多径利用雷达目标探测技术综述与展望

孔令讲 郭世盛 陈家辉 吴佩仑 崔国龙

(电子科技大学信息与通信工程学院 成都 611731)

1 引言

当目标隐藏于建筑拐角或其他非直视(Non-Line-Of-Sight,NLOS)区域时，由于建筑物的遮挡，电磁波难以穿透多层建筑墙体以获取目标信息，导致传统直视(Line Of Sight,LOS)探测方法失效。为解决这一问题，多径利用雷达(Multipath Exploitation Radar,MER)技术应运而生。该技术利用电磁波在街角盲区非直视传播形成的衍射和多次反射信号，通过建立多路径传播模型和改进信号处理方法，实现对隐蔽目标的探测。正是因为其“拐弯探测”的能力，多径利用雷达技术被广泛应用于反恐维稳、区域监视和智能驾驶等领域，具有重要研究价值[1-5]。

基于空中平台的多径利用雷达技术凭借其灵活性、广视域等优势而被率先研究[6-24]。然而，空基多径利用雷达一般采用“侧下视”工作模式，其受杂波干扰严重，导致回波中地物杂波与有用多径信号相互耦合。因此，在强杂波环境下分选出有用路径信号，并将其与目标进行关联是其研究的核心问题。相较于空中平台，地面平台采用“平视”工作模式，大大减少了杂波抑制的难度[25-90]。因此在该平台下，多路径回波综合利用是多径利用雷达的核心。

目前，多径利用雷达已经在机载平台和地基平台上得到了成功应用，并在目标探测和场景估计等领域取得了显著的进展。有鉴于此，本文首先介绍基于多径信号的非直视目标探测原理，然后根据不同搭载平台对多径利用雷达目标探测技术的发展脉络进行梳理与讨论，最后对多径利用雷达目标探测技术的发展特点进行总结，并展望其未来发展趋势。

2 基于多径信号的非直视目标探测原理

建筑环境的多样性以及电磁波传播现象的复杂性，综合导致接收到的多路径回波呈现时变和空变特性。因此，针对多样化非视距场景，建立能够准确表征电磁传播路径的回波映射函数是多径探测的核心问题。

近年来，利用电磁波在建筑墙角的衍射和建筑表面的反射等多路径传播机理对建筑环境非直视目标进行检测定位、成像及跟踪，是实现建筑环境遮蔽目标探测的新质探测手段。城市环境中密集分布的各式各样建筑物使得雷达到探测目标之间的电磁波传播路径复杂多变。同时，电磁波在建筑墙角的衍射、墙面的反射以及目标表面的散射等传播特性关系到目标多路径回波信号能否被有效利用。因此，建立典型城市环境下多路径信号传播模型并分析其中多路径信号传播特性是多路径信号联合探测的重要前提。通常，为了简化模型以便分析，将电磁波的反射等效为镜面反射，并利用射线追踪(Ray-Tracing)构建电磁波传播模型。

结合典型的城市建筑、街道等复杂城市环境多路径探测场景，本文选取了具有代表性的城市建筑非直视目标探测场景--L形建筑。进一步地，本文针对该场景模型对多路径信号传播模型及传播特性进行如下分析。将L形建筑拐角中三面墙分别命名为Wall-1,Wall-2和Wall-3，则有等效多径传播模型图如图1所示。

图1 典型L形NLOS场景Fig.1 Typical L-shaped NLOS scenario

假设C为Wall-1和Wall-3形成的墙角，其坐标为C=[xC,yC]T，且Wall-1,Wall-2和Wall-3的位置和布局Dh,h=1,2,3已知。考虑I个遮蔽目标位于Wall-1和Wall-2构成的走廊之中，为了探测隐藏的目标，在角落的另一侧放置了M个发射天线和N个接收天线的多通道雷达，雷达的中心坐标设置为[xO,yO]T。

假设第m个发射天线Tm=[xt,m,yt,m]T发射信号为s(t)，则第n个接收天线Rn=[xr,n,yr,n]T接收的回波信号，表示为

其中，σ为发射衰减系数，表示发射路径时延，为接收路径时延。p和q分别为信号经衍射或反射到达目标的发射路径数和接收路径数。ξ(t)为杂波项，包含发射与接收之间的直耦信号以及墙体反射回波，ψ(t)为环境噪声。

根据电磁波的多径传播特性，每条路径都会形成等效的虚拟目标，表示为Q0—Q2。此外，为了实现目标定位，需要对不同路径产生的虚拟目标进行参数化表示。不失一般性，假设单个目标Q位于[xt,yt]T。通过均匀几何绕射理论(Uniform Geometric Theory of Diffraction,UTD)，由衍射路径Path-0生成的虚拟目标Q0可以表示为

