CubeLearn: End-to-end Learning for Human Motion Recognition from Raw mmWave Radar Signals
University of Oxford(牛津大学);University of Edinburgh(爱丁堡大学)
近年来,毫米波FMCW雷达在以人为中心的应用中吸引了大量的研究兴趣,例如人类手势/活动识别。大多数现有的流水线是建立在传统的离散傅里叶变换(DFT)预处理和深度神经网络分类器混合方法上的,其中大多数先前的工作集中在设计下游分类器以提高整体精度。在这项工作中,我们后退一步,看看预处理模块。为了避免传统DFT预处理的缺点,我们提出了一个可学习的预处理模块,命名为CubeLearn,直接从原始雷达信号中提取特征,并建立一个端到端的深度神经网络毫米波FMCW雷达运动识别应用。大量的实验表明,我们的CubeLearn模块始终如一地提高了不同管道的分类精度,特别是那些以前较弱的模型。我们提供消融研究的初始化方法和结构的建议模块,以及PC和边缘设备上的运行时间的评估。这项工作也作为对数据立方体切片的不同方法的比较。通过我们的任务不可知的设计,我们提出了一个通用的雷达识别问题的端到端的解决方案的第一步。
2021-11-07 cs.LG eess.SP
Single Channel MMWave FMCW Radar for 2D Target Localization
本文提出了一种利用两部低成本、小型化的毫米波调频连续波(MMW-FMCW)雷达实现二维目标定位的方法。为了创建一个2D地图,我们利用双边的方法,其次是一个多目标跟踪块,以消除鬼目标。最后,我们提出的实验结果的基础上收集的数据从两个FMCW雷达在$\rm 79 \;GHz$运行。
2021-09-15 eess.SP
Enabling In-Band Coexistence of Millimeter-Wave Communication and Radar
在毫米波(mmWave)频率下可用的宽带宽已经为无线通信系统和雷达等提供了令人兴奋的潜力。通信系统可以提供更高的速率并支持更多具有毫米波频带的用户,而雷达系统可以受益于更高分辨率的捕获。这导致毫米波频谱的部分将被通信和雷达两者占用的可能性(例如,60 GHz工业、科学和医疗(ISM)频带)。这种潜在的共存激发了本文的工作,在本文中,我们提出了一种设计,可以使同时,带内操作的通信系统和雷达系统在相同的毫米波频率。为了实现这一壮举,我们减轻了干扰,否则将引起利用毫米波通信系统中提供的众多天线。密集的天线阵列使我们能够避免空间干扰,即使在毫米波通信系统经常施加的混合波束成形约束下也是如此。仿真结果表明,我们的设计充分使毫米波雷达和通信系统的同时,带内共存。
2019-11-25 eess.SP
A point cloud processing method of mmWave radar over automotive scenario
本文提出一种利用毫米波雷达RA图和点云图进行综合目标判定的方法,能准确判定目标道路边界与相对坐标,避免信息过量导致的误差,并显著提升DBSCAN处理效率。
2024-03-23 eess.SP
Improved VMD Based Remote Heartbeat Estimation Utilizing 60GHz mmWave Radar
针对毫米波雷达非接触心跳估计,本文提出结合NRBO自适应优化VMD参数的信号分解方法,并在18名受试者上验证其优于三种基线。
2025-02-16 eess.SP
ACCOR: Attention-Enhanced Complex-Valued Contrastive Learning for Occluded Object Classification Using mmWave Radar IQ Signals
Technical University of Munich(慕尼黑工业大学)
本文提出ACCOR,一种基于复杂值对比学习的增强注意力方法,利用毫米波雷达IQ信号实现遮挡物体分类,通过复杂值CNN、多头注意力层和混合损失提升分类性能,实验显示在64GHz和67GHz频段均取得较高准确率。
2026-04-02 eess.SP
Manifold Optimization Methods for Hybrid beamforming in mmWave Dual-Function Radar-Communication System
作为一种低成本的替代方案,模拟和数字混合波束形成结构是一种很有前途的毫米波系统方案。针对毫米波双功能雷达通信(DFRC)系统,研究了部分连接和全连接两种混合波束形成结构,其中发射端与下行用户通信,同时检测雷达目标。在恒模和功率约束下,通过最小化雷达和通信性能的加权和来表达优化问题。针对这两个结果问题所导致的非凸性,提出了有效的黎曼优化算法.针对全连通结构,提出了一种基于交替方向乘子法(ADMM)的流形算法.而对于部分连通结构,提出了一种低复杂度的黎曼积流形信赖域(RPM-TR)算法来逼近近似最优解. 数值仿真表明了本文方法的有效性.
