CN106226765A - 一种建筑物布局成像方法及系统 - Google Patents
一种建筑物布局成像方法及系统 Download PDFInfo
- Publication number
- CN106226765A CN106226765A CN201610815675.0A CN201610815675A CN106226765A CN 106226765 A CN106226765 A CN 106226765A CN 201610815675 A CN201610815675 A CN 201610815675A CN 106226765 A CN106226765 A CN 106226765A
- Authority
- CN
- China
- Prior art keywords
- wall
- antenna
- tau
- matrix
- dictionary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/887—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons
- G01S13/888—Radar or analogous systems specially adapted for specific applications for detection of concealed objects, e.g. contraband or weapons through wall detection
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种建筑物布局成像方法及系统,首先利用墙体与天线的几何位置关系,估算墙体参数,计算电磁波穿透墙体时延,将真实穿透墙体的时延用作后续成像补偿。墙体在整个建筑物内部空间内的数量少,具有稀疏性,同时利用墙体具有块状,连续性的特点。运用分布式压缩感知方法,对目标距离域划分子空间,将计算得到的真实传播时延在子空间中对数据补偿,矫正电磁波在墙体中传播时延,去除前墙对内墙影响。构造一个新的矩阵,使矩阵也具有块状、连续性的特点,通过矩阵将场景与投影联系起来,将点连成块,呈现墙体形状。该方法运算量小,从而能够应用于实时测试系统。
Description
技术领域
本发明涉及穿墙雷达成像技术领域,具体涉及一种建筑物布局成像方法及系统。
背景技术
现有穿墙雷成像不仅考虑隐藏在墙体后以人体为主的点目标,同时也要考虑建筑物内部的墙体等扩展目标。研究墙体在建筑物内部的布局在穿墙雷达成像中至关重要,它为反恐战争、人质解救及城市救援提供了依据。
现有建筑物布局成像方法多是在建筑物墙体外侧密集布置天线阵元采集数据然后处理全数据,经过频域直接成像法处理后对墙体成像。然而,现有成像方法存在以下问题:
1、由于前墙的厚度以及介电常数不同,会对电磁波传播时延产生影响,从而改变电磁波的传播路径和速度,引入目标散射回波延迟误差,进而出现位置偏移、图像扩散等现象,使得成像质量不佳。
2、内墙距离天线位置不同,则散射点值不相同,若成像算法不考虑回波信号的这一特点对场景成像的影响,将导致目标杂波比小,也会使得成像效果不佳。
3、为获得较好的成像结果,需要天线阵元间距小,且处理全数据,因此造成后端数据处理压力大。
在现有步进频体制的穿墙雷达系统中,因为发射端与接收端同步工作,所以存在直达波问题。直达波是收发天线之间最强的信号,不仅制约系统的动态范围,而且当该信号反傅里叶变换到时域后,会有一个很短的上升时间并产生一个辛格函数形状的响应,具有距离旁瓣,对于静态成像,这个响应相当于噪声,会掩盖距离上邻近的小目标。
发明内容
本发明所要解决的技术问题是在实阵列的阵元间距大、阵元数据稀疏采样情况下,现有建筑物布局成像方法存在成像质量差以及步进频体制雷达系统存在较强的直达波,提供一种建筑物布局成像方法及系统。
为解决上述问题,本发明是通过以下技术方案实现的:
一种建筑物布局成像方法,包括如下步骤:
步骤1、使用m个频点的步进频信号作为雷达系统的发射信号;
步骤2、将n个天线阵元组成线性阵列,所有天线与外墙的距离均为h,每2个天线相互间隔距离为L;将天线设置为收发分置工作模式;
步骤3、将天线阵列整体平移进行测量;每平移一个位置测量一次,每个平移位置以一个天线为发射天线,则其余n-1个天线作为接收天线,每个平移位置所得到的回波数据矩阵,当平移k个位置后所得到的回波数据矩阵v=[v1,v2,...,vN];其中N=(n-1)×k;
步骤4、对每个平移位置得到的回波数据矩阵进行反傅里叶变换,得到一维回波信号,并将一维回波信号上升沿开始位置到下降沿结束位置测量为每个平移位置的墙体内部传播时延τw;
步骤5、根据得到的墙体内部传播时延τw,天线与墙体位置几何关系,联合求解N个方程组估计出墙体的厚度d和介电常数ε;
步骤6、在N组回波数据中随机选择S组天线组合的数据并对其构造稀疏字典ψ,其中S<N;
步骤7、构造高斯随机测量矩阵Φ=diag{β1,β2,...βS};其中βu的维度为H行,m列,且H<m;βu中的元素独立服从均值为0,方差为的高斯分布;并根据zu=βuvu得到测量数据矢量其中u=1,2,…,S;vu是回波数据矩阵v的第u个列向量;
步骤8、构造Gx×B行,Gx×Gz列的块矩阵A;该块矩阵A的第q行的(q-1)×lx+1~q×lx个元素为1,其它元素为0;上述Gx为方位向划分网格数,Gz为距离向划分网格数,lx为定义块长度,B为方位向块数,
