核心领域：雷达系统、通信感知一体化、信号处理与原型开发，聚焦无源雷达及 WiFi 感知在健康监测、室内定位和活动识别中的应用。
技术方向：
无源 WiFi 雷达：利用商用 WiFi 设备（CSI 和往返相位）实现人员探测、活动识别、呼吸监测及室内定位；
软件定义雷达与实时系统：设计高速多用途软件定义雷达（GPU 加速），用于近场成像和人体运动重构；
联合通信与感知：参与 WiFi 802.11bf 标准专利贡献，探索通信与感知一体化技术；
多传感器融合：结合 WiFi、UWB、激光雷达及视觉传感器，用于无人机平台、道路检测（裂缝评估、路面标记提取）和可穿戴网络；
机器学习增强信号处理：利用注意力增强 AlexNet、GAN 等深度学习模型，提升雷达微多普勒特征分类与去噪性能。
工程转化能力：具备从学术原型（如 Pi-NIC 室内感知系统）到商业演示器（伦敦警察厅、华为合作）的全链条开发经验，并参与多项临床试验与现场部署。
专家详情：
【重要履历】现任英国某大学助理教授，此前曾任邓迪大学生物医学工程讲师及伦敦大学学院安全与犯罪科学系研究员。获布里斯托大学电子电气工程博士学位，博士论文聚焦被动雷达在健康监测中的应用。其研究持续受英国EPSRC和InnovateUK等机构资助，并积累了丰富的产业合作经验，曾担任大都会警察局、华为、运输研究实验室等机构的研发顾问。
【技术能力】专精于雷达系统、通信系统、传感信号处理与原型开发，核心方向包括无源WiFi雷达感知、多站协同传感、软件定义无线电（SDR）实现及GPU加速实时处理。熟练掌握信道状态信息（CSI）分析与WiFi轮询相位测距技术，擅长运用机器学习（如注意力增强网络）处理雷达微多普勒特征，并具备从3D射频成像到可穿戴传感器网络的全链路开发能力。研究覆盖室内定位、活动识别、人员计数、健康监测及道路病害检测等多元化应用场景。
【标志性成果】已在 IEEE TMC、IEEE TWC、IEEE TGRS、Nature Scientific Data 等期刊发表论文30余篇，并获2018年IEEE Cyber SciTech最佳论文奖及2022年IEEE雷达挑战赛第二名。代表性成果包括：基于WiFi轮询CSI的室内分米级定位（IEEE JSAC，2023）、利用WiFi微多普勒的人体骨骼运动重构（IEEE TAES，2023）、以及无源WiFi雷达在健康监护中的系统研究（IEEE TGRS，2020）。参与构建了多模态活动识别公开数据集（OPERAnet），推动了WiFi感知领域的基准测试发展。其华为合作项目针对WiFi 802.11bf标准贡献了多项专利，彰显了学术成果向标准转化的实际影响力。