CN116718998B - 毫米波随机稀疏阵列生成方法、装置、存储介质 - Google Patents

毫米波随机稀疏阵列生成方法、装置、存储介质 Download PDF

Info

Publication number
CN116718998B
CN116718998B CN202310498837.2A CN202310498837A CN116718998B CN 116718998 B CN116718998 B CN 116718998B CN 202310498837 A CN202310498837 A CN 202310498837A CN 116718998 B CN116718998 B CN 116718998B
Authority
CN
China
Prior art keywords
array
target
array element
peak sidelobe
determining
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
Application number
CN202310498837.2A
Other languages
English (en)
Other versions
CN116718998A (zh
Inventor
孟祥新
高伟
罗俊
刘文冬
周春元
张慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhuhai Weidu Xinchuang Technology Co ltd
Original Assignee
Zhuhai Weidu Xinchuang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhuhai Weidu Xinchuang Technology Co ltd filed Critical Zhuhai Weidu Xinchuang Technology Co ltd
Priority to CN202310498837.2A priority Critical patent/CN116718998B/zh
Publication of CN116718998A publication Critical patent/CN116718998A/zh
Application granted granted Critical
Publication of CN116718998B publication Critical patent/CN116718998B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V3/00—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation
    • G01V3/12—Electric or magnetic prospecting or detecting; Measuring magnetic field characteristics of the earth, e.g. declination, deviation operating with electromagnetic waves
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请实施例提供了一种毫米波随机稀疏阵列生成方法、装置、存储介质，方法包括：计算并根据天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；根据接收阵元坐标范围信息、发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；从多个收发阵元组合坐标信息中随机确定目标收发阵元坐标信息；对目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；根据马尔科夫链和模拟退火算法对第一二维稀疏阵列进行预设迭代次数的数据转换处理，得到目标二维稀疏阵列。本申请利用规则随机分布、马尔科夫链以及模拟退火算法生成目标二维稀疏阵列，降低阵元数量，降低人体安检仪的硬件成本。

Description

毫米波随机稀疏阵列生成方法、装置、存储介质
技术领域
本申请涉及但不限于毫米波雷达成像技术领域，尤其涉及一种毫米波随机稀疏阵列生成方法、装置、存储介质。
背景技术
主动式毫米波人体安检仪可以被广泛应用于机场、地铁、公安检查站、大型社会活动的安保应用领域，目前的主动式毫米波人体安检仪利用两维稀疏阵列阵元对目标对象进行成像，但是，两维稀疏阵列的阵元数量达到几千数量级，较大的阵元数量使得所需要的射频芯片数、天线阵元和数字信号处理器规模均较大，导致人体安检仪的硬件成本较高。
