的1/25。与CFAR相比，该算法的分类精度可提高20%，有效检测率可提高15%以上。借助最新的雷达检测软件，TERAKI将改进边缘设备的芯片组架构，以确保AURIX TC4x微控制器的实时处理能力，将数据采样的比特率从原本的8位或32位降低至4位或5位，在不影响F1分数的情况下，减轻计算需求，从而使所需的内存减少至原来的1/2。
