CN109188431B - 一种基于压缩感知的全息微波快速成像方法 - Google Patents
一种基于压缩感知的全息微波快速成像方法 Download PDFInfo
- Publication number
- CN109188431B CN109188431B CN201811061289.2A CN201811061289A CN109188431B CN 109188431 B CN109188431 B CN 109188431B CN 201811061289 A CN201811061289 A CN 201811061289A CN 109188431 B CN109188431 B CN 109188431B
- Authority
- CN
- China
- Prior art keywords
- electric field
- signal
- receiving antennas
- target
- microwave
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 79
- 230000005684 electric field Effects 0.000 claims abstract description 124
- 238000012545 processing Methods 0.000 claims abstract description 63
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 51
- 239000013598 vector Substances 0.000 claims description 45
- 230000005669 field effect Effects 0.000 claims description 20
- 238000005259 measurement Methods 0.000 claims description 20
- 239000011159 matrix material Substances 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 15
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000010287 polarization Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 230000021615 conjugation Effects 0.000 claims 1
- 238000004613 tight binding model Methods 0.000 claims 1
- 230000009466 transformation Effects 0.000 claims 1
- 230000001131 transforming effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000007689 inspection Methods 0.000 description 9
- 238000003672 processing method Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000010191 image analysis Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000003252 repetitive effect Effects 0.000 description 4
- 230000008054 signal transmission Effects 0.000 description 4
- 230000036548 skin texture Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000002592 echocardiography Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 2
- 238000009659 non-destructive testing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010048962 Brain oedema Diseases 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 241000282693 Cercopithecidae Species 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 239000011358 absorbing material Substances 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 208000006752 brain edema Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 235000019864 coconut oil Nutrition 0.000 description 1
- 239000003240 coconut oil Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 235000019197 fats Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/03—Details of HF subsystems specially adapted therefor, e.g. common to transmitter and receiver
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明涉及一种基于压缩感知的全息微波快速成像方法，包括配置一系统用于成像，系统包括信号发射模块、信号接收模块和信号处理模块，信号发射模块包括发射天线，信号接收模块包括呈非均匀排布的至少三个接收天线；信号发射模块不间断地朝目标区域发射单一频率的微波信号作为入射电场；微波信号穿透位于目标区域的目标物后至少部分微波信号被目标物内部的不同部分反射而在目标区域形成散射电场并由至少三个接收天线对散射电场进行探测得到散射电场回波信号；信号处理模块对至少三个接收天线中任意两个接收天线探测到的散射电场信号进行两两对比并将两两比对得到的可见度函数结合压缩感知信号处理方式用于构建任意形状的目标物的二维图像。
Description
技术领域
本发明涉及微波成像技术领域，尤其涉及一种基于压缩感知的全息微波快速成像方法。
背景技术
