车载雷达监测技术综述报告
本文档《In-Vehicle Monitoring by Radar: A Review》发表于《IEEE Sensors Journal》2023年第23卷第21期，作者为来自加拿大滑铁卢大学机械与机电工程系的Ali Gharamohammadi、Amir Khajepour和George Shaker。这是一篇针对车载雷达传感技术在车厢内部监测应用领域的系统性综述论文。
随着车辆保有量的急剧增加和随之而来的交通事故频发，驾驶安全已成为全球关注的焦点。智能汽车技术作为提升日常行车安全的重要手段，正被广泛研究。在众多传感技术中，基于雷达的车内监测凭借其独特的优势脱颖而出，例如能够穿透非金属表面探测目标，以及具备固有的隐私保护特性，使其在驾驶员健康、情绪、注意力监控等方面展现出巨大潜力。近年来，车载雷达传感技术取得了显著进展。本文旨在全面梳理雷达在车内传感领域的应用、系统级设计和信号处理技术，将已发表的工作归纳为三个主要类别：乘员检测、手势识别和乘员状态监测。通过评述代表性工作及其在各应用中的优势和局限性，本文旨在帮助研究人员分析现有方法论的不足与空白，为后续研究指明方向。
一、 车载雷达监测的应用范畴与比较优势 论文开篇即点明了车载雷达监测的核心应用领域，并将其总结为三大类：1) 乘员检测（Occupancy Detection）：用于确认座位是否被占用、检测遗留儿童或宠物，是启动其他高级应用（如生命体征监测）的前提，能有效降低系统计算成本。2) 手势识别（Gesture Recognition）：作为新型人机交互界面，用于控制车载信息娱乐系统等，可减少驾驶员因物理操作而产生的分心。3) 乘员状态监测（Occupant Status Monitoring）：这是目前研究最广泛的应用，核心是监测驾驶员及乘客的生命体征，如呼吸率（BR, Breathing Rate）和心率（HR, Heart Rate），并延伸至疲劳驾驶检测、分心驾驶识别、情绪（如愤怒）感知等。
与传统的车内监测传感器相比，雷达技术具有多重优势。论文对此进行了详细对比： * 对比机械传感器：如电阻式、电感式、电容式传感器，它们虽能检测乘员存在与位置，但难以区分人与物体，且电容式传感器误报率高。 * 对比光学传感器：如摄像头和红外（IR）传感器，尽管可靠，但存在隐私泄露问题，并且对光照条件（阳光、照明水平）敏感。 * 对比接触式生命体征监测技术：如心电（ECG）、压电传感、加速度计等，需要佩戴设备，长期使用舒适度低，不适合日常驾驶场景。 * 对比其他非接触技术：如超声波，其传播距离短且易受机械运动干扰，不适合车内环境。
基于表格II对不同呼吸监测技术的综合比较，论文得出结论：雷达传感器因其高舒适度、隐私保护性和在复杂车内环境下的鲁棒性，成为车内监测，特别是长期健康监测的最佳解决方案之一。雷达通过检测由呼吸和心跳引起的胸腔壁微动所产生的多普勒相移来实现生命体征感知。
二、 可用雷达系统与关键技术参数 论文第二部分介绍了市场上可用于车内监测的雷达系统。主要类型包括基于频域的连续波（CW）、调频连续波（FMCW）雷达和基于时域的超宽带（UWB）雷达。其中，FMCW雷达因其成本较低的架构，在近年来的产品和研究中最为流行。
关键的技术选择参数对于应用性能至关重要： * 频率选择：常用频段包括24 GHz、60 GHz和77 GHz。24 GHz和77 GHz多用于车外应用（如高级驾驶辅助系统ADAS），而60 GHz及以上频段（毫米波）则主要专注于车内应用。这种区分有助于减少内外雷达系统间的干扰。更高频率（如77 GHz）能提供更宽的带宽、更好的距离与速度分辨率以及更紧凑的天线阵列。毫米波雷达对微小运动更敏感，但同时也更容易出现相位缠绕问题。 * 系统配置：接收通道的数量决定了雷达的角度分辨率，更多的通道能实现更好的目标辨别能力。论文指出，一些研究仅使用单接收通道的雷达，这限制了其在相同距离、不同角度目标上的区分精度。 * 封装尺寸：车内空间有限，因此雷达的小型化至关重要。更高的工作频率有助于实现更小的器件和电路集成，从而减小封装尺寸。
三、 各类应用的研究方法、现状与挑战 论文的核心部分是对三大应用领域现有研究工作的详细剖析，并总结了各自的主流方法、性能表现和面临的挑战。
