CN111025290A - 钻孔雷达高效率成像前融合方法及系统 - Google Patents
钻孔雷达高效率成像前融合方法及系统 Download PDFInfo
- Publication number
- CN111025290A CN111025290A CN201911412630.9A CN201911412630A CN111025290A CN 111025290 A CN111025290 A CN 111025290A CN 201911412630 A CN201911412630 A CN 201911412630A CN 111025290 A CN111025290 A CN 111025290A
- Authority
- CN
- China
- Prior art keywords
- data
- dimensional
- imaging
- radar
- sampling
- 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.)
- Pending
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
- 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
- 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
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- 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
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)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了钻孔雷达高效率成像前融合方法及系统,所述方法包括:利用若干种体制的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN‑1,UN,UN+1,…,UM中;去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及干扰信号;初始化三维数据矩阵D;对采样数据矩阵Um进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至初始化后的三维数据矩阵D;基于数据扩展后三维数据矩阵D,计算获得目标空间成像结果,本发明能够解决不同体制雷达数据成像时的融合问题,提高成像速度及数据利用率。
Description
技术领域
本发明属于雷达成像技术领域,涉及钻孔雷达对目标成像时的数据融合技术,尤其是基于钻孔雷达高效率成像前融合方法及系统。
背景技术
钻孔雷达属于探地雷达的一种,广泛应用于地层分析、水文地质研究和矿产资源等工程领域中,钻孔雷达成像技术是完成上述功能的关键技术。然而,由于井孔中的环境复杂,雷达成像系统经常受到各种因素的干扰,单一类型的雷达成像系统往往无法完成对目标的可靠成像。
随着雷达成像技术不断发展进步,钻孔雷达能够通过不同探测方式在不同时间对同一孔井进行多次采样。但由于采样方法不同,得到的多组采样数据往往不能合并进行成像处理。以多输入多输出钻孔雷达采样数据为例,其不同收发阵元间距是不同的,现有的雷达成像技术往往采用成像后融合的方式,通过对各组数据分别成像,将不同的成像结果融合得到最终目标图像,这样的方式不仅成像效率低,而且最终所得到的目标图像往往会呈现高旁瓣、虚假目标等不良特性,因此有必要研究一种能够适用于不同体制雷达数据的高效率成像前融合方法。
所谓数据融合就是综合多传感器信息,利用它们的互补性和冗余性,获取对同一目标或探测区域全面而详尽的表述,从而得出更为准确、可靠的结论。数据融合的方式可以分为多传感器不同时获取的数据融合、多传感器同时获取的数据融合和单一传感器不同时间或不同环境条件下获取的数据融合三种。数据融合能够依据一定的融合算法合成具有更高信噪比等指标的新数据,从而获得对探测区域更准确的分析理解并对进一步的目标检测与识别提供条件。通过数据融合可以强化数据中的有用信息,增加数据处理的可靠性,获得更为精确的结果,改善系统实用性,同时使系统具有更优的鲁棒性。
目前现有的雷达成像融合算法中,单一的加权平均算法能够保留不同成像结果的所有信息,算法中对不同采样点的权重不同,对一些旁瓣、杂点有一定的抑制作用,但是由于不同雷达体制数据的成像算法存在差异,因此各自的成像结果具备不同特征,加权平均则会将本身精度较高的结果同精度较差的结果折中,从而使本来准确的结果变差。相比较而言基于目标提取的融合算法能够有效的将待融合图像中的目标提取出来,避免了高精度结果向低精度结果折中,但由于目标提取时的阈值限制,容易将融合前成像结果中的虚假目标同真实目标一并提取出来,这也将导致最终的成像结果精度降低。
