作者中心
专家审稿
责编办公
编辑办公当期论文
2025年
14卷
第1期
上一期
2025, 14(1): 1-15.
摘要
低频超宽带(UWB)雷达因其良好穿透性和分辨率，在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题，该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据，然后采用离散采样的方法将雷达图像转换为点云表示，由于人体行为识别属于时间序列上的分类问题，该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络，通过提取并分析四维点云的时空特征，实现了对人体行为的端到端识别。在模型的训练过程中，提出了一种点云数据多阈值融合的方法，进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证，并与现有方法进行了比较。结果表明，所提方法在人体行为识别率达到96.75%，且消耗较少的参数量和运算量，验证了其有效性。
低频超宽带(UWB)雷达因其良好穿透性和分辨率，在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题，该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据，然后采用离散采样的方法将雷达图像转换为点云表示，由于人体行为识别属于时间序列上的分类问题，该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络，通过提取并分析四维点云的时空特征，实现了对人体行为的端到端识别。在模型的训练过程中，提出了一种点云数据多阈值融合的方法，进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证，并与现有方法进行了比较。结果表明，所提方法在人体行为识别率达到96.75%，且消耗较少的参数量和运算量，验证了其有效性。
2025, 14(1): 16-27.
该文针对光学与雷达传感器融合人体姿态估计研究，基于连续时间微动累积量与姿态增量的物理对应关系，提出了一种单通道超宽带雷达人体姿态增量估计方案。具体来说，通过构造空时分步增量估计网络，采用空域伪3D卷积层与时域膨胀卷积层分步提取空时微动特征，将其映射为时间段内人体姿态增量，结合光学提供的姿态初值，实现人体三维姿态估计。实测数据结果表明，融合姿态估计在原地动作集取得5.38 cm估计误差，并能够实现一段时间行走动作连续姿态估计。与其他雷达姿态估计对比和消融实验证明了该文方法的优势。
该文针对光学与雷达传感器融合人体姿态估计研究，基于连续时间微动累积量与姿态增量的物理对应关系，提出了一种单通道超宽带雷达人体姿态增量估计方案。具体来说，通过构造空时分步增量估计网络，采用空域伪3D卷积层与时域膨胀卷积层分步提取空时微动特征，将其映射为时间段内人体姿态增量，结合光学提供的姿态初值，实现人体三维姿态估计。实测数据结果表明，融合姿态估计在原地动作集取得5.38 cm估计误差，并能够实现一段时间行走动作连续姿态估计。与其他雷达姿态估计对比和消融实验证明了该文方法的优势。
2025, 14(1): 28-43.
超宽带雷达具有抗干扰能力强、穿透性强等特点，被广泛应用于穿墙人体目标探测。单发单收雷达具有体积小、重量轻的优势，但是无法实现目标的二维定位。MIMO阵列雷达能够实现对于目标的定位，但是存在着体积与分辨率之间的相互制约，同时运算时间较长。该文基于分布式穿墙雷达，提出了一种基于分布式雷达的多目标自动检测方法。首先，对回波信号进行时域预处理、时频转换等，基于恒虚警检测的目标距离测量方法获取目标候选距离单元，使用滤波矩阵进行候选信号增强；基于生命信息对增强后信号进行关联，实现目标匹配；最后使用定位模块来实现雷达位置自确定，进而实现生命目标位置的快速、自动检测。为了避免偶发误差对最终定位结果的影响，该文使用定位场景剖分的方法实现穿墙场景下的生命目标二维定位。实验结果表明，该文所提方法可以实现穿墙场景下多目标的检测定位，在实测数据中运算时间为0.95 s，优于其他对比方法4倍以上。
超宽带雷达具有抗干扰能力强、穿透性强等特点，被广泛应用于穿墙人体目标探测。单发单收雷达具有体积小、重量轻的优势，但是无法实现目标的二维定位。MIMO阵列雷达能够实现对于目标的定位，但是存在着体积与分辨率之间的相互制约，同时运算时间较长。该文基于分布式穿墙雷达，提出了一种基于分布式雷达的多目标自动检测方法。首先，对回波信号进行时域预处理、时频转换等，基于恒虚警检测的目标距离测量方法获取目标候选距离单元，使用滤波矩阵进行候选信号增强；基于生命信息对增强后信号进行关联，实现目标匹配；最后使用定位模块来实现雷达位置自确定，进而实现生命目标位置的快速、自动检测。为了避免偶发误差对最终定位结果的影响，该文使用定位场景剖分的方法实现穿墙场景下的生命目标二维定位。实验结果表明，该文所提方法可以实现穿墙场景下多目标的检测定位，在实测数据中运算时间为0.95 s，优于其他对比方法4倍以上。
2025, 14(1): 44-61.