压缩感知，英文名为Compressive Sensing或Compressed Sensing，简称CS。压缩感知是在2006年由Donoho、Candès及华裔科学家Tao等人提出点一种新的信息获取理论。该理论指出：对可压缩信号可通过远低于Nyquist采样率的测量数据精确地恢复。新理论的优势是能凭借被测信号的稀疏性大幅度压缩提取该信号所必需的测量数。该理论一经提出，即在多个信号处理领域如图像处理、医疗成像、模式识别、地质勘探、光学/雷达成像、无线通信等得到应用，并被美国科技评论评为2007年度十大科技进展。尤其在各种成像应用中，利用CS技术可以以极少的线性测量得到无模糊的目标图像，降低了成像系统的测量消耗和系统复杂度。
微波是指频率为300MHz-300GHz的电磁波，是无线电波中一个有限频带的简称，即波长在1毫米～1米之间的电磁波，是分米波、厘米波、毫米波的统称。
全息微波成像，英文名为Holographic Microwave Imaging，简称HMI。因其在时间、空间与分辨率上的卓越表现，已被广泛应用于介质无损检测、安检系统、雷达成像和生物医学等领域，在人体隐藏危险物检测方面取得了巨大成就。相比于传统安检技术，比如金属探测器和X射线等，HMI具有诸多优势，比如可有效区分普通物品与危险物品、属非电离辐射对人体无危害、可获取复杂目标成份信息。因此，全息微波成像技术有望全面提升安检系统，获国内外广泛关注。
例如，公告号为CN104459690B的中国专利文献公开了一种利用系统主机触发脉冲信号的多探头阵列微波成像系统与开关控制方法，包括：主控计算机、微波信号收发与数据采集设备、开关阵列、多探头天线收发阵列、开关控制模块，除启动命令外，整个控制过程均由硬件触发脉冲作用实现，不存在软件干预，大大提高实时性与稳定性；硬件脉冲信号的使用，有效避免了软件编码控制过程中的操作系统延时、总线通信延时、软件中断延时等多种延迟时间，实现了整个控制流程中的最小延迟控制。然而，因受制于算法和成像系统设计的缺陷，HMI实时成像依然存在诸多不足，主要包括：成像扫描时间长、分辨率低、灵敏度低、噪音干扰严重。除先进的硬件技术，如高灵敏天线、高精度数据采集系统，HMI成像所提供图像信息的准确性、可靠性与图像重构方法密切相关。换言之，基于现有硬件系统，采用优良的图像重构方法就有望大幅降低成像扫描时间，提高灵敏度和分辨率。
发明内容
针对现有技术之不足，本发明提供了一种基于压缩感知的全息微波快速成像方法，该方法利用将非均匀分布的接收天线阵列和发射天线阵列设置于目标物的同侧或两侧；并且将接收天线采用非均匀排布方式排列，将散射电场回波信号进行两两对比得到的可见度函数结合压缩感知的信号处理方式用于构建目标物的二维图像，能够利用更少的采样数据、更快地获得更清晰的图像，从而降低成像系统成本和扫描时间，提高成像质量。本发明可应用于无损检测、医学成像和目标探测等领域。
根据一个优选实施方式，一种基于压缩感知的全息微波快速成像方法，包括配置一系统用于成像，该系统包括信号发射模块、信号接收模块和信号处理模块，所述信号发射模块包括至少一个发射天线，所述信号接收模块包括设置在同一平面上呈非均匀排布的至少三个接收天线；其中，所述信号发射模块不间断地朝目标区域发射单一频率的微波信号作为入射电场；所述微波信号穿透位于所述目标区域的目标物后至少部分微波信号被所述目标物内部的不同部分反射而形成散射电场并由所述至少三个接收天线对所述散射电场进行探测得到散射电场回波信号；信号处理模块对所述至少三个接收天线中任意两个接收天线探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知信号处理方式用于构建任意形状的目标物的二维图像。
根据一个优选实施方式，所述信号处理模块对所述至少三个接收天线中任意两个接收天线探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知处理方式用于构建任意形状的目标物的二维图像的处理包括：对所有接收天线中的距离目标物垂直距离相等的任意两个接收天线所接收到的散射电场回波信号进行两两对比；根据两两比对得到的可见度函数获得能够反映目标物的电磁属性分布的幅值和相位的信息；基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建任意形状的目标物的二维图像。
根据一个优选实施方式，所述信号处理模块对所述至少三个接收天线中任意两个接收天线探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知处理方式用于构建任意形状的目标物的二维图像的处理还包括：基于接收天线的分布排列建立目标物的电磁属性和散射电场之间的非线性观测模型；至少部分地基于所述非线性观测模型实现散射电场回波信号进行两两对比。
根据一个优选实施方式，所述非线性观测模型包括内部场效应模型和外部场效应模型；其中，内部场效应模型描述为：
其中，
表示入射电场，
表示入射电场到目标物的位置矢量，
为场源点到目标物内一点的位置矢量,k0表示自由空间的波数，
为TE模式波振幅，AN和BB分别为发射天线21的窄孔径尺寸和宽孔径尺寸，
表示天线辐射场，
表示极化矢量；外部场效应模型描述为：
其中，
表示散射电场，
表示从场源点到场域内任一点的位置矢量，k0表示自由空间的波数，ε表示目标物的介电常数，ε＝ε′r-jσ/ωε0，ε′r表示目标物相对介电常数的实部，j为复数虚部，
σ表示目标物的电导率，ε0表示自由空间的介电常数，εb表示背景和/或媒介质的介电常数，
表示入射电场，
表示入射电场到目标物的位置矢量，G表示格林函数，
dV表示体积分，V表示目标物体积；
结合内部场效应模型和外部场效应模型，所述非线性观测模型描述为：
上式中，
表示单位矢量，k0表示自由空间的波数，ε表示目标物的介电常数，ε＝ε′r-jσ/ωε0，ε′r表示目标物相对介电常数的实部，ω表示工作角频率，ω＝2πf，f为工作频率，j为复数虚部，
σ表示目标物的电导率，ε0表示自由空间的介电常数，εb表示背和/或媒介质的介电常数，
表示总电场，
*表示复数共轭。
根据一个优选实施方式，所述至少部分地基于所述非线性观测模型实现散射电场回波信号进行两两对比的处理包括：通过计算同一平面上所述至少三个接收天线中任意两个接收天线的可见度函数信号以计算任意两个接收天线的接收到的散射电场的相位延迟和/或振幅差异：
其中,
表示位于
的两个接收天线的可见度函数包含相位延迟和/或振幅差异信息，
表示目标区域隐藏物中任意点到第a个接收天线31的距离矢量,
表示目标区域隐藏物中任意点到第b个接收天线31的距离矢量，
表示位于
处的接收天线31探测到的散射电场，
表示位于
处的接收天线31探测到的散射电场的共轭，*表示复数共轭，<>表示平均时间；依次计算任意两个接收天线的可见度函数信号之和，得到所有接收天线的总可见度函数：
γ表示所有接收天线的总可见度函数，NR表示接收天线的数量，
表示位于
的两个接收天线可见度函数。
根据一个优选实施方式，所述基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建目标物的二维图像的处理包括：通过对任意两个接收天线探测到的可见度函数信号进行二维傅里叶逆变换，得到目标物的二维重构图像：
其中,
表示位于
的两个接收天线的可见度函数包含相位延迟和/或振幅差异信息，
表示目标区域隐藏物中任意点到第a个接收天线31的距离矢量，
sinθcosφ，m＝sinθsinφ，
分别为沿x,y,z轴正时空方向的单位矢量,
分别为任一接收天线Aa在直角坐标系中沿x,y,z轴的位置,