步骤9、对块矩阵A求伪逆得到A-1,并将其与稀疏字典ψ构造出新的字典矩阵σ,即σ=ψ×A-1;
步骤10、将高斯随机测量矩阵Φ与新的字典矩阵σ构造出传感矩阵θ,即θ=Φ×σ;
步骤11、在约束条件z=θr下,求解r;并根据Ag=r求得g;由此获得到墙体成像结果。
步骤1中,所使用步进频信号是一串单载频脉冲,脉冲间的频率是以步进频率△f均勾递增的信号。
步骤5中,所求解的N个方程组为:
式中,xe为第e个电磁波入射点与对应发射天线零点位置的水平距离,ye为第e个电磁波入射点与第e个折射点垂直到墙体前表面的水平距离,天线间隔L=xe+ye,τwe为墙体内部传播时延,e=1,2,…,N,N=(n-1)×k,h为天线距前墙距离,c为电磁波传播速度,d为墙体的厚度,ε为墙体的介电常数。
步骤6中,构造稀疏字典ψ的具体过程为:
步骤6.1、对成像区域离散化,将成像区域划分为Gx×Gz个像素网格;
步骤6.2、根据步骤4中的一维回波信号的波形特征构造椭圆,N组收发天线组合构造出N个椭圆,并将构造的椭圆域映射到划分的像素网格中;
步骤6.3、椭圆域内引用步骤5求解的墙体厚度d和介电常数ε补偿计算聚焦时延,椭圆域外按照自由空间计算聚焦时延,由此构建完整的稀疏字典矩阵ψ。
步骤6.3中,
椭圆域内的聚焦时延τin为:
椭圆域外的聚焦时延τout为:
式中,μtn表示发射天线坐标位置;μrn表示接收天线坐标位置,(Xp,Yp)表示第p个像素网格点。
步骤6.3中,成像区域被划分为三部分,即墙体前自由空间部分(1~Gf),墙体部分(Gf+1~Gb)和墙体后自由空间部分(Gb+1~GxGz),由此构建完整的字典ψ为:
式中,为墙体前自由空间字典,为墙体字典,为墙体后自由空间字典,ωi为步进频率,τin为椭圆域内的聚焦时延,τout为椭圆域外的聚焦时延,i=1,2,3...m,u=1,2,3...S。
步骤5中,字典ψ只考虑正对天线情况,当网格位置正对天线时,ξ为1,否则为0,此时,
墙体前自由空间字典为:
墙体字典为:
墙体后自由空间字典为:
式中,为墙体前自由空间字典,为墙体字典,为墙体后自由空间字典,ωi为步进频率,τin为椭圆域内的聚焦时延,τout为椭圆域外的聚焦时延,i=1,2,3...m,u=1,2,3...S。
基于上述方法所设计的一种建筑物布局成像系统,包括微处理器、矢量网络分析仪,微波射频开关网络,线性天线阵列和上位机;
线性天线阵列:由多个喇叭天线组成,通过微波射频开关网络的控制选择收发天线组合,实现喇叭天线一发多收的工作模式;
微波射频开关网络:设在矢量网络分析仪和线性天线阵列之间,包括发射链路选择电路,接收链路选择电路和天线状态选择电路;其中矢量网络分析仪的发射端连接发射链路选择电路;矢量网络分析仪的接收端连接接收链路选择电路;天线状态选择电路连接在发射链路选择电路与线性天线阵列之间,以及接收链路选择电路与线性天线阵列之间,实现线性天线阵列中天线收发状态的转换;在微处理器的控制下,实现发射机和接收机分时工作模式,
矢量网络分析仪:实现信号的发射以及数据的采集;
微处理器:实现矢量网络分析仪和微波射频开关网络的系统工作的控制;
上位机:实现对矢量网络分析仪和微处理器的控制,同时对矢量网络分析仪采集到到的数据进行保存和处理,以实现建筑物布局的成像。
本发明首先利用墙体与天线的几何位置关系,估算墙体参数,计算电磁波穿透墙体时延,将真实穿透墙体的时延用作后续成像补偿。墙体在整个建筑物内部空间内的数量少,具有稀疏性,同时利用墙体具有块状,连续性的特点。运用分布式压缩感知方法,对目标距离域划分子空间,将计算得到的真实传播时延在子空间中对数据补偿,矫正电磁波在墙体中传播时延,去除前墙对内墙影响。构造一个新的矩阵A,使矩阵A也具有块状、连续性的特点,通过A矩阵将场景与投影联系起来,将点连成块,呈现墙体形状。该方法运算量小,从而能够应用于实时测试系统。
与现有技术相比,本发明具有如下特点:
1、在算法部分,首先根据收发天线的位置与墙体几何位置关系,利用测量时延估计墙体参数;其次然后利用一维回波特征构建椭圆域,并结合椭圆域构建字典,在椭圆域内引入墙体参数计算聚焦时延,椭圆域外按照自由空间计算聚焦时延;再次根据墙体块状特性构建一个预包含墙体位置的矩阵,该矩阵也具有块状特性;然后利用该矩阵更新原有字典矩阵,最后采用恢复算法成像。
2、在系统设计部分,利用微波射频开关网络的发射链路与接收链路异步工作模式,使得发射部分与接收部分分时工作,达到抑制天线直达波目的。
附图说明
图1为几何模型估计墙体参数的原理图。
图2为椭圆域建立的原理图。
图3为压缩感知框架示意图。
图4为场景网格建立的原理图。
图5(a)为A矩阵构造方法示意图,图5(b)为A矩阵结构示意图。
图6(a)为传统方法成像结果,图6(b)为本文方法成像结果。
图7为一种建筑物布局成像系统的原理框图。
图8为微波射频开关网络的示意图。
具体实施方式
一种建筑物布局成像方法,包括如下步骤:
步骤1:使用步进频信号作为雷达系统的发射信号,其基本思想为:依次发射一串(m个)脉冲宽度为Tp的单载频脉冲,脉冲间的频率是以△f均勾递增的,其发射信号表达式为:其中,f0为起始频率,△f为步进频率,为初相位,步进点数i=1,2,…,m。
步骤2:将n个天线阵元组成线性阵列,天线距离外墙距离为h,每个天线阵元相互间隔距离为L,并将天线设置为收发分置工作模式。一个天线为发射天线,则其余n-1个天线作为接收天线,相应采集n-1组收发天线组合的回波数据。因为使用步进频信号,相应回波有m个频点,所以存储的数据格式为具有m行,n-1列的矩阵。