2022-09-04 eess.SP
OpenRadar: A Toolkit for Prototyping mmWave Radar Applications
毫米波(mmWave)雷达传感器因其强大的传感能力和不断提高的成像能力而越来越受欢迎。然而,当前的雷达信号处理是硬件特定的,这使得不可能构建传感器不可知的解决方案。OpenRadar以模块化的方式作为原型、研究和基准测试解决方案的接口。这使得能够以尚未被广泛探索的方式创建软件处理堆栈。随着人工智能的普及,OpenRadar可以加速雷达和人工智能结合领域的发展。OpenRadar API于2019年10月2日作为Apache 2.0许可证下的开源包发布。代码库位于https://github.com/presenseradar/openradar。
2019-12-28 cs.MM eess.SP
R-fiducial: Reliable and Scalable Radar Fiducials for Smart mmwave Sensing
毫米波感测由于其环境鲁棒性而近来吸引了大量关注。在像摄像头这样的视觉传感器无法执行的情况下,毫米波雷达可以用来实现可靠的性能。但是,由于毫米波散射性能差,缺乏纹理,雷达不能用于几种需要精确识别物体的场合。在本文中,我们从相机基准点中获得了很容易被相机识别的见解,并提出了R基准标签,它巧妙地增强了当前的基础设施,使毫米波雷达的应用成为可能。R-fiducial用作毫米波传感的基准,类似于相机基准,并且可以由毫米波雷达可靠地识别。我们确定了毫米波基准必须遵循的精确要求列表,并展示了R-fiducial如何实现所有这些要求。R-fiducial使用一种新颖的扩频调制技术,提供低延迟和高可靠性。我们的评估表明,R-基准可以可靠地检测到高达25米和高达120度的视野与毫秒级的延迟。我们还在不利和低能见度条件下进行实验和案例研究,以展示R-基准在广泛应用中的适用性。
2022-09-27 eess.SP
Harmonic MUSIC Method for mmWave Radar-based Vital Sign Estimation
本文针对毫米波雷达生命体征估计提出谐波MUSIC算法,利用谐波分量提高呼吸和心跳频率估计精度,实验验证了其有效性。
2024-08-04 eess.SP
MadRadar: A Black-Box Physical Layer Attack Framework on mmWave Automotive FMCW Radars
本文提出MadRadar,一个针对汽车毫米波FMCW雷达的黑盒攻击框架,能实时估计受害雷达配置并执行添加、移除或移动目标检测的攻击,实验验证了其可行性。
2023-11-27 eess.SP
See Through Smoke: Robust Indoor Mapping with Low-cost mmWave Radar
本文介绍了设计,实施和评估的milliMap,单芯片毫米波(毫米波)雷达为基础的室内测绘系统针对低能见度的环境,以协助应急响应。milliMap的一个独特功能是,它只利用了低成本的现成毫米波雷达,但可以重建一个密集的网格地图,其精度与激光雷达相当,并提供地图上物体的语义注释。milliMap做出了两项关键的技术贡献。首先,它通过在训练期间结合协同定位激光雷达的交叉模态监督和室内空间的强几何先验,自主克服了毫米波信号的稀疏性和多径噪声。其次,它采用毫米波反射的光谱响应作为特征,以鲁棒地识别不同类型的物体,例如门,墙壁等。在不同室内环境中的广泛实验表明,milliMap可以实现小于0.2m的地图重建误差,并以90%左右的准确度对关键语义进行分类,同时通过浓烟进行操作。
2020-05-05 eess.SP
Efficient Dual-Blind Deconvolution for Joint Radar-Communication Systems Using ADMM: Enhancing Channel Estimation and Signal Recovery in 5G mmWave Networks
提出基于ADMM的框架,通过凸约束和近端算子迭代优化雷达信道与发射信号,实现毫米波联合雷达通信系统的双盲反卷积,有效提升信道估计与通信性能。
2026-06-07 eess.SP
RadarEye: Robust Liquid Level Tracking Using mmWave Radar in Robotic Pouring
Department of Information Engineering, The Chinese University of Hong Kong, Hong Kong SAR, China(信息工程系,香港中文大学,香港特别行政区,中国)
RadarEye通过毫米波雷达实现机器人倒液过程中液体水平的鲁棒跟踪,采用高分辨率波束成形和物理感知跟踪器,实现亚毫秒级延迟和优于视觉和超声波的精度。
2026-02-11 cs.RO eess.SP
