CN111007497A - 一种基于特征相位的平行和垂直昆虫辨别方法 - Google Patents
一种基于特征相位的平行和垂直昆虫辨别方法 Download PDFInfo
- Publication number
- CN111007497A CN111007497A CN201911203473.0A CN201911203473A CN111007497A CN 111007497 A CN111007497 A CN 111007497A CN 201911203473 A CN201911203473 A CN 201911203473A CN 111007497 A CN111007497 A CN 111007497A
- Authority
- CN
- China
- Prior art keywords
- insect
- insects
- parallel
- phi
- characteristic
- 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
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
-
- 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
- G01S7/024—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using polarisation effects
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种基于特征相位的平行和垂直昆虫辨别方法。利用雷达测量昆虫目标的散射矩阵,求解2个特征值,然后计算大特征值与小特征值的相位差,即特征相位,最后以特征相位为参量辨别昆虫的种类,辨别的依据是:若特征相位小于0,则昆虫为平行昆虫,若特征相位大于0,则昆虫为垂直昆虫。本发明可以辨别昆虫为平行昆虫还是垂直昆虫,用于解决传统昆虫雷达估计昆虫体轴朝向时存在的90°朝向错误的问题,提高朝向估计正确率。这有助于研究昆虫的迁飞行为,预测昆虫的迁飞方向并预警病虫害爆发。
Description
技术领域
本发明属于昆虫雷达技术领域,具体涉及一种基于特征相位的平行和垂直昆虫辨别方法。
背景技术
昆虫雷达是用于昆虫迁飞监测的重要工具。当前昆虫雷达主要是ZLC(垂直对天、线性极化、圆锥扫描)体制X波段垂直观测雷达。该体制雷达通过旋转极化和波束的章动,可以获取飞过其波束昆虫的质量、振翅频率、体轴朝向等生物学参数和位移速度、位移方向、运动轨迹、高度、种群密度等行为学参数。根据这些参数,可以判断昆虫的种类、生物通量,预测昆虫的迁飞方向,从而提前做出预警。这对于预防病虫害爆发、研究昆虫的迁飞理论具有重要的意义。
极化是重要的雷达目标特性之一。垂直观测雷达通过旋转线极化天线获取在不同极化方向的昆虫回波信号,即极化方向图。昆虫的极化方向图通常是对称的“8”字形或“十”字形。研究发现,昆虫的极化方向图的最大值出现的位置与昆虫体型有关。对于体长与雷达波长相比很小的昆虫,当极化方向与昆虫体轴平行时,得到最大回波功率,当极化方向与昆虫体轴垂直时,得到最小回波功率(极化方向图为“8”字形);随着昆虫体长的变大,极化方向与昆虫体轴垂直时的回波功率慢慢变大(极化方向图为“十”字形);当昆虫体长与雷达波长相比较大时,极化方向与昆虫体轴垂直时的回波功率将超过极化方向与昆虫体轴平行时的回波功率。将最大回波功率出现在极化方向平行于体轴的昆虫定义为“平行昆虫”,最大回波功率出现在极化方向垂直于体轴的昆虫定义为“垂直昆虫”。
传统的昆虫体轴朝向提取是基于“当极化方向与昆虫的体轴方向平行时获得最大回波强度”的假设,取360°极化回波数据最大值所对应的方向为昆虫朝向。这种假设只对平行昆虫有效,对于垂直昆虫会出现90°错误。专利《一种解决大体型昆虫90度朝向错误的体轴朝向提取方法》(专利申请号2018107182526)提出用目标极化不变量大小辨别平行和垂直昆虫,以解决90度朝向错误问题。然而,该方法对于极化不变量位于临界值附近的昆虫会存在辨别错误,并且该方法仅适用于X波段。
发明内容
有鉴于此,本发明提供了一种基于特征相位的平行和垂直昆虫辨别方法,可以解决平行昆虫和垂直昆虫的辨别问题,提高昆虫朝向测量正确率。这有助于研究昆虫的迁飞行为,预测昆虫的迁飞方向并预警病虫害爆发。
该基于特征相位的平行和垂直昆虫辨别方法,包括如下步骤:
步骤一、利用雷达测量的昆虫目标的回波,获得散射矩阵;
步骤二、利用所述散射矩阵提取两个特征值μ1和μ2;
步骤三、计算两个特征值μ1和μ2的相位差,即特征相位Δφ;
步骤四、基于特征相位Δφ判断昆虫为平行昆虫还是垂直昆虫。
可选地,所述步骤一具体包括:
可选地,所述步骤二具体为:
获得散射矩阵的两个特征值μ1和μ2:
其中,φ1和φ2分别为两个特征值的相位,|μ1|和|μ2|分别为两个特征值的幅度。
可选地,所述步骤三计算特征相位Δφ的方式为:
Δφ=φ1-φ2+2kπ,Δφ∈(-π,π],k=0,±1
其中,φ1和φ2分别为两个特征值的相位,φ1和φ2的取值范围是-π~π,通过引入2kπ使Δφ∈(-π,π];
或者为:令μ1除以μ2,并取相位,即为所述特征相位Δφ。
可选地,所述步骤四中,辨别昆虫类型的方式为:
当特征相位Δφ小于0时,昆虫为平行昆虫;当特征相位Δφ大于0时,昆虫为垂直昆虫。