步骤3:因为n个天线阵元组成的线性阵列合成孔径有限,不能完全探测建筑物内部墙体分布情况,所以需要将天线阵列整体平移进行测量。每平移一个位置测量一次,当平移k个位置后,使之在建筑物外围能够完全探测,有k×(n-1)组收发天线组合,相应采集k×(n-1)个回波数据。为表示方便,记为N,即N=(n-1)×k,现总计有N组回波数据,则回波信号为v=[v1,v2,…,vN],回波数据矩阵现有m行N列,表示为Cm×N。
步骤4:对回波信号进行反傅里叶变换,得到目标一维回波信号,由于电磁波遇到目标会产生峰值,因此当遇到墙体反射也会产生峰值,根据波形特征,将回波上升沿开始位置到下降沿结束位置测量为墙体内部传播时延τw。
步骤5:电磁波在墙体内部传播会改变电磁波的传播路径和速度,若不考虑前墙对电磁波的影响就会引入目标散射回波延迟误差,进而出现位置偏移、图像扩散等现象,使得成像质量不佳。不同的墙体介电常数或不同的厚度会对电磁波传播时延的影响不同。而在实际应用中,墙体参数未知,所以该步骤根据步骤4测量得到的电磁波在墙体内部穿透的时延τw,还有天线与墙体位置几何关系,联合求解多个方程估计出墙体厚度d和介电常数ε。使用墙体参数补偿在后续步骤的字典构造中,从而矫正墙体位置以及抑制图像扩散现象。
步骤6:在压缩感知框架下,采用少量数据即可恢复成像,在N组回波数据v=[v1,v2,...,vN]中随机选择S组(S<N)天线组合的数据并对其构造稀疏字典,即对信号v=[v1,v2,…,vS]构造字典,仅通过S组数据恢复成像。可以将接收到的第u组收发天线组合的回波信号vu表示成字典矩阵ψu与多个点目标反射系数矢量r的线性组合形式:vu=ψur,u=1,2,3...S。首先对成像区域离散化,划分像素网格,方位向划为Gx个像素网格,距离向划分为Gz个像素网格,总共有P=Gx×Gz个像素网格。然后构造字典矩阵ψu,根据步骤4的一维回波信号的波形特征,以波宽的1/2距离为椭圆的半短轴a,以两天线中心距离L为椭圆半长轴b,构造椭圆。由于有N组收发天线组合的回波数据相应构造出N个椭圆,将构造的椭圆域映射到划分的像素网格中。在椭圆域内引用步骤5求解的墙体参数补偿计算聚焦时延;椭圆域外按照自由空间计算聚焦时延。
步骤7、构造高斯随机测量矩阵Φ=diag{β1,β2,...βS};其中βu的维度为H行,m列,且H<m;βu中的元素独立服从均值为0,方差为的高斯分布;并根据zu=βuvu得到测量数据矢量其中u=1,2,…,S;vu是回波数据矩阵v的第u个列向量。
步骤8、构造Gx×B行,Gx×Gz列的块矩阵A;该块矩阵A的第q行的(q-1)×lx+1~q×lx个元素为1,其它元素为0;上述Gx为方位向划分网格数,Gz为距离向划分网格数,lx为定义块长度,B为方位向块数,
步骤9、对块矩阵A求伪逆得到A-1,并将其与稀疏字典ψ构造出新的字典矩阵σ,即σ=ψ×A-1。
步骤10、将高斯随机测量矩阵Φ与新的字典矩阵σ构造出传感矩阵θ,即θ=Φ×σ。
步骤11、在约束条件z=θr下,求解r;并根据Ag=r求得g;由此获得到墙体成像结果。
以一面墙体举例说明:
将n个天线阵元组成线性阵列,天线阵元的间隔为L,天线距前墙距离h。1个发射天线,n-1个接收天线,相应有n-1组收发天线组合的回波数据,通过移动k个位置,共采集(n-1)×k个回波数据,记为N,其中N=(n-1)×k。通过天线与墙体位置,以及电磁波传播路径几何模型估计墙体,利用一发多收的工作模式,移动k个位置,采集N组数据。根据电磁波传播时延,通过求解多个方程组,最优化求解,估计出墙体参数,其中包括墙体厚度d和介电常数ε。如图1所示,电磁波传播满足斯涅耳定律,r1表示电磁波经过自由空间进入到墙体的入射点位置,R1表示墙体后表面折射点位置,r2表示从墙体到自由空间的反射点位置,x1表示第一个发射天线零点位置到r1的水平距离长度,y1表示r1到R1垂直到墙体前表面的水平距离长度,d表示墙体厚度,h表示天线到前墙距离,L表示天线间隔距离。
其中其中L=x1+y1,以上述两个方程构造方程组,已知量有测量时延τw1,天线间隔L,天线距前墙距离h,电磁波传播速度c,该方程组有2个方程,但是有3个未知量,包括电磁波入射点与对应发射天线零点位置的水平距离x1,墙体厚度d,墙体介电常数ε,因此无法求解。但是引入第2个接收天线的数据,则方程组为:
上述方程组包含4个方程,未知量包括第一组天线的电磁波入射点位置x1,第二组天线电磁波入射点与对应发射天线零点位置的水平距离x2,墙体厚度d以及介电常数ε,为寻求最优解,引入N组收发天线组合的数据:
上述共有2N个方程,N+2个未知量,未知量包括N个电磁波入射点与对应发射天线零点位置的水平距离x1,x2......xN,墙体厚度d以及介电常数ε,方程的数量远大于未知量的数量,所以方程可解,最终通过测量时延与估计ε和d计算得到的估计时延的最小均方误差得到最优d和ε。
以上述回波波形特征建立椭圆域,如图2所示,以一面墙体举例,对回波信号反傅里叶变换,由于电磁波遇到目标会产生峰值,当遇到墙体反射也会产生峰值,峰值产生处即为墙体,未产生峰值处即无目标,为自由空间,利用波形特征构造椭圆域,以波宽的1/2距离为椭圆的半短轴a,以两天线中心距离L为椭圆半长轴b,构造椭圆,N组收发天线组合有N个椭圆形成的椭圆域。