分别为任一接收天线Ab在直角坐标系中沿x,y,z轴的位置,θ是原点o和空间任一点P的连线与正向z轴的夹角，φ为xoz平面与通过空间任一点P的半平面之间的夹角，若P点在z轴上则φ角是不确定的，
表示自由空间波长，v0表示自由空间的速度，f表示工作频率；通过对非均匀排布的至少三个接收天线获得的总回波电场进行信号处理，得到任意形状目标物的二维图像：
其中，
为二维傅里叶逆变换。
根据一个优选实施方式，基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建目标物的二维图像还包括：对非均匀排布的至少三个接收天线获得的总回波电场进行基于分裂布雷格曼迭代算法的压缩感知技术的信号处理，获取探测到的散射电场回波信号：
其中,
是基于非均匀天线阵列的全息微波图像，α和β分别是
范数和
范数一致性的权重，
范数表示向量各个元素绝对值之和，
范数表示向量各个元素的平方求和然后求平方根,
范数表示向量各个元素的总变异量，‖‖TV表示二维各向同性算子，γ表示欠采样的非均匀k空间数据，A表示反映欠采样数据的获取的测量矩阵，并且是将图像变换为稀疏表示的稀疏矩阵，δ表示精度；测量矩阵A描述为：
其中，U表示二值矩阵，用于随机抽样下随机位置的选择，I表示目标物可见度强度函数，
表示二维傅里叶逆变换。
根据一个优选实施方式，将
的约束问题转化为无约束问题：
其中，p表示迭代次数，
给出了确定区域A和有限差分域中测量一致性和稀疏性之间的折衷的正则化参数，
表示哈密尔顿算子，
根据一个优选实施方式，在忽略p的情况下，探测到的散射电场回波信号的描述能简化为：
其中，
和
分别表示表示x和y上的一维离散导数算子，dx,dy,cx,cy和cw为辅助变量。
根据一个优选实施方式，将公式
进一步优化为：
其中，AH表示A的共轭转置，ΨH表示Ψ的共轭转置，
表示在x方向的哈密顿算子，
表示在x方向的哈密顿算子的导数，
表示在y方向的哈密顿算子，
表示在y方向的哈密顿算子的导数。
附图说明
图1是本发明的一个优选实施方式的模块连接示意图；
图2是本发明的另一个优选实施方式的模块连接示意图；
图3是本发明的至少三个接收天线中的两个接收天线的几何排列示意图；
图4(a)是16个均匀排列的接收天线图；
图4(b)是64个均匀排列的接收天线图；
图4(c)是非均匀排布的天线阵列图；
图4(d)均匀分布天线阵列的示意图；
图4(e)非均匀分布天线阵列；
图4(f)是基于16个均匀排列的接收天线的UV图；
图4(g)是基于64个均匀排列的接收天线的UV图；
图4(h)是基于非均匀排布的天线阵列的UV图；
图5(a)是待重构的模型图；
图5(b)是基于16个均匀排列的接收天线的二维重构图；
图5(c)是基于64个均匀排列的接收天线的二维重构图；
图5(d)是基于非均匀接收天线阵列的二维重构图；
图5(e)是基于非均匀接收天线阵列和压缩感知的二维重构图；
图6(a)是目标检测物；
图6(b)是基于均匀分布天线阵列的标检测物全息微波成像；
图6(c)是基于非均匀天线阵列的目标检测物全息微波成像；
图6(d)是基于非均匀天线阵列和10％采样的压缩感知的目标检测物全息微波成像；和
图6(e)是基于非均匀天线阵列和100％采样的压缩感知的目标检测物全息微波成像。
附图标记列表
1：信号发生模块 2：信号发射模块 3：信号接收模块
4：控制模块 5：信号处理模块 6：显示模块
7：人体组织 8：病灶 21：发射天线
31：接收天线
具体实施方式
下面结合附图1～6进行详细说明。
实施例1
本实施例公开了一种基于压缩感知的全息微波快速成像方法，该方法可以由本发明的系统和/或其他可替代的零部件实现。比如，通过使用本发明的系统中的各个零部件实现本发明的方法。
根据一个优选实施方式，一种基于压缩感知的全息微波快速成像方法，可以包括配置一系统完成成像过程。该系统可以包括信号发射模块2、信号接收模块3和信号处理模块5中的至少一个。信号发射模块2可以包括至少一个发射天线21。信号接收模块3可以包括呈非均匀排布的至少三个接收天线31。优选地，至少三个接收天线布置在同一平面上。至少三个接收天线31和至少一个发射天线21可以设置于目标物的同侧或者异侧。信号发射模块2可以不间断地朝目标区域发射单一频率的微波信号作为入射电场。微波信号穿透位于目标区域的目标物后至少部分微波信号被目标物内部的不同部分反射而在目标区域形成散射电场并由至少三个接收天线31对散射电场进行探测得到散射电场回波信号。信号处理模块5对至少三个接收天线31中任意两个接收天线31探测到的散射电场回波信号进行两两对比并将两两比对得到的差异结合压缩感知的信号处理方式用于构建目标物的二维图像。优选地，压缩感知的信号处理方式可以采用分裂布雷格曼迭代算法、基追踪法、广义正交匹配追踪法、分段弱正交匹配追踪法和迭代硬阈值法中的至少一种，尤其优选分裂布雷格曼迭代。本发明采用此方式至少能够实现以下有益技术效果：第一，接收天线31采用非均匀排布的天线阵列，相比于均匀排列的接收天线31而言，比如矩阵形式，能够用更少的接收天线31实现更高质量的图像，从而降低扫描时间和系统成本；第二，接收天线31和发射天线21位于目标物的同侧或两侧，接收天线31和发射天线21可位于同一天线阵列，使得本发明具有小型化、便携的优点；第三，信号发射模块2发射单一频率的微波信号，使得具有易操作的优点；第四，将散射电场回波信号进行两两对比得到的可见度函数结合基于分裂布雷格曼迭代算法的压缩感知处理方式用于构建目标物的二维图像，能够利用更少的采样数据获得更清晰的图像。优选地，接收天线31可以接收散射电场得到散射电场回波信号，散射回波电场信号包括相位信息和幅度信息。优选地，非均匀排布可以是指未按特定的规则排布。比如，未按照矩阵形式排布、直线等间隔排布、等边三角形排布或者在圆形上等间隔排布。
根据一个优选实施方式，信号处理模块5对至少三个接收天线31中任意两个接收天线31探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知处理方式用于构建目标物的二维图像的处理可以包括：对所有接收天线31中的距离目标物垂直距离相等的任意两个接收天线31所接收到的散射电场回波信号进行两两对比；根据两两比对得到的可见度函数获得能够反映目标物的电磁属性分布的幅值和相位的信息；和/或基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建目标物的二维图像。
根据一个优选实施方式，信号处理模块5对至少三个接收天线31中任意两个接收天线31探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合基于压缩感知处理方式用于构建目标物的二维图像的处理还可以包括：基于接收天线31的分布排列建立目标物的电磁属性和散射电场之间的非线性观测模型；和/或至少部分地基于非线性观测模型实现散射电场回波信号和/或散射电场进行两两对比。
实施例2
本实施例公开了一种基于压缩感知的全息微波快速成像系统，该系统适于执行本发明记载的各个方法步骤，以达到预期的技术效果。
根据一个优选实施方式，一种基于压缩感知的全息微波快速成像系统，该系统包括控制模块4、信号发射模块2、信号接收模块3、信号处理模块5和图像分析模块中的至少一个。优选地，图像分析模块可以对目标物的二维图像进行去噪音和局部特征提取处理后传输至显示模块6进行显示。
