柏明浩，张园园，赵文彬，张 杨，吕 昊，安 强，梁福来

    (空军军医大学：1基础医学院学员四大队，4军事生物医学工程学系医学电子学教研室，5陕西省生物电磁监测与智能感知重点实验室，陕西 西安 710032；2解放军95966部队，黑龙江 哈尔滨 150060，3军事科学院军事医学研究院科研保障中心信息保障室，北京 100850)

    生物雷达利用低频段电磁波对墙体等障碍物有穿透能力，也可捕捉生物目标呼吸、心跳等体表微动，并以此为依据定位和辨识生物目标[1]。生物雷达具备对战场环境下伤员目标及周围战场环境态势的动态感知能力，对战场伤员的快速搜救具有重要的应用价值。目前已研制出一维单通道测距型穿透雷达、二维多通道定位型/成像型穿透雷达和三维多通道成像型穿透雷达[2-3]。生物雷达技术方面的研究集中在人体目标的聚焦成像、检测与定位算法、多径杂波抑制算法、墙体穿透补偿、建筑布局重建等方向。其发展趋势从单一的人员探测与定位逐步向雷达成像及战场态势的综合感知方向转变。然而，由于战场环境的特殊性，生物雷达的成像性能遇到了很大的挑战。一是战场伤员的生命体征信号微弱，易受杂波和噪声的干扰，导致目标图像模糊不清，难以精确分辨多个遮蔽目标；二是战场环境中穿透介质的复杂程度高，难以准确获得实际传播路径且传播时间延迟，导致目标图像产生明显散焦和偏移；三是生物雷达系统稀疏阵列导致的栅瓣、旁瓣干扰等也会引起一定程度散焦。上述特殊性导致伤员目标图像的信杂噪比较差，伤员目标定位、识别和提取在战场环境应用中变得更为困难[4]。

    深度学习是目前机器学习研究中的最新技术，其通过构建深层非线性网络结构并利用计算机的快速计算能力来模拟人脑对复杂数据问题分析处理的过程，具有从无标签数据样本集中学习数据样本集本质特征的特点，减少了手动设置标签的工作量。由于模型的层次有足够的深度、对数据集表征能力强，与其他机器学习技术相比，深度学习具备表达出大规模数据的数据特征的能力。特别是对于图像这类特征标签不明显的问题，深度学习技术能够较快地分析处理大规模图像数据并获得较好的结果[5-6]。

    为解决生物雷达成像技术在战场伤员搜救等应用场景中存在目标散焦和信杂噪比低等问题，利用具有强大图像映射生成能力的深度学习网络，将战场伤员目标成像过程看作原始散焦模糊图像到期望聚焦高分辨图像的映射过程，充分提取模糊图像中介质穿透所引起的散焦的特征，补偿介质对成像的影响，实现对战场伤员雷达图像聚焦成像，提高目标信号的信杂噪比，提升伤员搜救性能。

    1 材料与方法

    1.1 材料 ......