上述雷达成像融合算法属于成像后融合算法,存在大融合数据情况下融合成像效率降低的缺点,制约了钻孔雷达系统在实际工程中的应用。
发明内容
本发明的目的在于解决不同体制雷达数据成像时的融合问题,提高成像速度及数据利用率。
为实现上述发明目的,本发明提供了钻孔雷达高效率成像前融合方法,所述方法包括:
利用若干种体制的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN-1,UN,UN+1,…,UM中;
去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及干扰信号;
初始化三维数据矩阵D;
对采样数据矩阵Um进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至初始化后的三维数据矩阵D;
基于数据扩展后三维数据矩阵D,计算获得目标空间成像结果。
本发明的整体思想为:通过将收发阵元间距引入成像处理过程,对数据进行扩维处理改善对采样数据的处理维度,从而消除钻孔雷达在可变收发间距条件下的多组数据不能高效率融合成像的问题。在采样空间扩维后,将不同的数据样本按照一定规则插入扩维空间以完成成像前样本融合,并在此空间中利用快速傅里叶变换得到所有采样数据的频率-波数谱,最后通过高维插值运算将采样空间转换为目标空间,并获取最终的成像结果,完成多组钻孔雷达数据的综合分析及高精度成像,提高成像速度及数据利用率。
具体的,本发明中的方法包括:
利用不同体制(单基、双基、MISO、MIMO等)的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN-1,UN,UN+1,…,UM中。为了方便处理和计算,其中U1~UN是单基和双基雷达的数据,UN+1~UM是MISO和MIMO雷达的数据。建立M个坐标向量表T=[T1,T2,…,TN-1,TN,TN+1,…,TM],其中T1~TN是单基和双基雷达的收发阵元间距,TN+1~TM是MISO和MIMO雷达发射阵元在孔井中的位置,此处收发阵元坐标应与数据矩阵相对应。
利用平均值滤波去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及其他环境因素产生的干扰信号。
初始化三维数据矩阵D,D的维度分别为表示时间t、雷达系统接收阵元在孔井中的位置xR以及发射阵元位置xT,D内的单元数据初始化为零,初始化m=1。
对采样数据矩阵进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至矩阵D。若Um为单基和双基雷达数据时,由于此时雷达收发阵元的间距是不变的(0m或者为一固定值),因此在三维数据矩阵D中应该保证每个Um的元素被插入的位置满足关系:xT-xR=Tm,显然Um扩展到矩阵D后所处的位置如图5-(a)所示;若Um为MISO、MIMO雷达数据,由于此时雷达发射阵元在井孔中的位置不变,即扩展到矩阵D后每个Um的元素的位置应该满足xT=Tm,扩展后位置如图5-(b)所示。重复此步骤直至所有采样数据矩阵U1~UM全部扩展完毕。
至此多类型雷达数据的成像前处理完成。
对矩阵D执行三维快速傅立叶变换,获取维度扩展后的采样数据空间的频率-波数谱表达。对矩阵D的频率-波数谱表达在高维度下进行频率-波数插值运算,对插值后的频率-波数谱进行加权运算,对加权后的目标空间频率波数谱进行三维快速逆傅立叶变换,得到三维空间数据集合。从三维空间数据集合中抽取二维空间数据,得到目标空间成像结果。
与加权平均融合算法相比较,本发明所提方法考虑了钻孔雷达系统收发阵元间距,将其作为变量来扩展采样空间的维度,并将所有待成像的数据在成像处理前全部扩展至一个高维数据空间中作融合处理,最后只需完成一次成像算法即可得到最终高精度成像结果。
同时,为实现本发明目的,本发明还提供了一种钻孔雷达高效率成像前融合系统,所述系统包括:
采样单元,用于利用若干种体制的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN-1,UN,UN+1,…,UM中;
数据预处理单元,用于去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及干扰信号;
三维数据矩阵D初始化单元,用于初始化三维数据矩阵D;
扩维单元,用于对采样数据矩阵Um进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至初始化后的三维数据矩阵D;
计算单元,用于基于数据扩展后三维数据矩阵D,计算获得目标空间成像结果。
进一步的,计算单元具体用于:对数据扩展后三维数据矩阵D执行三维快速傅立叶变换,获取维度扩展后的采样数据空间的频率-波数谱表达;对三维数据矩阵D的频率-波数谱表达进行频率-波数插值运算,对插值后的频率-波数谱进行加权运算,对加权后的目标空间频率波数谱进行三维快速逆傅立叶变换,得到三维空间数据集合;从三维空间数据集合中抽取二维空间数据,得到目标空间成像结果。