其中，上标T表示矩阵转置，lw表示拐角C到目标Q之间的距离。此外，每条反射路径也会形成对应的虚拟目标Q1和Q2，表示为

其中，D1和D2分别为Wall-1和Wall-2对应的x轴坐标。

根据目标位置与多径反射之间的几何关系，可推导出发射和接收路径的传播时延，表示为

其中，c 为光速，‖·‖为向量二范数。双程传播时延即为发射和接收路径时延之和。

而在实际探测环境中，为了提升雷达探测性能，在保证雷达不暴露于遮蔽目标的前提下，应尽量使得雷达天线靠近墙角且与建筑下侧墙夹角尽量大[37]。

上述多径模型将反射近似为镜面反射，而对漫反射等予以忽略。且该模型为通式，其会随着电磁频段、目标材质而有所不同。例如，当电磁波频段较低时，测量损耗较小，衍射和高阶反射多径现象明显，而电磁波频段较高时，传播损耗大，接收到的多径大多为低阶反射。此外，根据不同搭载平台、探测场景，多径模型也会有所不同。具体而言，基于空中平台的多径探测技术通常将问题简化为二维平面分析，在这种情况下，电磁传播距离远，多径衰减较大，再加之地杂波影响，综合导致了回波信号复杂，因此如何提取其中的多径信息是关键所在。而基于地面平台的多径探测技术往往场景小，电磁传播距离近，多径衰减较小，可利用多径丰富，分选多径则是研究重点。

3 基于空中平台的多径探测技术

空中平台(飞机、高塔等)是较早引入多径信息辅助进行目标探测的平台，借助侧下视的探测角度特点，其可在三维立体空间中充分利用多径信号，扩大系统的覆盖范围，提升对地面非视距运动目标的探测性能。

3.1 可行性验证

在美国国防部高级研究计划局(Defense Advanced Research Projects Agency,DARPA)的支持下，Krolik等人[6]于2006年率先开展了利用电磁波多径传播效应提升地面动目标指示(Ground Moving Target Indicator,GMTI)系统性能的相关研究。通过推导目标位置估计的克拉美-罗下界(Cramer-Rao Lower Bound,CRLB)，该团队发现：随着使用的多径信号数量增加，GMTI系统的定位精度也会有所提高。同时，他们还分别计算了直视目标回波和非直视遮蔽目标回波的传播概率，并通过仿真实验验证了利用多径信号可显著提升机载雷达探测覆盖范围和探测精度，如图2所示。同样地，为分析GMTI中多径信号的影响因素，Linnehan等人[7]在实际城市场景中分析了动目标的多径信号回波幅度及微多普勒特征，佐证了利用多径信号实现非直视目标探测的可行性。

图2 地面范围覆盖的概率与雷达高度的关系[6]Fig.2 The probability of ground range coverage versus radar altitude[6]

3.2 影响因素分析

为在GMTI系统中更有效地利用多径信号，需要充分分析建筑材质、电磁波频率和入射角等因素对多径信号的影响。为此，美国空军研究实验室(Air Force Research Laboratory,AFRL)的Linnehan等人[8]在2009年基于近场积分方法，建立了点目标散射模型。基于该模型，其研究了墙壁粗糙度对多径信号功率和多普勒响应的影响。而美国陆军研究室(US Army Research Laboratory)的Tahmoush等人[9]则测量汇总了砖、灰泥、木板等多种建筑材料的反射特性，以期指导GMTI雷达系统的频率和极化设计，其中不同极化的电磁波双程传播能量衰减随频率和墙壁材质的变化情况如表1所示。总体而言，当探测信号为低波段，如X波段时，多径利用雷达在砖墙、粉刷墙面等城市建筑中的探测性能较好。而当探测信号为高波段，如Ku,Ka等波段时，多径利用雷达在混凝土墙面等城市建筑中的探测性能较好。法国航空航天实验室的Nouvel等人[10,11]利用搭载了Ka波段合成孔径雷达(Synthetic Aperture Radar,SAR)的飞机在城市环境采集了大量数据，分析了电磁波的入射角度和建筑材料引起的NLOS信号衰减，并通过实际采集的雷达数据集对回波中的多径成分进行了分析。

表1 不同极化电磁波双程路径衰减随频率和材质变化[9] (dB)Tab.1 Two-way attenuation of different polarized EM waves varies with frequency and material[9] (dB)

3.3 基于多径信号的建筑环境感知

此外，除了上述利用多径信号实现非直视目标探测的可行性及影响因素分析的研究工作，基于多径信号的建筑布局感知技术也是目前的研究热点。其中，中国科学院的Cheng等人[12,13]针对城市建筑环境感知问题，在2018年构建了建筑二面角结构的多径散射理论模型，基于合成孔径雷达层析成像原理，实现了对建筑物高度的估计。2022年，Li等人[14]在使用高分辨率层析合成孔径雷达点云重建建筑物时发现，机载阵列层析合成孔径雷达点云中高阶散射点可以提供建筑物背面丰富的信息，由此提出了基于4次反射的建筑物背面重建方法，在屋顶点较差的情况下，例如由于遮挡而导致的屋顶反射点不完整，或者由于屋顶散射弱而导致的屋顶点稀疏时，依然可以实现建筑物背面的高精度重建。