在图3所示的压缩感知框架下,采用少量数据即可恢复成像,在N组回波数据中随机选择S组(S<N)天线组合的数据并对其构造稀疏字典。在成像算法处理中,需要对成像区域划分像素网格,方位向划分为Gx个像素网格,距离向划分为Gz个像素网格,场景总共有P=Gx×Gz个像素网格。将椭圆域映射到像素网格,如图4所示。椭圆域内字典引入墙体参数计算聚焦时延,椭圆域外按照自由空间计算聚焦时延。上述椭圆域映射到网格后,成像场景即被划分为三部分,即墙体前自由空间部分,网格范围包括(1~Gf);墙体部分,网格范围包括(Gf+1~Gb)和墙体后自由空间一部分,网格范围包括(Gb+1~GxGz)。依据上述成像场景划分三部分,字典根据场景网格分布构造,对S组数据构造其稀疏字典,其中
墙体前自由空间字典为:
该情况下为椭圆域外聚焦时延,即逐一计算第N组收发组合天线的位置到(1~Gf)网格点的电磁波传播时间,即为聚焦时延,μtn代表发射天线坐标位置,μrn代表接收天线坐标位置,此时网格点为椭圆域外网格,即墙体前自由空间部分网格,其中ωi=f0+i×△f,i=1,2,3...m。
墙体字典为:
此时公式第二项引为补偿项,引入墙体厚度d与介电常数ε补偿墙体的影响,c表示光速为常亮3×108m/s;此时逐一计算发射天线到椭圆域内各个网格点然后到接收天线的电磁波传播时间,网格范围(Gf+1~Gb),其中ωi=f0+i×△f,i=1,2,3...m,n=1,2,3...N。
墙体后自由空间字典为:
此时为椭圆域外聚焦时延,即逐一计算收发天线组合的位置到第(Gb+1~GxGz)网格点的电磁波传播时间,此时网格点为椭圆域外网格,即墙体后自由空间部分网格。
最终合并分布字典,构建完整稀疏字典:
以上述构造的字典只考虑正对天线情况,当网格位置正对天线时,下式ξ为1;否则为0。
以上述像素网格在方位向划分为像素块,块长度为lx,块数为构建一个新的矩阵A,其行数由划分的像素块数决定,列数由划分的像素网格数决定。
A矩阵成块状特点,使其预估计墙体位置,A的每一行在成像中都可能包含一个长度为lx的单面墙体。通过A矩阵将成像与场景联系起来。原有压缩感知框架z=Φψr,现在z=ΦψAg,矢量g即为目标散射系数。图5(a)为A矩阵构造方法示意图,图5(b)为A矩阵结构示意图。
以上述A矩阵求伪逆矩阵A-1,构建完整字典矩阵然后A-1与字典矩阵ψ联系构造新的字典矩阵σ,σ=ψ×A-1,构造高斯随机测量矩阵Φ,高斯随机测量矩阵Φ与新的字典矩阵σ构造传感矩阵θ,θ=Φ×σ。最终压缩感知方程更新为:z=ΦψA-1r=Φσr=θr。在约束条件z=θr下,求解r;并根据Ag=r求得g;由此获得到墙体成像结果。
图6(a)是采用传统方法成像结果,图6(b)是采用本文方法成像结果。一共有21组收发天线组合的回波数据,每个天线间隔30cm,满足阵元稀疏性。本文算法仅采用10组收发天线组合数据重构得到高分辨率图像。相对于传统算法,本发明将不连续的点连成块,并使得同一块中的散射点值相同,满足了墙体呈块状,连续性的特点,且利用压缩感知框架,实现了天线阵元稀疏情况下高分辨率成像。
本发明首先根据N组收发天线组合的位置与墙体几何位置关系,利用测量时延估计墙体参数;其次然后利用一维回波特征构建椭圆域,并结合椭圆域构建字典,在椭圆域内引入墙体参数计算聚焦时延,椭圆域外按照自由空间计算聚焦时延;再次根据墙体块状特性构建一个预包含墙体位置的矩阵,该矩阵也具有块状特性;然后利用该矩阵更新原有字典矩阵,最后采用恢复算法成像。
基于上述方法所设计的一种建筑物布局成像系统,如图7所示,包括矢量网络分析仪,微波射频开关网络,微处理器和超宽带喇叭天线。
矢量网络分析仪:主要用于微波器件的性能测试,广泛的用于天线测试、电路测试、元器件测试和计量检定等领域。矢量网络分析仪可用来测量无源和有源网络的S参数,它是一台双(或四)通道微波接收机,设计成可以用来处理来自网络的透射波和反射波的幅值和相位。利用矢量网络分析仪的特性,将需要探测的目标场景视为测量网络,引入到穿墙雷达成像中,PC通过LabVIEW上位机实现对矢量网络分析仪的控制,将该仪器作为发射源和接收机,实现对信号的发射以及数据的采集,保存到上位机,LabVIEW采用双线程操作,一个线程采集数据,另一个线程基于内嵌的mathscript模块,对存储在PC上的数据进行处理,通过算法实现建筑物布局成像,达到在线处理数据并成像的工作方法,并在界面显示成像结果。基于PC上位机LabVIEW控制的矢量网络分析仪,发出/接受射频信号,测量墙体以及隐藏目标的幅值和相位,在PC上位机集信号处理,在LabVIEW显示最终成像结果。
微波射频开关网络:矢量网络分析仪和天线之间使用微波射频开关网络,不仅将发射端和接收端通道扩展,实现多个天线阵元组成的线性阵列所需要的合成孔径,同时使系统工作方法类似时域系统。在矢量网络分析仪的发射端连接发射链路选择电路;在接收端连接接收链路选择电路;发射链路选择电路/接收链路选择电路与天线之间连接天线状态转换电路,能够控制天线收发状态的转换。信号源端口,接收端口和天线之间使用微波射频开关网络,利用开关网络异步工作模式,使得发射机和接收机分时工作,达到抑制耦合波的目的。以上电路模块使用微处理器(MCU)控制,链路通道选择通过MCU向其控制端写入编码信号实现,对系统选择实现一发多收的工作模式,同时使得系统在发射信号的时候,接收端关闭;接收端接收信号的时候发射端关闭。