可选地,所述雷达采用可测量散射矩阵的雷达。
可选地,所述雷达采用全极化雷达。
本发明具有如下有益效果:
本发明是一种基于特征相位的平行和垂直昆虫辨别方法,为精确辨别昆虫种类,正确测量所有体型昆虫的体轴朝向提供了一种有效的手段。本发明首先利用昆虫散射矩阵求解2个特征值,然后计算大特征值与小特征值的相位差,即特征相位,最后以特征相位为参量辨别昆虫的种类,辨别的依据是:若特征相位小于0,则昆虫为平行昆虫,若特征相位大于0,则昆虫为垂直昆虫。相对于已有的辨别方法,本方法成功率更高,且对于X波段和Ku波段昆虫雷达均适用。
附图说明
图1为全极化测量装置示意图。
图2为不同体型昆虫极化方向图最大值的方向和特征相位Δφ随雷达频率变化关系:图2(a)的昆虫为桃蛀螟,体长10.8mm,体宽2.8mm,体重32.2mg;图2(b)的昆虫为未识别种类的昆虫,体长21.2mm,体宽5.4mm,体重197.5mg;图2(c)的昆虫为霜天蛾,体长35.2mm,体宽11.2mm,体重294.9mg;图2(d)的昆虫为甘薯天蛾,体长46mm,体宽12.8mm,体重702.8mg。图中,曲线表示最大RCS方向(MRD),圆圈连线表示Δφ。
图3为基于80只昆虫计算的本方法应用在不同雷达频率的成功率。
图4为本发明方法流程图。
具体实施方式
本发明提供了一种基于特征相位的平行和垂直昆虫辨别方法,其基本思想是,首先利用昆虫散射矩阵求解2个特征值,然后计算大特征值与小特征值的相位差,即特征相位,最后以特征相位为参量辨别昆虫的种类,辨别的依据是:若特征相位小于0,则昆虫为平行昆虫,若特征相位大于0,则昆虫为垂直昆虫。
下面结合附图并举实施例,对本发明进行详细描述。
设昆虫散射矩阵(SM)为:
其中,s11、s12、s21和s22分别为散射矩阵各元素的幅度,β、β′和γ是对应的相位。对于单基地雷达,s12=s21并且β=β′。
极化方向图σ可由昆虫散射矩阵建模得到:
其中,α表示线极化方向。回波最强时的极化方向(MRD)可表示为:
MRD={αmax|σ(α=αmax)=max[σ(α)],α∈[0,360°)} (3)
平行昆虫的MRD与体轴方向平行,垂直昆虫的MRD与体轴方向垂直。
散射矩阵的2个特征值μ1和μ2可由式(1)计算得到,不失一般性,可假设|μ1|≥|μ2|,因而可得
其中,|μ1|和|μ2|表示特征值μ1和μ2的幅度,φ1和φ2表示特征值的相位。对于平行昆虫,μ1和μ2分别表示当线极化方向平行和垂直昆虫体轴时的回波信号;对于垂直昆虫,μ1和μ2分别表示当线极化方向垂直和平行昆虫体轴时的回波信号。
特征相位Δφ定义为
Δφ=φ1-φ2+2kπ,Δφ∈(-π,π],k=0,±1 (6)
其中,φ1和φ2的取值范围是-π~π,引入2kπ是为了使Δφ∈(-π,π]。
在实际中,还可以令μ1除以μ2,并取相位,即为所述特征相位Δφ。
由φ1和φ2的物理意义可知,Δφ对平行昆虫和垂直昆虫的物理意义是相反的,即对于平行昆虫,Δφ表示极化平行体轴的回波相位减去极化垂直于体轴的回波相位;对于垂直昆虫,Δφ表示极化垂直体轴的回波相位减去极化平行于体轴的回波相位。
基于4端口矢量网络分析仪和如图1所示的装置,开展了昆虫多频点SM的测量实验。2个双极化天线置于内壁贴满吸波材料的空心喇叭下端口,垂直向上照射;用PE线粘在昆虫背部将昆虫固定在喇叭上端口,通过旋转金属环,可调整昆虫的头部方向。2个双极化天线中,其中1个作为发射天线,另一个作为接收天线,每个天线均有一个水平(H)极化端口和一个垂直(H)极化端口,矢量网络分析仪的4个端口分别连接在两个天线的4个端口。通过同时发射H和V极化信号、同时接收H和V极化信号,可实现目标SM的全极化测量。实验测量了昆虫8.25-17.75GHz(间隔0.05GHz)的SM。测量样本包括12个种类共80只昆虫,体重范围25.6mg-935.3mg,体长范围10.8mg-46.5mg。测量时,昆虫体轴朝向在0°附近。
图2给出了不同体型昆虫在不同雷达频率下MRD与Δφ的关系,由于存在噪声,MRD会随频率抖动。可以看到,最小的昆虫在8.25-17.75GHz频率内都是平行昆虫(MRD在0°附近于体轴平行);随着昆虫体型的变大,昆虫在低频是平行昆虫,而在高频是垂直昆虫;随着体型的继续增大,情况更加复杂,昆虫在低频是平行昆虫,而在高频则随频率跳变,可能是平行昆虫也可能是垂直昆虫。值得注意的是,不管MRD如何在0°和90°之间跳变(即昆虫在平行昆虫和垂直昆虫之间跳变),Δφ都与MRD同步跳变。另外,当MRD在0°附近(也就是昆虫为平行昆虫时),Δφ均小于0;当MRD在90°附近(也就是昆虫为垂直昆虫时),Δφ均大于0。因此,Δφ可作为平行昆虫和垂直昆虫的辨别标志,当Δφ小于0时,昆虫为平行昆虫;当Δφ大于0时,昆虫为垂直昆虫。该方法在8.25-17.75GHz频率内都适用。
因此,本发明提供了一种基于特征相位的平行和垂直昆虫辨别方法,下面将以具体实施例说明实施步骤:
为了验证前面所述的昆虫体轴朝向提取方法,对基于实验测量的80只昆虫的多频SM,采用本发明所述的一种基于特征相位的平行和垂直昆虫辨别方法,完成其种类辨别,并计算在每个频点辨别的成功率,如图3所示。
步骤一,测量昆虫的散射矩阵——SM;
采用矢量网络分析仪和图1所示的全极化测量装置测量昆虫多频SM。
步骤二,利用式(4)和式(5)从昆虫的SM中分别提取两个特征值μ1和μ2;
步骤三,利用式(6)计算特征相位Δφ;
步骤四,基于Δφ的符号判断昆虫的类型,当Δφ小于0时,昆虫为平行昆虫;当Δφ大于0时,昆虫为垂直昆虫。