3.4 基于多径信号的非直视目标探测

针对非直视目标探测这一问题，AFRL的Fertig等人[15]首次提出了“多径利用雷达”概念，推导了复杂城市环境下目标定位与跟踪的克拉美-罗下界，并利用实际城市场景中采集的数据验证了多径利用雷达可以获得更精细的定位和跟踪性能[16]，雷达搭载平台及实验数据处理结果如图3所示。其中，图3(b)和图3(c)分别为LOS信号的覆盖区域和NLOS信号的覆盖区域，可见NLOS信号的引入确实提高了机载多径利用雷达的对地覆盖范围。而图3(d)展示了城区内对两个不同目标的跟踪结果，分别用蓝色和红色表示，且用实线表示目标真实运动轨迹，用虚线表示估计运动轨迹，图3(e)则给出了两个目标的跟踪误差。法国航空航天实验室的Nouvel等人[17]在之前工作[10,11]的基础上，验证了干涉测量信息可辅助判断出非视距区域，并能够很好地探测到地面非直视目标。美国亚利桑纳州立大学的Chakraborty等人[18]提出了一种将多路径利用和自适应波束形成相结合的方法，该方法基于多径信号对复杂城市环境下的移动车辆进行定位跟踪，通过动态设计发射波形参数的方式利用和优化多路径回波信号，进而最小化地估计出目标轨迹的均方误差，城市环境实验结果表明，利用不同多径的信息互补可有效提升目标跟踪性能，其实验场景及实验结果如图4所示。2019年，西安电子科技大学的胡刘博[19]基于多径回波到达时间，通过构建虚拟镜像探测源，利用椭圆交叉定位方法实现了非直视目标定位。与此同时，他还在交互多模型粒子滤波的基础上，实现了基于多径信息的非直视机动目标跟踪[19]。

图3 MER雷达辅助地面动目标定位跟踪搭载平台及实验结果[16]Fig.3 MER radar assisted ground moving target tracking platform and experimental results[16]

图4 基于自适应波形设计的目标跟踪方法实验场景及实验结果[18]Fig.4 Experimental scenario and results of target tracking method based on adaptive waveform design[18]

此外，多径信息还可以应用于全球卫星导航系统(Global Navigation Satellite System,GNSS)[20-22]中，以提升车辆的定位精度。德国开姆尼茨工业大学的Obst等人[23]为减小卫星探测复杂城市环境中的目标时由多径引入的定位误差，基于城市建筑的三维模型提出了一种多星GNSS城市目标探测算法，通过光线追踪概率模型来辨别多径回波，从而估计出了目标运动轨迹，有效提高了复杂城市区域内目标的定位精度。受其启发，Ng等人[24]将全球定位系统(Global Positioning System,GPS)的非视距信号视为镜像位置处虚拟卫星的视距GPS信号，再通过直接位置估计获得最大似然估计(Maximum Likelihood Estimate,MLE)的解。其通过实验证明：与常规的GPS定位相比，所提出的算法水平定位精度提高了40 m。

4 基于地面平台的多径探测技术

基于空中平台的非直视目标多径探测技术主要搭载于卫星、大型直升机等空中平台，导致其成本较高，难以满足反恐维稳、城市巷战、智能驾驶等应用需求。因此，为解决探测成本高、复杂城市环境下机动性差的问题，基于地面平台的多径探测技术逐渐得到发展。依据对非直视区域遮蔽目标信息的获取能力，基于地面平台的多径探测技术可划分为目标检测、目标识别、二维目标定位、三维目标信息获取等。

4.1 非直视目标检测与识别

瑞典国防研究局的Sume等人[25]、荷兰国家应用科学研究院Deiana等人[26]、法国航空航天实验室的Rabaste等人[27]率先开展了城市环境非直视目标多径探测研究，构建了电磁波在非直视场景的多径传播模型，并借助距离像等信息佐证了所建模型的正确性，由此验证了利用墙面反射和墙角衍射信号实现非直视运动目标检测的可能性。

Sume等人[28]利用短时傅里叶变换分析了墙角后隐蔽人体走动和呼吸产生的微多普勒信号，并结合运动目标指示(Moving Target Indication,MTI)技术提出了一种快速目标距离轨迹检测算法。随后，该团队[29,30]在典型城市街道上开展了墙角隐蔽目标探测实验，目标类型包括走动的人、骑自行车的人以及开汽车的人，通过对经多普勒滤波后的信号进行处理得到不同类型目标的距离信息和多普勒特征，其中不同多径信号的多普勒特征和距离信息如图5所示，其中黑色箭头指向不同多径贡献的信号分量。Linnehan等人[31]从多径信号传播特性出发，在实际城市场景中，通过双站雷达实验分析了从粗糙墙面反射的多径信号的空间相干性及能量分布特点，并利用车载单站雷达验证了多径响应的可预测性。

图5 城市非视距环境中多个行人的微多普勒信号分析实验场景及实验结果[30]Fig.5 Experimental scenario and results of micro-Doppler signal analysis of multiple pedestrians in urban NLOS environment[30]

上述研究表明，不同类型非直视目标的微多普勒、回波距离像等均有所不同，因此，基于此类特征可实现对不同目标的分类。Gustafsson等人[32]基于离散短时傅里叶变换和自相关技术提取了无人机旋翼的时间-速度谱图，通过分析无人机旋翼的微多普勒特征，实现了对不同材质旋翼的判别。图6展示了金属旋翼和塑料旋翼的时间-速度谱图。而日本电气通信大学的He等人[33,34]提出了一种基于机器学习的人体衍射信号识别算法，该算法在支持向量机(Support Vector Machines,SVM)中引入原始回波、时间倒数、时间偏移以及短时傅里叶变换(Short Time Fourier Transform,STFT)这4类特征，实现了人体和金属物体的区分，证明了时变的特征向量在LOS和NLOS情况下对人体和人造物体都有较高识别率，结果如图7和表2所示。2019年，在AFRL的资助下，Tian等人[35]提出了一种新的无人机检测系统，在非直视条件下，检测率高于97%。该系统利用惯性测量单元捕获无人机运动，借助接收信号强度(Received Signal Strength,RSS)之间的差异，区分了LOS信号和NLOS信号，基于深度学习方法实现了对NLOS无人机的检测。