本发明是通过对钻孔雷达数据的采样空间进行扩维处理,在高维的采样空间中对雷达阵元收发间距不同的数据进行融合,而后在融合后的采样空间进行变换以得到所需目标空间,实现不同钻孔雷达数据的融合成像,提高成像精度、成像效率以及数据利用率。本发明所提出的数据融合方法,将不受钻孔雷达收发阵元间距可变的影响,将多个数据样本在成像前融合进同一个高维的采样空间中,实现一次融合一次成像,显著提高了成像效率,同时由于对多个样本的信息进行了综合成像,这将进一步提高钻孔雷达系统的成像精度,提高钻孔雷达在实际工程当中的应用价值。
本发明所提出的数据融合方法可用于包括但不限于单基、双基、MISO、MIMO等雷达体制中。
本发明提供的一个或多个技术方案,与现有的方法相比,至少具有如下区别或技术效果或优点:
本发明的有益效果是所提出的高效率成像前融合方法能够快速将不同雷达系统同时或不同时得到的采样数据融合到一个高维的采样空间中,尽可能的保留不同体制雷达各自的成像优势,同时通过这些采样数据的相关性、冗余性获取目标空间更准确、更完善的信息,提高了钻孔雷达系统的可靠性。同时,所提方法由于在进行成像处理前就完成了对采样数据的融合,从而避免了对不同数据分别成像,使得在数据规模庞大的情况下减少了计算次数,大幅降低了成像时间,提高了钻孔雷达系统在工程实际中的实用性。
与现有技术的主要区别为:
1、本发明侧重说明一种用于多雷达数据融合的方法。
2、本发明是在成像之前将不同体制雷达数据进行合理的处理,以更准确地获得这些数据中包含的关于目标的信息。
3、本次所提方法在重点在于如何将不同体制雷达数据按照一定所述方式统一插入到一个三维数据空间中,操作时能够灵活运用。对于一个待成像的区域,由于介质情况复杂等原因,采用一种雷达体制往往无法完成整个区域的准确成像,此时若采用多种雷达体制对整个区域进行采样,甚至对区域进行分割后分别采用不同雷达体制进行采样时,所提方法能够完成多种数据的整合,即融合成像工作,如图2所示;对比专利所提方法重点在于如何克服雷达收发阵元间距对成像精度的影响,以获得相对精确的成像结果。
4、本次所提方法可用于MIMO雷达数据,同时也可用于单、双基雷达数据等,针对于雷达采样数据量大、雷达体制多的情况,在保证成像时间不受影响的前提下获得成像准确度的提升。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本发明的一部分,并不构成对本发明实施例的限定;
图1为本发明的算法流程框图;
图2为多种不同数据运用所提方法融合的示意图;
图3为仿真场景示意图;
图4为钻孔雷达采样数据剖面图,其中包括收发阵元间距为1.5m的双基雷达采样数据以及MISO雷达发射阵元位于孔井中(距地面)2m、5m、7m、10m的采样数据;
图5为本发明所提方法中数据扩维方法示意图;
图6为对图4的仿真数据使用本发明所提方法、传统成像算法成像后采用加权平均融合算法进行成像后所得的结果以及对成像结果分别做目标提取后的结果;
图7为在matlab仿真中,本发明所提方法、加权平均融合算法在不同的点样点数(对于双基雷达)和不同发射阵元所在位置(对于MISO雷达)条件下进行融合成像所需时间的对比结果。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在相互不冲突的情况下,本发明的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述范围内的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
利用不同类型(单基、双基、MISO、MIMO等)的钻孔雷达系统对井周介质的雷达回波进行采样,建立多个二维采样数据矩阵U1,U2,…,UN-1,UN,UN+1,…UM,
其中U1~UN是单基和双基雷达的数据,UN+1~UM是MISO和MIMO雷达的数据;建立M个坐标向量表T=[T1,T2,…,TN-1,TN,TN+1,…,TM],其中T1~TN是单基和双基雷达的收发阵元间距,TN+1~TM是MISO和MIMO雷达发射阵元在孔井中的位置。
利用平均值滤波去除采样数据矩阵Um(m=1~M),中的直达波产生的直接耦合信号及其他环境因素产生的干扰信号。
初始化数据矩阵D,D的维度为三维,分别表示时间t、雷达系统接收阵元在孔井中的位置xR以及发射阵元位置xT,D内的单元数据均为零,初始化m=1。
步骤4:对采样数据矩阵进行扩维处理,根据第m个数据矩阵对应的空间坐标向量T将Um(m=1~M)中的采样数据扩展至矩阵D,直至所有采样数据矩阵U1~UM全部扩展完毕。U1~UN中的单基、双基雷达数据扩展方式如图5-(a),即D(x,x+floor(Tm/dx),:)=Um(x,:),UN+1~UM中的MISO雷达数据扩展方式如图5-(b),即D(:,floor(Tm/dx),:)=Um,其中dx为单基、双基雷达的在孔井中移动步进或者MISO、MIMO雷达接收阵元间距,floor(·)为取整函数。
至此多类型雷达数据的成像前处理完成。
