作者中心
专家审稿
责编办公
编辑办公引用排行
（被引数据来源于全网，每月更新）
1
2025, 14(1): 102-116.
摘要
3338KB
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。
2
2025, 14(1): 73-90.
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。
3
2025, 14(5): 1196-1214.
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时，需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型，会导致主瓣杂波出现严重的空时非平稳问题，从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响，但是在处理过程中会出现字典离网问题，从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性，但在针对复杂、多变场景时，也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题，该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先，基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型，克服传统离散字典模型下的离网问题；其次，采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解；然后，根据迭代流程和数据流图进行网络化处理，将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net；再次，设置归一化均方根误差网络损失函数，并利用获取的数据集对网络模型进行训练；最后，利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理，从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理，表明该方法具有更好的杂波抑制性能和更加高效的运算效率。
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时，需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型，会导致主瓣杂波出现严重的空时非平稳问题，从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响，但是在处理过程中会出现字典离网问题，从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性，但在针对复杂、多变场景时，也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题，该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先，基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型，克服传统离散字典模型下的离网问题；其次，采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解；然后，根据迭代流程和数据流图进行网络化处理，将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net；再次，设置归一化均方根误差网络损失函数，并利用获取的数据集对网络模型进行训练；最后，利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理，从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理，表明该方法具有更好的杂波抑制性能和更加高效的运算效率。
4
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。
5
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%。
6
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。
7
2025, 14(2): 366-388.
基于深度学习的合成孔径雷达(SAR)图像目标识别技术日趋成熟。然而，受散射特性、噪声干扰等影响，同类目标的SAR成像结果存在差异。面向高精度目标识别需求，该文将目标实体、生存环境及其交互空间中不变性特征的组合抽象为目标本质特征，提出基于图网络与不变性特征感知的SAR图像目标识别方法。该方法用双分支网络处理多视角SAR图像，通过旋转可学习单元对齐双支特征并强化旋转免疫的不变性特征。为实现多粒度本质特征提取，设计目标本体特征强化单元、环境特征采样单元、上下文自适应融合更新单元，并基于图神经网络分析其融合结果，构建本质特征拓扑，输出目标类别向量。该文使用t-SNE方法定性评估算法的类别辨识能力，基于准确率等指标定量分析关键单元及整体网络，采用类激活图可视化方法验证各阶段、各分支网络的不变性特征提取能力。该文所提方法在MSTAR车辆、SAR-ACD飞机、OpenSARShip船只数据集上的平均识别准确率分别达到了98.56%, 94.11%, 86.20%。实验结果表明，该算法具备在SAR图像目标识别任务中目标本质特征提取能力，在多类别目标识别方面展现出较高的稳健性。
基于深度学习的合成孔径雷达(SAR)图像目标识别技术日趋成熟。然而，受散射特性、噪声干扰等影响，同类目标的SAR成像结果存在差异。面向高精度目标识别需求，该文将目标实体、生存环境及其交互空间中不变性特征的组合抽象为目标本质特征，提出基于图网络与不变性特征感知的SAR图像目标识别方法。该方法用双分支网络处理多视角SAR图像，通过旋转可学习单元对齐双支特征并强化旋转免疫的不变性特征。为实现多粒度本质特征提取，设计目标本体特征强化单元、环境特征采样单元、上下文自适应融合更新单元，并基于图神经网络分析其融合结果，构建本质特征拓扑，输出目标类别向量。该文使用t-SNE方法定性评估算法的类别辨识能力，基于准确率等指标定量分析关键单元及整体网络，采用类激活图可视化方法验证各阶段、各分支网络的不变性特征提取能力。该文所提方法在MSTAR车辆、SAR-ACD飞机、OpenSARShip船只数据集上的平均识别准确率分别达到了98.56%, 94.11%, 86.20%。实验结果表明，该算法具备在SAR图像目标识别任务中目标本质特征提取能力，在多类别目标识别方面展现出较高的稳健性。
8
2025, 14(1): 28-44.
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。
9
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。
10
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。
11
2025, 14(1): 90-102.
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%。
12
2025, 14(2): 405-423.