发明内容
本申请实施例提供了一种毫米波随机稀疏阵列生成方法、装置、设备、存储介质，能够有效降低阵元数量，降低人体安检仪的硬件成本。
第一方面，本申请实施例提供了一种毫米波随机稀疏阵列生成方法，包括：
根据预设的毫米波成像频段范围信息计算天线阵元间距；
根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；
根据所述接收阵元坐标范围信息、所述发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；
从多个所述收发阵元组合坐标信息中随机确定目标收发阵元的坐标信息；
对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；
根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值；
将所述中心点目标图像和所述第一峰值旁瓣比值输入至预设的马尔科夫链进行预设迭代次数的数据转换处理，得到第二峰值旁瓣比值和第二二维稀疏阵列，所述第二峰值旁瓣比值与所述第二二维稀疏阵列相对应；
根据预设的模拟退火算法从多个所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，将所述目标峰值旁瓣比值对应的第二二维稀疏阵列确定为目标二维稀疏阵列。
在一些实施例中，所述根据预设的毫米波成像频段范围信息计算天线阵元间距，包括：
确定所述毫米波成像频段范围信息中的频率最大值和频率最小值；
将所述频段最大值和所述频段最小值的平均值确定为中心频率；
根据所述中心频率确定中心波长，根据所述中心波长确定所述天线阵元间距。
在一些实施例中，所述对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列，包括：
确定参考接收阵元数量，所述参考接收阵元数量为所述收发阵元组合中的接收阵元的数量；
根据所述参考接收阵元数量和所述天线阵元间距确定目标排列间距；
根据所述目标排列间距对所述收发阵元组合进行空间等间距排列，得到所述第一二维稀疏阵列。
在一些实施例中，所述根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值，包括：
根据所述第一二维稀疏阵列生成目标回波信号，所述目标回波信号为所述第一二维稀疏阵列的中心点阵元的回波信号；
根据预设的时域相关重建算法对所述目标回波信号进行信号处理，得到所述中心点目标图像；
计算所述中心点目标图像的中心剖面曲线，并根据所述中心剖面曲线计算多个初始峰值旁瓣比值；
从多个所述初始峰值旁瓣比值中确定所述第一峰值旁瓣比值，所述第一峰值旁瓣比值为所述初始峰值旁瓣比值中数值最小的峰值旁瓣比值。
在一些实施例中，所述第一二维稀疏阵列包括发射阵元坐标信息和接收阵元坐标信息，所述根据所述第一二维稀疏阵列生成目标回波信号，根据以下公式得到：
其中，(xt,yt)为所述发射阵元坐标信息，(xr,yr)为所述接收阵元坐标信息，k为频率维度波数，f为毫米波成像频率，f∈[30,40]GHz，c为毫米波在自由空间传播的速度，Rt为发射阵元与目标对象之间距离，Rr为接收阵元与目标对象之间距离，Rt、Rr和k的表达式分别为：
在一些实施例中，所述根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息，所述包括：
根据所述天线阵元间距划分目标成像网格，所述目标成像网格包括边缘网格点；
根据所述边缘网格点对应的坐标信息确定所述发射阵元坐标范围信息；
将所述目标成像网格中除边缘网格点以外的网格点对应的坐标信息确定所述接收阵元坐标范围信息。
在一些实施例中，所述根据预设的时域相关重建算法对所述目标回波信号进行信号处理，得到所述中心点目标图像，根据以下公式得到：
其中，Rt′为发射阵元到所述目标成像网格的网格点的斜距，Rr′为接收阵元到所述目标成像网格的网格点的斜距。
在一些实施例中，所述第二峰值旁瓣比值对应有迭代次数序号j，所述根据预设的模拟退火算法从所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，包括：
当迭代次数序号(j+1)对应的第二峰值旁瓣比值小于迭代次数序号j对应的第二峰值旁瓣比值，将所述迭代次数序号(j+1)对应的第二峰值旁瓣确定为所述目标峰值旁瓣比值；
或者，
当迭代次数序号(j+1)对应的第二峰值旁瓣比值大于迭代次数序号j对应的第二峰值旁瓣比值，根据所述迭代次数序号(j+1)对应的第二峰值旁瓣比值、所述迭代次数序号j对应的第二峰值旁瓣比值和所述模拟退火算法的初始温度值计算参考概率，根据所述参考概率确定所述目标峰值旁瓣比值。
第二方面，本申请实施例提供了一种毫米波随机稀疏阵列生成装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的毫米波随机稀疏阵列生成方法。