隔墙人体姿态重建和行为识别在智能安防和虚拟现实等领域具有广泛应用前景。然而，现有隔墙人体感知方法通常忽视了对4D时空特征的建模以及墙体对信号的影响，针对这些问题，该文创新性地提出了一种基于4D成像雷达的隔墙人体感知新架构。首先，基于时空分离的分步策略，该文设计了ST2W-AP时空融合网络，解决了由于主流深度学习库缺少4D卷积而无法充分利用多帧3D体素时空域信息的问题，实现了保留3D空域信息的同时利用长序时域信息，大幅提升姿态估计任务和行为识别任务的性能。此外，为抑制墙体对信号的干扰，该文利用深度学习强大的拟合性能和并行输出的特点设计了深度回波域补偿器，降低了传统墙体补偿方法的计算开销。大量的实验结果表明，相比于现有最佳方法，ST2W-AP将平均关节位置误差降低了33.57%，并且将行为识别的F1分数提高了0.51%。
隔墙人体姿态重建和行为识别在智能安防和虚拟现实等领域具有广泛应用前景。然而，现有隔墙人体感知方法通常忽视了对4D时空特征的建模以及墙体对信号的影响，针对这些问题，该文创新性地提出了一种基于4D成像雷达的隔墙人体感知新架构。首先，基于时空分离的分步策略，该文设计了ST2W-AP时空融合网络，解决了由于主流深度学习库缺少4D卷积而无法充分利用多帧3D体素时空域信息的问题，实现了保留3D空域信息的同时利用长序时域信息，大幅提升姿态估计任务和行为识别任务的性能。此外，为抑制墙体对信号的干扰，该文利用深度学习强大的拟合性能和并行输出的特点设计了深度回波域补偿器，降低了传统墙体补偿方法的计算开销。大量的实验结果表明，相比于现有最佳方法，ST2W-AP将平均关节位置误差降低了33.57%，并且将行为识别的F1分数提高了0.51%。
2025, 14(1): 62-72.
无人机载雷达具有高机动灵活的特点，可解决传统非接触式生命体征感知中存在的探测范围小和探测场景受限等问题。该项研究工作将4D成像雷达搭载于多旋翼无人机上，提出一种基于点云配准的无人机载4D雷达生命体征感知方法。该方法通过对雷达点云进行配准和运动补偿，消除无人机在悬停状态时的运动误差干扰，进而对齐人体目标后实现生命体征信号的获取。仿真实验结果表明该方法能够对齐4D成像雷达点云序列，有效抑制无人机的运动干扰，从而准确提取人体目标的呼吸和心跳信号，为无人机载非接触式生命体征感知提供了一种新的技术途径。
无人机载雷达具有高机动灵活的特点，可解决传统非接触式生命体征感知中存在的探测范围小和探测场景受限等问题。该项研究工作将4D成像雷达搭载于多旋翼无人机上，提出一种基于点云配准的无人机载4D雷达生命体征感知方法。该方法通过对雷达点云进行配准和运动补偿，消除无人机在悬停状态时的运动误差干扰，进而对齐人体目标后实现生命体征信号的获取。仿真实验结果表明该方法能够对齐4D成像雷达点云序列，有效抑制无人机的运动干扰，从而准确提取人体目标的呼吸和心跳信号，为无人机载非接触式生命体征感知提供了一种新的技术途径。
2025, 14(1): 73-89.