作为中国新一代天基长波SAR的代表，陆地探测1号01卫星(LT-1A)于2022年1月发射进入太阳同步轨道。LT-1A搭载的长波合成孔径雷达(SAR)工作在L波段，具备单极化、线性双极化、紧缩双极化、全极化等对地观测能力。现有研究主要侧重于LT-1A重轨干涉数据获取能力以及数字高程模型、沉降产品的生产精度评价，对LT-1A的辐射精度、地物极化信息保持能力的研究较为缺乏。该文以热带雨林植被为观测对象，通过不依赖人工定标器的自主定标方法对LT-1A全极化数据辐射误差、极化误差的稳定性进行评价与分析。实验表明：LT-1A传感器的辐射稳定性较好、极化精度优于国际对地观测组织(CEOS)推荐指标。持续对地观测1000 km内归一化雷达截面(NRCS)误差波动小于1 dB (3倍标准差)、5天内重返观测时辐射误差波动小于0.5 dB (3倍标准差)；全极化观测模式下系统串扰低于–35 dB甚至达到–40 dB，交叉极化通道不平衡优于0.2 dB与2°，同通道不平衡优于0.5 dB与10°；系统噪声介于–42～–22 dB，平均系统等效热噪声优于–25 dB，热噪声水平随持续对地观测时长的增加有升高。此外，该研究验证了电离层对LT-1A极化数据质量的影响：5°法拉第旋转角造成的图像退化与–20 dB系统串扰带来的影响相当，而3°～20°法拉第旋转角在中、低纬度较为常见，这将带来–21.16～–8.78 dB的极化通道间扰动，即电离层对全极化数据质量的退化相较传感器–40 dB的串扰更为严重。
作为中国新一代天基长波SAR的代表，陆地探测1号01卫星(LT-1A)于2022年1月发射进入太阳同步轨道。LT-1A搭载的长波合成孔径雷达(SAR)工作在L波段，具备单极化、线性双极化、紧缩双极化、全极化等对地观测能力。现有研究主要侧重于LT-1A重轨干涉数据获取能力以及数字高程模型、沉降产品的生产精度评价，对LT-1A的辐射精度、地物极化信息保持能力的研究较为缺乏。该文以热带雨林植被为观测对象，通过不依赖人工定标器的自主定标方法对LT-1A全极化数据辐射误差、极化误差的稳定性进行评价与分析。实验表明：LT-1A传感器的辐射稳定性较好、极化精度优于国际对地观测组织(CEOS)推荐指标。持续对地观测1000 km内归一化雷达截面(NRCS)误差波动小于1 dB (3倍标准差)、5天内重返观测时辐射误差波动小于0.5 dB (3倍标准差)；全极化观测模式下系统串扰低于–35 dB甚至达到–40 dB，交叉极化通道不平衡优于0.2 dB与2°，同通道不平衡优于0.5 dB与10°；系统噪声介于–42～–22 dB，平均系统等效热噪声优于–25 dB，热噪声水平随持续对地观测时长的增加有升高。此外，该研究验证了电离层对LT-1A极化数据质量的影响：5°法拉第旋转角造成的图像退化与–20 dB系统串扰带来的影响相当，而3°～20°法拉第旋转角在中、低纬度较为常见，这将带来–21.16～–8.78 dB的极化通道间扰动，即电离层对全极化数据质量的退化相较传感器–40 dB的串扰更为严重。
13
2025, 14(2): 389-404.
由于侧视和相干成像机制，当高分辨率合成孔径雷达(SAR)图像的成像视角变化较大时，图像间的特征差异会变大，使图像配准难度增加。针对高分辨率多视角SAR图像，传统的配准技术主要面临提取的关键点定位精度不足和匹配精度低的问题。基于上述难点，该文设计了一种端到端的高分辨率多视角SAR图像配准网络。文章主要贡献包括：提出基于局部像素偏移模型的高分辨率SAR图像特征提取方法，该方法提出多样性峰值损失监督训练关键点提取网络中响应权重分配部分，并通过检测像素偏移量来优化关键点坐标；提出基于自适应调整卷积核采样位置的描述符提取方法，利用稀疏交叉熵损失监督训练网络中描述符匹配。实验结果显示，相比于其他配准方法，该文提出的算法针对高分辨率多视角SAR图像配准效果显著，平均误差降低超过65%，正确匹配点对数提高了3～5倍，运行时间平均缩短50%以上。
由于侧视和相干成像机制，当高分辨率合成孔径雷达(SAR)图像的成像视角变化较大时，图像间的特征差异会变大，使图像配准难度增加。针对高分辨率多视角SAR图像，传统的配准技术主要面临提取的关键点定位精度不足和匹配精度低的问题。基于上述难点，该文设计了一种端到端的高分辨率多视角SAR图像配准网络。文章主要贡献包括：提出基于局部像素偏移模型的高分辨率SAR图像特征提取方法，该方法提出多样性峰值损失监督训练关键点提取网络中响应权重分配部分，并通过检测像素偏移量来优化关键点坐标；提出基于自适应调整卷积核采样位置的描述符提取方法，利用稀疏交叉熵损失监督训练网络中描述符匹配。实验结果显示，相比于其他配准方法，该文提出的算法针对高分辨率多视角SAR图像配准效果显著，平均误差降低超过65%，正确匹配点对数提高了3～5倍，运行时间平均缩短50%以上。
14
2025, 14(4): 1071-1091.
雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境。人工智能凭借其强大的学习能力直接从大量数据中自动学习特征，无需对数据进行显式建模，促进了雷达通信的深度融合。该文围绕人工智能驱动的雷达通信一体化研究展开系统的综述。具体而言，首先阐述了雷达通信一体化系统模型与核心问题。在此基础上，从雷达通信共存和双功能雷达通信一体化两个方面梳理了人工智能驱动的雷达通信一体化最新研究进展。最后，总结全文并对该领域潜在的技术挑战和未来的研究方向进行了展望。
雷达通信一体化通过资源共享机制，在提高系统频谱利用率的同时实现了轻量化设计，广泛应用于空中交通管制、医疗监测、自动驾驶等领域。传统的雷达通信一体化算法通常依赖于精确的数学建模和信道估计，无法适应难以刻画的动态复杂环境。人工智能凭借其强大的学习能力直接从大量数据中自动学习特征，无需对数据进行显式建模，促进了雷达通信的深度融合。该文围绕人工智能驱动的雷达通信一体化研究展开系统的综述。具体而言，首先阐述了雷达通信一体化系统模型与核心问题。在此基础上，从雷达通信共存和双功能雷达通信一体化两个方面梳理了人工智能驱动的雷达通信一体化最新研究进展。最后，总结全文并对该领域潜在的技术挑战和未来的研究方向进行了展望。
15
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。
16
2025, 14(1): 1-15.
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。
17
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。
18
2025, 14(2): 439-455.
随着电子技术的快速发展，雷达面临的电磁环境日益复杂。当存在主瓣有源欺骗干扰时，传统相控阵雷达自适应波束形成抗干扰失效，主瓣干扰抑制已成为雷达领域亟待解决的共性难题。该文针对来自主瓣的自卫式转发干扰，提出了一种时空多维域编码抗主瓣欺骗式干扰方法。首先，设计发射通道-脉冲-子脉冲编码，在接收端采用多普勒分多址方法实现了发射信号分离。针对目标高速运动导致的分离错位现象，提出一种基于波束形成能量差的移位数估计方法。随后，利用目标与干扰的延时相位差，设计收发联合的双重编码相位补偿方法，在发射空间频率域实现对真实目标、跨脉冲转发干扰、脉内转发干扰的区分，并且通过构建联合发射-接收权矢量，对主瓣欺骗式干扰进行空域滤波抑制。针对实际中波达角度(DOA)误差造成的抗干扰性能下降问题，构建了以最大化输出信干噪比(SINR)为目标函数的约束优化问题，基于交替迭代算法对接收权矢量，发射编码系数、接收编码系数分别进行优化。仿真实验验证了所提方法相比于其他雷达体制在抗主瓣欺骗干扰方面的有效性，其中相比于传统MIMO雷达，所提阵列时空多维域编码技术在4个主瓣干扰存在的情况下SINR可提升34 dB。
随着电子技术的快速发展，雷达面临的电磁环境日益复杂。当存在主瓣有源欺骗干扰时，传统相控阵雷达自适应波束形成抗干扰失效，主瓣干扰抑制已成为雷达领域亟待解决的共性难题。该文针对来自主瓣的自卫式转发干扰，提出了一种时空多维域编码抗主瓣欺骗式干扰方法。首先，设计发射通道-脉冲-子脉冲编码，在接收端采用多普勒分多址方法实现了发射信号分离。针对目标高速运动导致的分离错位现象，提出一种基于波束形成能量差的移位数估计方法。随后，利用目标与干扰的延时相位差，设计收发联合的双重编码相位补偿方法，在发射空间频率域实现对真实目标、跨脉冲转发干扰、脉内转发干扰的区分，并且通过构建联合发射-接收权矢量，对主瓣欺骗式干扰进行空域滤波抑制。针对实际中波达角度(DOA)误差造成的抗干扰性能下降问题，构建了以最大化输出信干噪比(SINR)为目标函数的约束优化问题，基于交替迭代算法对接收权矢量，发射编码系数、接收编码系数分别进行优化。仿真实验验证了所提方法相比于其他雷达体制在抗主瓣欺骗干扰方面的有效性，其中相比于传统MIMO雷达，所提阵列时空多维域编码技术在4个主瓣干扰存在的情况下SINR可提升34 dB。
19
2025, 14(2): 322-337.