Software-Defined MIMO OFDM Joint Radar-Communication Platform with Fully Digital mmWave Architecture
大规模部署具有协作传感和操纵技术的互联车辆,增加了对5.9 GHz车联网通信(V2X)频段的需求。除了V2X频谱,24和77 GHz的未充分利用的毫米波(mmWave)频段可用于补充V2X通信,并为新兴宽带应用提供高数据速率支持。为此目的,联合雷达通信(JRC)系统已在文献中提出了使用相同的波形和硬件来执行这两个功能。在这项工作中,我们提出了一个软件定义的多输入多输出(MIMO)JRC与正交频分复用(OFDM)的24 GHz毫米波波段。我们使用商用软件定义无线电和定制的毫米波前端实现了一个实时操作的全双工JRC平台。通过全数字MIMO架构,我们展示了毫米波频段MIMO OFDM JRC的同步数据传输和高分辨率雷达成像能力。
2023-02-11 cs.AR eess.SP
An IoT system for smart building combining multiple mmWave FMCW radars applied to people counting
针对智能楼宇人员占用监测中隐私保护与大范围覆盖的需求,提出整合多台毫米波FMCW雷达的灵活软件架构,通过真实场景验证并开源相关数据与实现,可接入通用IoT平台。
2024-01-28 eess.SP
MIMO-SAR: A Hierarchical High-resolution Imaging Algorithm for mmWave FMCW Radar in Autonomous Driving
毫米波雷达正越来越多地集成到商用车中,以支持先进的驾驶辅助系统功能。当前车载雷达成像的一个关键缺点是由于天线尺寸和位置的形状因子限制而导致的方位分辨率差(对于侧视操作)。在本文中,我们提出了一种解决方案,通过一种新的多输入和多输出合成孔径雷达(MIMO-SAR)成像技术,适用于相干合成孔径雷达的原则,以提高侧视(角)分辨率的车载MIMO雷达。所提出的两阶段分层MIMO-SAR处理工作流程大大减少了计算量,同时保持图像分辨率。为了使合成孔径的相干处理,我们集成了一个雷达测距算法,估计自我雷达的轨迹。通过仿真和车载雷达平台的实测数据验证了MIMO-SAR算法的有效性。
2021-06-04 eess.SP
Hybrid Beamforming With Sub-arrayed MIMO Radar: Enabling Joint Sensing and Communication at mmWave Band
本文提出了一种将混合波束形成技术与子阵列MIMO雷达技术相结合的毫米波(mmWave)波段双功能雷达通信(DFRC)系统波束形成设计方法。我们假设基站(BS)服务于位于非视距(NLoS)信道中的用户设备(UE),该用户设备同时主动检测位于视距(LoS)信道中的多个目标。给定最优通信波束形成器和期望的雷达波束方向图,在非凸恒模(CM)和功率约束下,设计模拟和数字波束形成器,使得通信和雷达波束形成误差的加权和最小。该优化问题可分解为三个子问题,并采用交替极小化方法求解。数值仿真验证了所提出的波束成形设计的可行性,并表明我们的方法提供了一个有利的性能之间的权衡传感和通信。
2018-10-24 eess.SP
mmWave Radar for Sit-to-Stand Analysis: A Comparative Study with Wearables and Kinect
本研究探索了用60GHz毫米波雷达分析坐立动作的新方法,通过收集45名参与者的点云数据,结合深度学习姿态估计与逆运动学提取特征并与可穿戴设备、Kinect对比,证明了其有效性并提出集成传感器技术的建议。
2024-11-28 cs.ET eess.SP stat.AP
3D Reconstruction of Multiple Objects by mmWave Radar on UAV
UMass Boston(马萨诸塞大学波士顿分校)
在本文中,我们探讨了利用安装在无人机上的毫米波雷达传感器来重建空间中多个物体的3D形状的可行性。无人机在太空中的不同位置盘旋,其机载雷达传感器通过合成孔径雷达(SAR)操作扫描太空收集原始雷达数据。雷达数据被发送到深度神经网络模型,该模型输出空间中多个对象的点云重建。我们评估两种不同的模型。模型1是我们最近提出的3DRIMR/R2 P模型,模型2是通过在模型1的处理管道中添加分割阶段而形成的。我们的实验表明,这两种模型是有前途的解决多目标重建问题。我们还表明,模型2,尽管产生更密集,更平滑的点云,可能会导致更高的重建损失,甚至丢失的对象。此外,我们发现,这两个模型是强大的高噪声雷达数据不稳定的SAR操作,由于不稳定或振动的小型无人机悬停在其预定的扫描点。我们的探索性研究表明,毫米波雷达传感在三维物体重建中的应用是一个很有前途的方向。
2022-11-03 cs.AI cs.CV eess.SP
