Motion Estimation and Compensation in Automotive MIMO SAR
随着自动驾驶汽车的出现，自动驾驶系统将不得不依赖大量的异构传感器来对周围环境进行动态感知。合成孔径雷达（SAR）系统通过利用车辆的自我运动来提高传统大众市场雷达的分辨率，需要非常准确的轨迹知识，通常与汽车级导航系统不兼容。针对这一问题，本文对汽车SAR系统中的轨迹估计误差进行了分析、估计和补偿，提出了完整的残差运动估计和补偿工作流程。我们首先定义的几何采集和基本的处理步骤的多输入多输出（MIMO）SAR系统。然后，我们解析地推导出典型的运动误差在汽车SAR成像的影响。根据推导出的模型，详细介绍了该程序，概述了其实际实施的指导方针。我们所提出的技术的有效性，通过收集的实验数据由77 GHz的雷达安装在一个前瞻性的配置。
2022-01-25 eess.SP
Dispersion Compensation of Sinuous Antennas for Ground Penetrating Radar Applications
正弦天线具有超宽带宽、极化分集和低剖面等特性，是探地雷达的理想天线。然而，正弦天线是色散的，因为有源区沿着结构随频率移动。这对于脉冲雷达应用是不期望的质量，因为辐射脉冲将失真。这种失真可能对近距离感测应用（例如GPR）有害。这种失真可以在处理中用精确模拟或测量的相位数据来补偿。然而，由于地面的介电负载，天线性能可能会偏离模拟或测量。在这样的情况下，可能期望采用基于天线设计参数的色散模型，该天线设计参数可以被原位优化。先前针对其他天线研究的色散补偿模型可以类似地应用于正弦天线。本文探讨了正弦天线的色散特性，并提出了一个简单的模型，可用于压缩色散脉冲。
2020-02-15 eess.SP physics.app-ph
Emergency Response Person Localization and Vital Sign Estimation Using a Semi-Autonomous Robot Mounted SFCW Radar
本文提出基于半自主机器人搭载SFCW雷达的完整信号处理链，实现多人员检测、2D-MUSIC定位与呼吸频率估计，并在包含62个场景的应急响应数据集上验证了有效性。
2024-01-12 cs.RO eess.SP
Integrated Long-range Sensing and Communications in Multi Target Scenarios using CP-OFDM
针对OFDM感知中循环前缀限制远距离探测且多目标场景下现有补偿失效的问题，提出多目标相干补偿算法与广义SINR，仅用3.6%无线电资源即达同等远距检测性能。
2025-01-20 eess.SP
Omnidirectional Transponder for Narrow-band Radar Calibration
ELTA Systems Ltd（ELTA系统有限公司）
本文提出一种新型频率转换发射器架构，克服传统校准目标的局限，实现紧凑单天线全向操作，适用于圆极化SAR和双程SAR等应用。
2026-05-08 eess.SP
Analysis of UAV Radar and Communication Network Coexistence with Different Multiple Access Protocols
预计无人飞行器（UAV）在未来将被广泛用于各种应用，或者作为连接到蜂窝无线网络的用户设备（UE），或者作为现有无线网络的基础设施扩展以服务于其他UE。下一代无线网络将考虑使用无人机进行联合通信和雷达和/或作为各种传感应用的专用雷达。UAV数量的增加将自然导致更大数量的通信和/或雷达链路，这可能对附近的网络造成干扰，并且由于从UAV甚至到远处接收器的视线信号传播的更高可能性而进一步加剧。因此，研究无人机机载基站与雷达收发机的网络共存问题就显得尤为重要。在本文中，使用随机几何，我们推导出封闭形式的表达式来表征的频谱重叠多址接入（SOMA）和时分多址接入（TDMA）的共存的无人机雷达和通信网络的性能。我们评估了成功测距概率（SRP）和传输容量（TC），并比较了TDMA和SOMA的性能。结果表明，当有源无人机雷达节点密度大于无人机通信节点密度时，SOMA在SRP和TC上都优于TDMA。
2022-11-29 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
Redefining Radar Segmentation: Simultaneous Static-Moving Segmentation and Ego-Motion Estimation using Radar Point Clouds
Microwave Sensing, Signals and Systems (MS3) group, Delft University of Technology（微波传感、信号与系统（MS3）组，代尔夫特理工大学）；NXP Semiconductors（NXP半导体公司）