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势，在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式，对于人体行为姿态识别具有极大的价值。然而，由于毫米波雷达点云具有强稀疏性，给精准快速识别人体动作带来了巨大的挑战。针对这一问题，该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0，并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集，包括常见的12种人体动作，如走路、挥手、站立和跌倒等。在网络模型方面，该文将边缘卷积(EdgeConv)与Transformer相结合，提出了一种处理长时序三维点云的网络模型，即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图，以提取单帧点云的空间几何特征，并通过堆叠多个编码器的Transformer模块，提取多帧点云之间的时序关系。实验结果表明，所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%，比传统最优的基线网络模型提高了大约5%，且网络规模仅为1.09 M，适于在存储受限的边缘设备上部署。
毫米波雷达凭借其出色的环境适应性、高分辨率和隐私保护等优势，在智能家居、智慧养老和安防监控等领域具有广泛的应用前景。毫米波雷达三维点云是一种重要的空间数据表达形式，对于人体行为姿态识别具有极大的价值。然而，由于毫米波雷达点云具有强稀疏性，给精准快速识别人体动作带来了巨大的挑战。针对这一问题，该文公开了一个毫米波雷达人体动作三维点云数据集mmWave-3DPCHM-1.0，并提出了相应的数据处理方法和人体动作识别模型。该数据集由TI公司的IWR1443-ISK和Vayyar公司的vBlu射频成像模组分别采集，包括常见的12种人体动作，如走路、挥手、站立和跌倒等。在网络模型方面，该文将边缘卷积(EdgeConv)与Transformer相结合，提出了一种处理长时序三维点云的网络模型，即Point EdgeConv and Transformer (PETer)网络。该网络通过边缘卷积对三维点云逐帧创建局部有向邻域图，以提取单帧点云的空间几何特征，并通过堆叠多个编码器的Transformer模块，提取多帧点云之间的时序关系。实验结果表明，所提出的PETer网络在所构建的TI数据集和Vayyar数据集上的平均识别准确率分别达到98.77%和99.51%，比传统最优的基线网络模型提高了大约5%，且网络规模仅为1.09 M，适于在存储受限的边缘设备上部署。
2025, 14(1): 90-101.
该文提出了一种利用计算机视觉技术辅助实现包含运动人体散射特征的毫米波无线信道仿真方法。该方法旨在为毫米波无线人体动作识别场景之下，快速且低成本地生成仿真训练数据集，避免当前实测采集数据集的巨大开销。首先利用基元模型将人体建模为35个相互连接的椭球，并从包含人体动作的视频中提取出人体在进行对应动作时各个椭球的运动数据；其次利用简化的射线追踪方法，针对动作中基元模型的每一帧计算对应的信道响应；最后对信道响应进行多普勒分析，获得对应动作的微多普勒时频谱。上述仿真获得的微多普勒时频谱数据集可以用于训练无线动作识别的深度神经网络。该文针对“步行”“跑步”“跌倒”“坐下”这4种常见的人体动作在60 GHz频段上进行了信道仿真及动作识别的测试。实验结果表明，通过仿真训练的深度神经网络在实际无线动作识别中平均识别准确率可以达到73.0%。此外，借助无标签迁移学习，通过少量无标签实测数据的微调，上述准确率可以进一步提高到93.75%。
该文提出了一种利用计算机视觉技术辅助实现包含运动人体散射特征的毫米波无线信道仿真方法。该方法旨在为毫米波无线人体动作识别场景之下，快速且低成本地生成仿真训练数据集，避免当前实测采集数据集的巨大开销。首先利用基元模型将人体建模为35个相互连接的椭球，并从包含人体动作的视频中提取出人体在进行对应动作时各个椭球的运动数据；其次利用简化的射线追踪方法，针对动作中基元模型的每一帧计算对应的信道响应；最后对信道响应进行多普勒分析，获得对应动作的微多普勒时频谱。上述仿真获得的微多普勒时频谱数据集可以用于训练无线动作识别的深度神经网络。该文针对“步行”“跑步”“跌倒”“坐下”这4种常见的人体动作在60 GHz频段上进行了信道仿真及动作识别的测试。实验结果表明，通过仿真训练的深度神经网络在实际无线动作识别中平均识别准确率可以达到73.0%。此外，借助无标签迁移学习，通过少量无标签实测数据的微调，上述准确率可以进一步提高到93.75%。
2025, 14(1): 102-116.