第三方面，本申请实施例还提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如第一方面所述的毫米波随机稀疏阵列生成方法。
本申请实施例提供了一种毫米波随机稀疏阵列生成方法、装置、存储介质，方法包括：根据预设的毫米波成像频段范围信息计算天线阵元间距；根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；根据所述接收阵元坐标范围信息、所述发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；从多个所述收发阵元组合坐标信息中随机确定目标收发阵元的坐标信息；对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值；将所述中心点目标图像和所述第一峰值旁瓣比值输入至预设的马尔科夫链进行预设迭代次数的数据转换处理，得到第二峰值旁瓣比值和第二二维稀疏阵列，所述第二峰值旁瓣比值与所述第二二维稀疏阵列相对应；根据预设的模拟退火算法从多个所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，将所述目标峰值旁瓣比值对应的第二二维稀疏阵列确定为目标二维稀疏阵列。本申请实施例利用规则随机分布、马尔科夫链以及模拟退火算法生成目标二维稀疏阵列，能够有效降低阵元数量和回波数据量，降低人体安检仪的硬件成本以及提升毫米波成像的效率。
附图说明
图1是本申请一个实施例提供的毫米波随机稀疏阵列生成方法的步骤流程图；
图2是本申请另一个实施例提供的计算天线阵元间距的步骤流程图；
图3是本申请另一个实施例提供的得到第一二维稀疏阵列的步骤流程图；
图4是本申请另一个实施例提供的计算中心点目标图像和第一峰值旁瓣比值的步骤流程图；
图5是本申请另一个实施例提供的确定接收阵元坐标范围信息和发射阵元坐标范围信息的步骤流程图；
图6是本申请另一个实施例提供的确定目标峰值旁瓣比值的步骤流程图；
图7是本申请另一个实施例提供的单子阵收发阵元排布示意图；
图8是本申请另一个实施例提供的目标二维稀疏阵列的示意图；
图9是本申请另一个实施例提供的毫米波随机稀疏阵列生成装置的结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
可以理解的是，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书、权利要求书或上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
目前，主动式毫米波人体安检仪可以被广泛应用于机场、地铁、公安检查站、大型社会活动的安保应用领域，目前的主动式毫米波人体安检仪利用两维稀疏阵列阵元对目标对象进行成像，但是，两维稀疏阵列的阵元数量达到几千数量级，较大的阵元数量使得所需要的射频芯片数、天线阵元和数字信号处理器规模均较大，导致人体安检仪的硬件成本较高。
为解决上述存在的问题，本申请实施例提供了一种毫米波随机稀疏阵列生成方法、装置、设备、存储介质，方法包括：根据预设的毫米波成像频段范围信息计算天线阵元间距；根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；根据所述接收阵元坐标范围信息、所述发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；从多个所述收发阵元组合坐标信息中随机确定目标收发阵元的坐标信息；对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值；将所述中心点目标图像和所述第一峰值旁瓣比值输入至预设的马尔科夫链进行预设迭代次数的数据转换处理，得到第二峰值旁瓣比值和第二二维稀疏阵列，所述第二峰值旁瓣比值与所述第二二维稀疏阵列相对应；根据预设的模拟退火算法从多个所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，将所述目标峰值旁瓣比值对应的第二二维稀疏阵列确定为目标二维稀疏阵列。本申请实施例利用规则随机分布、马尔科夫链以及模拟退火算法生成目标二维稀疏阵列，能够有效降低阵元数量和回波数据量，降低人体安检仪的硬件成本以及提升毫米波成像的效率。
下面结合附图，对本申请实施例作进一步阐述。
如图1所示，图1是本申请一个实施例提供的毫米波随机稀疏阵列生成方法的步骤流程图，本申请实施例提供了一种毫米波随机稀疏阵列生成方法，该方法包括但不限于有以下步骤：
步骤S110，根据预设的毫米波成像频段范围信息计算天线阵元间距；
步骤S120，根据天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；