High Resolution Point Clouds from mmWave Radar
Carnegie Mellon University(卡内基梅隆大学);University of Washington(华盛顿大学);University of Illinois, Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文提出端到端神经网络 RadarHD,利用配对的原始 I/Q 雷达与激光雷达数据训练,将单芯片毫米波雷达输入转换为高分辨率、类激光雷达点云,并在未知场景和浓烟遮挡下验证其可支持现有里程计与建图流程。
2023-07-16 cs.NI cs.RO eess.SP
Hybrid Physical and Geometrical Optics Method for Modeling Subsurface Imaging Using mmWave FMCW Radar
Institute of Science Tokyo(东京科学大学);Hiroshima University(广岛大学)
本文提出混合物理和几何光学方法用于毫米波FMCW雷达地下成像建模,通过结合物理光学和几何光学方法提高仿真效率与成像精度。
2026-04-11 eess.SP
mmPose-NLP: A Natural Language Processing Approach to Precise Skeletal Pose Estimation using mmWave Radars
University of Arizona(亚利桑那大学)
在本文中,我们提出了mmPose-NLP,一种新的自然语言处理(NLP)启发序列到序列(Seq 2Seq)骨架关键点估计器使用毫米波(mmWave)雷达数据。据作者所知,这是第一种仅使用毫米波雷达数据精确估计多达25个骨架关键点的方法。姿态估计在从自动驾驶汽车、交通监控、患者监控、步态分析到国防安全取证的多个应用中至关重要,并有助于预防性和可操作的决策制定。毫米波雷达用于此任务,传统上采用的光学传感器,提供了几个优点,主要是它的操作鲁棒性场景照明和恶劣的天气条件下,光学传感器的性能显着下降。毫米波雷达点云(PCL)数据首先被体素化(类似于NLP中的标记化),并且体素化雷达数据的$N$帧(类似于NLP中的文本段落)经受所提出的mmPose-NLP架构,其中预测25个骨架关键点的体素索引(类似于NLP中的关键字提取)。使用在标记化过程期间使用的体素字典将体素索引转换回真实世界的3-D坐标。使用平均绝对误差(MAE)度量来测量所提出的系统相对于地面实况的准确度,所提出的mmPose-NLP在深度、水平和垂直轴上提供<3 cm的定位误差。还针对N = {1,2,..,10}。本文提出了一个全面的方法,结果,讨论和限制。所有的源代码和结果都可以在GitHub上获得,以进一步研究和开发使用毫米波雷达的骨骼关键点估计这一关键而新兴的领域。
2021-07-21 cs.CV eess.SP
Neural Architectural Nonlinear Pre-Processing for mmWave Radar-based Human Gesture Perception
Korea University(高丽大学);Ajou University(亚洲大学)
在现代驾驶计算环境中,许多传感器用于上下文感知应用。本文利用两种深度学习模型U-Net和EfficientNet(由卷积神经网络(CNN)组成)来检测手势并去除通过毫米波(mmWave)雷达测量的距离多普勒地图图像中的噪声。为了提高分类性能,精确的预处理算法是必不可少的。因此,在进入第一个深度学习模型阶段之前对图像进行降噪的新预处理方法可以提高分类的准确性。为此,本文提出了一种基于深度神经网络的高性能非线性预处理方法。
2022-11-07 cs.CV eess.SP
Pi-ViMo: Physiology-inspired Robust Vital Sign Monitoring using mmWave Radars
使用非接触式毫米波雷达连续监测人体生命体征是有吸引力的,因为它们能够穿透服装并在不同的照明条件下工作。不幸的是,大多数先前的研究要求受试者与雷达传感器保持固定距离,并在监测期间保持静止。这些限制限制了雷达生命体征监测在现实生活场景中的应用。在本文中,我们解决了这些限制,并提出了“Pi-ViMo”,一个非接触的生理学启发的鲁棒生命体征监测系统,使用毫米波雷达。我们首先推导出一个多散射点模型的人体,并引入了多个散射的相干组合,以提高估计的胸壁运动的质量。它能够在雷达的视野中的任何位置处对受试者进行生命体征估计。然后,我们提出了一种模板匹配的方法来提取人体生命体征,采用呼吸和心脏活动的物理模型。所提出的方法是能够分离呼吸和心跳的存在下,微观水平的随机身体运动(RBM)时,一个主题是在任何位置的雷达视场内。在雷达试验台上的实验表明,对于静止的被试,呼吸率的平均误差为6%,心率的平均误差为11.9%,在不同的RBM下,被试的呼吸率的平均误差为13.5%,心率的平均误差为13.6%。
