CN108279415B - 一种基于空间压缩感知的实时微波隔墙成像方法 - Google Patents
一种基于空间压缩感知的实时微波隔墙成像方法 Download PDFInfo
- Publication number
- CN108279415B CN108279415B CN201810008012.7A CN201810008012A CN108279415B CN 108279415 B CN108279415 B CN 108279415B CN 201810008012 A CN201810008012 A CN 201810008012A CN 108279415 B CN108279415 B CN 108279415B
- Authority
- CN
- China
- Prior art keywords
- sampling
- wall
- imaging
- target
- partition wall
- 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.)
- Expired - Fee Related
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 97
- 238000005192 partition Methods 0.000 title claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 75
- 230000005672 electromagnetic field Effects 0.000 claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000005259 measurement Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 239000004576 sand Substances 0.000 claims description 6
- 238000004613 tight binding model Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 6
- 239000000523 sample Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- -1 polytetrafluoroethylene Polymers 0.000 description 1
- 229920001343 polytetrafluoroethylene Polymers 0.000 description 1
- 239000004810 polytetrafluoroethylene Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
-
- 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
Abstract
本发明公开了一种基于空间压缩感知的实时微波隔墙成像方法。被测目标的周围布置多个探测器,通过探测器向被测目标发射出电磁波对被测目标进行空间稀疏采样获得散射电磁场,并且建立隔墙成像模型/无墙成像模型,利用压缩感知算法对隔墙成像模/无墙成像模型进行求解获得被测目标的实时成像,并且根据成像模型中测量矩阵的奇异值曲线确定有效测量次数。本发明方法的探测器工作于单频点,具有价格低廉、部署简单、计算快速、隔墙成像等特点。
Description
技术领域
本发明涉及了一种微波隔墙成像方法,尤其是涉及了一种基于空间压缩感知的实时微波隔墙成像方法。
背景技术
微波是频率在300MHz-300GHz,对应波长为1m-1mm的电磁波。与可见光波不同,在微波频段具有对非金属物质的穿透能力。利用这一独特性质,微波成像能够对获取目标的位置、形状、材料属性等多种信息量,即使待测目标位于遮蔽物体(墙体)之后。微波成像具有安全、非接触、成本低等特点,因此广泛应用于安全检查、隔墙监视、医学成像等军用、民用领域。微波成像是指以微波作为信息载体的一种成像手段,其原理是利用微波频段的电磁波照射被测物体,通过被物体激发的散射场测量值来重构物体的形状或介电常数分布。微波成像在本质上是一个逆散射问题,其根据散射的回波信号反演提取目标特征信息。尽管在微波成像领域已经取得了一些进展,但实时成像,尤其对于隔墙成像,仍然是一项技术难题。目前为止,人们已经提出了适用于不同情形下求解逆散射方程的不同算法。例如线性迭代和多种非线性优化方法等定量方法,以及线性取样法和时间反演算子等定性算法。上述算法需要通过对正向问题进行完全建模分析并求解非线性反演方程,从而导致巨大的时间耗费,因此难以用于某些需求实时成像的应用场合。对于隔墙成像这种复杂应用情景,在未知墙体信息的条件下,无疑会增加了未知目标的计算量和计算难度。
压缩感知理论在2006年以来被广泛研究,与传统的奈奎斯特采样定理相比,压缩感知方法只需要稀疏采样就可恢复原始信号,从而极大地降低了系统复杂性和信号处理时间。实现压缩感知方法的难点在于如何实现对目标的多次非线性随机测量。将压缩感知技术的应用于雷达系统,这类雷达被称之为压缩感知雷达。大多数已有的压缩感知雷达研究都主要与算法有关。与其他基于压缩感知技术的应用相似,为了实现对原始信号的高度重建,需要在压缩感知雷达系统中引入随机性。大多数的基于压缩感知雷达隔墙成像系统都是基于传统的雷达体系结构和雷达信号处理方法,例如采用宽带信号(如跳频或脉冲信号)的穿墙雷达成像(TWRI)。
发明内容
为了解决背景技术中存在的问题,本发明所要解决的技术问题是提供了一种基于空间压缩感知的实时微波隔墙成像方法。