其中kz为与井孔垂直方位的空间波数,完成采样空间与目标空间的桥接。
其中sgn(·)为符号函数,υ为波速。
从三维空间数据集合Q(xR,xT,z)中抽取二维空间数据Q(xR,xT=xR,z),得到目标空间成像结果Q(xR,z),即Q(xR,xT=xR,z)=Q(xR,z)。
本发明的效果通过以下仿真对比试验进一步说明:
仿真场景:考虑二维单孔钻孔雷达探测场景,如图3所示。在此场景中采用单基、双基、多输入单输出钻孔雷达系统对井周介质中直径为0.5m的空洞进行探测。其中双基雷达的收发阵元间距取1.5m进行采样,多输入单输出雷达的发射阵元数目为1,接收阵元数目为300且均匀分布在孔井中,发射阵元在距地面0m到15m的井孔中取4个位置进行采样,分别为2m、5m、7m和10m。系统所用发射信号为一阶Balckman-Harris脉冲,其中心频率为300MHz。某一发射阵元辐射信号后,同一接收在其探测深度上等时间间隔采样400次。图4中分别为双基雷达采样数据和MISO雷达发射阵元在4个位置上的采样数据。
对图4中的数据运用本发明所提方法、传统成像算法成像后采用加权平均融合算法处理后得到的成像结果以及对成像图做目标提取后的结果如图6所示。从图6中各结果的对比中可以看出,本发明所提方法的成像结果中能量集中、目标位置最清晰,成像结果的旁瓣水平低于加权平均融合算法得到的成像结果,虽然加权平均融合算法也能够包含目标的位置信息,但目标点的能量聚集度不佳,难以从图中快速确定目标位置,从结果的旁瓣水平判断它的成像精度明显低于本发明所提方法,此外在在对加权平均融合的成像图做目标提取后出现了虚假目标,这将对雷达系统的使用者造成干扰,降低系统的可靠性。
在本次仿真中,本发明所提方法得出成像结果所耗费的仿真时间为26.2s,加权平均融合算法得到的成像结果所耗费的仿真时间分别为38.6s,显然本发明所提的方法在效率上更优。本发明所提的数据融合方法、加权平均融合算法在不同发射阵元数目条件下成像所需时间仿真结果如图7所示。由图7可以看出,随着采样规模的增大,加权平均融合算法成像所需的时间迅速增加,本发明所提方法的成像时间并没有显著提升,说明本方法对成像速度不会造成明显影响,提升了钻孔雷达系统的鲁棒性和实用性。
通过本发明在所设计钻孔雷达仿真场景中的具体实施可以看出,本发明所提出的高效率成像前融合方法能够快速将不同雷达体制的采样数据、相同雷达体制不同时间的采样数据、不同雷达体制不同时间的采样数据融合到一个高维的采样空间中,通过这些采样数据的相关性、冗余性获取目标空间更准确、更完善的信息,最后通过一次成像处理即可得到高精度的成像结果,提高了钻孔雷达系统的可靠性。同时,本发明提方法由于在进行成像处理前就完成了对采样数据的融合,从而避免了像传统方式一样对不同采样数据分别成像,使得在采样点数多、采样数据量大的情况下减少了计算次数,大幅降低了成像时间,提高了钻孔雷达系统在工程实际中的实用性。
本发明实施例还提供了一种钻孔雷达高效率成像前融合系统,所述系统包括:
采样单元,用于利用若干种体制的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN-1,UN,UN+1,…,UM中;
数据预处理单元,用于去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及干扰信号;
三维数据矩阵D初始化单元,用于初始化三维数据矩阵D;
扩维单元,用于对采样数据矩阵Um进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至初始化后的三维数据矩阵D;
计算单元,用于基于数据扩展后三维数据矩阵D,计算获得目标空间成像结果。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
本发明未详细说明部分,为本领域内人员公知常识。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (8)
1.钻孔雷达高效率成像前融合方法,其特征在于,所述方法包括:
利用若干种体制的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN-1,UN,UN+1,…,UM中;
去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及干扰信号;
初始化三维数据矩阵D;
对采样数据矩阵Um进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至初始化后的三维数据矩阵D;
基于数据扩展后三维数据矩阵D,计算获得目标空间成像结果。
2.根据权利要求1所述的钻孔雷达高效率成像前融合方法,其特征在于,若干种体制的钻孔雷达系统包括:单基、双基、MISO和MIMO的钻孔雷达系统。