以扩展6个喇叭天线举例说明微波射频开关网络。所述微波射频开关网络如图8所示,具体由开关芯片,功率放大器,低噪声放大器,隔直电容组成。分为发射链路,接收链路,以及天线收发状态转换模块。发射链路与接收链路结构相同,采用SP8T芯片,天线收发状态转换由SP3T芯片实现。矢量网络分析仪的port1连接发射链路,经过100pF隔直电容连接发射链路SP8T1的RFC端,SP8T1的RF1~RF6端通过100pF隔直电容连接功率放大器的输入端,功率放大器的输出端连接SP3T1的RF1端。发射链路SP8T1的RF7和RF8端经过50Ω负载电阻连接GND端。矢量网络分析仪的port2连接接收链路,经过100pF隔直电容连接接收链路SP8T2的RFC端,接收链路SP8T的RF1~RF6端通过100pF隔直电容连接低噪声放大器的输出端,低噪声放大器的输入端连接SP3T2的RF2端。SP3T2的RFC端经过100pF的隔直电容连接喇叭天线端子,RF3端经过50Ω负载电阻连接GND端。发射链路SP8T1,接收连续SP8T2,天线收发状态转换SP3T的控制端连接MCU的IO,通过高低电平控制开关芯片的通道选择。发射链路的功率放大器为用于补偿发射链路关闭状态下导致的占空比损失,使系统发射的功率超过不使用开关网络的可能的最大值。接收链路的低噪声放大器作用为改善系统的噪声系数并提高系统增益。
所述微波射频开关网络抑制耦合波方法以天线1为发射天线,天线2为接收天线举例说明。超宽带信号持续时间为γ。首先,SP8T1的RF1导通,SP3T1的RF1导通,SP3T2的RF3导通,偏置向负载接地,SP8T2的RF7导通,偏置向负载接地;此时,发射链路导通,发射机工作;接收链路偏置向负载接地,所以接收链路为断开状态,接收机不工作。开始输出超宽带信号,γ1时间后(γ1=1.1×γ),SP8T1的RF7导通,偏置向负载接地,SP3T1的RF3导通,偏置向负载接地,SP8T2的RF2导通,SP3T2的RF2导通,接收链路导通,接收机工作接收回波信号。通过微波射频开关网络的异步工作方式,使发射机和接收机分时工作,使得系统的工作方法类似于时域系统,达到抑制天线耦合波的目的。该开关网络结构简单,易于实现。
线性天线阵列:由多个天线组成,由微波射频开关网络的发射链路选择电路,接收链路选择电路,天线状态选择电路组成。通过以上电路模块选择收发天线组合,实现阵元一发多收的工作模式。
所述喇叭天线组成线性阵列,将6根天线组成线阵举例说明并标示序号,选用序号1天线为发射天线,则通过微波射频开关网络的接收链路依次选择则序号2,3,4,5,6天线为接收天线,表示为[1,2],[1,3],[1,4],[1,5],[1,6],则为5种收发天线组合方式。
通过微波射频开关网络实现通道扩展并实现收发状态转换,实现多发多收的MIMO天线配置。
一种建筑物布局成像系统的工作过程如下:
步骤1:配置仪器工作参数。
步骤2:发射天线的发射链路导通;接收天线的接收链路偏置向负载接地。
步骤3:发射天线输出射频信号。
步骤4:射频信号输出完毕。发射天线的发射链路偏置向负载接地;接收天线的接收链路导通。
步骤5:上位机LabVIEW双线程工作,一个线程采集下一天线组合的数据;另一个线程对接收到的回波数据采用一种建筑物布局成像方法实时处理,然后切换位置重复步骤2、3、4。
步骤6:重复步骤5。
本系统以矢量网络分析仪为核心搭建建筑物布局稀疏快照成像自动测试系统,利用矢量网络分析仪的特性,将需要探测的目标场景视为测量网络,引入到穿墙雷达成像中。以矢量网络分析仪为核心,测量墙体及隐藏目标的幅值和相位,通过上位机LabVIEW编写自动控制程序,实现数据采集与处理成像一体化的工作模式,LabVIEW程序双线程操作,一个线程采集数据,另一个线程对采集的数据处理成像,满足实时性要求,实现建筑物布局在线成像的功能。采用微波射频开关网络实现对通道数的扩展,实现多发多收(MIMO)阵列的配置,同时针对频域雷达存在天线耦合波问题,利用微波射频开关通道切换,达到发射链路和接收链路异步工作的目的,因此,该开关网络的应用相当于脉冲调制方法,使得系统工作方法类似于时域雷达,在发射机工作的时候接收机禁止接收,接收机工作的时候发射机禁止发射,在开关网络中,发射/接收的转换时间要比频率步进时间快,导致脉冲调制频率输出,该开关网络的应用能够有效抑制天线耦合波。
Claims (8)
1.一种建筑物布局成像方法,其特征在于:包括如下步骤:
步骤1、使用m个频点的步进频信号作为雷达系统的发射信号;
步骤2、将n个天线阵元组成线性阵列,所有天线与外墙的距离均为h,每2个天线相互间隔距离为L;将天线设置为收发分置工作模式;
步骤3、将天线阵列整体平移进行测量;每平移一个位置测量一次,每个平移位置以一个天线为发射天线,则其余n-1个天线作为接收天线,每个平移位置所得到的回波数据矩阵,当平移k个位置后所得到的回波数据矩阵v=[v1,v2,...,vN];其中N=(n-1)×k;
步骤4、对每个平移位置得到的回波数据矩阵进行反傅里叶变换,得到一维回波信号,并将一维回波信号上升沿开始位置到下降沿结束位置测量为每个平移位置的墙体内部传播时延τw;
步骤5、根据得到的墙体内部传播时延τw,天线与墙体位置几何关系,联合求解N个方程组估计出墙体的厚度d和介电常数ε;
步骤6、在N组回波数据中随机选择S组天线组合的数据并对其构造稀疏字典ψ,其中S<N;
步骤7、构造高斯随机测量矩阵Φ=diag{β1,β2,...βS};其中βu的维度为H行,m列,且H<m;βu中的元素独立服从均值为0,方差为的高斯分布;并根据zu=βuvu得到测量数据矢量其中u=1,2,…,S;vu是回波数据矩阵v的第u个列向量;