本发明解决其技术问题所采用的技术方案是:
在已知被测目标的周围存在墙体情况下,被测目标的周围布置多个探测器构成探测器网络,通过探测器向被测目标发射并接收电磁波来对被测目标进行空间稀疏采样,经校准处理获得散射电磁场,并且建立隔墙成像模型/无墙成像模型,利用压缩感知算法对隔墙成像模型/无墙成像模型进行求解获得被测目标的实时成像。
所述的探测器随机地布置在墙体周围并围成一圈,沿周向间隔均布。
所述的通过探测器对被测目标进行空间稀疏采样,具体是针对每一个探测器均采用以下方式进行采样处理:以所述探测器作为发射,朝向被测目标发出电磁波,然后以包括所述探测器自身在内的各个探测器依次作为接收进行采样。
本发明根据未知墙体信息和已知墙体信息两种情形对被测目标的物体进行不同的模型建模。
当未知被测目标周围的墙体信息情况下,将墙体和目标等同为一个目标结合体建立以下公式的无墙成像模型,将总电磁场E近似为入射电磁场Ei,无墙成像模型表示为:
E=Ei
X=Es/Gs·E
其中,X为成像区域中的复介电常数,Es和E分别表示为散射电磁场和总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵,Ei表示入射电磁场。
上述方式也可针对被测目标的周围不存在墙体情况下进行处理。
当已知被测目标周围的墙体信息情况下,将总电磁场E近似为入射电磁场 Ei和墙体所带来的散射电磁场Esw的总和,隔墙成像模型表示为:
E=Ei+Esw
X=Es/Gs·E
其中,X为成像区域中的复介电常数分布,Es和E分别表示为目标所带来的散射电磁场和总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵,Esw表示墙体所带来的散射电磁场,Ei表示入射电磁场。
本发明中,当未知被测目标的周围是否存在墙体情况下以及当已知被测目标的周围存在墙体且未知墙体信息情况下,在被测目标的外周围布置多个围成一圈的探测器,采用无墙成像模型进行微波成像。
当已知被测目标的周围存在墙体且已知墙体信息情况下,采用上述增加墙体信息补偿的隔墙成像模型进行微波成像。
空间稀疏采样的有效采样次数由针对隔墙成像模/无墙成像模型中测量矩阵进行奇异值求解获得的奇异值曲线进行选择,测量矩阵Λ表示为:
Λ=Gs·E
其中,E表示为总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵。
按照以下方式选择空间稀疏采样的有效采样次数:
1)先逐步递增采样总次数:
针对每个探测器作为发射进行采样时,从作为接收的探测器数量从1开始以1为单位递增增加,使得m个探测器进行空间稀疏采样的采样总次数从m开始以m为单位递增增加;
2)每次递增采样总次数后,处理获得奇异值曲线;
若递增采样总次数后的奇异值曲线与奇异值坐标轴之间的垂直面积增加百分比超过预设面积百分阈值时,则重复步骤1);
若递增采样总次数后的奇异值曲线与奇异值坐标轴之间的垂直面积增加百分比不超过预设面积百分阈值时,则停止此次递增采样总次数,以此次递增采样总次数前对应的采样总次数作为有效采样次数。
所述探测器为工作于单频点的天线。
所述空间稀疏采样通过射频开关切换或者电机平台移动实现。
本发明的有益效果是:
本发明不同于背景技术中在时域中的信号随机实现随机非相干测量,将不同测量探测器随机的放置在空间不同位置,可以实现对目标的空间稀疏采样,从而实现压缩感知应用。本发明方法的特点在于不需要特殊设计探测器功能,具有价格低廉、部署简单等优点,采用压缩感知算法对隔墙成像模型进行快速计算,从而能够对隔墙物体实现实时成像。
本发明通过空间随机分布的探测器网络实现稀疏采样,具有结构简单,部署方便,计算快速、隔墙成像等优点。
附图说明
图1是本发明隔墙成像系统的示意图。
图2是本发明实施例的测量矩阵的奇异值曲线。
图3是本发明实施例的目标和墙的原始图像。
图4是本发明实施例的未知存在墙体信息的隔墙重建图像。
图5是本发明实施例的已知墙体信息的隔墙重建图像。
图中:被测目标1、墙体2、成像区域3、探测器网络4。
具体实施方式
下面结合本发明实施例中的附图,详细描述本发明的实施过程。
如图1所示,当未知被测目标1的周围是否存在墙体2情况下以及当已知被测目标1的周围存在墙体2且未知墙体2信息情况下,被测目标1/墙体2的周围布置多个探测器构成探测器网络4,探测器随机地布置在被测目标1/墙体2 周围并围成一圈,沿周向间隔均布。通过探测器向被测目标发射并接收电磁波来对被测目标进行空间稀疏采样,经校准处理获得散射电磁场,并且建立无墙成像模型,利用压缩感知算法对无墙成像模型进行求解获得被测目标的实时成像。无墙成像模型表示为:
E=Ei
X=Es/Gs·E
其中,X为成像区域3中的复介电常数,Es和E分别表示为散射电磁场和总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵,Ei表示入射电磁场。
如图1所示,当已知被测目标1的周围存在墙体2且已知墙体2信息情况下,墙体2的周围布置多个探测器构成探测器网络4,探测器随机地布置在墙体 2周围并围成一圈,沿周向间隔均布。通过探测器向被测目标发射并接收电磁波来对被测目标进行空间稀疏采样,经校准处理获得散射电磁场,并且建立隔墙成像模型/无墙成像模型,利用压缩感知算法对隔墙成像模型/无墙成像模型进行求解获得被测目标的实时成像。隔墙成像模型表示为:
E=Ei+Esw
X=Es/Gs·E
其中,X为成像区域3中的复介电常数分布,Es和E分别表示为目标所带来的散射电磁场和总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵,Esw表示墙体所带来的散射电磁场,Ei表示入射电磁场。