表2 时变的特征向量在LOS和NLOS情况下对人体和圆柱体的分类结果[34]Tab.2 Classification results of human body and cylinder under LOS and NLOS by time-varying eigenvectors[34]

图7 毫米波雷达基于衍射信号的人体识别实验场景及实验结果[34]Fig.7 Human body recognition experiment scene and experimental results of millimeter wave radar based on diffraction signal[34]

4.2 非直视目标二维定位

然而，上述关于非直视目标检测与识别的相关研究仅获取了目标的一维信息，判别了目标存在与否，并对存在的目标进行识别，未能满足实际应用中获取目标确切位置的需求。因此，后续众多研究机构围绕非直视目标位置信息的获取展开了一系列研究。具体来说，非直视目标位置信息的获取大体可以分为两类：多径积累和多径分离。其中，前者主要利用多通道雷达获取的多径信息进行成像从而获取目标位置信息；而后者则从回波层面将距离或者时间信息与其对应的多径匹配再进行定位处理。通常这两类方法均要求建筑布局先验已知，从而结合场景信息进行辅助定位。

4.2.1 基于多径积累的非直视目标成像方法

此类方法主要将多通道雷达获取的多径信息在图像域进行融合/积累，从而提取出目标的位置。其无需将多径回波峰值和电磁波理论传播路径对应，避免了部分路径缺失导致的定位错误问题。

目前，应用在非视距目标探测领域的主流成像算法是后向投影(Back-Projection,BP)算法[36-44]，其他的成像方法还包括：时间反转成像算法(Time Reversal,TR)[45-47]、合成孔径波束形成算法[48]、层析成像算法[49]等。

电子科技大学的Li等人[36]利用多发多收(Multiple Input Multiple Output,MIMO)雷达构建多径成像字典，对不同路径的多径成像字典进行融合得到目标图像。具体来说，在建筑布局已知的情况下，首先通过镜面反射构建虚拟雷达，接着构建不同路径的多径成像字典，最终对不同成像结果进行非相干融合，进而得到仅保留真实目标的雷达图像。然而上述方法使得多径能量聚焦的同时也导致部分杂波能量汇集，此外，扩展目标也会引起距离像展宽，这些均致使图像在非目标处亦积累出较高值，为真实目标的位置提取造成困扰。为此，Fan和Li等人[37-39]提出基于图像域多径鬼影关联的多目标定位方法。与之前工作不同的是，该方法利用传统BP算法进行成像，所得到的图像中均为多径信号产生的鬼影目标。随后通过匹配的方式从其中筛选出真实目标位置所对应的一次多径鬼影，进而基于一次多径鬼影位置与真实目标位置镜像对称的关系实现定位，如图8所示。基于类似的原理，成都理工大学的Tang等人[40,41]将该方法用于单发单收(Single Input Single Output,SISO)雷达，通过镜面对称构建了虚拟阵列，从而解决了单通道雷达无法成像的问题。与多通道BP算法类似，上述方法会使多径能量在其他位置聚焦，从而产生较多鬼影，为此，Yang等人[42]提出了双视角观测方法，基于不同视角下多径鬼影分布的差异性，通过图像融合的方法抑制了多径鬼影，实验场景及结果如图9所示。

图8 基于多径鬼影空间位置匹配的非直视目标定位方法实验场景及实验结果[38]Fig.8 Experimental scenes and results of NLOS target localization method based on multipath ghost spatial position matching[38]

图9 基于双视角观测的单通道雷达非直视目标定位方法实验场景及实验结果[42]Fig.9 Experimental scenario and results of NLOS target location detection based on dual-view observation with signal channel UWB radar[42]

采用类似于BP成像算法的思想，国防科技大学的Du等人[43]提出了一种基于网格匹配的目标定位算法。该算法基于多径传播模型计算每个网格点的到达时间并匹配最接近往返多径到达时间，实验证明，当传播路径数大于5条时，该算法具有较好的定位性能，测距误差小于3 m。然而，该方法对回波信号的质量要求极高，且建筑布局位置偏差会直接影响目标定位的准确性，如图10所示。除此之外，电子科技大学的Fan等人[44]提出了一种基于BP成像算法的墙壁位置估计算法。根据BP成像聚焦区域的对称特性、旋转阵列，获取不同墙面位置，并基于此求解出目标的真实位置。图11展示了该算法的实验结果。

图10 基于网格匹配的非视距目标定位方法实验场景及实验结果[43]Fig.10 Experimental scene and results of NLOS target localization method based on grid matching[43]

图11 基于墙体位置估计的非视距目标探测方法实验场景及实验结果[44]Fig.11 Experimental scenes and results of NLOS target detection method based on wall position estimation[44]

