3D Radar Imaging from the UAV Nadir
Interuniversity Micro-Electronics Center (IMEC)（互大学微电子中心）；Vrije Universiteit Brussel (VUB)（布鲁塞尔自由大学）
针对无人机天底视角的三维雷达成像问题，本文提出基于低成本MIMO毫米波雷达的InSAR框架及PGA相位误差补偿方法，经仿真与实验验证了算法的有效性。
2026-09-07 eess.SP
UAV-Assisted Weather Radar Calibration: A Theoretical Model for Wind Influence on Metal Sphere Reflectivity
针对风致悬挂金属球偏移导致无人机辅助天气雷达标定反射率偏差的问题，建立一维振动影响的理论模型，为移动雷达标定提供依据。
2024-06-20 eess.SP
A Survey on Detection, Tracking, and Classification of Aerial Threats using Radars and Communications Systems
近年来，用于不同应用的无人驾驶飞行器（UAV）的使用增加了许多倍。无人机有望改变未来的空中作战。然而，也存在UAV可用于恶意目的的情况。无人机的检测、跟踪和分类与有人驾驶飞行器（MAV）相比是具有挑战性的，主要是由于无人机尺寸小、形状复杂、能够靠近地形飞行以及以集群自主飞行模式飞行。在本调查中，我们将讨论当前和未来的空中威胁，并概述雷达系统，以应对此类威胁。我们还研究了雷达系统的性能参数的检测，跟踪和分类的无人机相比，微型飞行器。除了专用雷达系统外，我们还审查了联合通信雷达（JCR）系统的使用，以及对公共通信信号变化的被动监测，例如，提供了FM、LTE和可以从UAV辐射的任何传输，用于UAV的检测、跟踪和分类。最后，雷达系统的局限性和与其他技术，不依赖于雷达的检测，跟踪和分类的空中威胁的比较。
2022-11-18 eess.SP
GreenScatter: Through-Canopy Soil Moisture Sensing with UAV-Mounted Radar
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；The Aerospace Corporation（航空航天公司）
本文提出GreenScatter框架，利用无人机雷达通过冠层传感土壤含水率，通过微波辐射传输模型和雷达散射截面估计方法，实现不同冠层条件下的高精度土壤含水率估算。
2026-04-10 eess.SP
Measurement Testbed for Radar and Emitter Localization of UAV at 3.75 GHz
本研究提出一种基于商用现货设备的3.75GHz无人机雷达与辐射源定位测试平台，实现纳秒级同步与厘米级定位，经16平方公里城区实测验证了两类场景的性能，支撑ISAC下无人机 surveillance 集成研究。
2023-01-26 eess.SP
Moving Target Detection Method Based on Range? Doppler Domain Compensation and Cancellation for UAV-Mounted Radar
针对无人机载穿墙雷达中强非平稳杂波影响动目标检测的问题，提出距离-多普勒域双通道相位补偿、对消及滤波成像方法，并通过仿真和无人机实验验证其有效性。
2024-07-04 eess.SP
A Survey on Detection, Classification, and Tracking of UAVs using Radar and Communications Systems
本综述探讨了恶意无人机带来的威胁与挑战，系统研究了雷达、通信系统和RF分析仪三种基于射频的无人机检测、分类与跟踪系统及其局限性，并提出了未来研究方向。
2025-03-07 eess.SP
Multi-UAV Enabled Integrated Sensing and Wireless Powered Communication: A Robust Multi-Objective Approach
本文研究多无人机ISAC与WPT系统，提出一种鲁棒多目标优化方法，联合优化无人机轨迹、雷达收发信号及上行功率等参数，并采用交替优化与分数规划等技术求解非凸问题，有效提升了雷达与通信系统的综合性能。
2025-05-30 eess.SP
