王冠兴

雷达信号处理与智能感知算法研究

面向复杂动态场景下的智能感知需求，研究低信噪比雷达信号处理、目标检测、参数估计与信号去噪等算法。

• 时频分析：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与特征提取算法。
• 信号增强：基于自监督架构设计信号去噪与增强方法，提升低信噪比下目标信号质量及结构保持能力。
• 参数估计：设计非线性参数估计与弱目标检测算法，实现低信噪比下目标距离、速度等运动参数的稳定估计。
• 智能感知：基于Transformer、NeRF/3DGS等方法开展雷达信号智能处理，实现从回波到图像的非线性映射。

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类手势雷达回波，完成数据预处理与数据集构建。
• 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：设计双分支特征融合网络，融合距离/速度/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。

基于地基雷达的天体目标智能感知

面向极稀疏观测场景下的雷达智能感知问题，研究雷达多维观测建模、雷达成像等算法。

• 方案论证：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。
• 机理建模：研究地基雷达多维观测信息获取机理，建立极稀疏观测条件下多视角观测与雷达成像模型。
• 雷达成像：研究基于改进MUSIC的高精度DOA估计方法，结合稀疏视角和物理先验实现雷达二维成像；融合稀疏重建与深度学习提升成像质量，目标成像分辨率提升1个数量级。
• 工程验证：组织100+次外场实验，构建TB级多源数据集，完成数据采集、算法验证及结果分析。

基于无人机载雷达的城市场景三维重建

面向复杂城市场景三维感知需求，基于多旋翼无人机开展真实场景多视角数据采集与三维重建研究。

• 数据采集：参与实验方案设计，完成40+架次无人机实验，采集170–260m高度城市建筑群数据并完成预处理。
• 运动估计：研究运动参数估计及误差补偿方法，为多视角数据对齐及三维重建提供高精度运动信息。
• 图像增强：研究自监督图像增强方法，有效提升图像信噪比10-15dB，实现目标结构的高质量识别与提取。
• 三维感知：基于无人机多视角观测，基于ADMM-Net、3DGS等方法实现典型城市场景亚米级三维重建。

• 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。