与上述基于BP成像的非视距目标成像算法不同，日本京都大学的Fujita等人[45-47]基于TR和干涉测量法，提出了一种室内环境非直视目标成像算法，可估计得到目标的形状。此外，该算法利用TR得到的近似目标位置以及估计回波在数据空间的倾角，去除了大部分的图像假点。此外，2013年，AFRL的Setlur等人[48]在传统合成孔径波束形成算法基础上，提出了两种多径利用方法。第1种方法利用点扩散函数对传统波束图像进行处理；第2种方法利用复合扩散函数直接从原始回波信号中提取出目标距离信息，降低了多径引起的虚警。仿真结果表明，利用这两种成像方法均能实现对非直视目标准确定位，如图12所示。同年，意大利那不勒斯费德里克二世大学的Gennarelli等人[49]提出了一种二维层析成像方法，该方法结合了线性逆散射模型和时域有限差分(Finite Difference Time Domain,FDTD)方法。提出的方法可提供良好的聚焦图像而不受多径鬼影影响。这种方法利用多径信号改进了横向距离分辨率并且可以探测非直视区域的目标。瑞典国防研究局的Gustafsson[50]在探测场景布局信息已知的前提下，基于几何光学方法和衍射分量计算出探测场景的参考信号，将其与目标后向散射信号进行相关，得到了隐蔽目标的图像。

图12 基于波束形成的数据域和图像域非视距目标成像算法仿真场景及仿真结果[48]Fig.12 Simulation scene and simulation results of imaging algorithm for NLOS targets in data domain and image domain based on beamforming[48]

美国亚利桑那州立大学Doddalla等人[51]通过一种后向传播SAR成像算法验证了太赫兹波(Terahertz,THz)的非视距成像能力。然而，该方法仅适用于尺寸较小的环境，无法适应更为复杂的大尺度场景。电子科技大学的Wen等人[52]则利用毫米波雷达(Millimeter Wave,MMW)，提出了一种非视距逆合成孔径雷达(Inverse Synthetic Aperture Radar,ISAR)成像算法，实现了对遮蔽动目标的高分辨成像，该算法对飞机模型的成像结果如图13所示。受SAR启发，Wei等人[53]提出了一种有效的基于MIMO毫米波雷达的2D NLOS成像技术。该方法通过MIMO天线扫描合成二维虚拟天线阵列，利用多反射回波获得二维NLOS成像。在此基础上，提出了一种基于镜面对称反投影(Mirror Symmetry Back-Projection,MSBP)的非视距回波二维高精度聚焦算法，成像结果如图14所示。

图13 基于RMA的非视距动目标高精度成像方法实验场景及实验结果[52]Fig.13 Experimental scene and result of high-precision imaging method for NLOS moving target based on range migration algorithm[52]

图14 基于镜面对称反投影的非视距二维高精度成像算法实验场景及实验结果图[53]Fig.14 Experimental scenes and results of NLOS 2D high-precision imaging algorithm based on MSBP[53]

4.2.2 基于多径分离的非直视目标定位方法

此类方法主要将回波中的不同多路径信号识别出来，从而借助其携带的时间信息或多径信号之间的关联性进行非直视目标定位。

2012年德国伊尔玛瑙理工大学的Zetik等人[54]率先提出了一种基于多径反射几何关系的非直视目标定位算法。具体而言，该算法在场景布局先验和目标横坐标已知的前提下，从距离像中识别并提取出非视距目标一次多径反射所对应的距离值，再借助一次镜面反射的几何对称关系，实现了对于L形建筑拐角场景中水平运动的非直视目标定位。然而，仅凭一次多径反射的几何关系无法推算出目标的二维坐标。针对该问题，瑞典国防研究局的Johansson等人[55]采用一种X波段窄波束扫描雷达系统，利用一次和二次镜面反射实现了拐角后非直视目标的定位。仿真结果表明，在已知场景几何结构的情况下，该系统可探测距离拐角8 m远的目标，实验结果如图15所示。

图15 X波段窄波束扫描雷达非视距目标定位仿真场景及仿真结果[55]Fig.15 Simulation scene and simulation result of NLOS target localization for X-band narrow-beam scanning radar[55]

除了尽可能多地使用多路径反射，进而解算出目标二维位置，还可以将一次多径反射对应的距离值和到达方向(Direction Of Arrival,DOA)估计结合起来。电子科技大学的Zhao等人[56-58]基于毫米波雷达波束窄、角分辨率高的特性，在得到一次反射多径所对应的距离值后，再利用比相法得到其对应的角度，由此得到目标的镜像位置，进而结合对称特性获取得到目标的真实位置，其实验场景及结果如图16所示。除了比相法，北京航空航天大学的Wei等人[59]利用多信号分类方法(MUltiple SIgnal Classification,MUSIC)以实现多径信号角度测量。此外，其还提出了一种新的非视距运动目标检测方法。该方法采用多项式拟合方法抑制静态噪声，采用距离门控方法滤除了NLOS目标范围之外的距离门噪声，有效提升了非视距目标的检测概率。与之不同，国防科技大学的Du等人[60]利用合成双基毫米波雷达提出了一种新的非直视目标定位算法。其原理是联合处理雷达位于不同位置时一阶反射所对应的到达时间(Time Of Arrival,TOA)，再结合场景布局信息即可实现角度的计算，从而避免了由随机相位引起的DOA估计不精确的问题。但是该方法准确定位的前提是目标在两次测量期间位置不变。而中国科学技术大学的Li等人[61]则通过旋转雷达角度的方式获取了多路径对应的角度信息。值得一提的是，其进一步通过对不同距离单元的不同多径回波信号进行提取，从而实现了非视距区域静止人体目标呼吸速率的准确估计。而电子科技大学的Chen等人[62]则利用L波段雷达测量角度信息，并结合TOA信息实现了多路径的识别。具体来说，该方法首先利用矩阵束算法估计得到不同多路径对应的TOA，再通过最小方差无畸变响应波束形成(Minimum Variance Distortionless Response,MVDR)算法估计得到回波的角度，进一步地，基于匹配的思想实现了测量TOA和理论多径的配对，进而确定了真实目标的位置，其实验场景及结果如图17所示。