睡眠呼吸暂停低通气综合征(SAHS)是一种常见的慢性睡眠呼吸障碍疾病，严重影响患者的睡眠质量和身体健康。该文提出了一种基于多源信号融合的睡眠呼吸暂停与低通气检测框架，通过融合毫米波雷达微动信号与光电容积脉搏波(PPG)描记法的脉搏波数据，实现高可靠的轻接触式睡眠呼吸暂停低通气综合征的诊断，以解决传统医学上依赖多导睡眠图(PSG)进行睡眠监测时舒适度差、成本高等缺点。研究中，为兼顾睡眠呼吸异常事件检测的准确率和鲁棒性，该文提出了一种雷达、脉搏波数据预处理算法得到信号中的时频信息和人工特征，并设计了用于将两类信号融合的深度神经网络，以实现对睡眠呼吸暂停和低通气事件的精准识别，从而估算呼吸暂停低通气指数(AHI)，用于对患者的睡眠呼吸异常严重程度进行定量评估。基于上海交通大学医学院附属第六人民医院临床试验数据集的实验结果表明，该文所提方案估算的AHI与金标准PSG的相关系数达到了0.93，一致性良好，有潜力普及成为家用睡眠呼吸监护的工具，并起到睡眠呼吸暂停低通气综合征初步筛查的作用。
睡眠呼吸暂停低通气综合征(SAHS)是一种常见的慢性睡眠呼吸障碍疾病，严重影响患者的睡眠质量和身体健康。该文提出了一种基于多源信号融合的睡眠呼吸暂停与低通气检测框架，通过融合毫米波雷达微动信号与光电容积脉搏波(PPG)描记法的脉搏波数据，实现高可靠的轻接触式睡眠呼吸暂停低通气综合征的诊断，以解决传统医学上依赖多导睡眠图(PSG)进行睡眠监测时舒适度差、成本高等缺点。研究中，为兼顾睡眠呼吸异常事件检测的准确率和鲁棒性，该文提出了一种雷达、脉搏波数据预处理算法得到信号中的时频信息和人工特征，并设计了用于将两类信号融合的深度神经网络，以实现对睡眠呼吸暂停和低通气事件的精准识别，从而估算呼吸暂停低通气指数(AHI)，用于对患者的睡眠呼吸异常严重程度进行定量评估。基于上海交通大学医学院附属第六人民医院临床试验数据集的实验结果表明，该文所提方案估算的AHI与金标准PSG的相关系数达到了0.93，一致性良好，有潜力普及成为家用睡眠呼吸监护的工具，并起到睡眠呼吸暂停低通气综合征初步筛查的作用。
2025, 14(1): 117-134.
近年来，人们越来越关注多人环境下的呼吸监测，以及如何同时监测多人的健康状态。在多人呼吸检测的算法中，盲源分离算法因其无需先验信息并且对硬件性能依赖性较小而备受研究者关注。然而，在多人呼吸监测场景中，目前的盲源分离算法通常将相位信号作为源信号进行分离，该文引入FMCW雷达下距离维信号和相位信号的对比，推导出相位信号作为源信号存在近似误差，并通过仿真验证距离维信号作为源信号时分离效果更好。另外，该文提出了基于非圆复数独立成分分析的多人呼吸信号分离算法，分析了不同呼吸信号参数对分离效果的影响，仿真和实测实验表明，所提出的方法适用于天线个数不小于目标个数时多人呼吸信号的检测，并且在目标角度差为9.46°时，也能够准确分离呼吸信号。
近年来，人们越来越关注多人环境下的呼吸监测，以及如何同时监测多人的健康状态。在多人呼吸检测的算法中，盲源分离算法因其无需先验信息并且对硬件性能依赖性较小而备受研究者关注。然而，在多人呼吸监测场景中，目前的盲源分离算法通常将相位信号作为源信号进行分离，该文引入FMCW雷达下距离维信号和相位信号的对比，推导出相位信号作为源信号存在近似误差，并通过仿真验证距离维信号作为源信号时分离效果更好。另外，该文提出了基于非圆复数独立成分分析的多人呼吸信号分离算法，分析了不同呼吸信号参数对分离效果的影响，仿真和实测实验表明，所提出的方法适用于天线个数不小于目标个数时多人呼吸信号的检测，并且在目标角度差为9.46°时，也能够准确分离呼吸信号。
2025, 14(1): 135-150.