根据一个优选实施方式，信号处理模块5对至少三个接收天线31中任意两个接收天线31探测到的散射电场进行两两对比并将两两比对得到的可见度函数用于构建目标物的二维图像的处理可以包括：
建立目标物可见度强度观测模型；
式(1)中，如图3所示，
表示单位矢量，k0表示自由空间的波数，ε表示目标物的介电常数，ε＝ε′r-jσ/ωε0，ε′r为目标物相对介电常数的实部，j为复数虚部，
ω＝2πf为工作角频率，f为信号的发射频率，εb表示媒介质的介电常数，σ为目标物的电导率，ε0为自由空间的介电常数，
为总电场，
*表示复数共轭；
建立目标物的电磁属性和散射回波之间的非线性观测模型，基于接收天线31的分布排列建立描述目标物内部结构的表征模型；
非线性观测模型包括内部场效应模型和外部场效应模型；
内部场效应模型描述为：
其中，
为入射电场，
为从入射电场到目标物的位置矢量，
为从场源点到目标物内一点的位置矢量,k0为自由空间的波数，
为TE模式波振幅，TE模式波优选为TE10模式波，AN和BB分别为发射天线21的窄孔径尺寸和宽孔径尺寸，
表示天线辐射场，
表示极化矢量。
外部场效应模型描述为：
式(3)中，
为散射电场，
为从场源点到场域内任一点的位置矢量，
为从入射电场到目标物的位置矢量，G为格林函数，k0为自由空间的波数，
dV表示体积分，V表示目标物体积。
S42、计算成像；
对至少三个接收天线31所接收到的散射电场回波信号和/或散射电场进行如下分析：
依次对所有接收天线31中的距离目标物垂直距离相等的任意两个接收天线31所接收到的散射电场回波信号和/或散射电场进行两两对比；
依次根据两两比对得到的可见度函数和分裂布雷格曼迭代算法的压缩感知技术进行处理获得能够反映目标物电磁属性分布的幅值和相位的信息。
通过计算同一平面上至少三个接收天线31中任意两个接收天线31的可见度函数：
其中,
表示位于
的两个接收天线的可见度函数包含相位延迟和/或振幅差异信息，
表示目标区域隐藏物中任意点到第a个接收天线31的距离矢量；
表示目标区域隐藏物中任意点到第b个接收天线31的距离矢量，
表示位于
处的接收天线31探测到的散射电场，
表示位于
处的接收天线31探测到的散射电场的共轭，*表示复数共轭，＜＞表示平均时间。
依次计算任意两个接收天线31的可见度函数信号之和，得到所有接收天线31的总回波电场，当接收天线31为NR个时，NR为自然数且NR≥3，总回波电场为NR(NR-1)个接收天线31的可见度函数信号之和：
其中，NR为接收天线31的个数，NR为自然数且NR≥3，总回波电场为NR(NR-1)个可见度函数信号之和；
通过对任意两个接收天线31探测到的可见度函数信号进行二维傅里叶逆变换，得到任意形状的目标物的二维重构图像；
如图3所示，其中，
l＝sinθcosφ，m＝sinθsinφ，
分别为沿x,y,z轴正时空方向的单位矢量,
分别为任一接收天线Aa在直角坐标系中沿x,y,z轴的位置,
分别为任一接收天线Ab在直角坐标系中沿x,y,z轴的位置,θ是原点o和空间任一点P的连线与正向z轴的夹角，φ为xoz平面与通过空间任一点P的半平面之间的夹角，若P点在z轴上则φ角是不确定的。
λ0表示自由空间波长，v0表示自由空间的速度，f表示工作频率。
通过对所有接收天线31的总回波电场进行信号处理，得到任意形状的目标物的二维重构图像。
其中，
为二维傅里叶逆变换。
通过对非均匀分布排列的接收天线阵列获得的总回波电场进行信号处理，基于压缩感知技术，可以获得目标物的全息微波快速成像图。
根据一个优选实施方式，一种全息微波快速成像方法，包括：
1.对非均匀接收天线31排列获得的总回波电场进行基于分裂布雷格曼迭代算法的压缩感知技术的信号处理，获取散射电场回波信号：
其中,
是基于非均匀天线阵列的全息微波图像，α和β分别是
范数和
范数一致性的权重。
范数表示向量各个元素绝对值之和，
范数表示向量各个元素的平方求和然后求平方根,
范数表示向量各个元素的总变异量，‖‖TV表示二维各向同性算子，Υ表示欠采样的非均匀k空间数据，A表示反映欠采样数据的获取的测量矩阵，并且是将图像变换为稀疏表示的稀疏矩阵。δ表示精度，这取决于精度、测量噪声和模型误差。
2.根据式(7)，测量矩阵可以重新描述为：
其中，U表示二值矩阵，用于随机抽样下随机位置的选择，I表示目标物可见度强度函数，
表示二维傅里叶逆变换。
3.约束问题(8)可以转化为无约束问题：
其中，p表示迭代次数，
给出了确定区域中测量矩阵A和有限差分域中测量一致性和稀疏性之间的折衷的正则化参数。
二维离散各向同性算子，
cp表示辅助变量。
4.忽略P,表示散射电场回波信号的公式(10)可以简化为
其中，
和
分别表示表示x，y上的一维离散导数算子。dx,dy,cx,cy和cw为辅助变量。w,dx,dy的最优值可由SoftThresholding公式(x,t)＝max(0,1-t/|x|)x获得。
5.式(10)可以优化为
其中，AH表示A的共轭转置，ΨH表示Ψ的共轭转置，
表示在x方向的哈密顿算子，
表示在x方向的哈密顿算子的导数，
表示在y方向的哈密顿算子，
表示在y方向的哈密顿算子的导数。
控制模块4控制信号发生模块1产生单频率的射频信号，射频信号以交变电流的形式施加在信号发射模块2产生交变电场对目标物进行第一方向的扫描，信号接收模块3对目标物反射的交变电场进行接收并将接收到的信号通过控制模块4传输至信号处理模块5，信号处理模块5对接收到的信号进行重构得到目标物的重构图像。
信号发射模块2、信号接收模块3、控制模块4、阵列选择模块和多通道控制开关电路板分别与射频信号发生器连接，多通道控制开关电路板与信号接收模块3连接
根据一个优选实施方式，本发明的系统可以包括至少三个接收天线31并且至少三个接收天线31中的每个接收天线31均为收发一体微波天线，信号发射模块2的至少一个发射天线21采用非重复随机方式从至少三个接收天线31选择直至成像的质量通过图像评估方法进行定性评估的峰值信噪比超过预设峰值信噪比阈值。本发明采用此方式至少能够实现以下有益技术效果：第一，收发一体微波天线是指微波天线可以同时收发微波信号，这样可以使信号发射模块2和信号接收模块3可以共用一套微波天线，发射天线21可以从至少三个接收天线31中进行随机选择，通过评估成像质量选择适宜的发射位置和角度以获得能达到相应清晰度要求的图像；第二，这种方式由于不需要通过机械方式移动发射天线21来调整发射位置和角度，也不需要预先识别目标物的状态来设置发射位置和角度，其反应速度和成像速度都更快。优选地，峰值信噪比描述为：
式中，PSNR为峰值信噪比，MSE指Mean Square Error，即均方差，PSNR的单位为dB。PSNR值越大，代表失真越少。
表1：不同重构方法的比较
从表1来看，采用本发明的方法的图像质量高且成像速度快。
优选地，本发明的方法还包括使用10～50％的采样率对散射电场进行采样。尤其优选使用10％的采样率对散射电场进行采样。由此，不仅能够提高成像速度，还能保证成像质量。
实验证明，本发明提出的基于压缩感知技术的全息微波成像方法仅使用10％的采样率获得的目标物的二维重构图像质量优于普通全息微波成像方法获得的目标物的二维重构图像，本发明的PSNR为25.45dB而普通全息成像方法的PSNR为22.73dB，且大大降低了成像时间，本发明成像时间为2.08s普通全息成像方法为157.03s。本发明提出的基于压缩感知技术的全息微波成像方法具有快速成像、提高图像质量、降低系统成本等优势。
实施例3