本研究提出一种基于神经网络的方法，利用雷达点云同时实现静态-移动分割和自主运动估计，无需中间信号处理步骤。
2025-11-25 cs.CV eess.SP
Millimeter Wave Radar-based Human Activity Recognition for Healthcare Monitoring Robot
University of Technology Sydney（悉尼科技大学）；University of Nottingham Ningbo China（宁波诺丁汉大学）；The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州））；University of New South Wales（新南威尔士大学）；RMIT University（皇家墨尔本理工大学）
本文提出RobHAR，一种机器人搭载的毫米波雷达系统，结合轻量级PointNet、双向LSTM及HMM-CTC过渡优化策略，实现实时连续人体活动识别，并在三个数据集上验证其优于现有方法。
2024-05-03 cs.AI cs.RO eess.SP
Target-Mounted Intelligent Reflecting Surface for Secure Wireless Sensing
本文提出一种目标搭载智能反射表面（IRS）方法，通过在目标表面安装IRS并动态调整反射相移，在增强合法雷达站感知性能的同时抑制未授权雷达站探测，实现安全无线感知。
2023-08-04 cs.IT eess.SP math.IT
RadHARSimulator V1: Model-Based FMCW Radar Human Activity Recognition Simulator
针对雷达人体活动识别数据获取难题，提出基于模型的FMCW雷达模拟器，集成13散射体模型模拟12种活动，生成高保真微多普勒特征，并用神经网络验证，为算法设计提供工具。
2025-09-10 eess.SP
Intelligent Reflecting Surface-Aided Electromagnetic Stealth Against Radar Detection
本文提出一种智能反射面辅助的电磁隐身系统，通过优化IRS反射最小化敌方雷达接收信号功率，并给出单/多雷达场景下的低复杂度闭式解及参数估计方案，实现灵活自适应的雷达隐身。
2023-12-04 eess.SP
Intelligent Reflecting Surface-Aided Electromagnetic Stealth over Extended Regions
本文研究空中目标利用IRS辅助电磁隐身以规避广域内不确定雷达探测的问题，通过优化IRS无源反射以最小化目标回波最大接收信噪比，推导出半闭式解，仿真验证其能持续降低大区域内雷达的反射增益。
2025-03-07 eess.SP
Radar Intelligent Detection with Coarse-Grained Labels
University of Electronic Science and Technology of China（电子科技大学）
本文提出仅用距离窗口级标签训练雷达检测器的策略，通过孪生Transformer生成伪标签并施加位移等变一致性约束，无需单元级标签即可实现接近单元级标签训练的性能，且大幅降低标注成本。
2026-10-07 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
Adaptive Pulse Compression for Sidelobes Reduction in Stretch Processing based MIMO Radars
与传统雷达相比，多输入多输出（MIMO）雷达提供各种优点。在这些优点中，正在为未来的全自动车辆探索改进的角度多样性特征。改进的角度分集需要在发射侧和接收侧使用正交波形。波形之间的这种正交性是至关重要的，因为信号之间的互相关可能由于较强目标的旁瓣而抑制对较弱目标的检测。针对慢时相位编码（ST-PC）调频连续波（FMCW）MIMO雷达，研究了用于抑制距离旁瓣的迭代最小均方误差（RMMSE）失配滤波器设计。首先分析了接收脉冲解码不当时RMMSE滤波器的性能下降。然后，它在数学上示出，接收到的脉冲的正确解码需要与由于目标的多普勒和空间位置引起的任何相位失真相关的相位补偿。为了适应这些相位失真，建议将雷达信号处理中的传统操作顺序重新调整为多普勒、角度和距离。此外，还提出了将旁瓣退相干，以进一步抑制旁瓣。这是通过修改基线单输入RMMSE失配滤波器的结构协方差矩阵来实现的。提出了一种改进的结构化协方差矩阵，以包含每个发射机对应的距离估计。这些建议的修改提供了额外的旁瓣抑制，同时它也提供了额外的保真度的目标峰值。所提出的方法是通过模拟以及现场实验证明。当与基线RMMSE和传统的汉宁窗距离响应相比时，观察到在距离旁瓣抑制方面的优越性能。