图16 基于比相测角的非视距目标定位方法实验场景及实验结果[58]Fig.16 Experimental scene and result of NLOS target localization method based on phase comparison angle measurement[58]

图17 基于角度和距离的多径识别非视距目标定位方法实验场景及实验结果[62]Fig.17 Experimental scene and result of multipath identification of NLOS target localization method based on angle and range[62]

而对于单建筑拐角场景而言，由于缺乏反射面，利用镜面反射的几何关系求解目标位置的方法不再适用。为此，电子科技大学的Li等人[63,64]针对电磁波在单建筑街角场景下的非视距传播情况进行了分析，建立了电磁波衍射-墙面反射组合传播模型，并基于UWB雷达采集的街角后隐蔽目标回波距离像结果验证了该模型的正确性。与之类似，国防科技大学的Du等人[65]也基于同样的传播模型实现了单建筑非视距目标定位，并通过数值模拟分析了多径衍射特性，为有效利用衍射信号提供了理论指导。

2015年，德国伊尔玛瑙理工大学的Zetik等人[66]利用单发单收UWB雷达，基于平行阈值检测器与全局最近邻(Global Nearest Neighbour,GNN)算法实现了多径回波与物理传播路径的对应，再通过求解衍射和一次反射对应的轨迹方程交点，实现对L形场景中非直视目标的定位。

值得一提的是，文献[66]首次提出了非视距区域的划分方案，区域划分模型如图18所示，衍射路径的理论覆盖区域是整个走廊，然而根据均匀衍射理论，衍射到非视距区域的电磁波具有较少的功率，因此，将衍射的覆盖区域限制为三角形区域CRD。依据射线追踪模型，连接雷达A和拐角C的直线AR是视距与非视距区域的边界，该路径的镜面反射路径RT是一次反射的边界，因此反射的覆盖区域被规定为三角形区域CRT。

图18 非视距区域划分[66]Fig.18 NLOS area division[66]

电子科技大学的Wu等人[67]实现了更为复杂的U形非视距场景中的目标定位。首先分析了电磁波在该场景中的传播模型，并提取构建了5类主要的电磁传播路径。利用椭圆交叉的方法获得了镜像目标位置，再基于场景中镜面反射的几何关系校正得到目标的真实位置。

但是上述方法仅提取利用传播距离较短的多径，无法很好地应对多路径缺失的情况。为此，电子科技大学的Fan等人[68,69]则主要基于峰值匹配的思想识别出多径回波中幅值最强的两峰值对应的物理传播路径，进而通过求解其轨迹方程对应的椭圆交点实现目标定位，实验场景及定位结果如图19所示。国防科技大学的Wu等人[70-72]利用收发分置的多基地雷达提出了一种基于镜面定位的非直视目标定位方法。该算法通过构建虚拟镜像发射天线，将非直视问题转化为视距问题，再利用TOA技术对拐角后隐蔽目标进行定位，这一方法本质上依然是椭圆交叉定位算法。其实验场景及定位结果如图20所示。然而，基于椭圆交叉的定位方法需要精确判别多径回波中峰值所对应的物理传播路径以构造正确的轨迹方程。此外，目标的扩展往往会导致获取的多径回波峰值和理论值存在偏差，进而影响轨迹方程交点的求解。因此，该方法的定位鲁棒性较低。

图19 基于TOA匹配的目标定位方法实验结果[68]Fig.19 Experimental result of target localization method based on TOA matching[68]

图20 基于镜像目标定位方法实验结果[70]Fig.20 Experimental result based on the mirror target localization method[70]

结合TOA信息与深度学习网络，国防科技大学的Ding等人[73]提出了一种利用多径到达时间关联的单站雷达两阶段定位方法。在离线阶段，生成不同位置的参考TOA数据；在线阶段则通过稀疏重建方法估计来自目标的多径回波TOA集合。然后基于有限集统计理论，提出了一种基于网络的多观测数据关联算法作为给定候选位置的多径测量似然函数，进而利用MLE得到目标位置。

4.2.3 其他非直视目标二维定位方法

除了上述多径利用技术外，还有两种非直视目标二维定位技术。一种利用原始信号，基于假设检验构造了多径匹配滤波器，以实现非视距目标的检测和估计；另一种则聚焦于非视距场景布局信息未知的情形。本节将介绍这两种技术。对于前者，法国航空航天实验室的Thai等人[74]构建了典型街区拐角场景中多径信号传播模型，利用毫米波雷达，在场景布局已知的前提下，提出一种基于多径匹配滤波器(Multipath Matched Filter,MPF)的建筑拐角隐蔽目标定位算法，并利用实测数据验证了该算法的有效性，实验场景及定位结果如图21所示。

