王冠兴

基于毫米波雷达的人体动作识别算法

基于雷达时序信号开展人体手势识别研究，完成从数据采集、信号增强、目标检测与时序特征提取的算法开发。

• 数据采集：基于AWR1642雷达搭建数据采集系统，采集10类手势样本，完成数据预处理。
• 信号处理：采用滤波、CFAR检测等算法提取距离、速度、角度等时序特征，构建人体动态特征的多维表示。
• 特征提取：设计CNN双分支特征融合网络，融合距离-速度及角度时序特征，实现动态手势分类识别。
• 模型优化：采用随机裁剪、随机旋转等数据增强策略提升模型泛化能力，实现手势识别准确率94.5%以上。

信号处理与智能感知算法研究

围绕复杂动态场景下传感器信号处理问题，研究低信噪比下信号检测、参数估计、信号去噪与增强技术。

• 时频分析：建立动态目标时频表示，分析非平稳运动信号的时频结构，设计面向复杂运动场景的参数估计算法。
• 信号增强：提出基于多视角观测与自监督学习的信号去噪与增强方法，结合物理先验提升复杂环境下数据质量。
• 信号检测：构建目标动力学模型，设计非线性参数估计算法，实现低信噪比条件下弱目标信号检测、参数估计。
• 技术成果：相关成果发表于IEEE TGRS、IEEE TAES等SCI期刊，授权国家发明专利，形成面向低信噪比场景的信号检测、增强、特征提取与智能感知算法体系。

天体目标测量仪

面向月球、近地小行星等非合作天体目标，开展复杂环境下的低信噪比信号增强、目标检测与参数估计研究。

• 系统设计：参与观测系统总体设计、能力分析与任务规划，完成对月等典型任务场景下的数据采集及算法验证。
• 时频分析：构建天体目标自旋与轨道运动模型，分析复杂运动下时频信号特征，为精确参数估计提供支撑。
• 信号增强：研究自监督信号增强算法，在复杂环境下信噪比平均提升8-10dB，弱目标检测概率提升15%。
• 参数估计：设计弱目标参数估计算法，在低信噪比下实现距离/速度等运动参数稳定估计，估计误差2.0%以内。
• 工程验证：组织100+次外场实验，构建TB级数据集，具备从数据采集、算法研发到真实数据验证的完整经验。

无人机毫米波雷达三维成像

面向复杂城市场景下三维感知需求，基于多旋翼无人机开展城市场景的三维智能感知研究。

• 数据采集：参与实验方案设计，完成170-260米高度40+架次的典型城市建筑群数据采集与处理。
• 运动估计：研究运动参数估计及误差补偿方法，提出多站时相误差补偿方法，为场景重建提供高精度运动信息。
• 二维成像：在低信噪比及复杂运动条件下，基于后向投影与图像熵自聚焦算法，实现米级高分辨成像。
• 三维感知：基于无人机多视角观测，基于ISTA-Net和ADMM-Net等方法实现典型城市场景亚米级三维重建。

多视角信号智能感知

面向极稀疏观测场景下的图像重建问题，研究多维观测建模、稀疏重建与深度学习融合算法。

• 多视角建模：建立极稀疏观测条件下的多视角观测与成像模型，研究多维观测信息与图像结构的关系。
• 算法研发：研究基于一维信号的稀疏图像重构算法，实现复杂场景下目标二维成像分辨率提升1个数量级。
• 系统设计：参与总体方案设计与核心能力指标论证，完成深化论证报告，支撑项目立项。
• 工程验证：基于遥感设备开展70+次外场实验，完成算法验证，支撑项目结题。

• 独立发起并组织暑期支教项目，对接地方政府及学校，负责项目策划、志愿者招募、课程设计及团队管理。
• 累计组织近百名大学生志愿者参与支教，为500余名学生开展千余课时教学，并完成扶贫调研及实践报告。

• 开展心肺复苏等急救培训近百场，累计培训企业员工、师生及社会公众近千人。
• 参与冬奥会、建党百年等大型活动急救培训工作，面向十余家企事业单位开展急救课程。