步骤S130，根据接收阵元坐标范围信息、发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；
步骤S140，从多个收发阵元组合坐标信息中随机确定目标收发阵元坐标信息；
步骤S150，对目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；
步骤S160，根据第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值；
步骤S170，将中心点目标图像和第一峰值旁瓣比值输入至预设的马尔科夫链进行预设迭代次数的数据转换处理，得到第二峰值旁瓣比值和第二二维稀疏阵列，第二峰值旁瓣比值与第二二维稀疏阵列相对应；
步骤S180，根据预设的模拟退火算法从多个第二峰值旁瓣比值中确定目标峰值旁瓣比值，将目标峰值旁瓣比值对应的第二二维稀疏阵列确定为目标二维稀疏阵列。
可以理解的是，根据预设的毫米波成像频段范围信息计算天线阵元间距；根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；根据所述接收阵元坐标范围信息、所述发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；从多个所述收发阵元组合坐标信息中随机确定目标收发阵元的坐标信息；对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值；将所述中心点目标图像和所述第一峰值旁瓣比值输入至预设的马尔科夫链进行预设迭代次数的数据转换处理，得到第二峰值旁瓣比值和第二二维稀疏阵列，所述第二峰值旁瓣比值与所述第二二维稀疏阵列相对应；根据预设的模拟退火算法从多个所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，将所述目标峰值旁瓣比值对应的第二二维稀疏阵列确定为目标二维稀疏阵列。本申请实施例利用规则随机分布、马尔科夫链以及模拟退火算法生成目标二维稀疏阵列，其收发阵元数相比于传统稀疏阵列阵元数得到极大降低，从而降低了射频芯片数量、天线数量和数字信号处理器规模，根本上减轻了硬件开发成本；并且，由于发射阵元数量的降低，使得回波数据获取时间减少，提高了设备实时成像的能力，适用于在无感知、大客流、通过式的人体安检场景应用。
可以理解的是，在毫米波成像应用中，工作于较低频段成像系统所成图像的空间分辨率较差，会导致小目标图像边缘轮廓不够清晰；而工作于较高频段的成像系统对衣物的穿透性较差，所成图像中衣物轮廓对待检测目标的干扰较大，导致目标检出效果变差，并且波长较短对人体运动比较敏感，所成图像容易出现模糊，需要说明的是，本申请实施例并不限制具体的毫米波成像频段范围信息，可以是30GHz-40GHz，此频段对衣物的穿透性较佳，并能够实现较好的空间分辨率。
需要说明的是，本实施例中可设定马尔可夫链的长度值J和迭代索引值j，以及设定模拟退火算法的退火温度值Ts＝100，终止温度值Te＝1和降温速度值rate＝0.01，在计算得到目标峰值旁瓣比值，即执行S180之后，并实时确定迭代索引值，在当前的迭代索引数值小于长度值J的情况下，重复执行步骤S140至步骤S180，进行第j+1次迭代，重新得到新的目标峰值旁瓣比值和该新的目标峰值旁瓣比值对应的新的目标二维稀疏阵列，直至迭代索引值达到J，在迭代索引值达到J的情况下，根据降温速度值更新退火温度值，继续转到步骤S140，重复执行步骤S140至步骤S180，进行下次迭代，直至退火温度值达到终止温度值，得到最终的目标峰值旁瓣比值和该目标峰值旁瓣比值对应的目标二维稀疏阵列。
需要说明的是，本申请实施例并不限制目标收发阵元坐标信息对应的收发阵元坐标组合的数量，可以是如图8所示，随机选取56组收发阵元坐标Prand_j。
另外，在得到目标二维稀疏阵列之后，将目标二维稀疏阵列的坐标矩阵Popt按照1×2的排布方式在空间排列，得到覆盖目标对象的阵元坐标，满足对目标对象成像所需的阵列规模，此时总发射阵元数达到448，接收阵元数达到1792。
另外，参考图2，在一实施例中，图1所示实施例中的步骤S110包括但不限于有以下步骤：
步骤S210，确定毫米波成像频段范围信息中的频率最大值和频率最小值；
步骤S220，将频段最大值和频段最小值的平均值确定为中心频率；
步骤S230，根据中心频率确定中心波长，根据中心波长确定天线阵元间距。
需要说明的是，本申请实施例并不限制中心波长的具体数值，中心波长可以是λc＝c/fc＝8.6mm，fc为中心频率，c为毫米波在自由空间传播的速度，天线阵元间距满足预设条件d≤0.5λc＝4.3mm，本申请实施例并不限制天线阵元间距dant的具体数值，可以是dant＝4.25mm。
另外，参考图3，在一实施例中，图1所示实施例中的步骤S150包括但不限于有以下步骤：