图21 基于子空间匹配滤波器的遮蔽目标定位方法实验场景及实验结果[74]Fig.21 Experimental scene and results of conceal target localization method based on subspace matching filter[74]

2019年，Thai等人[75]又提出了一种基于平方律组合器(Square Law Combiner,SLC)的非直视目标定位方法。然而上述两种方法的性能都取决于所选取的路径数，且当路径数过多时，定位结果中会残余由多径回波强模糊引入的虚假目标。为了解决这一问题，该团队[76]利用非直视目标位置与不同多径时延的非线性关系，将广义似然比(Generalized Likelihood Ratio Test,GLRT)粒子滤波器用于非直视目标位置估计，该方法通过重要密度函数对目标状态和多径幅值分别进行了采样。其目标定位精度较高，但仍未解决其他多径带来的模糊问题。

现阶段大部分非直视目标探测方法可用的前提是场景信息先验已知或场景布局相对简单规则，这对多径目标探测技术在实际中的应用产生了较大的限制。为此，电子科技大学的Wu等人[77]基于不同类型的多径信号成像结果的几何分布特征，提出了一种基于多假设检验理论的非视距目标定位方法，实现了对非视距场景通道宽度和遮蔽目标位置的联合估计。更进一步地，该单位的Chen等人[78]实现了非视距建筑场景的墙体夹角和目标二维位置信息的联合估计。具体而言，首先将建筑物布局简化为参数未知的组合线性方程组，根据多径传播模型，将其应用于图像重建与布局估计问题。然后提出形状重构组稀疏约束算法，并结合粒子群优化方法，同时实现了场景布局和隐藏目标重建任务，其实验场景及结果如图22所示。

图22 基于稀疏度驱动的建筑布局和目标位置联合估计方法实验场景及实验结果[78]Fig.22 Experiment scene and joint estimation of NLOS building layout and target via sparsity-driven approach[78]

4.3 非直视目标三维信息获取

在实际应用中，除了需要知道目标在二维坐标系中的位置，往往还希望得到目标的高度信息，以获取目标的动作姿态等人体行为特征。为此，电子科技大学的Liu等人[79]基于MIMO毫米波雷达，利用场景稀疏性和反射面的镜面散射特性，提出了一种基于贝叶斯压缩感知稀疏重建和反射面投影的NLOS三维雷达成像方法。Wei等人[80]基于MIMO毫米波雷达，以时域相干完整性消除了非主路径回波的影响。在不需要其他传感器如激光雷达(Light Detection And Ranging,LiDAR)等辅助手段的情况下，通过LOS信号感知反射面，通过二维切片成像提取反射面，利用镜像对称获得盲区目标的三维信息，如图23所示。

图23 基于毫米波雷达的三维MSBP重建算法实验结果[80]Fig.23 Experimental result of 3D MSBP reconstruction algorithm based on millimeter wave radar[80]

除此以外，美国亚利桑那州立大学的Cui等人[81,82]提出一种基于太赫兹雷达的NLOS目标三维重建技术。该技术利用镜像折叠的方法校正原始成像数据，实现了非视距目标厘米级的三维高精度重建。如图24所示，其中重建图像的水平横截面展示了成像结果，重建图像垂直横截面显示了人体模型的几何形状和姿势。

4.4 新型非直视目标探测方法

针对现有方法仅适用于一次、二次等小范围非视距区域，且探测性能受墙体等反射面粗糙度影响较大等问题，芬兰坦佩雷大学的Solomitckii等人[83-85]在拐角区域引入了被动反射器，从而辅助电磁波进行更好的反射，反射面模型如图25所示。

图25 基于被动反射面的非视距车辆探测方法示意图[84]Fig.25 The graph of NLOS vehicle detection method based on passive reflector[84]

此外，该团队还通过分析推导简化了车辆模型的雷达截面积(Radar Cross Section,RCS)，确认了保险杠是检测车辆的重要区域，并研究了后向散射功率与反射器空间方向的关系。但是这一探测方案有可能导致同信道干扰，从而限制其发挥作用。而意大利那不勒斯大学的Aubry等人[86]则将可重构智能面(Reconfigurable Intelligent Surfaces,RISs)，即智能反射面应用在了NLOS目标探测领域，模型如图26所示。与被动反射面仅提供一种较为理想的反射面不同，RIS是人造数字可控元表面，能够通过适当的电子控制改变入射信号的电场分布。因此，当雷达将电磁波辐射聚焦于特定的RIS上时，通过适当的设置RIS参数即可改变电磁波传播方向，进而实现对于非视距区域的扫描。与上文引入辅助反射面以扩大非视距覆盖范围、提升多径信号能量不同，美国加利福尼亚大学圣迭戈分校的Woodford等人[87]则将实际城市场景中存在的物体用作中继反射面，并基于MOSAIC(一种集成LiDAR和雷达的传感器套件)研究了如何使雷达通过非平面、非理想反射面实现拐角目标探测，统计分析了不同中继反射器(例如，不同材质的墙体、电线杆、行道树、不同车辆等)的反射特性。实验结果表明，通过考虑非平面反射器和非对称双程路径使得探测系统的非视距覆盖范围至少扩大30%。