采用本发明所述的一种基于特征相位的平行和垂直昆虫辨别方法辨别昆虫类型的正确率如图3所示。该方法在X波段(8-12GHz)的成功率在98%以上,在Ku波段(12-18GHz)的成功率在96%以上。
本方法对可测量昆虫SM的雷达均适用,实现平行和垂直昆虫的辨别,进而可解决传统体轴朝向提取方法对部分昆虫存在90°错误的问题。
综上所述,以上仅为本发明实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于特征相位的平行和垂直昆虫辨别方法,其特征在于,包括如下步骤:
步骤一、利用雷达测量的昆虫目标的回波,获得散射矩阵;
步骤二、利用所述散射矩阵提取两个特征值μ1和μ2;
步骤三、计算两个特征值μ1和μ2的相位差,即特征相位Δφ;
步骤四、基于特征相位Δφ判断昆虫为平行昆虫还是垂直昆虫。
4.如权利要求1所述的方法,其特征在于:所述步骤三计算特征相位Δφ的方式为:
Δφ=φ1-φ2+2kπ,Δφ∈(-π,π],k=0,±1
其中,φ1和φ2分别为两个特征值的相位,φ1和φ2的取值范围是-π~π,通过引入2kπ使Δφ∈(-π,π];
或者为:令μ1除以μ2,并取相位,即为所述特征相位Δφ。
5.如权利要求1所述的方法,其特征在于,所述步骤四中,辨别昆虫类型的方式为:
当特征相位Δφ小于0时,昆虫为平行昆虫;当特征相位Δφ大于0时,昆虫为垂直昆虫。
6.如权利要求1所述的方法,其特征在于,所述雷达采用可测量散射矩阵的雷达。
7.如权利要求1所述的方法,其特征在于,所述雷达采用全极化雷达。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911203473.0A CN111007497B (zh) | 2019-11-29 | 2019-11-29 | 一种基于特征相位的平行和垂直昆虫辨别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911203473.0A CN111007497B (zh) | 2019-11-29 | 2019-11-29 | 一种基于特征相位的平行和垂直昆虫辨别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111007497A true CN111007497A (zh) | 2020-04-14 |
CN111007497B CN111007497B (zh) | 2022-03-08 |
Family
ID=70112433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911203473.0A Active CN111007497B (zh) | 2019-11-29 | 2019-11-29 | 一种基于特征相位的平行和垂直昆虫辨别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111007497B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030949A (zh) * | 2021-03-06 | 2021-06-25 | 河南省农业科学院植物保护研究所 | 基于昆虫雷达的昆虫生物流测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016022637A1 (en) * | 2014-08-08 | 2016-02-11 | Urthecast Corp. | Apparatus and methods for quad-polarized synthetic aperture radar |
CN107229933A (zh) * | 2017-05-11 | 2017-10-03 | 西安电子科技大学 | 自适应体散射模型的freeman/特征值分解方法 |
CN107589412A (zh) * | 2017-08-08 | 2018-01-16 | 北京理工大学 | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 |
CN109212483A (zh) * | 2018-07-03 | 2019-01-15 | 北京理工大学 | 一种解决大体型昆虫90度朝向错误的体轴朝向提取方法 |
-
2019
- 2019-11-29 CN CN201911203473.0A patent/CN111007497B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016022637A1 (en) * | 2014-08-08 | 2016-02-11 | Urthecast Corp. | Apparatus and methods for quad-polarized synthetic aperture radar |
CN107229933A (zh) * | 2017-05-11 | 2017-10-03 | 西安电子科技大学 | 自适应体散射模型的freeman/特征值分解方法 |
CN107589412A (zh) * | 2017-08-08 | 2018-01-16 | 北京理工大学 | 一种基于极化功率矩阵特征值的昆虫特征参数反演方法 |