3.根据权利要求2所述的钻孔雷达高效率成像前融合方法,其特征在于,U1~UN为单基和双基钻孔雷达系统的数据,UN+1~UM是MISO和MIMO钻孔雷达系统的数据;建立M个坐标向量表T=[T1,T2,…,TN-1,TN,TN+1,…,TM],其中,T1~TN是单基和双基钻孔雷达系统的收发阵元间距,TN+1~TM是MISO和MIMO钻孔雷达系统发射阵元在孔井中的位置。
4.根据权利要求1所述的钻孔雷达高效率成像前融合方法,其特征在于,利用平均值滤波去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及其他环境因素产生的干扰信号。
5.根据权利要求1所述的钻孔雷达高效率成像前融合方法,其特征在于,初始化三维数据矩阵D,D的维度分别为表示时间t、雷达系统接收阵元在孔井中的位置xR以及发射阵元位置xT,D内的单元数据初始化为零,初始化m=1。
6.根据权利要求1所述的钻孔雷达高效率成像前融合方法,其特征在于,对数据扩展后三维数据矩阵D执行三维快速傅立叶变换,获取维度扩展后的采样数据空间的频率-波数谱表达;对三维数据矩阵D的频率-波数谱表达进行频率-波数插值运算,对插值后的频率-波数谱进行加权运算,对加权后的目标空间频率波数谱进行三维快速逆傅立叶变换,得到三维空间数据集合;从三维空间数据集合中抽取二维空间数据,得到目标空间成像结果。
7.钻孔雷达高效率成像前融合系统,其特征在于,所述系统包括:
采样单元,用于利用若干种体制的钻孔雷达系统对井孔周围需要成像的空间进行采样,将采样所得到的雷达回波数据存放在多个二维数据矩阵U1,U2,…UN-1,UN,UN+1,…,UM中;
数据预处理单元,用于去除采样数据矩阵Um(m=1,2,…,M)中的直达波信号及干扰信号;
三维数据矩阵D初始化单元,用于初始化三维数据矩阵D;
扩维单元,用于对采样数据矩阵Um进行扩维处理,根据第m个数据矩阵对应的空间坐标向量Tm,将Um(m=1,2,…,M)中的采样数据扩展至初始化后的三维数据矩阵D;
计算单元,用于基于数据扩展后三维数据矩阵D,计算获得目标空间成像结果。
8.根据权利要求7所述的钻孔雷达高效率成像前融合系统,其特征在于,计算单元具体用于:对数据扩展后三维数据矩阵D执行三维快速傅立叶变换,获取维度扩展后的采样数据空间的频率-波数谱表达;对三维数据矩阵D的频率-波数谱表达进行频率-波数插值运算,对插值后的频率-波数谱进行加权运算,对加权后的目标空间频率波数谱进行三维快速逆傅立叶变换,得到三维空间数据集合;从三维空间数据集合中抽取二维空间数据,得到目标空间成像结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911412630.9A CN111025290A (zh) | 2019-12-31 | 2019-12-31 | 钻孔雷达高效率成像前融合方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911412630.9A CN111025290A (zh) | 2019-12-31 | 2019-12-31 | 钻孔雷达高效率成像前融合方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111025290A true CN111025290A (zh) | 2020-04-17 |
Family
ID=70197629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911412630.9A Pending CN111025290A (zh) | 2019-12-31 | 2019-12-31 | 钻孔雷达高效率成像前融合方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111025290A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002004987A2 (en) * | 2000-07-07 | 2002-01-17 | T & A Survey B.V. | 3d borehole radar antenna and algorithm, method and apparatus for subsurface surveys |
CN102323583A (zh) * | 2011-09-13 | 2012-01-18 | 电子科技大学 | 一种超分辨线阵三维合成孔径雷达成像方法 |
CN103898931A (zh) * | 2014-04-11 | 2014-07-02 | 广州建设工程质量安全检测中心有限公司 | 一种基于钻孔雷达的基桩三维检测装置及基桩三维检测方法 |
CN103942447A (zh) * | 2014-04-30 | 2014-07-23 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种多源异类传感器数据融合方法及装置 |
CN104535978A (zh) * | 2014-12-19 | 2015-04-22 | 西安工程大学 | 基于互信息的3DInISAR图像配准融合方法 |