图26 基于RISs的非视距区域探测示意图[86]Fig.26 NLOS region detection diagram based on RISs[86]

除了从中继反射面的维度开展研究，Rezvani等人[88]则在雷达系统方面进行了创新，将一种稀疏、宽孔径多波段雷达应用于NLOS目标探测领域，该雷达系统可结合高频段和低频段的各自优势，获得比单频段更好的非视距目标探测性能。

此外，随着深度学习的发展，神经网络也被引入这一领域。2022年，美国麻省理工学院的Yue等人[89]提出了基于射频跟踪的非直视目标定位方法。首先根据射频信号在复杂建筑环境中的传播规律建立场景提示图，然后将复杂建筑场景提示图与采集的遮蔽目标回波信号送入卷积神经网络(Convolutional Neural Network,CNN)进行匹配训练，进而得到目标位置。其中，提示图是一种描述射线追踪和直接传播路径如何在特定环境下工作的编码方式。实验结果表明该定位技术的误差仅为传统方法的1/12～1/3，实验结果如图27所示。梅赛德斯奔驰公司的Scheiner等人[90]提出一种基于人工神经网络的非视距目标检测和跟踪方法，并在实际道路环境中验证了算法的有效性，如图28所示。

图27 基于CNN的射频跟踪非直视目标定位方法实验场景及实验结果[89]Fig.27 Experimental scene and result of the method of RF tracking NLOS target location based on CNN[89]

图28 基于人工神经网络的多普勒雷达非视距目标定位跟踪方法原型车及实验结果[90]Fig.28 Prototype vehicle and experimental results of Doppler radar NLOS target location and tracking method based on artificial neural network[90]

5 总结与展望

本文对多径利用雷达目标探测领域的发展情况进行了简要的梳理。从基于空中平台的多径探测技术到基于地面平台的多径探测技术，从非直视目标探测的可行性研究到实现非直视目标检测、定位、成像及识别，在探测平台和处理方法等方面都取得了许多振奋人心的成果。从现有结果来看，目前多径利用雷达仅研究了典型环境下的多径回波信号模型，其他复杂建筑环境尚未考虑，且只分析了场景中存在的镜面反射，忽略了场景中存在的漫反射以及散射等电磁传播特性。同时，准确的环境信息是实现非视距目标精确定位的前提，然而现阶段大部分研究均假设场景信息先验且布局相对规则，因此，如何通过多径利用雷达实现环境信息获取是目前研究的一大挑战。此外，现有多目标定位方法尚未探讨目标间的干扰问题，例如目标的相互遮挡及电磁波在目标间的多次反射等问题，这无疑会对实际场景中的多目标定位造成影响。综上，多径利用雷达技术在实际应用中尚存诸多问题和挑战，亟待进一步分析和研究。

从本文的梳理结果来看，虽然国外在该领域的研究起步早于国内，但在国内研究人员的努力之下，也涌现出了很多新颖的探测方法。不过也应该注意到，国内在该领域的创新依然弱于国外。具体地，就理论层面而言，国外学者研究汇总了反射面的材质、粗糙度以及形状对于多径信号反射的影响，而国内对此类影响因素的研究分析较为匮乏；就方法层面而言，国外学者的探测系统涵盖了L波段到THz波段，并引入了被动反射面和智能反射面辅助定位，而国内的研究则主要集中于L波段和毫米波波段，且主要依靠场景自身反射面辅助定位；就算法层面而言，国外学者率先研究了检测和机器学习、深度学习在多径利用雷达中的应用，国内对此方面的研究起步较晚。但是随着越来越多的研究人员对这一领域的持续关注，我们有理由相信，未来国内在该领域的研究将可能取得非常显著的突破。

多径利用雷达目标探测技术有着广阔的应用前景与研究价值，结合目前的发展情况与应用需求来看，一些可能的发展趋势是：

(1) 探测平台将更加多样化，特别是结合当前自动驾驶、无人机等技术的发展，未来的多径探测会具有更高的空间探测自由度和更广阔的应用领域，所捕获到的多径信号将更加复杂多样，这对多径信号的识别和利用技术提出了更高的要求；

(2) 多种探测技术的融合将提高多径探测性能，现有的技术将有可能相互融合以获得效果更佳的探测性能，此外，越来越多传统直视雷达的探测方法将应用于非直视场景，为解决非直视目标探测问题提供新思路；

(3) 可探场景将更加丰富，目前多径利用雷达目标探测技术大多局限于固定场景，未来可借助智能反射面等相关技术，有望突破现有技术对建筑固定反射面的依赖，从而缩小雷达探测盲区，提升雷达在城市环境中的覆盖范围，实现对多类型复杂环境的探测；

(4) 多种类目标识别，现有多径利用雷达目标识别技术大多依赖于研究人员经验选取，而深度学习具有自动提取特征及任务泛化能力，通过科学合理的设计能够实现高效、普适的多种类目标识别，未来利用人工智能方法解决非直视目标识别问题也将成为研究热点。

利益冲突所有作者均声明不存在利益冲突

Conflict of InterestsThe authors declare that there is no conflict of interests