CN105654145A - 基于交叉点的复杂体异物微波检测定位方法 - Google Patents

Abstract

微波检测使用安全，便携性好，但在复杂物体异物的探测方面面临严峻的发展瓶颈。本发明借鉴无线定位技术的思想，利用两路径交叉点定位原理，通过判断穿过异物的两条路径，从而根据其交叉点得出异物的位置。本发明采用机器学习分类器进行对穿过异物的路径的分辨，并通过电磁仿真系统生成分类器的训练样本，利用优化算法优化分类器的参数，从而获得较高的分类正确率。相比微波成像进行异物检测，本发明使得所用的微波激励信号带宽大大降低，降低了天线的造价和设计难度，并且计算复杂度尤其是在线计算量也大大下降，便于进行可携带和可穿戴的设计，为微波检测技术进一步拓宽应用领域走向实用化打下基础。

Description

基于交叉点的复杂体异物微波检测定位方法

技术领域

本发明涉及一种基于交叉点的复杂体异物的微波检测定位方法，尤其是在无辐射、无损伤情况下方便快速地判断复杂结构体内部是否含有异物以及判断异物的位置，属于微波检测技术领域。

背景技术

微波波长范围为1000mm到1mm，选择合适的频率可以穿透到物体的内部，并且不同物体内部的材料体使其发生不同性质的反射、折射、衍射或散射，使得通过处理和分析穿过物体的微波信号，从而把握物体内部的特性成为可能。微波检测技术的优势在于：1)使用非电离辐射，系统安全性高，不对人体造成伤害，可以经常性使用；2)柔性天线和微型化检测器件使得微波检测设备的可穿戴设计具有可行性，从而保证了易用性、便携性，适合于移动医疗、家庭、社区等场合使用。

微波检测尤其是对材料内部的检测有很广泛的应用。近年来，生物领域的微波检测也逐渐引起关注，其中，人体微波检测是一个具有发展前景的领域，例如：人体组织中血块、肿块和肿瘤的探测。结构体内异物的介电性质与它们周围的正常组织不同，基于微波的检测方法利用不同组织中的介电性能差异引起的不同的电磁散射作为判别基础。

基于微波信号的物体内部异常检测方法，一般主要采用微波成像方法，对于复杂结构尤其是异物区域的信号反射无法清晰获取的情况下，难以达到检测效果。逆向重建方法采用优化方法重建被测区域的介电常数，对血块等异物位置和大小进行判断，存在算法复杂，易受干扰等缺点。总之目前的微波成像算法在复杂物体的探测方面面临严峻的发展瓶颈。

发明内容

本发明的目的是提供一种准确且方便快捷的基于微波信号的物体内部异常检测方法。

为了达到上述目的，本发明的技术方案是提供了一种基于交叉点的复杂体异物微波检测定位方法，其特征在于，包括以下步骤：

步骤1、在被测物体周围的K个位置上分别布置一个宽带天线，通过射频电路依次使K个宽带天线向被测物体发送宽带脉冲信号，第k宽带天线发出的宽带脉冲信号自发送点起至接收点止形成第k条信号路径k＝1，2，…，K，第k条信号路径对应的回波信号为通过K个宽带天线的位置布置，使得K条信号路径两两相交；

步骤2、生成训练样本，包括以下步骤：

步骤2.1、基于无异物结构的被测物体，利用K宽带天线及电磁场仿真系统，生成多个仿真微波无异物回波信号，第k条信号路径对应的仿真微波无异物回波信号为

在被测物体内的不同位置上人工添加异物结构，利用K宽带天线及电磁场仿真系统，生成多个仿真微波回波信号，第k条信号路径对应的仿真微波回波信号为

步骤2.2、分别提取仿真微波无异物回波信号及仿真微波回波信号的特征数据，生成针对信号路径的不包含异物样本集及包含异物样本集；

步骤3、建立基于支持向量机的分类器，利用不包含异物样本集及包含异物样本集对分类器进行训练，设置分类器参数；

步骤4、利用粒子群优化算法对分类器进行优化，得到最佳分类器配置参数；

步骤5、实时异物判断

利用与步骤1相同方法得到被测物体的K个回波信号，对回波信号进行特征提取，将特征输入至分类器，若判别出经过被测物体内异物结构的两条信号路径，则这两条信号路径的交叉点即为异物结构的中心点，若未判别出任何一条信号路径，则被测物体内无异物结构。

优选地，在所述步骤2.2中，所述不包含异物样本集及所述包含异物样本集中第i个样本表示为(x_i，y_ik)，式中：

x_i为第i个样本的特征向量，式中，mean()为求均值运算，为第i个样本中第k条信号路径对应的仿真微波回波信号；

y_ik为类别标记，若y_ik＝0，则第i个样本中第k条信号路径不包含异物结构，若y_ik＝1，则第i个样本中第k条信号路径包含异物结构。

本发明独创性地在微波探测系统中利用分类器进行对复杂结构体内经过异物的路径的判别，进而根据交叉点获得异物的定位信息，对复杂结构体(例如脑组织)中是否存在异物(例如血块)进行检测和位置的判断。本发明计算复杂度低、可靠性高、配置灵活、具有可伸缩性，在微波检测和无损探测领域具有良好的应用前景。

