本研究由Jihye Kim、Jaehoon Jung、Sohee Lim以及Seong-cheol Kim等人共同完成，其中Jihye Kim、Jaehoon Jung和Seong-cheol Kim来自首尔国立大学（Seoul National University）电气与计算机工程系及新媒体与通信研究所（INMC），Sohee Lim来自三星电子（Samsung Electronics）三星研究院（Samsung Research）机器人系统团队。该论文发表于《IEEE Transactions on Instrumentation and Measurement》第74卷，文章编号为8500212，于2024年11月19日在线发表。

本研究属于雷达信号处理与室内人体检测领域。室内人体检测是实现智能家居系统的关键前提，然而在室内环境中，雷达传感器受多径效应影响严重，多径信号会产生虚假目标（ghost target），显著降低雷达系统的稳定性。传统基于虚拟天线阵列的多输入多输出（MIMO）波束成形方法仅使用一维角度谱，无法区分发射角（angle of departure，AoD）与到达角（angle of arrival，AoA），在多径抑制方面存在两个主要失败场景：一是当AoD与AoA相差不大时，多径信号在虚拟阵列的一维角度谱中产生高峰值；二是当发射天线间距大于半波长时，会产生角度模糊（angle ambiguity），使得不同方向的信号在发射阵列上具有相同的导向矢量，导致虚假目标出现。针对这些问题，本研究提出了一种基于MIMO调频连续波（FMCW）雷达的路径匹配算法（path matching algorithm），利用二维角度分析分别考虑AoD与AoA，检测直达路径（direct path）与一阶多径对（multipath pair），从而在不需要先验环境信息的条件下抑制多径信号。

在研究方法与工作流程方面，本研究首先建立了MIMO FMCW雷达的信号模型。FMCW雷达发射线性调频信号，接收信号经过去斜（dechirping）处理后得到拍频信号（beat signal），不同天线之间因传播路径长度差异产生相位偏移，该偏移由发射角和到达角共同决定。研究将信号从单输入单输出（SISO）雷达扩展至MIMO雷达，考虑了发射阵列和接收阵列均为均匀线性阵列、发射天线采用时分复用（time-division multiplexing）工作方式的情况。随后，论文分析了多径传播特性，指出一阶多径信号具有AoD与AoA不一致的特点，并且由于互易性，一阶多径信号成对出现，即多径对中的两条路径具有互换的AoD与AoA。在二维角度谱中，直达路径位于对角线（AoD等于AoA）上，而多径对则关于对角线对称分布。

传统角度估计方法采用最小方差无失真响应（minimum variance distortionless response，MVDR）算法，通过虚拟天线阵列将MIMO阵列转换为一维等效阵列，从而获得一维角度谱。然而，该方法隐含假设AOD与AOA相同，无法有效抑制多径信号。仿真表明，当多径对的AoD与AoA差异较小时，一维角度谱在两者平均角度附近出现高峰；当AoD之间存在角度模糊时，一维角度谱会在模糊角处产生额外峰值。发射天线间距越大，角度模糊越严重，虚假目标越多。

为克服上述限制，本研究提出了路径匹配算法。该算法首先对拍频信号进行快速傅里叶变换（FFT）估计距离，然后应用指数移动平均（exponential moving average，EMA）滤波去除静态杂波。接着，针对每个距离单元，使用二维导向矢量构造二维角度谱。在峰值检测阶段，算法设置双阈值：直达路径检测阈值为pthr，多径对检测阈值降低为pthr/pgap，以补偿多径信号的功率损失。峰值检测仅在无模糊AoD范围内进行，以避免因混叠引起的重复检测，同时利用公式计算每个检测峰值对应的所有可能AoD模糊角。