在无感雷达体征监测中，与连续波(CW)雷达相比，调频式雷达(如FMCW和UWB)能实现对目标与杂波在距离上的有效区分。通过距离傅里叶变换，可以从不同距离区间提取出准静态目标的心跳和呼吸信号，从而提高监测精度。在已有研究中被广泛使用的距离快速傅里叶变换(FFT)存在一些缺陷：首先，当受试者的呼吸幅度过大，胸腔反射面可能会跨越距离仓的边界，从而影响信号的完整性。其次，受试者的呼吸运动会对生理信号造成幅度上的调制，不利于体征信号的波形恢复。基于上述原因该文提出了基于距离抽头重构和动态解调的算法架构，针对上述两种情况，在仿真和实验中对算法性能进行了评估。仿真分析表明发生跨距离仓的信号经过所提出算法处理后，信噪比(SNR)提升了17±5 dB。此外，实验通过获取8名受试者的多普勒心跳图(DHD)信号，定量分析了DHD信号与心冲击图 (BCG)的一致性，DHD信号中心跳间隔相对于BCG信号的心跳间隔的均方根误差(RMSE)为21.58±13.26 ms (3.40%±2.08%)。
在无感雷达体征监测中，与连续波(CW)雷达相比，调频式雷达(如FMCW和UWB)能实现对目标与杂波在距离上的有效区分。通过距离傅里叶变换，可以从不同距离区间提取出准静态目标的心跳和呼吸信号，从而提高监测精度。在已有研究中被广泛使用的距离快速傅里叶变换(FFT)存在一些缺陷：首先，当受试者的呼吸幅度过大，胸腔反射面可能会跨越距离仓的边界，从而影响信号的完整性。其次，受试者的呼吸运动会对生理信号造成幅度上的调制，不利于体征信号的波形恢复。基于上述原因该文提出了基于距离抽头重构和动态解调的算法架构，针对上述两种情况，在仿真和实验中对算法性能进行了评估。仿真分析表明发生跨距离仓的信号经过所提出算法处理后，信噪比(SNR)提升了17±5 dB。此外，实验通过获取8名受试者的多普勒心跳图(DHD)信号，定量分析了DHD信号与心冲击图 (BCG)的一致性，DHD信号中心跳间隔相对于BCG信号的心跳间隔的均方根误差(RMSE)为21.58±13.26 ms (3.40%±2.08%)。
2025, 14(1): 151-167.
现有的基于雷达传感器的人体动作识别研究主要聚焦于相对雷达径向运动产生的微多普勒特征。当面对非径向，特别是静态姿势或者运动方向与雷达波束中心垂直的切向动作(切向人体姿态)时，传统基于微多普勒的方法无法对径向运动微弱的切向人体姿态进行有效表征，导致识别性能大幅下降。为了解决这一问题，该文提出了一种基于多发多收(MIMO)雷达成像图序列的切向人体姿态识别方法，以高质量成像图序列的形式来表征切向姿态的人体轮廓结构及其动态变化，通过提取图像内的空间特征和图序列间的时序特征，实现对切向人体姿态的准确识别。首先，通过恒虚警检测算法(CFAR)定位人体目标所在距离门，接着，利用慢时滑窗将目标动作划分为帧序列，对每帧数据用傅里叶变换和二维Capon算法估计出切向姿态的距离、俯仰角度和方位角度，得到切向姿态的成像图，将各帧成像图按照时序串联起来，构成切向人体姿态成像图序列；然后，提出了一种改进的多域联合自适应阈值去噪算法，抑制环境杂波，增强人体轮廓和结构特征，改善成像质量；最后，采用了一种基于空时注意力模块的卷积长短期记忆网络模型(ST-ConvLSTM)，利用ConvLSTM单元来学习切向人体姿态成像图序列中的多维特征，并结合空时注意力模块来强调成像图内的空间特征和图序列间的时序特征。对比实验的分析结果表明，相比于传统方法，该文所提出的方法在8种典型的切向人体姿态的识别中取得了96.9%的准确率，验证了该方法在切向人体姿态识别上的可行性和优越性。
现有的基于雷达传感器的人体动作识别研究主要聚焦于相对雷达径向运动产生的微多普勒特征。当面对非径向，特别是静态姿势或者运动方向与雷达波束中心垂直的切向动作(切向人体姿态)时，传统基于微多普勒的方法无法对径向运动微弱的切向人体姿态进行有效表征，导致识别性能大幅下降。为了解决这一问题，该文提出了一种基于多发多收(MIMO)雷达成像图序列的切向人体姿态识别方法，以高质量成像图序列的形式来表征切向姿态的人体轮廓结构及其动态变化，通过提取图像内的空间特征和图序列间的时序特征，实现对切向人体姿态的准确识别。首先，通过恒虚警检测算法(CFAR)定位人体目标所在距离门，接着，利用慢时滑窗将目标动作划分为帧序列，对每帧数据用傅里叶变换和二维Capon算法估计出切向姿态的距离、俯仰角度和方位角度，得到切向姿态的成像图，将各帧成像图按照时序串联起来，构成切向人体姿态成像图序列；然后，提出了一种改进的多域联合自适应阈值去噪算法，抑制环境杂波，增强人体轮廓和结构特征，改善成像质量；最后，采用了一种基于空时注意力模块的卷积长短期记忆网络模型(ST-ConvLSTM)，利用ConvLSTM单元来学习切向人体姿态成像图序列中的多维特征，并结合空时注意力模块来强调成像图内的空间特征和图序列间的时序特征。对比实验的分析结果表明，相比于传统方法，该文所提出的方法在8种典型的切向人体姿态的识别中取得了96.9%的准确率，验证了该方法在切向人体姿态识别上的可行性和优越性。
2025, 14(1): 168-188.