本发明的有益效果是：能在无辐射危害情况下无损伤地以低成本低难度的天线利用微波检测判断复杂结构体内是否具有异物以及判断目标异物的位置

附图说明

图1为本发明算法流程图；

图2为根据两条路径交叉点进行异物定位原理图；

图3为路径垂直交叉布局和微波天线布局；

图4为分类器阳性样本特征示意图；

图5为分类器阴性样本特征示意图。

图中：1至26为发射天线，27为接收天线，28为目标血块。

具体实施方式

为使本发明更明显易懂，兹以优选实施例，并配合附图作详细说明如下。

本发明借鉴无线定位技术的思想，如图2所示，利用两路径交叉点定位原理，通过判断穿过异物的两条路径，从而根据其交叉点得出异物的位置。本发明采用机器学习分类器进行对穿过异物的路径的分辨，并通过电磁仿真系统生成分类器的训练样本，利用优化算法优化分类器的参数，从而获得较高的分类正确率。

结合图1，本发明提供了一种基于交叉点的复杂体异物微波检测定位方法，包括以下步骤：

步骤1、在被测物体周围的K个位置上分别布置一个宽带天线，本实施例中，K＝26，通过射频电路依次使K个宽带天线向被测物体发送宽带脉冲信号。宽带脉冲信号的中心频率和带宽可以根据具体检测物进行设置，例如本发明针对人脑中血块的检测，微波信号中心频率为2GHz，带宽为200MHz。发射和接收天线布局可以有不同方式，例如圆周式或垂直交叉布局。图3显示垂直交叉布局的发射天线和接收天线，组成K对发射-接收天线对。第k宽带天线发出的宽带脉冲信号自发送点起至接收点止形成第k条信号路径k＝1，2，…，K，第k条信号路径对应的回波信号为

另外，还需对被测体的路径进行布局，根据位置检测的精确度，设定路径宽度d，设被测体水平长度为L，垂直长度为W，则水平路径数m_h＝L/d，垂直路径数m_v＝W/d，路径总数K＝m_h+m_v。

步骤2、生成训练样本，包括以下步骤：

步骤2.1、基于无异物结构的被测物体，利用K宽带天线及电磁场仿真系统，生成多个仿真微波无异物回波信号，第k条信号路径对应的仿真微波无异物回波信号为

在被测物体内的不同位置上人工添加异物结构，利用K宽带天线及电磁场仿真系统，生成多个仿真微波回波信号，第k条信号路径对应的仿真微波回波信号为

步骤2.2、分别提取仿真微波无异物回波信号及仿真微波回波信号的特征数据，生成针对信号路径的不包含异物(阴性)样本集及包含异物(阳性)样本集。

不包含异物样本集及所述包含异物样本集中第i个样本表示为(x_i，y_ik)，式中：

x_i为第i个样本的特征向量，式中，mean()为求均值运算，为第i个样本中第k条信号路径对应的仿真微波回波信号；

y_ik为类别标记，若y_ik＝0，则第i个样本中第k条信号路径不包含异物结构，若y_ik＝1，则第i个样本中第k条信号路径包含异物结构。

例如，对于如图3所示7号路径，部分阳性特征向量样本，即血块被该路径穿过，如图4所示(图中异物位置信息由极坐标表示，分别表示极坐标角度和极半径)；部分阴性特征向量样本，即血块不被该路径穿过，如图5所示。

步骤3、建立基于支持向量机的分类器，利用不包含异物样本集及包含异物样本集对分类器进行训练，设置分类器参数。

支持向量机是在1995年提出的目前广泛使用的分类技术，是一种基于统计学习理论的模式识别方法，在解决小样本、非线性及高维模式识别中表现出许多特有的优势。

一般地，支持向量机在线性可分的情况下试图找到一个使间隔最大的最优分类超平面w^T·x+b＝0，式中，w向量，b为常量。可通过求解以下二次规划问题来找到这个超平面，

$min\frac{1}{2}\left|\right|w|{|}^2$

s.t.y_i|(w^T·x_j+b)-1|≥0，i＝1，…，n，式中，y_i类别标号，y_i∈{-1，1}，i＝1，…，n；

通过利用拉格朗日对偶性变换，支持向量机的求解可以表示为，

$\max W\left(a\right)=\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i-\frac{1}{2}\underset{i,j=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i^T{\mathrm{\α}}_j{y}_i{y}_j{x}_i{x}_j$

$s.t.\underset{i=1}{\overset{n}{\Σ}}{\mathrm{\α}}_i{y}_i=0,0\≤a_i,i=1,2,...,n$

其中，α_i为拉格朗日乘子，x_i，x_j，y_j分别为样本和类别标号。由于这是一个不等式约束下的二次函数寻优问题，存在唯一解。

由于很多问题并非线性可分，线性分类器不能达到所需分类准确度，需要通过一个非线性函数Φ将原始训练样本映射到一个高纬特征空间F。如果在F中求解最优分离超平面，就需要在高维特征空间计算内积Φ(x_i)Φ(x_j)，则定义这个内积为核函数K(x_i，x_j)＝Φ(x_i)(x_j)，在实际求解时不需要知道Φ(·)的具体形式。本发明实现采用基于径向基核函数的映射方法。