2023-03-24 cs.HC eess.SP
Human Tracking with mmWave Radars: a Deep Learning Approach with Uncertainty Estimation
毫米波雷达最近作为跟踪室内环境中的人类运动的手段而引起了极大的关注。广泛采用的卡尔曼滤波器跟踪方法的性能下降时,潜在的运动是高度非线性或呈现长期的时间依赖性。作为一种解决方案,在本文中,我们设计了一个卷积递归神经网络(NN),它可以从高维雷达数据中准确估计被监控对象的位置和速度。NN被训练为概率模型,利用高斯负对数似然损失函数,以时变误差协方差矩阵的形式在其输出处获得显式的不确定性估计。使用77 GHz FMCW雷达进行了全面的实验评估。所提出的架构,除了允许测量跟踪过程中的不确定性之外,还导致与文献中的最佳方法相比大大提高的性能,即,卡尔曼滤波,在位置和速度跟踪方面,相对于地面实况的平均误差分别从32.8厘米和56.8厘米/秒降低到7.59厘米和14厘米/秒。
2022-05-06 eess.SP
Radar Aided mmWave Vehicle-to-InfrastructureLink Configuration Using Deep Learning
波束训练过程的高开销是建立毫米波通信链路时的主要挑战,特别是对于信道高度动态的车辆到一切(V2X)场景。在本文中,我们通过实现两个深度神经网络(DNN)来获得先验信息,以加快波束训练过程,这些深度神经网络在车辆到基础设施(V2I)系统中实现雷达到通信(R2C)信道信息转换。具体地,第一DNN被构建为从雷达方位功率谱(APS)中提取信息以重构通信APS,而第二DNN利用从雷达信道的空间协方差中提取的信息来实现R2C协方差预测。实现的数据速率和估计的和真实的通信APS之间的相似性被用来评估预测性能。协方差估计方法通常提供更高的相似性,因为APS预测不能总是捕获雷达和通信APS之间的失配。与直接利用雷达APS而不尝试将其转换到通信信道的波束训练方法相比,我们提出的深度学习(DL)辅助方法显着降低了波束训练开销,从而在使用通信APS预测和协方差预测时分别提高了13.3%和21.9%。
2021-11-16 eess.SP
Adaptive and Fast Combined Waveform-Beamforming Design for mmWave Automotive Joint Communication-Radar
针对现有毫米波车载联合通信-雷达系统角视场有限、雷达估计精度低的问题,提出基于循环移位波束成形器与二维部分傅里叶压缩感知的自适应快速联合设计,可在通信性能小幅下降的代价下实现宽视场高精度雷达信道估计。
2020-09-06 cs.IT eess.SP math.IT
mmSnap: Bayesian One-Shot Fusion in a Self-Calibrated mmWave Radar Network
提出协作射频感知框架mmSnap,通过自校准算法估计传感器相对位姿,并利用贝叶斯框架实现多节点测量的一次性融合,室外实验验证了其瞬时估计位置与速度的有效性。
2025-05-01 eess.SP
Improved Sensing and Positioning via 5G and mmWave radar for Airport Surveillance
本文探讨了一种综合的方法,用于改善传感和定位与空中交通管理(ATM)和先进的地面运动制导和控制系统(A-SMGCS)的应用。该集成方法包括3D矢量天线与新颖的到达时间和到达角估计方法的协同作用,以实现精确定位,并结合在6 GHz以下和毫米波频谱上的感知,以增强非合作监视。对于定位范围,研究了上行链路和下行链路5G参考信号,并评估了它们的性能。对于非合作感知范围,提出了一种新的基于5G信号的成像函数,并通过真实机场无线电传播模型进行了验证,并研究了基于人工智能的目标跟踪和运动识别。基于5G的成像和基于毫米波雷达的检测可以融合在一起,以加强机场的监控。这项工作是在欧洲资助的项目NewSense中完成的,它深入研究了未来ATM解决方案的5G,Vector Momnas和mmWave功能。
2022-02-28 eess.SP
SMCNet: Supervised Surface Material Classification Using mmWave Radar IQ Signals and Complex-valued CNNs
Technical University of Munich(慕尼黑工业大学)
本文提出SMCNet,利用复值CNN和毫米波雷达IQ信号对室内表面材料进行分类,通过多距离数据训练达到99.12-99.53%的准确率,且范围FFT预处理提升了未知距离的识别性能。
2026-04-08 eess.SP
Crowd Size Estimation for Non-Uniform Spatial Distributions with mmWave Radar