通过探测器对被测目标1进行空间稀疏采样,具体是针对每一个探测器均采用以下方式进行采样处理:以所述探测器作为发射,朝向被测目标发出电磁波,然后以包括所述探测器自身在内的各个探测器依次作为接收进行采样。每次采样时,仅有一个探测器作为发射,仅有一个探测器为接收。
若所有探测器均双工工作,探测器的总数为m,则理论上在每一个探测器作为发射时,需以所有探测器各自作为接收采样一次,共采样m次;共计有m 个探测器分别作为发射,获得m×m次的采样次数。
具体实施的探测器可以针对电磁波实现双工工作或者单工工作,双工工作是指所述的探测器在同一时刻既能发射又能接收,探测器本身可以作为发射和接收。
空间稀疏采样的有效采样次数由针对隔墙成像模/无墙成像模型中测量矩阵进行奇异值求解获得的奇异值曲线进行选择,测量矩阵Λ表示为:
Λ=Gs·E
其中,E表示为总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵。
按照以下方式选择空间稀疏采样的有效采样次数:
1)先逐步递增采样总次数:
针对每个探测器作为发射进行采样时,从作为接收的探测器数量从1开始以1为单位递增增加,即以一个作为接收的探测器开始每次增加一个作为接收的探测器,因此使得m个探测器进行空间稀疏采样的采样总次数从m开始以m 为单位递增增加;
具体实施中,每个探测器作为发射进行采样时,作为接收的探测器选择任意,但尽可能沿周向均布地选择。即某个探测器作为发射时,需要k个作为接收的探测器依次进行接收,k个作为接收的探测器从围成一圈的所有探测器中沿周向可均匀地选择。
2)每次递增采样总次数后,处理获得奇异值曲线;
若递增采样总次数后的奇异值曲线与奇异值坐标轴之间的垂直面积增加百分比超过预设面积百分阈值时,则重复步骤1);
若递增采样总次数后的奇异值曲线与奇异值坐标轴之间的垂直面积增加百分比不超过预设面积百分阈值时,则停止此次递增采样总次数,以此次递增采样总次数前对应的采样总次数作为有效采样次数。
假设整个探测器网络中探测器数目为m,探测器工作于双工模式,则理论上的采样次数为m×m,随着采样次数的增加,当奇异值曲线的垂直面积不再大幅增加时,当前采样次数n即为测量的有效采样次数me。
本发明的具体实施例及其实施过程如下:
测量电磁波的探测器随机放置于被测目标1周围的不同位置,从而实现对目标的空间稀疏采样,进而利用压缩感知算法和隔墙成像模型实现对隔墙目标的实时成像。探测器采用工作于单频点的天线,每个探测器作为发射天线发射电磁波信号或者作为接收天线收集散射电磁波信号。
探测器网络工作频率设定为ISM频段中的2.4GHz,则自由空间中的相应波长λ为12.5cm。成像区域3设置为2λ×2λ的正方形区域,离散成60×60网格。探测器数量m为24,则整个探测器网络4的测量次数理论上共有576组。
如图2所示,对于大于10-3的奇异值,随着测量次数n的增加(从72次增加到288次),奇异值曲线与奇异值坐标轴之间的垂直面积不断增加,则表明测量得到的信息量不断增多。而随着测量次数的增加到576次,奇异值曲线与奇异值坐标轴之间的垂直面积不再增加,则表明测量得到的信息量不再增加,即288次采样足以进行成像,而不会有任何显着的成像质量损失,从而可以简化硬件和减少处理数据量。因此,以下成像结果均采用288次有效测量次数。
图3显示了封闭墙体遮挡物和稀疏目标的横截面以及具体尺寸。其中,封闭的墙体的材料为非透明的聚四氟乙烯,相对介电常数为2。作为目标的圆形物体为的材料为透明的有机玻璃,相对介电常数为3。以墙体和目标所占面积与成像区域面积的比例计算得到稀疏度为8%。成像区域的距离探测器距离为50cm,满足远场范围条件,则采用平面波作为入射电磁场。根据未知墙体2信息和已知墙体2信息两种情形对物体进行不同的隔墙成像模型建模。
当未知墙体2信息情况下,结果如图4所示,为未知墙体信息情形下的成像结果,其中墙体2和目标1同时构成组合体目标进行成像,因此墙体的轮廓和目标的形状都能够得到较好的重建。
当已知墙体2信息情况下,结果如图5所示为已知墙体信息情形下的成像结果,其中墙体信息作为先验信息对测量矩阵进行补偿,因此最终只对目标形状进行成像。由于引入了额外的先验信息,隔墙成像模型的建模更加准确,因此目标成像效果也要更好。上述两种情形均采用基于稀疏正则化的两步迭代收缩算法,在搭载主频为2.8GHz的intel-3处理器的个人计算机上计算时间均小于 1毫秒,完全满足实时成像的应用需求。
由此上述实施例可见,本发明所提出的实时微波隔墙成像方法,基于空间压缩感知采样技术,具有结构简单、部署方便、计算快速、隔墙成像等突出显著的技术效果。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或者替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (5)
1.一种基于空间压缩感知的实时微波隔墙成像方法,其特征在于:被测目标(1)的周围布置多个探测器构成探测器网络(4),通过探测器向被测目标发射并接收电磁波来对被测目标进行空间稀疏采样,经校准处理获得散射电磁场,并且建立隔墙成像模型/无墙成像模型,利用压缩感知算法对隔墙成像模型/无墙成像模型进行求解获得被测目标的实时成像;
当未知被测目标(1)周围的墙体信息情况下,将墙体和目标等同为一个目标结合体建立以下公式的无墙成像模型,无墙成像模型表示为:
E=Ei
X=Es/Gs·E
其中,X为成像区域(3)中的复介电常数,Es和E分别表示为散射电磁场和总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵,Ei表示入射电磁场;
当已知被测目标(1)周围的墙体信息情况下,隔墙成像模型表示为:
E=Ei+Esw
X=Es/Gs·E