1. 乘员检测 * 主要方法：1) 基于微多普勒特征提取与人工智能：这是最常用的方法，从雷达回波中提取与人体活动相关的微多普勒或时频特征，利用机器学习或深度学习算法进行分类，判断座位占用情况。2) 基于反射能量：通过分析雷达回波的能量强度来探测是否有生命体存在，常用于遗留儿童检测。3) 基于生命体征信号：直接探测并计数不同座位的呼吸或心跳信号，被认为是最可靠的遗留儿童检测方案。 * 性能与局限：近期研究报道的准确率大多超过90%。然而存在一些局限：例如，部分研究在利用生命体征进行占位检测时，假设的心率范围未能覆盖儿童较高的心率（可超过120次/分钟）；呼吸率假设上限也可能低于儿童的实际呼吸率。此外，在人工智能模型的评估中，若将所有数据帧混合后随机划分训练集和测试集，可能无法保证模型面对全新测量数据时的泛化能力。 * 传感器布置：由于雷达通常安装在车顶以覆盖整个车厢，在此应用中封装尺寸的重要性相对低于生命体征监测。
2. 手势识别 * 主要方法：研究主要依赖于从手部运动提取的微多普勒特征，并将其表示为距离-多普勒图或时频谱图，然后利用分类算法进行识别。 * 优势与挑战：雷达手势识别不受光照变化影响且保护隐私。但其主要挑战在于系统性能对手势与雷达之间的距离和方向非常敏感。研究表明，可靠识别要求手势与雷达法向的夹角不超过15度，距离不超过100厘米。为解决方向依赖性问题，有研究将到达时间（TOA）信息输入学习模型，或通过测试不同角度和距离下的数据来增强模型鲁棒性。 * 性能影响因素：雷达系统的角分辨率（受接收通道数影响）、载波频率（更高频率对雷达截面积微小变化更敏感）和距离分辨率都是影响识别准确率的关键因素。手势种类数量的增加也会显著提升识别难度。
3. 乘员状态监测 * 核心应用：这是研究最集中的领域，主要目标是精确监测呼吸率和心率。其应用价值在于：通过监测生命体征异常（如呼吸骤停、呼吸过缓/过速）实现早期健康预警；通过检测呼吸/心率突然下降、头部运动或眨眼频率变化来识别疲劳驾驶；通过分析呼吸节奏和心率变化感知驾驶员愤怒等情绪状态；通过监测头部运动或特定区域反射能量来识别分心驾驶（如使用手机）。 * 传感器布置与频率选择：论文通过图表详细分析了传感器布置的影响，指出后视镜是监测驾驶员生命体征的最佳位置。在频率选择上，大多数近期研究采用60 GHz或更高频段的毫米波雷达。高频对体表反射更敏感，对胸腔微动的探测能力更强，且FCC（美国联邦通信委员会）正推动60 GHz频段用于生命拯救应用。然而，高频也带来了更严重的相位缠绕问题。 * 信号处理链与关键技术挑战：论文通过表格VIII和IX系统比较了不同研究的信号处理流程和性能。提高监测精度需克服一系列挑战，论文对此进行了深入探讨： * 随机身体运动消除：驾驶员或乘客的非周期性身体运动会干扰生命体征信号。现有方法（如简单滤波、特定滤波器设计）在身体运动频率落入呼吸频谱（<0.5 Hz）时难以有效消除。 * 车辆振动消除：行驶中的车辆振动是主要噪声源。有研究通过在雷达上附加加速度计记录振动，并重建其产生的多普勒频移，进而从雷达信号中扣除。 * 杂波与多径效应抑制：车内静态物体会产生杂波，通常使用时域滤波技术（如运动滤波器）抑制。车内密闭空间易产生多径反射，在监测多目标时尤为棘手，可通过分析不同位置信号的相关系数或利用座位与雷达的特定距离差来区分。 * 谐波分析与心率提取：呼吸运动产生的谐波会严重干扰心率信号的提取。谐波分析是关键步骤，仅用简单滤波难以准确获取心率。有研究采用迭代陷波滤波器、集成经验模态分解（EEMD）结合主成分分析（PCA）等方法来抑制呼吸谐波。 * 相位解缠：由于胸腔位移可能超过雷达波长，导致相位跳变，需要进行相位解缠处理。 * 异常呼吸检测：许多研究将呼吸信号滤波上限设为0.5 Hz（30次/分钟），这可能会平滑掉异常呼吸（如呼吸暂停）的尖锐特征，增加检测难度。
四、 论文的价值与意义 本文是一篇全面、深入且时效性强的综述文章，其重要价值体现在以下几个方面：
这篇综述为车载雷达传感技术的研究人员、工程师以及汽车行业从业者提供了一份宝贵的参考资料，通过高层次的讨论涵盖了信号处理技术、雷达布置和频率选择等关键议题，必将推动该领域向更成熟、更可靠的方向发展。