量子科技中心_量科网

时域单光子激光雷达（TSP-LiDAR）为远距离无成像目标识别提供了一种极具前景的解决方案，其具备体积小、成本低和功耗少的优势。然而，现有TSP-LiDAR技术在应对出现未知目标的开放集场景时效果欠佳，且在低信噪比（SNR）和短采集时间（光子数不足）条件下性能显著下降。受语义通信启发，该研究团队提出了一种基于自更新语义知识库（SKB）的语义化TSP-LiDAR系统，将目标识别过程构建为语义通信任务。仿真与实验结果表明，该方案在低信噪比和有限采集时间等挑战性条件下显著优于传统方法。更重要的是，自更新SKB机制能动态收录新出现目标的语义特征，实现持续适应而无需神经网络的大规模重训练。实际实验中，该框架对九类未知目标的识别准确率达89%，而无更新机制的基准方法仅为66%。这些发现彰显了该框架在复杂动态环境中实现自适应、鲁棒目标识别的潜力。