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、信号处理、特征提取与识别的完整算法开发。

• 数据采集：基于AWR1642雷达搭建数据采集系统，完成10类手势样本采集及数据预处理。
• 信号处理：采用信号滤波、CFAR检测等算法提取距离、速度、角度等时序特征，构建人体动作特征表示。
• 识别网络：设计基于CNN的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。

雷达信号处理与智能感知算法研究

面向卫星、小行星等非合作目标，研究低信噪比信号处理、信号检测、参数估计、图像去噪技术。

• 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信号检测、参数估计。
• 信号增强：提出基于多视角观测与自监督学习的数据去噪与增强方法，实现复杂环境下数据质量提升。
• 时频分析：优化天体目标运动模型，开展时频特征建模，提出复杂运动参数估计算法，实现高精度参数估计。
• 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、去噪与智能感知算法体系。

****雷达测量仪

面向月球、近地小行星等非合作天体目标，开展基于地基雷达的低信噪比信号去噪与三维成像技术研究。

• 系统设计：参与雷达系统总体设计、能力分析与任务规划，完成系统设计及总体技术方案。
• 时频分析：构建天体目标自旋、轨道运动模型，分析复杂运动下目标时频信号特征，为三维成像算法提供支撑。
• 算法研发：设计融合NeRF/3DGS与物理模型的三维成像算法，实现稀疏视角下三维重建精度提升60%以上。
• 实验验证：组织 100 余次外场实验，负责实验方案设计、系统调试、算法验证及数据分析。

• 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。