CN109212483A (zh) * | 2018-07-03 | 2019-01-15 | 北京理工大学 | 一种解决大体型昆虫90度朝向错误的体轴朝向提取方法 |
Non-Patent Citations (2)
Title |
---|
CHENG HU等: "Insect Biological Parameter Estimation Based on the Invariant Target Parameters of the Scattering Matrix", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
龙建军等: "两列超声波信号相位差实时估计算法对比研究*", 《机床与液压》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030949A (zh) * | 2021-03-06 | 2021-06-25 | 河南省农业科学院植物保护研究所 | 基于昆虫雷达的昆虫生物流测算方法 |
CN113030949B (zh) * | 2021-03-06 | 2023-12-15 | 河南省农业科学院植物保护研究所 | 基于昆虫雷达的昆虫生物流测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111007497B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Phased array radar polarimetry for weather sensing: A theoretical formulation for bias corrections | |
US7145503B2 (en) | Surface wave radar | |
CN105044684B (zh) | 基于射频隐身的mimo跟踪雷达发射波束的形成方法 | |
EP3998494A1 (en) | Radar system and vehicle | |
JP2009025195A (ja) | 到来波数推定方法、レーダ装置 | |
CN111007497B (zh) | 一种基于特征相位的平行和垂直昆虫辨别方法 | |
CN108872982A (zh) | 雷达目标rcs近远场转换中多次散射特征的提取与校正处理方法 | |
CN111239677A (zh) | 基于数字阵列的多波束被动单脉冲测角方法 | |
Dai et al. | Novel discrimination method of digital deceptive jamming in mono-pulse radar | |
Polak et al. | Location of partial discharges sources using sensor arrays | |
CN109581366B (zh) | 一种基于目标导向矢量失配的离散旁瓣杂波识别方法 | |
CN217846611U (zh) | 雷达传感器及电子设备 | |
CN108885257A (zh) | 信号处理装置以及雷达装置 | |
Yarovoy et al. | Ground penetrating impulse radar for land mine detection | |
JP4275425B2 (ja) | レーダ装置 | |
Chen et al. | Calibration and evaluation of a circular antenna array for HF radar based on AIS information | |
Sayed et al. | RDIwS: An Efficient Beamforming-Based Method for UAV Detection and Classification | |
CN111007499B (zh) | 一种基于全极化雷达功率矩阵特征值的昆虫体宽反演方法 | |
CN105445695B (zh) | 一种小信号下实现单脉冲测角的方法 | |
CN111007498B (zh) | 一种基于全极化雷达功率矩阵行列式的昆虫体宽反演方法 | |
Wang et al. | A novel ellipse back-cavity and slot-tuned bow-tie antenna for ground penetrating radar | |
Ilić et al. | Improved Wireless Position-Detection of Metallic Plates in Orthopaedic Applications | |
US20230384409A1 (en) | Direction detection device, acquisition method of phase difference table, direction detection method, and direction detection program | |
JP2005121421A (ja) | 海上用rcs計測装置 | |
Chadwick | Superresolution for high-frequency radar |
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 |