CN105093201A (zh) * | 2015-08-11 | 2015-11-25 | 电子科技大学 | 一种基于多基地mimo雷达的目标关联方法 |
CN108169745A (zh) * | 2017-12-18 | 2018-06-15 | 电子科技大学 | 一种基于卷积神经网络的钻孔雷达目标识别方法 |
CN108181625A (zh) * | 2018-01-30 | 2018-06-19 | 电子科技大学 | 一种基于非均匀频谱估计的钻孔雷达成像方法 |
CN109085584A (zh) * | 2018-09-03 | 2018-12-25 | 电子科技大学 | 基于高自由度的多输入多输出钻孔雷达高效率成像方法 |
CN110376586A (zh) * | 2019-06-03 | 2019-10-25 | 西安电子科技大学 | 一种基于层析原理的分布式mimo雷达动目标探测方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
CN110426705A (zh) * | 2018-12-29 | 2019-11-08 | 西安电子科技大学 | 基于压缩感知的分布式isar成像高旁瓣抑制方法 |
-
2019
- 2019-12-31 CN CN201911412630.9A patent/CN111025290A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002004987A2 (en) * | 2000-07-07 | 2002-01-17 | T & A Survey B.V. | 3d borehole radar antenna and algorithm, method and apparatus for subsurface surveys |
CN102323583A (zh) * | 2011-09-13 | 2012-01-18 | 电子科技大学 | 一种超分辨线阵三维合成孔径雷达成像方法 |
CN103898931A (zh) * | 2014-04-11 | 2014-07-02 | 广州建设工程质量安全检测中心有限公司 | 一种基于钻孔雷达的基桩三维检测装置及基桩三维检测方法 |
CN103942447A (zh) * | 2014-04-30 | 2014-07-23 | 中国人民解放军空军预警学院监控系统工程研究所 | 一种多源异类传感器数据融合方法及装置 |
CN104535978A (zh) * | 2014-12-19 | 2015-04-22 | 西安工程大学 | 基于互信息的3DInISAR图像配准融合方法 |
CN105093201A (zh) * | 2015-08-11 | 2015-11-25 | 电子科技大学 | 一种基于多基地mimo雷达的目标关联方法 |
CN108169745A (zh) * | 2017-12-18 | 2018-06-15 | 电子科技大学 | 一种基于卷积神经网络的钻孔雷达目标识别方法 |
CN108181625A (zh) * | 2018-01-30 | 2018-06-19 | 电子科技大学 | 一种基于非均匀频谱估计的钻孔雷达成像方法 |
CN109085584A (zh) * | 2018-09-03 | 2018-12-25 | 电子科技大学 | 基于高自由度的多输入多输出钻孔雷达高效率成像方法 |
CN110426705A (zh) * | 2018-12-29 | 2019-11-08 | 西安电子科技大学 | 基于压缩感知的分布式isar成像高旁瓣抑制方法 |
CN110376586A (zh) * | 2019-06-03 | 2019-10-25 | 西安电子科技大学 | 一种基于层析原理的分布式mimo雷达动目标探测方法 |
CN110412559A (zh) * | 2019-07-26 | 2019-11-05 | 西安电子科技大学 | 分布式无人机mimo雷达的非相参融合目标检测方法 |
Non-Patent Citations (12)
Title |
---|
LI N ,等: "MIMO Borehole Radar Imaging Based on High Degree of Freedom for Efficient Subsurface Sensing", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
ZHOU, H 等: "Reconstruction from antenna-transformed radar data using a time-domain reconstruction method", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 * |
张俊: "被动目标自动跟踪与融合技术研究", 《电子世界》 * |