本实施例可以是对实施例1、2或者其结合的进一步改进和/或补充。在不造成冲突或者矛盾的情况下，其他实施例的优选实施方式的整体和/或部分内容可以作为本实施例的补充。
根据一个优选实施方式，一种基于压缩感知的全息微波快速成像方法，尤其是一种基于生物体内隐藏物检测的全息微波快速成像方法，其包括以下步骤：
S1、设置一包括信号发生模块1、信号发射模块2、信号接收模块3、控制模块4、信号处理模块5、图像输入模块、图像分析模块和显示模块6的隐藏物检测系统，信号发射模块2包含至少一个发射天线21，信号接收模块3包含至少三个接收天线31；
S2、控制模块4控制信号发生模块1不间断地发射单一频率的微波信号，微波信号作为入射电场通过信号发射模块2发射至目标区域；
S3、微波信号穿透目标区域的目标物，部分微波信号被反射并在目标区域形成散射电场，至少三个接收天线31对散射电场进行探测；
S4、接收天线31探测到的散射电场通过控制模块4传输至信号处理模块5，信号处理模块5对任意两个接收天线31探测到的散射电场回波信号进行两两对比，而后将两两比对得到的可见度函数信号用于构建任意形状的目标物的二维重构图像；
S5、目标物的二维重构图像通过图像输入模块传输至图像分析模块，图像分析模块对二维图像进行快速去噪音和局部特征提取处理，得到新的目标物重构图像；
S6、新的目标物重构图像传输至显示模块6进行显示，完成对目标物的检测。
根据一个优选实施方式，步骤S4中，信号处理模块5对接收到的散射电场回波信号和/或散射电场进行二维成像处理的具体过程为：
优选地，步骤S4可以包括：
S41、对目标物进行建模；
建立目标物可见度强度模型；
建立目标物的电磁属性和散射回波之间的非线性观测模型，基于微波接收天线31的分布排列建立描述目标物内部结构的表征模型；
非线性观测模型包括内部场效应模型和外部场效应模型；
内部场效应模型描述为：
外部场效应模型描述为：
S42、任意形状的目标物二维重构图像的成像方法；
对至少三个微波接收天线31所接收到的散射电场回波信号和/或散射电场进行如下分析：
依次对所有微波接收天线31中的距离目标物垂直距离相等的任意两个微波接收天线31所接收到的散射电场回波信号和/或散射电场进行两两对比；
依次根据两两比对得到的可见度函数获得能够反映目标物电磁属性分布的幅值和相位的信息；
根据一个优选实施方式，步骤S42中，依次对所有微波接收天线31中的距离目标物垂直距离相等的任意两个微波接收天线31所接收到的散射电场回波信号和/或散射电场进行两两对比的可见度函数处理可以包括以下步骤：
计算同一水平面上所有微波接收天线31中任意两个微波接收天线
的可见度函数信号：
其中，
表示位于
的两个接收天线的可见度函数包含相位延迟和/或振幅差异信息，
表示目标区域隐藏物中任意点到第a个接收天线31的距离矢量；
表示目标区域隐藏物中任意点到第b个接收天线31的距离矢量，，
表示位于
处的接收天线31探测到的散射电场，
表示位于
处的接收天线31探测到的散射电场的共轭，*表示复数共轭，<>表示平均时间。
依次计算任意两个微波接收天线31的可见度函数信号和，得到所有微波接收天线31的总回波电场，当微波接收天线31为NR个时，NR为自然数且NR≥3，总回波电场为NR(NR-1)个微波接收天线31的可见度函数信号之和：
通过对任意两个微波接收天线31探测到的可见度函数信号进行二维傅里叶逆变换，得到任意形状的目标物的二维重构图像。
如图3所示，其中，
l＝sinθcosφ，m＝sinθsinφ，
分别为沿x,y,z轴正时空方向的单位矢量,
分别为任一接收天线Aa在直角坐标系中沿x,y,z轴的位置,
分别为任一接收天线Ab在直角坐标系中沿x,y,z轴的位置,θ是原点o和空间任一点P的连线与正向z轴的夹角，φ为xoz平面与通过空间任一点P的半平面之间的夹角，若P点在z轴上则φ角是不确定的。
λ0表示自由空间波长，v0表示自由空间的速度，f表示工作频率。
通过对所有微波接收天线31总回波电场进行信号处理，得到任意形状的目标物的二维重构图像。
其中，
为二维傅里叶逆变换；
通过对非均匀分布的微波接收天线阵列获得的总回波电场进行信号处理，基于压缩感知技术，可以获得目标物的全息微波快速成像图。
全息微波快速成像方法；
对非均匀微波接收天线31排列获得的总回波电场进行基于压缩感知技术的信号处理，获取信号：
其中,
是基于非均匀天线阵列的全息微波图像，α和β分别是
范数和
范数一致性的权重。
范数表示向量各个元素绝对值之和，
范数表示向量各个元素的平方求和然后求平方根,
范数表示向量各个元素的总变异量，‖‖TV表示二维各向同性算子，γ表示欠采样的非均匀k空间数据，A表示反映欠采样数据的获取的测量矩阵，并且是将图像变换为稀疏表示的稀疏矩阵。δ表示精度，这取决于精度、测量噪声和模型误差。
根据式(7)，测量矩阵可以重新描述为：
其中，U表示二值矩阵，用于随机抽样下随机位置的选择。
约束问题(8)可以转化为无约束问题：
其中，p表示迭代次数，
给出了确定区域A和有限差分域中测量一致性和稀疏性之间的折衷的正则化参数。
表示哈密尔顿算子，
忽略P,公式(10)可以简化为
其中，
和
分别表示表示x，y上的一维离散导数算子。dx,dy,cx,cy和cw为辅助变量。w,dx,dy的最优值可由SoftThresholding公式(x,t)＝max(0,1-t/|x|)x获得。
式(10)可以优化为
其中，AH表示A的共轭转置，ΨH表示Ψ的共轭转置，
表示在x方向的哈密顿算子，
表示在x方向的哈密顿算子的导数，
表示在y方向的哈密顿算子，
表示在y方向的哈密顿算子的导数。
式(13)可以由压缩感知技术中常见的非线性贪婪算法解析，一种基于压缩感知的全息微波快速成像方法，尤其是基于计算机语言的快速成像方法如表1所示。
表2：基于分裂布雷格曼迭代算法的压缩感知的全息微波快速成像方法的计算机语言
由于采用以上技术方案，本发明的有益效果为：本发明全息微波快速成像系统通过设置信号发生模块1、信号发射模块2、控制模块4、信号接收模块3、信号处理模块5、显示模块6，利用微波信号发生器发射微波信号，该微波信号经微波发射天线21进行空间传播被信号接收模块3接收，因此本发明非接触、无创伤，无需在目标物上粘贴任何电极，根据本发明成像方法可以开发出相应的医疗仪器，可以显示相应的曲线、图像、数值，能够对多种疾病如乳腺癌、脑水肿、肺癌等进行快速检测以及实时连续监测。
根据一个优选实施方式，本发明的方法所对应的系统所采用的技术方案为：一种全息微波快速成像系统，尤其是一种基于压缩感知的全息微波快速成像，包括信号发生模块1、信号发射模块2、控制模块4、信号接收模块3、信号处理模块5和显示模块6中的至少一个。信号发生模块1可以包括射频信号发生器和多通道控制开关电路板。信号发射模块2、信号接收模块3、控制模块4、阵列选择模块和多通道控制开关电路板可以分别与射频信号发生器连接。多通道控制开关电路板可以与信号接收模块3连接。
优选地，控制模块4可以控制信号发生模块1产生单频率的射频信号。射频信号以交变电流的形式施加在信号发射模块2中对任意形状的目标物进行水平面方向扫描。交变电流产生交变电场，信号接收模块3对交变电场进行接收，并将接收到的信号通过控制模块4传输至信号处理模块5。信号处理模块5可以对接收到的信号进行重构得到任意形状的目标物的二维重构图像。二维重构图像可以传输至显示模块6进行显示。