Cooperative Sense and Avoid for UAVs using Secondary Radar
本文提出一种基于二次监视雷达Mode S操作的无人机协同感知与避让算法，通过仰角估计实现高精度测距和径向速度估计，并利用风险分类机制保障无人机安全导航。
2024-03-24 eess.SP
Robust Trajectory and Resource Optimization for Communication-assisted UAV SAR Sensing
本文针对通信辅助的无人机SAR感知任务，提出一种考虑随机轨迹偏差的鲁棒三维轨迹与资源联合优化方法，通过求解非凸MINLP问题最大化雷达地面覆盖，并验证了次优算法接近最优且优于基准方案。
2024-04-01 eess.SP
System Design and Analysis for Energy-Efficient Passive UAV Radar Imaging System using Illuminators of Opportunity
University of Electronic Science and Technology of China（电子科技大学）；Oklahoma State University（俄克拉荷马州立大学）
无人机（UAV）可以为现代雷达成像系统提供卓越的灵活性和成本效益，是使用合成孔径雷达（SAR）技术进行高级遥感应用的理想平台。本文首次提出并研究了一种利用机会辐射源的节能无源无人机雷达成像系统。无人机平台配备SAR接收机，被动地重复使用来自外部照明器（例如SAR卫星、GNSS或地面固定商业照明器）的目标场景的后向散射信号，并实现双基地SAR成像和数据通信。该系统可以提供对感兴趣的目标的雷达图像的即时访问与增强的平台隐蔽性，这是一个必要的工具，隐身观察和现场监视。首先给出了任务概念和系统框图，并对系统的优点进行了论证。然后，建立了一套任务性能评估器，对系统的能力进行定量评估，包括无人机导航、被动SAR成像和通信能力。最后，通过数值仿真验证了所提出的性能评估器的有效性。
2021-05-08 cs.AI eess.SP
Deep learning-based UAV detection in the low altitude clutter background
无人机（UAV）由于其低成本和多功能性而被广泛使用，但它们也构成安全和隐私威胁。因此，对低空无人机进行可靠的探测是一个重要的问题。强地杂波使小型无人机的雷达回波淹没在噪声中，导致雷达探测可靠性低。针对上述问题，提出了一种基于深度对比学习的低空无人机检测方法：首先建立了低空杂波干扰下的低空无人机雷达回波模型。根据无人机回波信号的成分特征和多普勒域可识别机理，采用ZAM变换和形态学运算相结合的时频变换方法抑制杂波背景下的模糊问题。然后利用引入对比度学习的特征提取与融合方法抑制非目标地杂波干扰。最后，设计了一种基于语义特征的低空无人机检测器，用于低空无人机的可靠识别。对真实数据和仿真数据的实验表明，该方法能够有效抑制地杂波，可靠地提取无人机的可识别语义特征。该方法与现有方法相比，具有较低的虚警和漏报率，在相同信噪比下，检测精度提高了5%以上，有效提高了检测的可靠性。
2022-02-24 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
Comparative Analysis of Radar Cross Section Based UAV Classification Techniques
研究了利用无人机雷达散射截面（RCS）特征进行无人机识别的问题。在电波暗室中测量了6架商用无人机在15 GHz和25 GHz下的垂直-垂直和水平-水平极化RCS。RCS签名用于训练15种不同的分类算法，每种算法属于三个不同类别之一：统计学习（SL），机器学习（ML）和深度学习（DL）。研究表明，虽然所有算法的分类精度随着信噪比（SNR）的增加，ML算法取得了更好的精度比SL和DL算法。例如，使用来自UAV的15 GHz VV极化RCS测试数据，分类树ML在3 dB SNR下实现了98.66%的准确度。我们调查的分类精度，使用蒙特卡罗分析的援助箱形图，混淆矩阵，和分类图。平均而言，分类树ML模型的准确性优于其他算法，其次是Peter Swerling统计模型和判别分析ML模型。一般来说，ML和SL算法的分类准确性优于研究中考虑的DL算法（Squeezenet，Googlenet，Nasnet和Resnet 101）。此外，还分析了每种算法的计算时间.该研究的结论是，虽然SL算法取得了良好的分类精度，计算时间相对较长的ML和DL算法相比。此外，研究表明，分类树实现了最快的平均分类时间约0.46 ms。