本文提出一种基于单站毫米波雷达的人群规模估计方法,通过推导遮挡概率建立可见智能体数量与人群规模的数学模型,并与经验分布比对实现计数,在非均匀分布下MAE低至0.48个智能体,显著优于均匀分布假设基线。
2025-04-09 eess.SP
4D Millimeter-Wave Radar in Autonomous Driving: A Survey
School of Vehicle and Mobility, Tsinghua University(清华大学车辆与 mobility学院);Xingjian College, Tsinghua University(清华大学行健书院);Changan Automobile Co., Ltd.(长安汽车股份有限公司)
本文是首篇针对自动驾驶中4D毫米波雷达的全面综述,回顾了其信号处理、分辨率提升与标定等理论背景,介绍了数据质量提升方法、相关数据集及在感知、定位与建图任务中的应用算法,并展望了未来趋势。
2024-04-26 cs.RO eess.SP
SUPER: Seated Upper Body Pose Estimation using mmWave Radars
McMaster University(麦克马斯特大学)
针对毫米波雷达坐姿上半身姿态估计问题,提出双雷达相干融合框架SUPER,结合掩蔽算法、互补点云和轻量网络回归SMPL参数,实验显著优于现有基线。
2024-07-02 cs.CV eess.SP
Sub-Resolution mmWave FMCW Radar-based Touch Localization using Deep Learning
本文提出利用四个毫米波雷达传感器结合深度卷积神经网络,在距离FFT特征上训练,实现亚分辨率触摸定位,相比传统信号处理方法定位误差降低2-3倍,并支持实时集成。
2024-08-07 eess.SP
ORACLE: Occlusion-Resilient and Self-Calibrating mmWave Radar Network for People Tracking
提出ORACLE多毫米波雷达自校准与跟踪融合系统,利用人员轨迹估计雷达相对位姿并融合多雷达数据,在遮挡和多目标场景下显著提升定位跟踪精度且支持低带宽轻量部署。
2023-04-27 cs.SY eess.SP eess.SY
Adaptive Internal Calibration for Temperature-Robust mmWave FMCW Radars
Aalto University(阿尔托大学)
提出一种毫米波FMCW雷达自适应内部校准框架,利用内部传感器数据与温度补偿模型消除硬件温漂,计算开销低且保护隐私,将中频信号幅度与温度漂移的Pearson相关性降低达84%。
2025-11-04 cs.HC eess.SP
3D Near-Field Virtual MIMO-SAR Imaging Using FMCW Radar Systems at 77 GHz
本研究结合虚拟MIMO FMCW雷达与SAR技术,提出77 GHz频段的3D近场高分辨率成像方案,实现了紧凑低成本、高速低复杂度的3D毫米波成像系统。
2024-05-16 eess.SP
Vision meets mmWave Radar: 3D Object Perception Benchmark for Autonomous Driving
University of Washington(华盛顿大学);Carnegie Mellon University(卡内基梅隆大学);National Yang Ming Chiao Tung University(国立阳明交通大学);Zhejiang University(浙江大学)
针对自动驾驶中摄像头与雷达融合未被充分利用的问题,本文提出CRUW3D数据集,含66K帧同步标定的摄像头、雷达(RF张量)和激光雷达数据,以促进高效、鲁棒的三维目标感知。
2023-11-17 cs.CV eess.SP
Leafeon: Towards Accurate, Robust and Low-cost Leaf Water Content Sensing Using mmWave Radar
针对现有毫米波雷达植物传感忽略叶片结构等因素导致精度不足的问题,本文提出Leafeon系统,结合电子波束转向与定制深度神经网络非侵入式测量叶片含水量,在多场景实验中精度优于现有方法,且可关联干旱事件。
2024-09-20 eess.SP
mmAnomaly: Leveraging Visual Context for Robust Anomaly Detection in the Non-Visual World with mmWave Radar
University of North Carolina at Chapel Hill(北卡罗来纳大学教堂山分校)
mmAnomaly结合毫米波雷达与RGBD输入,通过语义线索和生成模型实现鲁棒的异常检测,应用于隐蔽武器、穿墙入侵和穿墙跌倒检测,达到94%的F1分数和亚米定位精度。
