为了解决墙体模糊情况下的实时穿墙检测问题，提出了一种基于核极限学习机（KELM）的方法。 墙的模糊性和传播效应包括在单层前馈网络中，然后该技术将穿墙问题转换为回归问题。 散布数据与目标属性之间的关系是在KELM训练过程之后确定的。 数值结果证明了在有效性，泛化性和鲁棒性方面的良好性能。 与支持向量机（SVM）和最小二乘支持向量机（LS-SVM）相比，KELM提供几乎相同的估计精度，但学习速度快得多，这极大地有助于解决实时检测问题。 此外，还讨论了两个目标的情况，不同的目标半径和嘈杂的环境。