2021-12-17 eess.SP
A Deep-NN Beamforming Approach for Dual Function Radar-Communication THz UAV
提出一种基于双DNN的预测性波束成形框架，联合优化无人机发射波束成形与地面基站关联，在保证高感知精度的同时提升通信性能，并显著降低计算时间。
2024-05-27 eess.SP
Vision Transformer for Classification of UAV and Helicopters Using Micro-Doppler Spectrograms in Surveillance Radar
本文提出使用视觉变换器对不同持续时间的无人机和直升机微多普勒光谱进行分类，通过改进的双树复小波变换提高信号质量，并在实际雷达数据上实现了97.76%的分类准确率。
2025-11-29 eess.SP
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
Sensing Accuracy Optimization for Multi-UAV SAR Interferometry with Data Offloading
针对多无人机多基线InSAR感知精度优化问题，提出采用进化算法联合优化无人机编队、速度与通信功率分配，在保障感知与通信QoS的同时最小化DEM高度误差，性能优于多种基线方法，可实现亚分米级垂直精度。
2025-10-06 eess.SP
LAMBDA: A Low-Altitude Multimodal Base Dataset for UAV Sensing and Communication
School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学信息科学与工程学院）
研究低空综合传感与通信需对齐多模态数据，为此引入LAMBDA数据集，通过高保真数字孪生管道生成，具有多种特性，涵盖多场景多条件，支持多种参数设置，经评估有可靠性与可用性。
2026-07-07 eess.SP
Fusion of Cellular ISAC and Passive RF Sensing for UAV Detection and Tracking
本文提出了一种融合被动RF传感和雷达的无人机检测与跟踪系统，通过卡尔曼滤波器整合异步观测结果，提升跟踪精度和覆盖范围。
2025-12-16 eess.SP
A MARL Based Multi-Target Tracking Algorithm Under Jamming Against Radar
针对无人机集群雷达跟踪受干扰问题，提出基于多智能体强化学习的有源/无源模式选择算法，并用模拟退火处理约束，仿真验证有效。
2024-12-17 cs.SY eess.SP eess.SY
Sensing Accuracy Optimization for Communication-assisted Dual-baseline UAV-InSAR
针对双基线无人机-InSAR系统感知精度优化问题，联合优化无人机编队与卸载功率，通过加权平均融合DEM，在满足约束下最小化最坏高度估计误差，显著提升感知精度。
2024-11-02 eess.SP
A Framework for UAV-based Distributed Sensing Under Half-Duplex Operation
提出了一种基于无人机的分布式传感框架，该框架采用频分复用（OFDM）波形在半双工工作模式下检测地面目标的位置。将目标所在的感兴趣区域划分为网格单元，由多架无人机联合估计每个网格单元的雷达散射截面（RCS），中心节点作为融合中心，接收所有估计值并进行信息级融合。对于每个无人机的局部估计，使用周期图方法，并假设数字接收波束形成器。融合的RCS估计网格被用来估计单元包含的目标。蒙特卡洛模拟得到的检测概率的建议框架，我们的结果表明，该框架达到了更高的精度比其他OFDM双基地雷达方法在文献中提出的目标检测。
2023-02-21 eess.SP
UAV-Borne Digital Radar System for Coherent Multistatic SAR Imaging
本文提出一种搭载于无人机、采用OFDM波形的L波段数字雷达系统，通过主发射节点与无源接收节点保持快慢时间相干，并经静态测量和双基地SAR实验验证其高分辨率多基地成像能力。
2025-07-28 cs.SY eess.SP eess.SY