算法随后计算每个候选峰值的直达路径代价函数，即其AoD与AoA之间的最小差值；当该代价小于给定阈值fthr时，认为该峰值可能是直达路径。对于任意两个峰值，算法计算其构成多径对的代价函数，即两个峰值在AoD与AoA互换意义下的镜像对称程度；当代价小于fthr时，认为它们可能是多径对。如果同一峰值同时出现在直达路径候选集和多径对候选集中，则通过比较代价大小来决定其归属，以最小化未分类峰值的数量。最终，直达路径的方位角通过其最小代价对应的AoD与AoA的平均值确定，多径对的方位角则根据配对峰值的相应角度确定。算法对每个距离单元重复执行，检测到的点目标位置通过基于密度的空间聚类（DBSCAN）算法进行聚类，每个聚类代表一个目标，最终目标位置由聚类内点目标按功率加权平均得到。

实验部分使用德州仪器（Texas Instruments）的IWR6843ISK MIMO FMCW雷达，在宽4.9米、深5.3米的典型室内环境中进行。实验中人体目标沿预定路线行走，EMA滤波参数α设为0.7，路径匹配算法参数分别为pthr = 0 dB、pgap = 10 dB、fthr = 7°。实验结果显示，当单个目标位于距离雷达1.5米处时，传统一维波束成形得到的距离-角度图中出现了由多径引起的高功率虚假位置，而路径匹配算法在二维角度谱中成功检测到位于4.92°的直达路径，并识别出两组一阶多径对，分别位于{-0.70°, -72.55°}和{5.63°, 75.20°}。当目标距离3米时，算法同样正确检测到直达路径-1.41°及两组多径对{-2.81°, -61.04°}和{3.52°, 64.55°}。在双人场景中，两个目标的直达路径分别被检测为-30.06°和29.53°，同时算法识别出人体之间以及人体与两侧墙壁之间的多径对。在150帧的连续检测中，与传统一维MVDR波束成形相比，路径匹配算法的检测目标数量更接近真实目标数，虚假目标和漏检目标更少。

统计性能评估使用1000帧数据，比较了路径匹配算法与传统一维波束成形在不同参数下的平均虚假目标数、平均漏检目标数和多目标跟踪精度（multiple object tracking accuracy，MOTA）。实验结果表明，在pthr从-5 dB到5 dB的范围内，路径匹配算法的虚假目标数始终低于传统方法，漏检目标数接近零，MOTA最高可达1.000；传统方法MOTA最高仅为0.967。当pgap大于2°时，路径匹配算法能够有效检测并抑制多径对，虚假目标数显著低于传统方法。当fthr大于等于5°时，路径匹配算法的漏检目标少于传统方法；fthr过小会导致因角度失准而漏检。这些结果表明，通过合理选择参数，路径匹配算法能够显著提高室内人体检测的稳定性和精度。

本研究的结论指出，传统基于虚拟天线阵列的一维角度谱方法在多径抑制方面存在固有局限，无法区分AoD与AoA，容易因角度相似或角度模糊产生虚假目标。所提出的路径匹配算法利用二维角度分析分别考虑AoD与AoA，通过检测AoD与AoA相近的峰值来识别直达路径，通过配对关于对角线镜像对称的峰值来识别多径对，从而有效抑制一阶多径信号。实验验证了该算法在虚假目标数量和漏检目标数量两方面均优于传统波束成形方法。该研究的意义在于为室内雷达人体检测提供了一种无需先验环境信息的多径抑制方法，能够显著提升智能家居系统中雷达感知的可靠性。其科学价值在于揭示了二维角度分析在多径识别中的关键作用，并解决了大天线间距带来的AoD模糊问题。应用价值在于可直接应用于商用MIMO FMCW雷达，增强室内人体定位与跟踪性能。

本研究的亮点包括：首次系统分析了传统虚拟阵列一维波束成形在多径抑制中的两类失败场景；提出了路径匹配算法，通过双阈值峰值检测、AoD模糊角扩展、代价函数设计与候选集重叠处理等步骤，实现了直达路径与多径对的自动识别；该方法无需反射地图或环境先验知识，适用于大天线间距的商用雷达；实验证明该算法在真实室内环境中能够显著降低虚假目标和漏检目标数量，MOTA可达1.000。此外，论文还指出未来工作将利用估计的多径对信息来缓解高阶多径或构建环境反射地图，并计划引入速度估计和深度学习技术以进一步增强路径识别能力。