全球老龄化趋势日益加剧，健康生活理念深入人心，居民对居家健康监测的需求也随之而来。为了减少健康监测对日常活动的影响，非接触式监测系统的需求量激增。然而，目前主流的检测方法存在隐私信任度低、电磁兼容性差和制造成本高等问题。对此，该文提出一种基于超声波雷达的非接触式生命体征信号测量系统——U-Sodar，包括一套基于3发4收MIMO架构的硬件和一套信号处理算法。其中U-Sodar本振采用分频技术，相位噪声低，检测精度高；接收机采用前端直接采样技术，在简化结构的同时有效减少外部噪声；发射采用可调PWM直接驱动，可发射多种超声波形，具备软件定义超声波系统特性。U-Sodar的信号处理算法采用信号弦长的图处理技术，利用图片滤波后重构的方法可在5 dB信噪比下实现信号相位的准确恢复。试验测试了U-Sodar系统的抗干扰性能与穿透性能，证明了超声穿透是依赖材料孔隙而非跨介质振动传导。并推导了给定信噪比与正确解调概率下的最小可测量位移。实际生命体征信号测量实验中，U-Sodar可分别在3.0 m和1.5 m距离内实现呼吸率和心率的准确测量，在1.0 m内可测得心跳波形。实验结果证明了U-Sodar超声波雷达在非接触式生命体征检测应用中的可行性及发展潜力。
全球老龄化趋势日益加剧，健康生活理念深入人心，居民对居家健康监测的需求也随之而来。为了减少健康监测对日常活动的影响，非接触式监测系统的需求量激增。然而，目前主流的检测方法存在隐私信任度低、电磁兼容性差和制造成本高等问题。对此，该文提出一种基于超声波雷达的非接触式生命体征信号测量系统——U-Sodar，包括一套基于3发4收MIMO架构的硬件和一套信号处理算法。其中U-Sodar本振采用分频技术，相位噪声低，检测精度高；接收机采用前端直接采样技术，在简化结构的同时有效减少外部噪声；发射采用可调PWM直接驱动，可发射多种超声波形，具备软件定义超声波系统特性。U-Sodar的信号处理算法采用信号弦长的图处理技术，利用图片滤波后重构的方法可在5 dB信噪比下实现信号相位的准确恢复。试验测试了U-Sodar系统的抗干扰性能与穿透性能，证明了超声穿透是依赖材料孔隙而非跨介质振动传导。并推导了给定信噪比与正确解调概率下的最小可测量位移。实际生命体征信号测量实验中，U-Sodar可分别在3.0 m和1.5 m距离内实现呼吸率和心率的准确测量，在1.0 m内可测得心跳波形。实验结果证明了U-Sodar超声波雷达在非接触式生命体征检测应用中的可行性及发展潜力。
2025, 14(1): 189-203.