Multi-Sensor Fusion for UAV Classification Based on Feature Maps of Image and Radar Data
Information Technologies Institute（信息科技研究所）；Centre for Research & Technology – Hellas（希腊研究中心）；Thessaloniki, Greece（塞萨洛尼基，希腊）
提出一种融合热成像、光电和雷达数据特征的多传感器深度学习网络，通过堆叠图像特征提高无人机分类精度。
2026-10-02 cs.AI eess.SP
Transparentize A Shallow Cryosphere: High-Resolution Subsurface Imaging using UAV-Borne GPR A review and prospective
本文综述了无人机载探地雷达在浅层冰冻圈地下成像中的系统架构、操作策略和数据处理方法，并通过东南极莫愁湖案例验证了其高精度（冰厚误差0.03米），指出了未来挑战。
2026-09-22 eess.SP
Multi-Target ISAR Imaging of UAV Swarms Using Fast Reweighted Atomic Norm Denoising
School of Electrical Engineering, IHU University, Tehran, Iran（伊朗大学电气工程学院）
研究无人机群多目标ISAR成像难题，将快速重加权原子范数去噪算法扩展至此场景，构建数学框架，结合加权正则化与二维交替方向乘子法优化，能处理稀疏孔径和噪声，效果优于传统方法。
2026-07-07 eess.SP
Multi-Target Micro-Motion Parameter Estimation using MIMO-FMCW Radar with Limited Measurements
Indian Institute of Technology Delhi（印度德里理工学院）
本研究提出基于压缩感知的MIMO-FMCW雷达微动参数估计方法，用有限测量实现多目标微动参数估计，可用于无人机探测及运动类型区分。
2026-08-07 eess.SP
Reliable UAV Detection with ISAC
Nokia Bell Labs（诺基亚贝尔实验室）
本文利用未修改的商业5G硬件进行单站正交频分复用雷达实验，在强杂波环境中实现500米以上亚米级精度的无人机可靠检测，并与链路预算和硬件损伤模型预测的性能进行比较。
2026-05-22 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
A Matched-filter based method in the Synthetic Aperture Radar Images Using FMCW radar
拉伸处理结构由于其廉价的硬件、低采样率和简单的结构而通常用于调频连续波（FMCW）雷达。然而，与匹配滤波器架构相比，拉伸处理架构不能实现最佳信噪比（SNR）。在本文中，我们的目标是提出一种方法，使拉伸处理可以实现最佳的SNR。因此，我们开发了一种新的处理方法，使应用匹配滤波器的拉伸处理的输出。所提出的架构实现了最佳的SNR，同时它可以工作在低采样率。此外，建议的雷达架构和SAR技术的结合，可以产生高质量的图像。为了评估所提出的架构的性能，四个场景被认为是。基于这些场景进行了仿真。仿真结果表明，所提出的雷达表现出的能力，以产生更高的质量比拉伸处理的图像。这种雷达还可以带来更大的增益压缩。
2021-10-31 eess.SP
Adaptive Digital Twin for UAV-Assisted Integrated Sensing, Communication, and Computation Networks
本文提出基于数字孪生的无人机辅助感知通信计算一体化网络，利用MAPPO框架和Beta策略与注意力机制实现智能卸载决策，在平衡感知与计算性能的同时降低能耗。
2023-10-26 eess.SP
Optimized 2D CA-CFAR for Drone-Mounted Radar Signal Processing Using Integral Image Algorithm
