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): 204-228.
摘要
5274KB
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。
2
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。
3
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。
4
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。
5
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%。
6
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。
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(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。
9
2025, 14(3): 616-628.
激光雷达缺乏纹理色彩信息，相机缺乏深度信息，激光雷达和相机的信息具有高度的互补性，融合二者能获得丰富的观测数据，能提高环境感知的精准度和稳定性。而对两类传感器的外部参数进行精确的联合标定是数据融合的前提。目前，绝大多数的联合标定方法需要借助校准靶标物和人工选点的方式处理，导致其无法在动态的应用场景中使用。该文提出一种ResCalib深度神经网络模型用于解决激光雷达与相机的在线联合标定问题，该方法以激光雷达点云、单目图像和相机内参数矩阵作为输入以实现参数解算，而方法对外部特征物或靶标的依赖度低。ResCalib是一个几何监督深度神经网络，通过实施监督学习使输入图像和点云的几何及光度一致性最大化，利用单次迭代网络，自动估计激光雷达和相机之间的6自由度外参关系。实验表明该文方法能够纠正旋转±10°和平移±0.2 m的错误标定，标定解算结果的旋转分量的平均绝对误差为0.35°，平移分量为0.032 m，且单组标定所需时间为0.018 s，为实现动态环境下的自动化联合标定提供了技术支撑。
激光雷达缺乏纹理色彩信息，相机缺乏深度信息，激光雷达和相机的信息具有高度的互补性，融合二者能获得丰富的观测数据，能提高环境感知的精准度和稳定性。而对两类传感器的外部参数进行精确的联合标定是数据融合的前提。目前，绝大多数的联合标定方法需要借助校准靶标物和人工选点的方式处理，导致其无法在动态的应用场景中使用。该文提出一种ResCalib深度神经网络模型用于解决激光雷达与相机的在线联合标定问题，该方法以激光雷达点云、单目图像和相机内参数矩阵作为输入以实现参数解算，而方法对外部特征物或靶标的依赖度低。ResCalib是一个几何监督深度神经网络，通过实施监督学习使输入图像和点云的几何及光度一致性最大化，利用单次迭代网络，自动估计激光雷达和相机之间的6自由度外参关系。实验表明该文方法能够纠正旋转±10°和平移±0.2 m的错误标定，标定解算结果的旋转分量的平均绝对误差为0.35°，平移分量为0.032 m，且单组标定所需时间为0.018 s，为实现动态环境下的自动化联合标定提供了技术支撑。
10
2025, 14(4): 842-853.
随着低空经济的兴起，无人机的通信和检测问题受到了广泛的关注。该文研究了OFDM通信感知一体化中的感知参考信号设计，用于远距离高速无人机的检测。为了实现无人机在远距离和高速度情况下的不模糊检测，传统的参考信号设计需要较密的感知参考信号布置，从而带来较大的资源开销。此外，基于OFDM波形的远距离检测，还面临码间串扰的挑战。首先，针对远距离检测的问题，该文设计了支持远距离检测且抗码间串扰的感知参考信号模式，可以在较少资源开销下达到系统的最大不模糊检测距离。然后，基于前述参考信号的排布模式，针对高速度检测的问题，该文在基于中国剩余定理消除模糊方法的基础上，引入距离变化率。通过合理的参考信号配置与幽灵目标消除算法，可以在较小的资源开销下，大幅增加不模糊检测速度，且有效避免幽灵目标的产生。上述方法的有效性最后通过仿真进行了验证。仿真结果表明，针对远距离高速目标的检测，相比于传统方法，该文所提的方法可降低72%的参考信号开销。
随着低空经济的兴起，无人机的通信和检测问题受到了广泛的关注。该文研究了OFDM通信感知一体化中的感知参考信号设计，用于远距离高速无人机的检测。为了实现无人机在远距离和高速度情况下的不模糊检测，传统的参考信号设计需要较密的感知参考信号布置，从而带来较大的资源开销。此外，基于OFDM波形的远距离检测，还面临码间串扰的挑战。首先，针对远距离检测的问题，该文设计了支持远距离检测且抗码间串扰的感知参考信号模式，可以在较少资源开销下达到系统的最大不模糊检测距离。然后，基于前述参考信号的排布模式，针对高速度检测的问题，该文在基于中国剩余定理消除模糊方法的基础上，引入距离变化率。通过合理的参考信号配置与幽灵目标消除算法，可以在较小的资源开销下，大幅增加不模糊检测速度，且有效避免幽灵目标的产生。上述方法的有效性最后通过仿真进行了验证。仿真结果表明，针对远距离高速目标的检测，相比于传统方法，该文所提的方法可降低72%的参考信号开销。
微信 | 公众平台 