优选地，信号发射模块2和信号接收模块3可沿垂直方向扫描接收目标物的散射电场回波信号。信号处理模块5对接收到的散射电场回波信号进行重构得到目标物的三维重构图像。三维重构图像可以传输至显示模块6进行显示。优选地，目标物可以是目标生物体，比如人、猿或者猴。
优选地，信号发射模块2和/或信号接收模块3均由微波天线实现。信号发射模块2采用作为发射信号的微波发射天线21，作为发射信号的微波发射天线21数量为NT，NT为自然数且NT≥1。信号接收模块3采用作为接收信号的微波接收天线31，作为接收天线31的微波接收天线31数量为NR，NR为自然数且NR≥3。
优选地，微波发射天线阵列为非均匀分布在2D发射天线21阵列模块中；
优选地，微波接收天线阵列为非均匀分布在2D接收天线31阵列模块中；
优选地，微波天线采用开口波导天线、贴片天线等；
优选地，微波天线既可作为发射天线，也可作为接收天线，也可作为收发一体天线。
优选地，以目标物为中心，所有微波天线围绕着目标物呈非均匀排布成。微波发射天线21和微波接收天线31可为同一种微波天线，也可为不同种类的微波天线。若微波发射天线21和微波接收天线31为同一种微波天线，微波发射天线21产生电场，微波接收天线31检测目标物内部及其周围的电场变化、介电性和/或电导率的分布状态。
优选地，目标物与微波天线之间以及各微波天线之间的间隙内都充满媒介质，该媒介质可以为介电常数与脂肪组织相似的物质，如海水、椰子油等。
优选地，至少三个接收天线31设置在微波吸收材料制成的天线阵列板上，以降低微波接收天线之间以及散射电场反射到目标区域而对成像质量造成的噪音影响。
优选地，作为发射的微波发射天线21与作为测量的微波接收天线31之间的位置关系为：均位于目标物的同侧，位于相同高度或不同高度；或相互平行；或相互重合；或均与目标物成一定的角度。
优选地，信号接收模块3对探测到的回波电场信号进行图像处理，利用压缩感知技术进行快速图像重构。
优选地，本发明的系统的工作频率范围为1GHz-10GHz。
参见附图5(b)～5(e)，基于非均匀接收天线阵列的二维重构图和基于非均匀接收天线阵列和压缩感知的二维重构图可清晰检测到病灶，而基于16个均匀排列的接收天线的二维重构图未能成功检测病灶，基于64个均匀排列的接收天线的二维重构图未能清晰检测病灶，且非均匀接收天线阵列和压缩感知的二维重构图所用时间最少。
实施例4
根据一个优选实施方式，本发明的系统可以包括在同一平面上呈非均匀排布的至少四个微波接收天线。优选地，在成像前，控制模块获取待检查对象的身份标识并根据身份标识查询待检测对象的历史检查数据；在未查询到历史检查数据的情况下，控制模块从至少四个微波接收天线中以非重复随机方式选择至少三个微波接收天线同时作为成像过程所需的微波发射天线，并在预设时间内至少部分基于各个选择的硬件条件实现对相应的目标区域的成像，然后控制模块基于对成像质量的排序输出成像质量最高的图像和确定相应的目标区域的推荐硬件条件；在查询到历史检查数据的情况下，控制模块根据当前的目标区域的推荐硬件条件配置微波发射天线，基于配置实现对相应的目标区域的成像。本发明采用此方式至少能够实现以下有益技术效果：第一，每个待检测对象的自身特性存在，例如身体形态、脂肪层厚度、组织含水量差异和器官大小等等，由此，其最佳的成像硬件条件有差异，因此，本发明在检测时，通过非重复随机方式选择最优的配置方式，实现最优的成像质量；第二，保存对象的历史检查数据和相应的目标区域的推荐硬件条件，再该对象再次检查时，快速采用推荐硬件条件进行配置，减少配置时间，提高成像效率。优选地，同时作为微波成像过程中所需的微波发射天线是指同时作为微波发射天线和微波接收天线，而未被选择的微波接收天线仅作为微波接收天线。例如，假设系统中共有四个微波发射天线，以非重复随机方式选择至少三个微波接收天线则共有七种选择，在两秒内用这七种硬件条件实现对相应的目标区域的七组成像，然后对七组成像的成像质量进行排序，选择成像质量最高的一组图像和其对于的硬件条件作为该目标区域的推荐硬件条件，作为以后同一个对象再次检查时配置系统的依据。优选地，身份标识例如可以是身份证号、姓名、就诊卡号、指纹和虹膜中的至少一种。优选地，控制模块基于峰值信噪比、结构相似度和模糊系数中的至少两种采用加权法对成像质量进行评估并由此进行排序。
根据一个优选实施方式，本发明系统可以包括图像采集装置。图像采集装置与微波信号收发模块同步运动采集皮肤纹理，并将皮肤纹理与对象的相应的目标区域关联地保存到历史检查数据；控制模块基于对目标物的二维图像的图像识别初步判断当前的目标区域，随后控制模块至少部分地基于图像采集装置采集到的实时皮肤纹理从历史检查数据中选取与初步判断的目标区域相对应的皮肤纹理对当前的目标区域进行二次确认，并在二次确认通过的情况下，控制模块才根据当前的目标区域的推荐硬件条件配置微波发射天线。本发明采用此方式至少能够实现以下有益技术效果：大幅减少确定目标区域计算量，减少系统配置时间。
如本文所用的词语“模块”描述任一种硬件、软件或软硬件组合，其能够执行与“模块”相关联的功能。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (8)
1.一种基于压缩感知的全息微波快速成像方法，包括配置一系统用于成像，其特征在于，该系统包括信号发射模块、信号接收模块和信号处理模块，所述信号发射模块包括至少一个发射天线，所述信号接收模块包括设置在同一平面上呈非均匀排布的至少三个接收天线；
其中，所述信号发射模块不间断地朝目标区域发射单一频率的微波信号作为入射电场；
所述微波信号穿透位于所述目标区域的目标物后至少部分微波信号被所述目标物内部的不同部分反射而形成散射电场并由所述至少三个接收天线对所述散射电场进行探测得到散射电场回波信号；
信号处理模块对所述至少三个接收天线中任意两个接收天线探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知信号处理方式用于构建任意形状的目标物的二维图像；
所述信号处理模块对所述至少三个接收天线中任意两个接收天线探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知处理方式用于构建任意形状的目标物的二维图像的处理包括：
对所有接收天线中的距离目标物垂直距离相等的任意两个接收天线所接收到的散射电场回波信号进行两两对比；
根据两两比对得到的可见度函数获得能够反映目标物的电磁属性分布的幅值和相位的信息；
基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建任意形状的目标物的二维图像；
基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建目标物的二维图像包括：
对非均匀排布的至少三个接收天线获得的总回波电场进行基于分裂布雷格曼迭代算法的压缩感知技术的信号处理，获取探测到的散射电场回波信号：
其中，
是基于非均匀天线阵列的全息微波图像，α和β分别是l1范数和lTV范数一致性的权重，l1范数表示向量各个元素绝对值之和，l2范数表示向量各个元素的平方求和然后求平方根，lTV范数表示向量各个元素的总变异量，
表示二维各向同性算子，
表示估计的全息微波图像，γγ表示欠采样的非均匀k空间数据，A表示反映欠采样数据的获取的测量矩阵，Ψ表示将图像变换为稀疏表示的稀疏矩阵，δ表示精度；
测量矩阵A描述为：