2022-08-18 eess.SP
FMCW Radar Sensing for Indoor Drones Using Learned Representations
KU Leuven（鲁汶大学）；Ghent University（根特大学）；imec（比利时微电子研究中心）
调频连续波（FMCW）雷达是室内无人机的一种有前途的传感器技术，因为它提供有关环境中障碍物的距离，角度和多普勒速度信息。最近，已经提出了深度学习方法来处理FMCW数据，在距离-多普勒或距离-方位图上优于传统检测技术。然而，这些技术是有代价的;对于每个新任务，必须在高维输入数据上训练深度神经网络架构，从而强调数据带宽和处理预算。在本文中，我们研究了无监督学习技术，从FMCW雷达数据生成低维表示，并评估这些表示在多大程度上可以重用于多个下游任务。为此，我们引入了一个新的数据集的原始雷达ADC数据记录从雷达安装在一个飞行的无人机平台在室内环境中，连同地面真理检测目标。我们用真实的雷达数据表明，利用我们学到的表示，我们匹配传统雷达处理技术的性能，并且我们的模型可以在不同的输入模式上进行训练，例如只有两个连续传输的啁啾的原始ADC样本。
2023-01-06 cs.RO eess.SP
Automotive Radar Interference Mitigation with Unfolded Robust PCA based on Residual Overcomplete Auto-Encoder Blocks
University Politehnica of Bucharest（布加勒斯特理工大学）；University of Bucharest（布加勒斯特大学）；Weizmann Institute of Science（魏茨曼科学研究所）
在自动驾驶中，雷达系统在检测道路上的其他车辆等目标方面发挥着重要作用。安装在不同汽车上的雷达会相互干扰，降低检测性能。用于汽车雷达干扰抑制的深度学习方法可以成功地估计目标的幅度，但无法恢复相应目标的相位。在本文中，我们提出了一种高效和有效的技术展开的鲁棒主成分分析（RPCA）的基础上，能够估计的振幅和相位的干扰存在。我们的贡献在于将残差过完备自动编码器（ROC-AE）块引入到展开RPCA的递归架构中，从而产生了一个更深入的模型，其性能显著优于展开RPCA以及其他深度学习模型。
2021-04-17 cs.CV cs.LG eess.SP
Mobile Tracking via Target-Mounted IRS-Assisted ISAC System
Shanghai Jiao Tong University（上海交通大学）；Xi’an Jiaotong University（西安交通大学）；Jiangnan University（江南大学）；Zhejiang University（浙江大学）；Tsinghua University（清华大学）
针对低空无人机跟踪面临的挑战，提出目标挂载IRS辅助的感知与通信一体化框架。建立无人机三维状态模型，用扩展卡尔曼滤波器跟踪，推导性能界，开发低复杂度联合波束成形设计，模拟显示该框架在复杂轨迹上精度高、功耗低、延迟小。
2026-07-28 eess.SP
Radarize: Enhancing Radar SLAM with Generalizable Doppler-Based Odometry
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Peking University（北京大学）
本文提出仅依赖单芯片毫米波雷达的SLAM流水线Radarize，通过多普勒里程计与多径抑制技术，在4.7公里数据集上实现比现有雷达方法提升约5倍里程计精度和8倍SLAM精度。
2024-04-29 cs.CV cs.RO eess.SP
Near-Range Environmental Perception for Inland Waterway Vessels: A Comparative Study of LiDAR and Automotive FMCW RADAR Sensors
本文针对内河船舶近距感知需求，在舱室船上部署四个汽车 FMCW 雷达组成的分布式网络，并与 LiDAR 进行对比实验，验证其在恶劣天气下感知近距静态环境特征以支持自主操纵的可行性。
2024-11-24 eess.SP
A Low-Complexity Radar Detector Outperforming OS-CFAR for Indoor Drone Obstacle Avoidance
imec（比利时微电子研究中心）；KU Leuven（荷语鲁汶大学）；U Gent（根特大学）
