通信信号顺手当雷达：多站太赫兹回波认出物体形状，遮挡四分之三仍可分类

室内物体形状可以从通信链路自身的散射回波中读出，不需要额外的感知硬件。 此前的太赫兹感知多走重建路线，先恢复空间分辨图像再读几何与材质；这里把观测换成普通通信流量产生的机会式多站回波。 在训练与测试姿态分属不相交区间的协议下，准确率随发射机数量从单发射机的较低水平升到多发射机的较高区间，因此增益不能来自训练集规模或对朝向的记忆。

形状可辨识性依赖角度多样性，而不是频谱斜率。 物理光学机制层级中六种物理上不同的机制只对应三个频率指数，因此仅凭频谱斜率无法确定目标呈现哪些机制。 立方体、圆锥与圆柱在频谱斜率重叠的情况下仍给出明显不同的双站方向图，单发射机只采一个方向看不到这种结构，多站星座可以。

学习模型在两类情形下明显胜出，物理特征基线在金属加准均匀布站时与之相当。 物理信息RBF-SVM使用对数-对数斜率等幅度谱汇总特征，并按发射机做置换不变聚合。 随机布站下SVM在约四个发射机后趋于平台，CNN继续提升并在多发射机处拉开差距；金属上两者最终相差在四个百分点以内，而塑料和木材上差距随发射机增加而扩大。

结果覆盖室内多站太赫兹场景下对立方体、圆锥与圆柱的形状与材质分类，训练与测试姿态分属不相交区间，因此报告的是对未见朝向的泛化。遮挡实验给出匹配训练与仅用无遮挡目标训练两种条件，后者更贴近部署情形。多目标场景最多三个物体，识别被表述为三个独立的二值存在性检验，它们共享同一个输入张量。作者提出的下一步包括仅用幅度输入的CNN消融以分离相位贡献、带宽扫描以直接检验简并性论断、在指定频段做实验验证，以及扩展到共享主导散射机制的形状。

全部结果来自单一前向模型，尚未与全波仿真、射线追踪或测量对照。框架假设直射路径可被抑制、多站相位相干以及粗略的物体定位。表面按光学光滑处理，而在毫米波长下粗糙度因子会削弱相干回波，对本来就最难的损耗材料影响最大。CNN与SVM的差距中有一部分来自CNN可获取复相位而SVM看不到，作者把分离这两种效应列为未决问题。