2026-04-01 cs.CV eess.SP
CalTag: Robust calibration of mmWave Radar and LiDAR using backscatter tags
University of California San Diego(加利福尼亚大学圣迭戈分校)
针对多传感器感知系统中标定需求及传统角反射器标定在杂乱环境下的局限,提出基于毫米波反向散射技术的新型雷达基准标记系统CalTag,经真实环境验证其标定可靠性更优,可提升多传感器感知系统性能。
2024-09-17 cs.RO eess.SP
Deep Learning-based Link Configuration for Radar-aided Multiuser mmWave Vehicle-to-Infrastructure Communication
按照传统的波束训练协议配置毫米波链路,如在当前蜂窝标准中提出的,引入了大的通信开销,特别是在信道高度动态的车辆系统中。在本文中,我们提出了使用无源雷达阵列来感测来自道路上的多个车辆的汽车雷达传输,以及一个雷达处理链,该雷达处理链提供有关道路基础设施和每个车辆之间的链路的候选波束的缩减集的信息。该先验信息可以稍后由波束训练协议利用以显著减少开销。雷达处理链估计雷达信号的定时和啁啾速率,通过滤除干扰雷达啁啾来隔离各个信号,并估计每个单独雷达传输的空间协方差。然后,使用深度网络将这些雷达空间协方差的特征转换为通信空间协方差的特征,通过学习雷达和通信信道之间的复杂映射,在视线和非视线设置中。将这种方法的通信速率和中断概率与穷举搜索和纯雷达辅助波束训练方法(没有基于深度学习的映射)进行比较,并在光线跟踪模拟的多用户信道上进行评估。结果表明:(i)所提出的处理链可以可靠地隔离各个雷达的空间协方差,以及(ii)基于深度学习的雷达到通信转换策略在LOS和NLOS信道中提供了比纯雷达辅助方法的显着改进。
2022-01-12 eess.SP
Successive Pose Estimation and Beam Tracking for mmWave Vehicular Communication Systems
National University of Singapore(国立新加坡大学);Shenzhen Research Institute of Big Data(深圳大数据研究院);Southern University of Science and Technology(南方科技大学);Queen Mary University of London(伦敦女王玛丽大学);The University of Hong Kong(香港大学)
针对高移动性车载毫米波通信的波束训练开销问题,提出结合Fast-CFEAR位姿估计与扩展卡尔曼滤波的SPEBT方案,可在极端/GNSS拒止环境下实现高精度波束跟踪,将波束训练开销平均降至5%以下。
2023-08-05 cs.RO eess.SP
mmHawkeye: Passive UAV Detection with a COTS mmWave Radar
本文提出mmHawkeye,一种利用商用毫米波雷达的无源无人机检测方法,通过周期性微运动信号特征实现远距离检测,结合动态规划、粒子滤波和LSTM进行跟踪与识别,实验检测准确率达95.8%,最远检测距离80米。
2023-08-12 cs.NI eess.SP
HODET: Hybrid Object DEtection and Tracking using mmWave Radar and Visual Sensors
图像传感器已在汽车应用中进行了大量探索,用于避免碰撞和不同程度的自主性。它需要一定程度的亮度,因此,在夜间操作或黑暗条件下使用图像传感器可能会出现问题,以及具有挑战性的天气,如雾。雷达传感器已被用来帮助覆盖可见光谱相机的各种环境挑战。边缘计算技术有可能解决许多问题,例如实时处理要求,从拥挤的服务器卸载处理,以及尺寸,重量,功率和成本(SWaP-C)限制。本文提出了一种新的混合目标检测和跟踪(HODET)使用毫米波雷达和视觉传感器的边缘。HODET是低SWaP-C电子设备的计算应用,同时使用图像和雷达传感器执行目标检测、跟踪和识别算法。虽然机器视觉摄像头可以单独估计物体的距离,但雷达传感器将提供准确的距离和运动矢量。可以利用这种额外的数据准确性来进一步区分检测到的对象,以防止欺骗攻击。选择一个真实的智能社区公共安全监控场景来验证HODET的有效性,它可以检测,跟踪感兴趣的对象并识别可疑活动。实验结果证明了该方法的可行性。
2020-04-15 cs.DC eess.SP
3D Point Splatting for mmWave Radar Novel View Synthesis
Cornell Tech(康奈尔科技学院)
提出3D点泼溅(3DPS),首个可微雷达点渲染器,基于雷达方程推导,实现物理忠实、复数值和多视点合成,在ColoRadar数据集上性能优于光学NVS基线1.7-5.2倍。