利用雷达作为传感器，在灾后环境中探测被埋幸存者是一种很有吸引力的方法。然而，在实际实地实施具有挑战性，特别是对于大型观察团。将雷达安装在无人机上是最有前途的解决方案。在这种情况下，由于无人机的局限性，如低计算机规格和有限的电源，一个有效的雷达数据处理是至关重要的。因此，本文研究了利用积分镜像技术优化超宽带冲激雷达特征信号信号处理步骤的计算。评估是在安装在开发的多传感器无人机上的单板计算机上进行的。结果表明，该方法可以相对减少数据处理时间。
2020-12-21 eess.SP
Long-Range Reading of Multiple Chipless Sensors from the Isoline Processing of 3D Radar Images
本研究提出基于三维极化雷达图像等值线处理的方法，使用24 GHz调频连续波雷达，在实验室地下室杂波环境中实现了四个无芯片传感器最远5.8米的远距离无线询问。
2024-10-08 eess.SP
Signal Processing Challenges in Automotive Radar
本文针对汽车雷达普及下的性能提升需求与待解问题，综述了信号处理相关的调制方案、干扰规避、空间分辨率提升、深度学习应用等研究方向并附丰富参考文献，为该领域从业者提供入门参考。
2025-01-13 eess.SP
FMCW Radar Principles and Human Activity Recognition Systems: Foundations, Techniques, and Applications
Purdue University（普渡大学）；Emory University（埃默里大学）
本书系统阐述FMCW雷达原理及人类活动识别技术，涵盖信号处理、深度学习应用及实际案例，适用于雷达领域研究人员和开发者。
2025-12-22 eess.SP
Radar Sensing via OTFS Signaling: A Delay Doppler Signal Processing Perspective
本文从延迟-多普勒信号处理视角研究OTFS与雷达感知的联系，发现距离-多普勒矩阵计算等价于矩形脉冲整形下的OTFS解调，并提出二维相关算法估计分数延迟和多普勒参数，仿真验证其可高效获取多目标参数。
2023-06-20 eess.SP
One-Bit Radar Processing with Time-Varying Sampling Thresholds
目标参数估计在主动传感，特别是雷达信号处理中，是一个长期存在的问题，已被广泛研究。在本文中，我们提出了一种新的目标参数估计方法的情况下，一位模数转换器（ADC），也被称为信号比较器与时变阈值，被用来采样接收到的雷达信号，而不是高分辨率ADC。所考虑的问题在民用廉价雷达和传感设备的设计中具有潜在的应用，并且可能为未来采用低分辨率ADC进行更快采样和高分辨率目标确定的雷达系统铺平道路。我们制定的目标估计作为一个多变量加权最小二乘优化问题，可以解决一个循环的方式。数值结果显示了所提出算法的有效性。
2019-11-22 eess.SP
An Overview of Signal Processing Techniques for Joint Communication and Radar Sensing
联合通信和雷达感测（JCR）代表了一个新兴的研究领域，其目标是将上述两种功能集成到单个系统中，共享大部分硬件和信号处理模块，并且在典型情况下，共享单个发射信号。它被认为是显着提高频谱效率，降低设备尺寸，成本和功耗，并由于两个功能的潜在密切合作而提高性能的关键方法。先进的信号处理技术对于从发射信号设计到接收机处理的集成效率是至关重要的。本文从信号处理的角度对JCR系统进行了全面的综述，重点介绍了JCR系统的最新技术，并针对以通信为中心、以雷达为中心以及联合设计和优化这三种JCR系统，对发射机和接收机进行了均衡的覆盖。
2021-02-25 eess.SP
Toward Millimeter Wave Joint Radar-Communications: A Signal Processing Perspective
具有共同频谱和硬件资源的通信和雷达系统的协同设计预示着有效利用有限无线电频谱的新时代的到来。这种联合雷达通信（JRC）模型具有成本低，体积小，功耗低，频谱共享，提高性能和安全性，由于增强的信息共享的优点。今天，毫米波（mm波）通信已经成为短距离无线链路的首选技术，因为它们提供了几千兆赫宽的传输带宽。该波段也适用于短距离雷达应用，这得益于大发射信号带宽带来的高距离分辨率。信号处理技术在毫米波JRC系统的实现中至关重要。主要的挑战是联合波形设计和性能标准，将通信和雷达功能之间的最佳权衡。由于毫米波JRC系统采用大型天线阵列，因此需要新颖的多输入多输出（MIMO）信号处理技术。有机会利用认知、压缩感知和机器学习的最新进展来减少所需的资源并以低开销动态分配它们。本文提供了毫米波JRC系统的信号处理视角，重点是波形设计。