其中,X为成像区域(3)中的复介电常数分布,Es和E分别表示为目标所带来的散射电磁场和总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵,Esw表示墙体所带来的散射电磁场,Ei表示入射电磁场;
空间稀疏采样的有效采样次数由针对隔墙成像模/无墙成像模型中测量矩阵进行奇异值求解获得的奇异值曲线进行选择,测量矩阵Λ表示为:
Λ=Gs·E
其中,E表示为总电磁场,Gs为从待测目标位置到作为接收的探测器位置的自由空间格林函数矩阵。
2.根据权利要求1所述的一种基于空间压缩感知的实时微波隔墙成像方法,其特征在于:所述的探测器随机地布置在墙体(2)周围并围成一圈,沿周向间隔均布。
3.根据权利要求1所述的一种基于空间压缩感知的实时微波隔墙成像方法,其特征在于:所述的通过探测器对被测目标(1)进行空间稀疏采样,具体是针对每一个探测器均采用以下方式进行采样处理:以所述探测器作为发射,朝向被测目标发出电磁波,然后以包括所述探测器自身在内的各个探测器依次作为接收进行采样。
4.根据权利要求1所述的一种基于空间压缩感知的实时微波隔墙成像方法,其特征在于:按照以下方式选择空间稀疏采样的有效采样次数:
1)先逐步递增采样总次数:
针对每个探测器作为发射进行采样时,从作为接收的探测器数量从1开始以1为单位递增增加,使得m个探测器进行空间稀疏采样的采样总次数从m开始以m为单位递增增加;
2)每次递增采样总次数后,处理获得奇异值曲线;
若递增采样总次数后的奇异值曲线与奇异值坐标轴之间的垂直面积增加百分比超过预设面积百分阈值时,则重复步骤1);
若递增采样总次数后的奇异值曲线与奇异值坐标轴之间的垂直面积增加百分比不超过预设面积百分阈值时,则停止此次递增采样总次数,以此次递增采样总次数前对应的采样总次数作为有效采样次数。
5.根据权利要求1所述的一种基于空间压缩感知的实时微波隔墙成像方法,其特征在于:所述探测器为工作于单频点的天线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810008012.7A CN108279415B (zh) | 2018-01-04 | 2018-01-04 | 一种基于空间压缩感知的实时微波隔墙成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810008012.7A CN108279415B (zh) | 2018-01-04 | 2018-01-04 | 一种基于空间压缩感知的实时微波隔墙成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108279415A CN108279415A (zh) | 2018-07-13 |
CN108279415B true CN108279415B (zh) | 2020-11-24 |
Family
ID=62803103
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810008012.7A Expired - Fee Related CN108279415B (zh) | 2018-01-04 | 2018-01-04 | 一种基于空间压缩感知的实时微波隔墙成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108279415B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111239730B (zh) * | 2020-01-19 | 2021-11-23 | 浙江大学 | 一种基于时间反转和压缩感知的电磁非视线成像方法 |
CN111369618A (zh) * | 2020-02-20 | 2020-07-03 | 清华大学 | 基于压缩采样的rf信号人体姿态估计方法及装置 |
CN113670952A (zh) * | 2021-07-19 | 2021-11-19 | 宁波大学 | 基于稀疏感应电流的介质材料实时微波成像方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104038944A (zh) * | 2014-06-25 | 2014-09-10 | 哈尔滨工业大学 | 一种基于随机矩阵的认知无线电频谱感知方法 |
CN105929388A (zh) * | 2016-04-18 | 2016-09-07 | 浙江大学 | 一种基于Wi-Fi网络的新型室内定位方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955159B (zh) * | 2011-08-30 | 2014-07-23 | 中国科学院电子学研究所 | 一种基于压缩感知的电磁逆散射成像方法 |
US10330610B2 (en) * | 2015-09-16 | 2019-06-25 | Massachusetts Institute Of Technology | Methods and apparatus for imaging of near-field objects with microwave or terahertz radiation |
CN105866772A (zh) * | 2016-04-18 | 2016-08-17 | 浙江大学 | 一种基于微波相干成像的新型人体内金属物体定位方法 |
CN105929395B (zh) * | 2016-04-18 | 2018-03-16 | 浙江大学 | 一种使用斜入射波的电磁成像系统与方法 |
-
2018