2026-11-10 cs.CV cs.GR cs.LG
Millimetre-wave Radar for Low-Cost 3D Imaging: A Performance Study
毫米波(mmWave)雷达可以生成3D点云来表示场景中的对象。然而,生成的点云的精度和密度可能低于激光传感器。尽管研究人员已经将毫米波雷达用于各种应用,但对雷达生成的点云质量的定量评估很少,并且缺乏如何评估这种质量的标准。这项工作旨在填补文献中的空白。建立了一个雷达模拟器,以评估3D点云构建的最常见的数据处理链,并在各种因素下检查毫米波雷达作为3D成像传感器的能力。它将被证明,雷达检测可以是嘈杂的,并有一个不平衡的分布。为了解决这个问题,提出了一种新的超分辨率点云构建(SRPC)算法,以提高点云的空间分辨率,并被证明能够产生一个更自然的点云,减少离群点。
2023-01-31 eess.SP
Small Distance Increment Method for Measuring Complex Permittivity With mmWave Radar
本文提出一种基于毫米波雷达的小距离增量法,通过单站雷达小步距移动并拟合信号模型,实现材料复介电常数的无损测量,实验验证与文献值吻合。
2024-03-19 eess.SP
Design and Measurements of mmWave FMCW Radar Based Non-Contact Multi-Patient Heart Rate and Breath Rate Monitoring System
Centre for VLSI and Embedded Systems Technology (CVEST), IIIT Hyderabad, India(非常规集成电路与嵌入式系统技术中心(CVEST),IIIT海得拉巴,印度);Department of Electronics Engineering, Z.H.C.E.T. Aligarh Muslim University, India(电子工程系,斋赫·切特·阿利加尔穆斯林大学,印度)
本文提出了一种基于毫米波FMCW雷达的非接触多患者心率和呼吸率监测系统,通过结合多种处理方法提升测量精度,实验结果显示其在心率和呼吸率测量上的高准确性。
2025-11-28 cs.RO cs.SY eess.SP
Adaptive Extensive Cancellation Algorithm and Harmonic Enhanced Heart Rate Estimation based on MMWave Radar
本文针对毫米波雷达低信噪比下心率估计难题,提出先对消后估计策略,通过自适应扩展对消算法抑制呼吸谐波,并利用自适应谐波增强轨迹方法细化搜索区域以避开互调干扰,在FMCW系统上验证了准确性、鲁棒性和计算效率的提升。
2025-03-10 eess.SP
mmFlux: Crowd Flow Analytics with Commodity mmWave MIMO Radar
University of California Santa Barbara(加州大学圣芭芭拉分校)
本文提出 mmFlux 框架,利用商用毫米波雷达生成人群流场并构建有向几何图,结合 Jacobian、旋度与散度分析,实现复杂人群运动结构重建及语义推断。
2025-08-29 cs.CV eess.SP
Hybrid Precoding and Combining for mmWave Full-Duplex Joint Radar and Communication Systems under Self-Interference
本文针对毫米波全双工联合雷达与通信系统,提出基于广义特征值的混合预编码与模拟合并设计,在保证雷达增益和通信速率的同时有效抑制自干扰,并通过OFDM雷达实现高精度目标距离与速度估计。
2024-04-01 cs.IT eess.SP math.IT
Terrain Perception for Agricultural UAVs in Complex Farmland via Rotating mmWave Radar
School of Computer Science, Hangzhou Dianzi University(杭州电子科技大学计算机科学学院);TopXGun Robotics(TopXGun机器人);CARDC;College of Control Science and Engineering, Zhejiang University(浙江大学控制科学与工程学院);College of Electronics and Information Engineering, Tongji University(同济大学电子信息工程学院)
本文提出一种低成本旋转毫米波雷达框架,用于提升农业无人机在复杂农田中的地形感知能力,通过扩大空间覆盖范围和改进地形可观察性,实现更准确的地面提取和连续地形估计。
2026-11-11 cs.RO eess.SP