步骤8、构造Gx×B行,Gx×Gz列的块矩阵A;该块矩阵A的第q行的(q-1)×lx+1~q×lx个元素为1,其它元素为0;上述Gx为方位向划分网格数,Gz为距离向划分网格数,lx为定义块长度,B为方位向块数,
步骤9、对块矩阵A求伪逆得到A-1,并将其与稀疏字典ψ构造出新的字典矩阵σ,即σ=ψ×A-1;
步骤10、将高斯随机测量矩阵Φ与新的字典矩阵σ构造出传感矩阵θ,即θ=Φ×σ;
步骤11、在约束条件z=θr下,求解r;并根据Ag=r求得g;由此获得到墙体成像结果。
2.根据权利要求1所述的一种建筑物布局成像方法,其特征在于:步骤1中,所使用步进频信号是一串单载频脉冲,脉冲间的频率是以步进频率△f均勾递增的信号。
3.根据权利要求1所述的一种建筑物布局成像方法,其特征在于:步骤5中,所求解的N个方程组为:
式中,xe为第e个电磁波入射点与对应发射天线零点位置的水平距离,ye为第e个电磁波入射点与第e个折射点垂直到墙体前表面的水平距离,天线间隔L=xe+ye,τwe为墙体内部传播时延,e=1,2,…,N,N=(n-1)×k,h为天线距前墙距离,c为电磁波传播速度,d为墙体的厚度,ε为墙体的介电常数。
4.根据权利要求1所述的一种建筑物布局成像方法,其特征在于:步骤6中,构造稀疏字典ψ的具体过程为:
步骤6.1、对成像区域离散化,将成像区域划分为Gx×Gz个像素网格;
步骤6.2、根据步骤4中的一维回波信号的波形特征构造椭圆,N组收发天线组合构造出N个椭圆,并将构造的椭圆域映射到划分的像素网格中;
步骤6.3、椭圆域内引用步骤5求解的墙体厚度d和介电常数ε补偿计算聚焦时延,椭圆域外按照自由空间计算聚焦时延,由此构建完整的稀疏字典矩阵ψ。
5.根据权利要求4所述的一种建筑物布局成像方法,其特征在于:步骤6.3中,
椭圆域内的聚焦时延τin为:
椭圆域外的聚焦时延τout为:
式中,μtn表示发射天线坐标位置;μrn表示接收天线坐标位置,(Xp,Yp)表示第p个像素网格点。
6.根据权利要求4所述的一种建筑物布局成像方法,其特征在于:步骤6.3中,成像区域被划分为三部分,即墙体前自由空间部分(1~Gf),墙体部分(Gf+1~Gb)和墙体后自由空间部分(Gb+1~GxGz),由此构建完整的字典ψ为:
式中,为墙体前自由空间字典,为墙体字典,为墙体后自由空间字典,ωi为步进频率,τin为椭圆域内的聚焦时延,τout为椭圆域外的聚焦时延,i=1,2,3...m,u=1,2,3...S。
7.根据权利要求4所述的一种建筑物布局成像方法,其特征在于:步骤5中,字典ψ只考虑正对天线情况,当网格位置正对天线时,ξ为1,否则为0,此时,
墙体前自由空间字典为:
墙体字典为:
墙体后自由空间字典为:
式中,为墙体前自由空间字典,为墙体字典,为墙体后自由空间字典,ωi为步进频率,τin为椭圆域内的聚焦时延,τout为椭圆域外的聚焦时延,i=1,2,3...m,u=1,2,3...S。
8.基于权利要求1所述方法所设计的一种建筑物布局成像系统,其特征是,包括微处理器、矢量网络分析仪,微波射频开关网络,线性天线阵列和上位机;
线性天线阵列:由多个喇叭天线组成,通过微波射频开关网络的控制选择收发天线组合,实现喇叭天线一发多收的工作模式;
微波射频开关网络:设在矢量网络分析仪和线性天线阵列之间,包括发射链路选择电路,接收链路选择电路和天线状态选择电路;其中矢量网络分析仪的发射端连接发射链路选择电路;矢量网络分析仪的接收端连接接收链路选择电路;天线状态选择电路连接在发射链路选择电路与线性天线阵列之间,以及接收链路选择电路与线性天线阵列之间,实现线性天线阵列中天线收发状态的转换;在微处理器的控制下,实现发射机和接收机分时工作模式,
矢量网络分析仪:实现信号的发射以及数据的采集;
微处理器:实现矢量网络分析仪和微波射频开关网络的系统工作的控制;
上位机:实现对矢量网络分析仪和微处理器的控制,同时对矢量网络分析仪采集到到的数据进行保存和处理,以实现建筑物布局的成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610815675.0A CN106226765B (zh) | 2016-09-12 | 2016-09-12 | 一种建筑物布局成像方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610815675.0A CN106226765B (zh) | 2016-09-12 | 2016-09-12 | 一种建筑物布局成像方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106226765A true CN106226765A (zh) | 2016-12-14 |
CN106226765B CN106226765B (zh) | 2018-06-12 |
Family
ID=58073840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610815675.0A Active CN106226765B (zh) | 2016-09-12 | 2016-09-12 | 一种建筑物布局成像方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106226765B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107479043A (zh) * | 2017-08-15 | 2017-12-15 | 电子科技大学 | 基于多成像字典的合成孔径穿墙雷达多径假目标剔除方法 |