其中，U表示二值矩阵，用于随机抽样下随机位置的选择，I表示目标物可见度强度函数，
表示二维傅里叶逆变换。
2.如权利要求1所述的方法，其特征在于，所述信号处理模块对所述至少三个接收天线中任意两个接收天线探测到的散射电场回波信号进行两两对比并将两两比对得到的可见度函数结合压缩感知处理方式用于构建任意形状的目标物的二维图像的处理还包括：
基于接收天线的分布排列建立目标物的电磁属性和散射电场之间的非线性观测模型；
至少部分地基于所述非线性观测模型实现散射电场回波信号进行两两对比。
3.如权利要求2所述的方法，其特征在于，所述非线性观测模型包括内部场效应模型和外部场效应模型；
其中，内部场效应模型描述为：
其中，
表示入射电场，
表示入射电场到目标物的位置矢量，
为场源点到目标物内一点的位置矢量，k0表示自由空间的波数，
为TE模式波振幅，AN和BB分别为发射天线（ 21） 的窄孔径尺寸和宽孔径尺寸，
表示天线辐射场，
表示极化矢量；
外部场效应模型描述为：
其中，
表示散射电场，
表示从场源点到场域内任一点的位置矢量，k0表示自由空间的波数，ε表示目标物的介电常数，ε＝ε′r-jσ/ωε0，ε′r表示目标物相对介电常数的实部，j为复数虚部，
σ表示目标物的电导率，ε0表示自由空间的介电常数，εb表示背景和/或媒介质的介电常数，
表示入射电场，
表示入射电场到目标物的位置矢量，G表示格林函数，
dV表示体积分，V表示目标物体积；
结合内部场效应模型和外部场效应模型，所述非线性观测模型描述为：
上式中，s表示目标物体中的任意一点，
表示单位矢量，
表示目标物体中的任意一点到原点o的距离矢量，k0表示自由空间的波数，ε表示目标物的介电常数，ε＝ε′r-jσ/ωε0，ε′r表示目标物相对介电常数的实部，ω表示工作角频率，ω＝2πf，f为工作频率，j为复数虚部，
σ表示目标物的电导率，ε0表示自由空间的介电常数，εb表示背景和/或媒介质的介电常数，
表示总电场，
*表示复数共轭。
4.如权利要求3所述的方法，其特征在于，所述至少部分地基于所述非线性观测模型实现散射电场回波信号进行两两对比的处理包括：
通过计算同一平面上所述至少三个接收天线中任意两个接收天线的可见度函数信号以计算任意两个接收天线的接收到的散射电场的相位延迟和/或振幅差异：
其中，
表示位于
的两个接收天线的可见度函数包含相位延迟和/或振幅差异信息，
表示目标区域隐藏物中任意点到第a个接收天线(31)的距离矢量，
表示目标区域隐藏物中任意点到第b个接收天线(31)的距离矢量，
表示位于
处的接收天线(31)探测到的散射电场，
表示位于
处的接收天线(31)探测到的散射电场的共轭，*表示复数共轭，< >表示平均时间；
依次计算任意两个接收天线的可见度函数信号之和，得到所有接收天线的总可见度函数：
γ表示所有接收天线的总可见度函数，NR表示接收天线的数量，
表示位于
的两个接收天线可见度函数。
5.如权利要求4所述的方法，其特征在于，所述基于电磁属性分布的幅值和相位的信息通过压缩感知处理方式构建目标物的二维图像的处理包括：
通过对任意两个接收天线探测到的可见度函数信号进行二维傅里叶逆变换，得到目标物的二维重构图像：
其中，Vvi(uab，vab)表示位于(uab，vab)的两个接收天线的可见度函数包含相位延迟和/或振幅差异信息，uab表示目标区域隐藏物中任意点到第a个接收天线(31)的距离矢量，
l＝sinθcosφ，m＝sinθsinφ，
分别为任一接收天线Aa在直角坐标系中沿x，y，z轴的位置，
分别为任一接收天线Ab在直角坐标系中沿x，y，z轴的位置，θ是原点O和空间任一点P的连线与正向z轴的夹角，φ为xoz平面与通过空间任一点P的半平面之间的夹角，若P点在z轴上则φ角是不确定的，λ0表示自由空间波长，v0表示自由空间的速度，f表示工作频率；
通过对非均匀排布的至少三个接收天线获得的总回波电场进行信号处理，得到任意形状目标物的二维图像：
其中，
为二维傅里叶逆变换，M为接收天线的数量。
6.如权利要求5所述的方法，其特征在于，将
的约束问题转化为无约束问题：
其中，p表示迭代次数，
给出了确定区域A和有限差分域中测量一致性和稀疏性之间的折衷的正则化参数，
表示哈密尔顿算子，
7.如权利要求6所述的方法，其特征在于，在忽略p的情况下，探测到的散射电场回波信号的描述能简化为：
其中，
和
分别表示x和y上的一维离散导数算子，dx，dy，cx，cy和cw为辅助变量。
8.如权利要求7所述的方法，其特征在于，将公式
进一步优化为：
其中，AH表示A的共轭转置，ΨH表示Ψ的共轭转置，
表示在x方向的哈密顿算子，
表示在x方向的哈密顿算子的导数，
表示在y方向的哈密顿算子，
表示在y方向的哈密顿算子的导数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811061289.2A CN109188431B (zh) | 2018-09-11 | 2018-09-11 | 一种基于压缩感知的全息微波快速成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811061289.2A CN109188431B (zh) | 2018-09-11 | 2018-09-11 | 一种基于压缩感知的全息微波快速成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109188431A CN109188431A (zh) | 2019-01-11 |
| CN109188431B true CN109188431B (zh) | 2021-04-02 |
Family
ID=64910136
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811061289.2A Active CN109188431B (zh) | 2018-09-11 | 2018-09-11 | 一种基于压缩感知的全息微波快速成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109188431B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110720914A (zh) * | 2019-10-25 | 2020-01-24 | 深圳技术大学 | 基于稀疏采样的全息磁感应胸腔成像方法及成像系统 |
| CN110960216B (zh) * | 2019-10-25 | 2023-04-07 | 深圳技术大学 | 多频全息微波脑成像系统及成像方法 |
| CN112914540B (zh) * | 2021-01-29 | 2022-11-15 | 深圳技术大学 | 基于PXIe总线的全息微波成像系统及其成像方法 |
| CN113784054A (zh) * | 2021-11-12 | 2021-12-10 | 广东信通通信有限公司 | 一种基于微波技术输电运营用可实现全息感知摄像系统 |
| CN115184927B (zh) * | 2022-07-25 | 2023-04-07 | 北京众智信安信息技术研究院 | 一种微波无损成像目标检测方法 |
