基于多路径特征融合的非视距目标识别方法

来源：信号处理杂志 2026年第3期北京时间：

作者：曾小路, 杨怡菲, 赵涵, 钟世超, 杨小鹏

摘要：在获取非视距（non-line-of-sight，NLOS）区域内目标的位置信息后，进一步识别建筑拐角后方的武装人员、无人机等目标类别，对现代城市作战、智能驾驶等场景具有重要研究价值。然而，由于非视距环境中电磁波传播路径复杂，目标的回波信号存在多径边界模糊、信号畸变等问题，使得传统基于几何特征建模或手工特征提取的方法难以获得可靠的分类。因此，本文提出了一种基于多路径特征融合的非视距目标识别网络。该方法首先分析了四类典型目标（即行人、RPG操作者（Rocket-Propelled Grenade，RPG）、四旋翼无人机以及坦克模型）的回波特征差异。其次，针对多路径回波图中路径数量不一、边界模糊等问题，设计了自适应多尺度特征提取模块；具体而言，小尺度卷积核用于捕捉单路径回波中的细小高幅值特征，大尺度卷积核用于提取多路径回波的全局结构信息。随后，引入注意力机制融合多径显著特征与局部散射特征，有效提升了非视距目标类型识别的准确性。最后，利用多径雷达探测系统采集实测数据进行验证，实验结果表明所提网络的目标识别准确率达99.6%，对比实验充分验证了所提算法的有效性与稳定性。

关键词：非视距目标识别, 卷积神经网络, 多尺度卷积核