CN108562897A (zh) * | 2018-01-26 | 2018-09-21 | 桂林电子科技大学 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
CN108896990A (zh) * | 2018-05-10 | 2018-11-27 | 桂林电子科技大学 | 一种利用耦合模式字典学习的建筑物墙体成像方法和装置 |
CN110618399A (zh) * | 2019-08-26 | 2019-12-27 | 西安空间无线电技术研究所 | 一种天基雷达电磁频谱环境认知系统及干扰对抗方法 |
CN112177606A (zh) * | 2020-09-18 | 2021-01-05 | 中海油田服务股份有限公司 | 一种多频电成像设备的测量数据补偿方法和装置 |
CN114152943A (zh) * | 2021-12-15 | 2022-03-08 | 电子科技大学 | 一种基于超宽带穿墙雷达的两阶段墙体参数估计方法 |
CN117538940A (zh) * | 2023-10-27 | 2024-02-09 | 西安电子科技大学 | 基于vna的步进频率探地雷达系统及工作方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995573A (zh) * | 2009-08-12 | 2011-03-30 | 中国科学院电子学研究所 | 一种用于超宽带穿墙雷达的目标边界成像方法 |
CN102495393A (zh) * | 2011-12-13 | 2012-06-13 | 南京理工大学 | 基于子空间追踪的压缩感知雷达成像算法 |
CN103605129A (zh) * | 2013-11-26 | 2014-02-26 | 桂林电子科技大学 | 基于椭圆包络线的超宽带穿墙雷达成像方法 |
CN103969647A (zh) * | 2014-05-29 | 2014-08-06 | 电子科技大学 | 基于图像域滤波的稀疏阵列建筑布局成像方法 |
CN105911544A (zh) * | 2016-05-09 | 2016-08-31 | 西安理工大学 | 一种基于压缩感知技术的扩频穿墙雷达成像方法 |
-
2016
- 2016-09-12 CN CN201610815675.0A patent/CN106226765B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101995573A (zh) * | 2009-08-12 | 2011-03-30 | 中国科学院电子学研究所 | 一种用于超宽带穿墙雷达的目标边界成像方法 |
CN102495393A (zh) * | 2011-12-13 | 2012-06-13 | 南京理工大学 | 基于子空间追踪的压缩感知雷达成像算法 |
CN103605129A (zh) * | 2013-11-26 | 2014-02-26 | 桂林电子科技大学 | 基于椭圆包络线的超宽带穿墙雷达成像方法 |
CN103969647A (zh) * | 2014-05-29 | 2014-08-06 | 电子科技大学 | 基于图像域滤波的稀疏阵列建筑布局成像方法 |
CN105911544A (zh) * | 2016-05-09 | 2016-08-31 | 西安理工大学 | 一种基于压缩感知技术的扩频穿墙雷达成像方法 |
Non-Patent Citations (2)
Title |
---|
晋良念 等: "组合字典下超宽带穿墙雷达自适应稀疏成像方法", 《电子与信息学报》 * |
李育晖 等: "超宽带穿墙雷达椭圆包络线目标边界成像算法", 《电子与信息学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107479043A (zh) * | 2017-08-15 | 2017-12-15 | 电子科技大学 | 基于多成像字典的合成孔径穿墙雷达多径假目标剔除方法 |
CN107479043B (zh) * | 2017-08-15 | 2020-10-30 | 电子科技大学 | 基于多成像字典的合成孔径穿墙雷达多径假目标剔除方法 |
CN108562897A (zh) * | 2018-01-26 | 2018-09-21 | 桂林电子科技大学 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
CN108562897B (zh) * | 2018-01-26 | 2022-01-11 | 桂林电子科技大学 | 一种mimo穿墙雷达的结构稀疏成像方法和装置 |
CN108896990A (zh) * | 2018-05-10 | 2018-11-27 | 桂林电子科技大学 | 一种利用耦合模式字典学习的建筑物墙体成像方法和装置 |
CN108896990B (zh) * | 2018-05-10 | 2022-06-03 | 桂林电子科技大学 | 一种利用耦合模式字典学习的建筑物墙体成像方法和装置 |