张雷: "分布式SAR动目标检测关键技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
杨海宁: "钻孔测井雷达信号处理技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
段翔: "双基地MIMO雷达信号处理与算法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
王帅: "高速公路探测中探地雷达三维成像技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
许然: "提高雷达成像质量的若干新体制和新方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
谭敏洁: "基于压缩感知的雷达一维距离像目标识别", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
陈浩: "MIMO雷达参数估计与数据融合方法研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
陈玉茹, 等: "雷达/红外综合探测系统的抗干扰性能分析", 《红外技术》 * |
马春光: "瞬态脉冲雷达成像测井及实验研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Brodeski et al. | Deep radar detector | |
CN107728115B (zh) | 一种雷达目标成像后基于svm的背景干扰抑制方法 | |
US6911933B1 (en) | Dynamic logic algorithm used for detecting slow-moving or concealed targets in synthetic aperture radar (SAR) images | |
US6943724B1 (en) | Identification and tracking of moving objects in detected synthetic aperture imagery | |
CN103885057A (zh) | 自适应变滑窗多目标跟踪方法 | |
CN113504522B (zh) | 一种基于发射天线随机切换的时空解耦与超分辨测角方法 | |
CN103529437A (zh) | 系留气球载相控阵雷达在多目标下分辨空地目标的方法 | |
CN112346030B (zh) | 无人机群的超分辨波达方向估计方法 | |
CN113050059A (zh) | 利用互质阵雷达的群目标聚焦超分辨波达方向估计方法 | |
CN106383340A (zh) | 一种随机脉冲初始相位雷达的速度假目标识别方法 | |
CN102914773A (zh) | 一种多航过圆周sar三维成像方法 | |
CN104076360A (zh) | 基于压缩感知的二维sar稀疏目标成像方法 | |
CN110568434A (zh) | 一种多通道匀加速轨迹sar动目标二维速度估计方法 | |
CN112835009A (zh) | 一种基于fmcw雷达rai的数据集拓展方法 | |
Kang et al. | ISAR cross-range scaling via joint estimation of rotation center and velocity | |
CN108107427A (zh) | 基于超分辨技术的机载/弹载阵列雷达前视成像方法 | |
CN108196238B (zh) | 高斯背景下基于自适应匹配滤波的杂波图检测方法 | |
CN107526079B (zh) | 一种基于l型三天线干涉处理的空间自旋目标宽带雷达三维成像方法 | |
CN109085584B (zh) | 基于高自由度的多输入多输出钻孔雷达高效率成像方法 | |
CN111025290A (zh) | 钻孔雷达高效率成像前融合方法及系统 | |
CN109116325A (zh) | 基于捷变相参雷达的目标识别方法及系统 | |
CN114325700A (zh) | 一种星载多通道sar动目标成像方法 | |
CN112689773B (zh) | 雷达信号处理方法和雷达信号处理装置 | |
Luo et al. | An effective multipath ghost recognition method for sparse MIMO radar | |
CN108983192B (zh) | 基于gps辐射源的雷达运动目标参数估计方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200417 |
|
RJ01 | Rejection of invention patent application after publication |