系统工程与电子技术

作者：姜智杰, 宋恒, 胡楠, 段兰茜, 曹平

单位：1. 中国科学技术大学核探测与核电子学国家重点实验室, 安徽 合肥 230026；2. 中国科学技术大学近代物理系, 安徽 合肥 230026；3. 中铁四局集团有限公司管理与技术研究院, 安徽 合肥 230041；4. 中国科学技术大学核科学技术学院, 安徽 合肥 230026

关键词：毫米波雷达,目标识别,实时,深度学习,隧道

基金：中铁四局集团有限公司(2023-48)

毫米波雷达具有全天候、高精度、低成本、无感式的优点, 在隧道环境下进行安全监测具有极大的优势。但由于隧道多径干扰严重, 经典信号处理算法目标识别错误率高, 三维卷积深度学习算法计算复杂度高, 实时性差, 阻碍了毫米波雷达在隧道中的应用。基于此, 提出一种高效的深度学习算法方案, 可以实现人员、车辆等目标的高精度实时定位和分类。算法采用信号处理方法对雷达中频数据进行多维度压缩编码；使用Mamba网络针对雷达时空序列数据进行特征提取；使用视场数据热图估计目标位置；使用目标位置局部区域特征估计目标类别, 避免不相干区域信号干扰, 提高目标识别精准率。算法基于二维卷积设计, 建立雷达数据到目标位置及类别的非线性映射关系, 可有效控制计算复杂度。隧道试验表明, 算法的平均交并比(mean intersection over union, mIoU)、平均精准率(average precision, AP)和速度分别为0.68, 65.26%, 22.5 ms/frame, 与三维卷积CenterRadarNet算法相比, mIoU降低3%, AP提升9%, 速度提升53.3%。证明算法具有良好性能, 在实际工程中具有应用价值。

来源：2025年第5期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第5期