CN110618399A (zh) * | 2019-08-26 | 2019-12-27 | 西安空间无线电技术研究所 | 一种天基雷达电磁频谱环境认知系统及干扰对抗方法 |
CN110618399B (zh) * | 2019-08-26 | 2021-11-16 | 西安空间无线电技术研究所 | 一种天基雷达电磁频谱环境认知系统及干扰对抗方法 |
CN112177606A (zh) * | 2020-09-18 | 2021-01-05 | 中海油田服务股份有限公司 | 一种多频电成像设备的测量数据补偿方法和装置 |
CN114152943A (zh) * | 2021-12-15 | 2022-03-08 | 电子科技大学 | 一种基于超宽带穿墙雷达的两阶段墙体参数估计方法 |
CN117538940A (zh) * | 2023-10-27 | 2024-02-09 | 西安电子科技大学 | 基于vna的步进频率探地雷达系统及工作方法 |
CN117538940B (zh) * | 2023-10-27 | 2024-06-21 | 西安电子科技大学 | 基于vna的步进频率探地雷达系统及工作方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106226765B (zh) | 2018-06-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106226765A (zh) | 一种建筑物布局成像方法及系统 | |
US11415692B2 (en) | High-resolution fully polarimetric frequency modulation continuous wave image radar system using RF switch and image processing method therefor | |
CN105807267B (zh) | 一种mimo雷达扩展目标的检测方法 | |
CN102680962B (zh) | 宽带认知被动雷达系统架构设计方法 | |
CN106646344B (zh) | 一种利用互质阵的波达方向估计方法 | |
CN103852759B (zh) | 扫描雷达超分辨成像方法 | |
CN104142496B (zh) | 基于连通域划分的统计mimo雷达多目标定位方法 | |
CN106405548A (zh) | 基于多任务贝叶斯压缩感知的逆合成孔径雷达成像方法 | |
CN106707257A (zh) | 基于嵌套阵列的mimo雷达波达方向估计方法 | |
CN110596646A (zh) | 一种基于mimo体制的提高雷达角度分辨率的布局及方法 | |
CN105974388B (zh) | 基于距离-方位耦合的双基地mimo雷达信号处理方法 | |
CN110658520B (zh) | 一种合成孔径雷达成像系统及方法 | |
CN108693511A (zh) | 时分复用mimo雷达的运动目标角度计算方法 | |
CN104111449B (zh) | 一种改进的基于广义内积的空时二维自适应处理方法 | |
CN105807275A (zh) | 基于部分杂波先验知识的mimo-ofdm-stap稳健波形设计 | |
CN105182313A (zh) | 一种基于不完全杂波先验知识的mimo-stap稳健波形设计方法 | |
CN107607945A (zh) | 一种基于空间嵌入映射的扫描雷达前视成像方法 | |
CN107976673A (zh) | 提高大场景目标成像质量的mimo雷达成像方法 | |
CN103698765A (zh) | 一种isar成像方位定标方法 | |
CN104777467B (zh) | 基于频率扫描天线的目标检测方法 | |
CN104215937A (zh) | 基于环境动态感知的机载雷达空时自适应处理方法 | |
CN105738887A (zh) | 基于多普勒通道划分的机载雷达杂波功率谱的优化方法 | |
CN104280720B (zh) | 前视机载雷达发射方向图的设计方法 | |
CN105842689A (zh) | 一种基于广义反射率模型的高分辨雷达快速成像方法 | |
CN105891799A (zh) | 适用于机械扫描雷达的有源干扰侦察方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20161214 Assignee: Guilin Feimin Electronic Technology Co.,Ltd. Assignor: GUILIN University OF ELECTRONIC TECHNOLOGY Contract record no.: X2022450000182 Denomination of invention: A Building Layout Imaging Method and System Granted publication date: 20180612 License type: Common License Record date: 20221125 |
|
EE01 | Entry into force of recordation of patent licensing contract |