2019-05-18 eess.SP
Doors in the Sky: Detection, Localization and Classification of Aerial Vehicles using Laser Mesh
隐身技术和无人机（UAV）有望主导当前和未来的空战。然而，雷达系统在其最大工作范围内并不总是能够检测到隐身和小型无人机，主要是由于其小的雷达横截面和/或低高度。在本文中，提出了一种新的技术作为雷达技术的替代。所提出的方法是基于创建一个网状结构的激光束从空中平台向地面发起。激光网格就像天空中的一张虚拟网。任何扰乱激光束路径的飞行器都会被检测到，随后被定位和跟踪。作为附加特征，波束的转向可以用于增加覆盖范围以及改进定位和分类性能。基于高斯分布，人工创建不同类型的飞行器的数据库。该数据库用于开发几种机器学习（ML）模型，使用不同的算法对目标进行分类。总的来说，我们通过模拟证明，我们提出的模型实现了同时检测，分类，定位和跟踪的目标。
2021-11-14 eess.SP
CDM Based Virtual FMCW MIMO Radar Imaging at 79GHz
本文针对79GHz FMCW MIMO雷达阵元数量受限导致角分辨率不足的问题，首次将CDM方法应用于虚拟阵元扩展，通过虚拟增加收发阵元数量来提升角分辨率。
2024-05-05 eess.SP
Semi-supervised Learning Framework for UAV Detection
监督学习与诸如音频、视觉成像、热感测、雷达和射频（RF）的各种感测技术的使用已经广泛应用于环境中的无人机（UAV）的检测。然而，很少或没有注意到无人机检测的无监督或半监督算法的应用。在本文中，我们提出了一种半监督技术和架构，用于通过利用RF信号（即，在无线推断（例如蓝牙和WiFi）下，UAV与其飞行控制器通信之间的指纹）。通过使用两级小波包变换分解RF信号，我们估计了二阶矩统计量（即，方差）作为特征集。我们开发了一个局部离群因子模型作为无人机检测算法，使用WiFi和蓝牙信号的小波包的系数方差。当检测射频无人机时，在信噪比为30 dB和18 dB时，我们分别获得了96.7 $\%$和86 $\%$的准确度。这种方法的应用不限于无人机检测，因为它可以扩展到检测环境中的流氓RF设备。
2021-04-14 eess.SP
Optimization-Based Behavioral Modeling of Mixers for Frequency Comb OFDM Radar Processing
Institute of Radio Frequency Engineering and Electronics, Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院射频工程与电子学研究所）；Nokia Bell Labs Stuttgart（诺基亚贝尔实验室斯图加特分部）；Professorship of Microwave Sensors and Sensor Systems, Technical University of Munich（慕尼黑工业大学微波传感器与传感系统教授席位）；Kilby Labs, Texas Instruments（德州仪器基尔比实验室）
本文提出了一种基于优化的混频器行为模型，用于频率梳正交频分复用雷达处理，通过多项式非线性特性和频域拟合实现快速系统级性能估算。
2026-02-27 eess.SP
Light-weight Gesture Sensing Using FMCW Radar Time Series Data
针对FMCW雷达系统在近距离姿态感知中的应用，提出了一种新的特征提取方法。提出了一种轻量级的处理方法，将一系列三维雷达数据立方体简化为包含距离、方位角、仰角和震级信息的四个一维时间信号。该处理完全在时域中执行，而不使用任何傅立叶变换，并且能够直接在原始时域数据上训练深度神经网络。实验表明，在现实世界的数据，所提出的处理保留了传统的雷达处理距离，多普勒和角度谱图相同的表达能力。此外，计算复杂度显着降低，这使得它非常适合嵌入式设备。该系统能够识别十种不同的手势，准确率约为95%，并在Raspberry Pi 3B上实时运行。手势结束和预测之间的延迟仅为150 ms。
2021-11-22 eess.SP
Analysis of Processing Pipelines for Indoor Human Tracking using FMCW radar