2010年以来，基于商用WiFi设备实现非接触式呼吸监测得到了广泛关注。然而，现有的方法受人体反射信号强度制约，通常要求人正面朝向WiFi设备，当人体侧向或背部朝向设备时，胸腔反射信号的减弱使得呼吸监测变得困难。为了解决这个问题，该文提出了一种基于智能反射表面(IRS)的新型呼吸监测系统。该系统利用智能反射表面控制WiFi信号在环境中的传播路径，增强了人体的反射，最终实现了姿势鲁棒地呼吸监测。此外，该系统易于部署，无需事先知道收发天线与智能反射表面的确切位置和相应的环境信息。实验验证，与现有的方法相比，该系统显著改善了不同姿势下人体的呼吸监测效果。
2010年以来，基于商用WiFi设备实现非接触式呼吸监测得到了广泛关注。然而，现有的方法受人体反射信号强度制约，通常要求人正面朝向WiFi设备，当人体侧向或背部朝向设备时，胸腔反射信号的减弱使得呼吸监测变得困难。为了解决这个问题，该文提出了一种基于智能反射表面(IRS)的新型呼吸监测系统。该系统利用智能反射表面控制WiFi信号在环境中的传播路径，增强了人体的反射，最终实现了姿势鲁棒地呼吸监测。此外，该系统易于部署，无需事先知道收发天线与智能反射表面的确切位置和相应的环境信息。实验验证，与现有的方法相比，该系统显著改善了不同姿势下人体的呼吸监测效果。
2025, 14(1): 204-228.
超宽带(UWB)雷达由于具有结构简单、发射功率低、穿透能力强、分辨能力高、传输速度快等诸多优势，逐渐成为多探测场景广泛应用的生命信息探测技术及装备。要完成生命信息的有效探测，关键是利用雷达回波信息处理技术从UWB雷达回波中提取被测人员的呼吸心跳信号，这对不同场景实现生命信息的判定、位置信息的获取、疾病的监测和预防以及保障人员安全具有至关重要的意义。为此，该文介绍了UWB雷达及分类、电磁散射机理和探测原理；分析了呼吸心跳信号的雷达回波模型构建现状；从时域、频域、时频域分析方法等角度梳理了现有呼吸心跳信号的提取方法；并从矿山救援、地震救援、医疗健康、穿墙探测等场景归纳了呼吸心跳信号提取的研究进展。总结了当前研究中存在的主要问题，展望了未来研究工作应重点关注的领域。
超宽带(UWB)雷达由于具有结构简单、发射功率低、穿透能力强、分辨能力高、传输速度快等诸多优势，逐渐成为多探测场景广泛应用的生命信息探测技术及装备。要完成生命信息的有效探测，关键是利用雷达回波信息处理技术从UWB雷达回波中提取被测人员的呼吸心跳信号，这对不同场景实现生命信息的判定、位置信息的获取、疾病的监测和预防以及保障人员安全具有至关重要的意义。为此，该文介绍了UWB雷达及分类、电磁散射机理和探测原理；分析了呼吸心跳信号的雷达回波模型构建现状；从时域、频域、时频域分析方法等角度梳理了现有呼吸心跳信号的提取方法；并从矿山救援、地震救援、医疗健康、穿墙探测等场景归纳了呼吸心跳信号提取的研究进展。总结了当前研究中存在的主要问题，展望了未来研究工作应重点关注的领域。
2025, 14(1): 229-247.
人体姿态估计在人机交互、动作捕捉和虚拟现实等领域具有广泛的应用前景，一直是人体感知研究的重要方向。然而，基于光学图像的姿态估计方法往往受限于光照条件和隐私问题。因此，利用可在各种光照遮挡下工作，且具有隐私保护性的无线信号进行人体姿态估计获得了更多关注。根据无线信号的工作频率，现有技术可分为高频方法和低频方法，且不同的信号频率对应硬件系统、信号特性、噪声处理和深度学习算法设计等方面均有所不同。该文将以毫米波雷达、穿墙雷达和WiFi信号为代表，回顾其在人体姿态重建研究中的进展和代表性工作，分析各类信号模式的优势与局限，并对潜在研究难点以及未来发展趋势进行了展望。
人体姿态估计在人机交互、动作捕捉和虚拟现实等领域具有广泛的应用前景，一直是人体感知研究的重要方向。然而，基于光学图像的姿态估计方法往往受限于光照条件和隐私问题。因此，利用可在各种光照遮挡下工作，且具有隐私保护性的无线信号进行人体姿态估计获得了更多关注。根据无线信号的工作频率，现有技术可分为高频方法和低频方法，且不同的信号频率对应硬件系统、信号特性、噪声处理和深度学习算法设计等方面均有所不同。该文将以毫米波雷达、穿墙雷达和WiFi信号为代表，回顾其在人体姿态重建研究中的进展和代表性工作，分析各类信号模式的优势与局限，并对潜在研究难点以及未来发展趋势进行了展望。
微信 | 公众平台 