- 2018-01-04 CN CN201810008012.7A patent/CN108279415B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104038944A (zh) * | 2014-06-25 | 2014-09-10 | 哈尔滨工业大学 | 一种基于随机矩阵的认知无线电频谱感知方法 |
CN105929388A (zh) * | 2016-04-18 | 2016-09-07 | 浙江大学 | 一种基于Wi-Fi网络的新型室内定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108279415A (zh) | 2018-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yurduseven et al. | Resolution of the frequency diverse metamaterial aperture imager | |
Demirci et al. | A study on millimeter-wave imaging of concealed objects: Application using back-projection algorithm | |
CN108279415B (zh) | 一种基于空间压缩感知的实时微波隔墙成像方法 | |
CN109283530B (zh) | 一种利用压缩感知提高微波成像线性度的方法 | |
CN103713288A (zh) | 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法 | |
CN105929395B (zh) | 一种使用斜入射波的电磁成像系统与方法 | |
CN109188431B (zh) | 一种基于压缩感知的全息微波快速成像方法 | |
Sadeghi et al. | A DORT-uniform diffraction tomography algorithm for through-the-wall imaging | |
CN105929388A (zh) | 一种基于Wi-Fi网络的新型室内定位方法 | |
US10983209B2 (en) | Accurate signal compensations for UWB radar imaging in dispersive medium | |
CN110554384A (zh) | 一种基于微波信号的成像方法 | |
Ren et al. | A 3-D uniform diffraction tomographic algorithm for near-field microwave imaging through stratified media | |
Barzegar et al. | 3-D through-the-wall radar imaging using compressed sensing | |
Fedeli | Microwave tomography with LSTM-based processing of the scattered field | |
EP2914926B1 (en) | Three-dimensional holographical imaging | |
Zhang et al. | Two-and three-dimensional fast intrawall imaging with microwave tomographic algorithm | |
Tajik et al. | Real-time quantitative reconstruction based on microwave holography | |
Zhang et al. | Resolution and robustness to noise of the sensitivity-based method for microwave imaging with data acquired on cylindrical surfaces | |
Solimene et al. | 3D sliced tomographic inverse scattering experimental results | |
CN113324470A (zh) | 基于有限口径下的微波多目标成像与分类方法 | |
Zhou et al. | Single frequency microwave imaging based on compressed sensing | |
Zilberstein et al. | A BCS microwave imaging algorithm for object detection and shape reconstruction tested with experimental data | |
Salarkaleji et al. | Metamaterial leaky wave antenna enabled efficient 3D spectrally-encoded microwave tomography using linear sampling method | |
Pastorino | Hybrid reconstruction techniques for microwave imaging systems | |
Nikolic et al. | 3D electromagnetic imaging using compressive sensing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201124 |