| CN115327541B (zh) * | 2022-10-12 | 2023-03-14 | 中国人民解放军国防科技大学 | 阵列扫描全息穿透成像方法及手持全息穿透成像雷达系统 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8570208B2 (en) * | 2010-07-16 | 2013-10-29 | Sony Corporation | Radar tomography apparatus and method |
| CN105044714B (zh) * | 2015-04-28 | 2017-06-13 | 中国科学院空间科学与应用研究中心 | 一种基于卫星编队的成像方法 |
| CN105866771B (zh) * | 2016-06-15 | 2018-05-22 | 合肥工业大学 | 一种隐藏物检测系统及其检测方法 |
| CN105997070B (zh) * | 2016-06-15 | 2019-02-15 | 合肥工业大学 | 一种非接触式磁感应成像系统及其成像方法 |
| CN106108899B (zh) * | 2016-06-15 | 2019-05-24 | 合肥工业大学 | 一种全息微波成像系统及其成像方法 |
-
2018
- 2018-09-11 CN CN201811061289.2A patent/CN109188431B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN109188431A (zh) | 2019-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109188431B (zh) | 一种基于压缩感知的全息微波快速成像方法 | |
| Fhager et al. | Reconstruction quality and spectral content of an electromagnetic time-domain inversion algorithm | |
| Akıncı et al. | Qualitative microwave imaging with scattering parameters measurements | |
| CN102955159B (zh) | 一种基于压缩感知的电磁逆散射成像方法 | |
| CA3111578A1 (en) | Apparatus and process for medical imaging | |
| Tu et al. | Fast quantitative microwave imaging with resolvent kernel extracted from measurements | |
| CN105866771B (zh) | 一种隐藏物检测系统及其检测方法 | |
| CN110717478B (zh) | 一种基于微波的物体检测系统及方法 | |
| Solimene et al. | A novel CS-TSVD strategy to perform data reduction in linear inverse scattering problems | |
| Estatico et al. | Buried object detection by means of a L p Banach-space inversion procedure | |
| Ali et al. | 3D nonlinear super-resolution microwave inversion technique using time-domain data | |
| Ma et al. | Millimeter-wave 3-D imaging using leaky-wave antennas and an extended Rytov approximation in a frequency-diverse MIMO system | |
| US8948847B2 (en) | Millimeter wave 3-D breast imaging | |
| CN110554384A (zh) | 一种基于微波信号的成像方法 | |
| Hu et al. | Advanced THz MIMO sparse imaging scheme using multipass synthetic aperture focusing and low-rank matrix completion techniques | |
| Ma et al. | Reducing the number of measurement nodes in RF imaging using antenna-pattern diversity with an extended Rytov approximation | |
| Jin et al. | Time reversal beamforming for microwave breast cancer detection | |
| Al-Saffar et al. | Operational learning-based boundary estimation in electromagnetic medical imaging | |
| Jalilvand | Application-specific broadband antennas for microwave medical imaging | |
| WO2021077521A1 (zh) | 基于稀疏采样的全息磁感应胸腔成像方法及成像系统 | |
| Guo et al. | Compressive sensing for stroke detection in microwave-based head imaging | |
| Asok et al. | Breast tumors detection using multistatic microwave imaging with antipodal Vivaldi antennas utilizing DMAS and it-DMAS techniques | |
| Ramdani et al. | Filtered back projection and simultaneous algebraic reconstruction technique for image formation on square-shaped physical phantom aimed at microwave imaging applications | |
| Ji et al. | Microwave inverse scattering imaging system: calibration of theoretical and measured scattered field values | |
| Thompson et al. | Quantitative imaging of dielectric objects based on holographic reconstruction |
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 |