Delft University of Technology（代尔夫特理工大学）
本文基于FMCW雷达分析了室内人体跟踪的两种处理流程，通过实验验证了基于RA地图检测的方法在鲁棒性上的优势。
2024-03-15 eess.SP
Multi UAV-enabled Distributed Sensing: Cooperation Orchestration and Detection Protocol
本文提出一种基于无人机的半双工OFDM分布式感知框架，通过空间网格和最大似然估计算法联合估计目标RCS，由融合中心进行数据协调与融合，仿真证明其相比单基地无人机提升了精度与分辨率，且比压缩感知方法开销更低。
2023-09-10 eess.SP
Ultra-Wideband Radar and Wireless Human Sensing
本研究介绍了我们最近在人体无线测量方面的研究进展。首先，我们解释了用于在安全检查站筛查乘客的雷达成像算法，该算法可以比现有算法更快地处理数据，以生成准确和高分辨率的人体图像。其次，我们介绍了信号处理技术，用于精确测量与人体运动和活动相关的雷达微多普勒信号。最后，我们提出了雷达信号处理算法，用于测量人体呼吸，心跳，和其他类型的运动。这种算法可以应用于各种领域，包括医疗保健、安全、生物识别和人机接口。这些领域有一个共同点：通过优化雷达系统和信号处理算法，有效地利用关于人体形状、运动和生理的先验知识来提高性能。
2020-12-03 eess.SP
Radar networks: A review of features and challenges
多个雷达的网络通常用于提高覆盖范围和跟踪精度。最近，这种网络促进了民用应用的商用雷达的部署，例如医疗保健、手势识别、家庭安全和自动驾驶汽车。他们利用先进的信号处理技术与有效的数据融合方法，以产生高性能的事件检测和跟踪。本文从信号处理的角度回顾了雷达网络的突出特点、面临的挑战以及最新的解决方案。每一个讨论的主题都可以演变成一个热门的研究课题。
2020-03-28 eess.SP
Detecting Airborne Objects with 5G NR Radars
本文研究了利用5G NR网络中的标准化PRS信号在UMi和UMa环境中检测UAV的可行性，实现了完整的雷达处理链，仿真表明其定位误差分别可达4m和8m以内，并开源了仿真平台以支持ISAC研究。
2025-05-30 cs.NI eess.SP
Point Spread Function Optimization for Communication-assisted UAV-borne MIMO TomoSAR
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)（弗里德里希·亚历山大厄兰根-纽伦堡大学）；German Aerospace Center (DLR)（德国航空航天中心）
针对无人机载MIMO合成孔径雷达层析成像系统，提出基于粒子群优化的联合无人机编队与卸载功率分配方法，以最小化点扩展函数旁瓣水平。
2026-06-11 eess.SP
A Comprehensive Overview on UWB Radar: Applications, Standards, Signal Processing Techniques, Datasets, Radio Chips, Trends and Future Research Directions
本文全面综述UWB雷达技术，涵盖应用、标准、信号处理、数据集和芯片，并探讨挑战与未来方向，为研究者提供参考。
2025-04-26 eess.SP
A Deep Learning Approach for Automotive Radar Interference Mitigation
在汽车系统中，雷达是自动驾驶的关键部件。利用目标发射和反射的雷达信号，可以捕获目标的距离和速度。然而，当干扰信号存在时，噪声基底增加，严重影响目标物体的可探测性。由于这些原因，以前的研究已经提出了消除干扰或重建原始信号。然而，用于消除干扰或重构发射信号的常规信号处理方法是困难的任务，并且还具有许多限制。在这项工作中，我们提出了一种使用深度学习来减轻干扰的新方法。所提出的方法在各种干扰条件下提供高性能，并且具有低处理时间。此外，我们表明，我们提出的方法相比，现有的信号处理方法实现了更好的性能。
2019-11-12 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