随着雷达传感器的小型化，人们越来越有兴趣将它们用于室内传感应用，如室内无人机避障。在这些新的场景中，雷达必须在具有大量相邻散射体的密集场景中表现良好。雷达性能的核心是用于将目标从背景噪声和杂波中分离出来的检测算法。传统上，大多数雷达系统使用传统的恒虚警检测器，但其性能下降，在室内场景与许多反射。受非线性目标检测进展的启发，我们提出了一种新的高性能，但复杂度低的目标检测器，我们通过实验验证了我们的算法在使用安装在无人机上的雷达获得的数据集。我们的实验表明，我们提出的算法大大优于OS-CFAR（用于汽车系统的标准检测器），对于我们的室内无人机导航的特定任务，对于给定的误报概率，检测概率高出19%以上。我们还基准我们提出的检测器对一些最近提出的多目标恒虚警检测器，并显示出16%的改善，检测概率相比，CHA-CFAR，甚至更大的改善相比，OR-恒虚警和TS-LNCFAR在我们特定的室内场景。据我们所知，这项工作提高了关键室内传感应用中高性能低复杂度雷达检测的最新水平。
2021-07-15 cs.RO eess.SP
Impact of Urban Street Geometry on the Detection Probability of Automotive Radars
本文提出用泊松线 Cox 过程刻画城市道路与车辆分布，并基于随机几何分析道路密度、车辆密度及雷达参数对干扰数量和检测性能的影响。
2023-12-09 cs.IT eess.SP math.IT
Integrated Sensing and Communication enabled Doppler Frequency Shift Estimation and Compensation
针对高速车载网络中毫米波通信受多普勒频移严重影响的问题，提出一种集成感知与通信的DFS估计与补偿算法，通过雷达粗估计和导频序列精估计，并设计自适应估计器降低复杂度，仿真验证了其在误码率和均方误差上的性能提升。
2023-10-11 cs.SY eess.SP eess.SY
Under the Sand: Navigation and Localization of a Micro Aerial Vehicle for Landmine Detection with Ground Penetrating Synthetic Aperture Radar
ETH Zurich（苏黎世联邦理工学院）；Ulm University（乌尔姆大学）
搭载于微型飞行器上的探地雷达是一种很有前途的人道主义扫雷工具。然而，合成孔径雷达图像的质量取决于准确和精确的运动估计的雷达天线，以及与微型飞行器产生信息的观点。介绍了一种完整的、自动化的机载探地合成孔径雷达（GPSAR）系统。该系统由空间校准和时间同步的工业级传感器套件组成，可实现地面以上导航、雷达成像和光学成像。自定义任务规划框架允许生成和自动执行地面以上控制的条带和圆形（GPSAR）轨迹以及航空成像测量飞行。基于因子图的状态估计器融合来自双接收器实时动态（RTK）全球导航卫星系统（GNSS）和惯性测量单元（IMU）的测量，以获得精确的、高速率的平台位置和定向。地面实况实验表明，传感器定时准确度为0.8 us，精确度为0.1 us，定位率为1 kHz。双位置因子配方提高了在线定位精度高达40%和批量定位精度高达59%相比，一个单一的位置因子与不确定的航向初始化。我们的现场试验验证了定位精度和精度，使相干雷达测量添加和探测埋在沙子里的雷达目标。这证实了作为空中地雷探测系统的潜力。
2021-12-05 cs.RO eess.SP
Breaking the CP Limit: Robust Long-Range OFDM Sensing via Interference Cleaning
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；Nokia Bell Labs（诺基亚贝尔实验室）
本文提出两种框架，通过干扰清除技术突破CP限制，实现鲁棒远距离OFDM感知，提升目标检测性能与计算效率。
2026-02-23 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
Fast Rule-Based Clutter Detection in Automotive Radar Data
Ulm University（乌尔姆大学）；BMW AG（宝马公司）
汽车雷达传感器会输出大量不必要的杂波或重影检测，其位置和速度与传感器视野中的任何真实物体都不对应。这对诸如目标检测或跟踪的环境感知方法提出了实质性的挑战。尤其成问题的是在多个连续测量中成组地或在相似位置处发生的杂波检测。在本文中，提出了一种新的算法来识别这种错误的检测。它主要是基于特定的常见波传播路径，导致杂波的建模。特别是，明确涵盖的三种效应是汽车或卡车底部的反射，在安装传感器的车辆和另一个物体之间来回传播的信号，以及通过镜面反射的多径传播。后者通常发生在护栏、混凝土墙或类似的反射表面附近。这些影响中的每一个都在理论上和关于用于识别相应的杂波检测的方法进行了描述。通过分析仅从单个传感器测量生成的检测来完成识别。最后的算法进行评估的记录，真正的城市外的交通。对于标记，采用半自动过程。结果是有希望的，无论是在性能和关于非常低的执行时间。通常情况下，大部分的杂波被发现，而只有一小部分的检测对应于真实的对象被错误地分类的算法。