步骤4、利用粒子群优化算法对分类器进行优化，得到最佳分类器配置参数。

粒子群寻优是目前广泛使用的一种优化方法，它基于群智能同遗传算法类似的启发式全局优化技术，系统初始化为一组随机解，通过迭代搜寻最优值，其优势在于简单容易实现，是一种通用的全局搜索算法。使用粒子群算法对支持向量机进行优化，提高了分类器的分类正确率，使得检测可靠性得到保证。

分类器训练和优化模块利用生成的训练样本集对分类器进行训练，设置分类器参数，并利用粒子群优化算法对分类器进行优化，得到最佳分类器配置参数，提高分类正确率。

表1

	样本集I	样本集II	样本集III	样本集IV
					回波信号特征	78.6	76.8	80.6	82.7
传输信号特征	83	81.7	76.9	78.3

样本集I：包含了70个阴性样本和42个阳性样本，其中血块具有不同位置；

样本集II：在样本集I加入白噪声(SNR＝4.5dB)；

样本集III：包含了210个阴性样本和126个阳性样本，其中血块具有不同位置和大小；

样本集IV：包含了280个阴性样本和168个阳性样本，其中血块具有不同位置和大小。

表1显示了在不同样本集训练下，分类器的正确率。从结果可以得出，路径包含异物判断机器学习分类器具有较高的正确率，随着样本数的增大，正确率得到提高；分类器对不同大小尺寸大小的血块也可以进行路径包含判断；利用回波信号特征和传输信号特征都具有较高的正确率。

步骤5、实时异物判断

如果判别出经过异物的两条路径，则可以确定有异物，进一步确定其位置；如果没有判别出任何一条路径，则确定无异物；否则无法确定，需要其他判断方法。根据判别出经过异物的两条路径，可进而计算其交叉点，确定异物的中心点。例如，根据图2所示，经过分类器判断，经过异物的路径1：发射天线(x1，y)--接收天线(x2，y)；路径2：发射天线(x，y1)--接收天线(x，y2)；其交叉点坐标(x，y)即为异物中心点位置。

本发明利用分类器进行对经过异物的路径的判别，进而根据交叉点获得异物的定位信息。现有微波成像系统大多采用超宽带天线，天线造价高和设计难度高，相比微波成像进行异物检测，本发明使得所用的微波激励信号带宽大大降低，降低了天线的造价和设计难度，并且计算复杂度尤其是在线计算量也大大下降，便于进行可携带和可穿戴的设计，为微波检测技术进一步拓宽应用领域走向实用化打下基础。

Claims (2)

1.一种基于交叉点的复杂体异物微波检测定位方法，其特征在于，包括以下步骤：

步骤1、在被测物体周围的K个位置上分别布置一个宽带天线，通过射频电路依次使K个宽带天线向被测物体发送宽带脉冲信号，第k宽带天线发出的宽带脉冲信号自发送点起至接收点止形成第k条信号路径k＝1，2，…，K，第k条信号路径对应的回波信号为通过K个宽带天线的位置布置，使得K条信号路径两两相交；

步骤2、生成训练样本，包括以下步骤：

步骤2.1、基于无异物结构的被测物体，利用K宽带天线及电磁场仿真系统，生成多个仿真微波无异物回波信号，第k条信号路径对应的仿真微波无异物回波信号为

在被测物体内的不同位置上人工添加异物结构，利用K宽带天线及电磁场仿真系统，生成多个仿真微波回波信号，第k条信号路径对应的仿真微波回波信号为

步骤2.2、分别提取仿真微波无异物回波信号及仿真微波回波信号的特征数据，生成针对信号路径的不包含异物样本集及包含异物样本集；

步骤3、建立基于支持向量机的分类器，利用不包含异物样本集及包含异物样本集对分类器进行训练，设置分类器参数；

步骤4、利用粒子群优化算法对分类器进行优化，得到最佳分类器配置参数；

步骤5、实时异物判断

利用与步骤1相同方法得到被测物体的K个回波信号，对回波信号进行特征提取，将特征输入至分类器，若判别出经过被测物体内异物结构的两条信号路径，则这两条信号路径的交叉点即为异物结构的中心点，若未判别出任何一条信号路径，则被测物体内无异物结构。

2.如权利要求1所述的一种基于交叉点的复杂体异物微波检测定位方法，其特征在于，在所述步骤2.2中，所述不包含异物样本集及所述包含异物样本集中第i个样本表示为(x_i，y_ik)，式中：

x_i为第i个样本的特征向量，式中，mean()为求均值运算，为第i个样本中第k条信号路径对应的仿真微波回波信号；

y_ik为类别标记，若y_ik＝0，则第i个样本中第k条信号路径不包含异物结构，若y_ik＝1，则第i个样本中第k条信号路径包含异物结构。