地海杂波分类是提升天波超视距雷达目标定位精度的关键技术，其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本，训练时间长，费效比高；此外，其输入为单个方位-距离单元杂波，未考虑样本的类内和类间信息，导致模型性能不佳。针对上述问题，该文通过分析相邻方位-距离单元之间的相关性，将地海杂波数据由欧氏空间转换为非欧氏空间中的图数据，引入样本之间的关系，并提出一种基于多通道图卷积神经网络(MC-GCN)的地海杂波分类方法。MC-GCN将图数据由单通道分解为多通道，每个通道只包含一种类型的边和一个权重矩阵，通过约束节点信息聚合的过程，能够有效缓解由异质性造成的节点属性误判。该文选取不同季节、不同时刻、不同探测区域RD图，依据雷达参数、数据特性和样本比例，构建包含12种不同场景的地海杂波原始数据集和36种不同配置的地海杂波稀缺数据集，并对MC-GCN的有效性进行验证。通过与最先进的地海杂波分类方法进行比较，该文所提出的MC-GCN在上述数据集中均表现最优，其分类准确率不低于92%。
地海杂波分类是提升天波超视距雷达目标定位精度的关键技术，其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本，训练时间长，费效比高；此外，其输入为单个方位-距离单元杂波，未考虑样本的类内和类间信息，导致模型性能不佳。针对上述问题，该文通过分析相邻方位-距离单元之间的相关性，将地海杂波数据由欧氏空间转换为非欧氏空间中的图数据，引入样本之间的关系，并提出一种基于多通道图卷积神经网络(MC-GCN)的地海杂波分类方法。MC-GCN将图数据由单通道分解为多通道，每个通道只包含一种类型的边和一个权重矩阵，通过约束节点信息聚合的过程，能够有效缓解由异质性造成的节点属性误判。该文选取不同季节、不同时刻、不同探测区域RD图，依据雷达参数、数据特性和样本比例，构建包含12种不同场景的地海杂波原始数据集和36种不同配置的地海杂波稀缺数据集，并对MC-GCN的有效性进行验证。通过与最先进的地海杂波分类方法进行比较，该文所提出的MC-GCN在上述数据集中均表现最优，其分类准确率不低于92%。
20
2025, 14(2): 338-352.
当前辐射源个体识别技术多数基于有监督学习条件下开展，不适应由于采集环境(天气条件、地形和障碍物、干扰源)、器件性能(雷达分辨率、信号处理能力、硬件故障)、标注者水平等因素导致的大范围标签缺失的情形。该文提出了一种基于弱监督小波KAN (WSW-KAN)网络的弱标注辐射源识别算法。该算法首先结合KAN网络独有的边缘函数可学习特性和小波函数的多分辨率分析特性，构建WSW-KAN基线网络；然后将弱标注数据集拆分为小样本有标注数据集和大样本无标注数据集，利用小样本有标注数据集初步训练模型；最后在预训练模型基础上，基于自适应感知伪标签加权选择方法(APLWS)，采用对比学习方法提取无标签数据特征并迭代训练，从而有效提高模型的泛化能力。基于真实采集雷达数据集验证，该文所提出的算法对特定辐射源个体识别精度达到95%左右，且算法效率高、参数规模小、适应能力强，能够满足实际场景的需求。
当前辐射源个体识别技术多数基于有监督学习条件下开展，不适应由于采集环境(天气条件、地形和障碍物、干扰源)、器件性能(雷达分辨率、信号处理能力、硬件故障)、标注者水平等因素导致的大范围标签缺失的情形。该文提出了一种基于弱监督小波KAN (WSW-KAN)网络的弱标注辐射源识别算法。该算法首先结合KAN网络独有的边缘函数可学习特性和小波函数的多分辨率分析特性，构建WSW-KAN基线网络；然后将弱标注数据集拆分为小样本有标注数据集和大样本无标注数据集，利用小样本有标注数据集初步训练模型；最后在预训练模型基础上，基于自适应感知伪标签加权选择方法(APLWS)，采用对比学习方法提取无标签数据特征并迭代训练，从而有效提高模型的泛化能力。基于真实采集雷达数据集验证，该文所提出的算法对特定辐射源个体识别精度达到95%左右，且算法效率高、参数规模小、适应能力强，能够满足实际场景的需求。
- 首页
- 上一页
- 1
- 2
- 下一页
- 末页
- 共:2页
微信 | 公众平台 