2021-08-27 cs.CV eess.SP
Chirp Delay-Doppler Domain Modulation Based Joint Communication and Radar for Autonomous Vehicles
Beijing Institute of Technology（北京理工大学）；Ocean University of China（中国海洋大学）；Nanyang Technological University（南洋理工大学）；Tsinghua University（清华大学）；Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）
本文提出了一种基于Chirp延迟-多普勒域调制的联合通信与雷达技术，用于提升自动驾驶车辆的感知与通信性能。
2025-12-20 cs.IT eess.SP math.IT
A Stochastic Doppler Sensing Framework for Range-Resolved Bidirectional Particle Dynamics in a Bubbling Fluidized Bed at 60 GHz
Delft University of Technology（代尔夫特理工大学）
提出一种60 GHz调频连续波雷达的随机多普勒测量框架，实现鼓泡流化床内距离分辨的双向颗粒运动观测，并通过统计谱分析提取速度与谱宽信息。
2026-09-23 eess.SP
Multisensor Poisson Multi-Bernoulli Filter for Joint Target-Sensor State Tracking
Chalmers University of Technology（查尔姆斯理工大学）；DENSO Sweden AB（电装瑞典有限公司）
本文提出了一种多传感器低复杂度泊松多伯努利多目标跟踪滤波器，用于联合跟踪不确定的车辆状态和目标状态，通过逐步融合不同传感器的测量数据来提高跟踪性能。
2019-01-14 cs.SY eess.SP eess.SY
Range Ambiguity Identification and Elimination by Leveraging Temporal Broadening Effect for THz Sensing
Vestel Electronics（维斯特电子）；School of Electrical Engineering and Computer Science National University of Sciences and Technology（国立科技大学电气与计算机工程学院）；Terahertz Wireless Communications Interdisciplinary Research Center (TWC IRC) and also the Cooperative Medianet Innovation Center (CMIC), 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太赫兹无线通信交叉研究中心及合作媒体网创新中心）；Department of Electrical and Electronics Engineering, Istanbul Medipol University（伊斯坦布尔医学大学电气与电子工程系）
本文提出一种接收端框架，利用太赫兹的时间展宽效应解决太赫兹脉冲雷达的距离模糊问题，通过展宽匹配滤波结合多普勒补偿确定模糊阶数，可在传统无模糊区间外可靠恢复目标距离，性能接近克拉美罗下界。
2026-10-16 eess.SP
Autonomous 3D Moving Target Encirclement and Interception with Range measurement
School of Electrical and Electronic Engineering, Nanyang Technological University（南洋理工大学电子与电气工程学院）
针对商用无人机带来的安全威胁，提出一种仅靠距离测量的自主3D包围拦截策略，可在GPS拒止等复杂场景下工作，经实验与仿真验证了其探测、包围及拦截敌方无人机的有效性。
2025-06-16 cs.RO eess.SP
Rainfall Sensing via Mobile Communication Signals
University of Technology Sydney（悉尼科技大学）
针对传统降雨监测设备的缺陷，提出PMN-RainSense框架，利用sub-6 GHz移动通信信号，经实验实现降雨分类95.48%准确率、强度估计MAE 0.25-0.27 mm/h的性能。
2026-08-18 cs.NI eess.SP