步骤S310，确定参考接收阵元数量，参考接收阵元数量为收发阵元组合中的接收阵元的数量；
步骤S320，根据参考接收阵元数量和天线阵元间距确定目标排列间距；
步骤S330，根据目标排列间距对收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列。
需要说明的是，本申请实施例并不限制参考接收阵元数量的具体数值，可以是参考接收阵元数量可以是16，例如参考图7，在单子阵内部设计16个接收阵元，将16个接收阵元的水平维度坐标按照阵元标号顺序固定，竖直维度坐标按照随机排列；排列共有16！种方式，从而得到第一二维稀疏阵列。
需要说明的是，在收发阵元组合数量为56的情况下，将56组收发阵元Prand_j按照D＝16*dant的间距排列成尺寸为14×4的第一二维稀疏阵列Pj，此时，该第一二维稀疏阵列Pj总发射阵元数为224，总接收阵元数为896，形成能够覆盖人体视场的阵列规模。
另外，参考图4，在一实施例中，图1所示实施例中的步骤S160包括但不限于有以下步骤：
步骤S410，根据第一二维稀疏阵列生成目标回波信号，目标回波信号为第一二维稀疏阵列的中心点阵元的回波信号；
步骤S420，根据预设的时域相关重建算法对目标回波信号进行信号处理，得到中心点目标图像；
步骤S430，计算中心点目标图像的中心剖面曲线，并根据中心剖面曲线计算多个初始峰值旁瓣比值；
步骤S440，从多个初始峰值旁瓣比值中确定第一峰值旁瓣比值，第一峰值旁瓣比值为初始峰值旁瓣比值中数值最小的峰值旁瓣比值。
可以理解的是，根据第一二维稀疏阵列Pj的坐标信息仿真生成目标回波信号s(xt,yt,xr,yr,f)，根据预设的时域相关重建算法对目标回波信号进行信号处理，得到中心点目标图像σ(x',y',z')，计算中心点目标图像在360度的中心剖面曲线，并根据中心剖面曲线计算多个初始峰值旁瓣比值并从多个初始峰值旁瓣比值中确定第一峰值旁瓣比值第一峰值旁瓣比值PSLRmin(j)为初始峰值旁瓣比值中数值最小的峰值旁瓣比值。
需要说明的是，步骤S410中根据第一二维稀疏阵列生成目标回波信号，根据以下公式得到：
其中，(xt,yt)为发射阵元坐标信息，(xr,yr)为接收阵元坐标信息，k为频率维度波数，f为毫米波成像频率，f∈[30,40]GHz，c为毫米波在自由空间传播的速度，Rt为发射阵元与目标对象之间距离，Rr为接收阵元与目标对象之间距离，Rt、Rr和k的表达式分别为：
另外，(x,y,z)＝(0,0,0.5)m为中心点目标图像的典型坐标值。
需要说明的是，计算中心点目标图像在360度的中心剖面图并计算峰值旁瓣比值即主瓣峰值强度对于最强旁瓣的峰值强度之比，根据以下公式得到：
需要说明的是，根据预设的时域相关重建算法对目标回波信号进行信号处理，得到中心点目标图像，根据以下公式得到：
其中，Rt′为发射阵元到目标成像网格的网格点的斜距，Rr′为接收阵元到目标成像网格的网格点的斜距，σ(x',y',z')为重建输出的图像；(x',y',z')为划分的目标成像网格，其中x维度坐标满足x'∈[xmin,xmax]，xmin＝-0.25m,xmax＝0.25m，y维度坐标满足y'∈[ymin,ymax]，ymin＝-0.25m,ymax＝0.25m。
另外，参考图5，在一实施例中，图1所示实施例中的步骤S120包括但不限于有以下步骤：
步骤S510，根据天线阵元间距划分目标成像网格，目标成像网格包括边缘网格点；
步骤S520，根据边缘网格点对应的坐标信息确定发射阵元坐标范围信息；
步骤S530，将目标成像网格中除边缘网格点以外的网格点对应的坐标信息确定接收阵元坐标范围信息。
可以理解的是，根据天线阵元间距划分目标成像网格，目标成像网格可以是尺寸为16×16的正方形网格，将尺寸为16×16的正方形网格作为接收阵元的坐标范围，接收阵元始终在正方形网格的网格点上，正方形网格包括4个边缘网格点，发射阵元位于正方形网格的4个网格点上，其中，正方形网格的水平维度和竖直维度距离顶点间距分别为dant/2。
需要说明的是，本申请实施例的接收阵元坐标范围信息的表达式可以是：
xant∈[-7.5×dant,7.5×dant],yant∈[-7.5×dant,7.5×dant]；
发射阵元坐标范围信息的表达式可以是：
另外，参考图6，在一实施例中，第二峰值旁瓣比值对应有迭代次数序号j，图1所示实施例中的步骤S180包括但不限于有以下步骤：
步骤S610，当迭代次数序号(j+1)对应的第二峰值旁瓣比值小于迭代次数序号j对应的第二峰值旁瓣比值，将迭代次数序号(j+1)对应的第二峰值旁瓣确定为目标峰值旁瓣比值；
或者，
步骤S620，当迭代次数序号(j+1)对应的第二峰值旁瓣比值大于迭代次数序号j对应的第二峰值旁瓣比值，根据迭代次数序号(j+1)对应的第二峰值旁瓣比值、迭代次数序号j对应的第二峰值旁瓣比值和模拟退火算法的降火温度值计算参考概率，根据参考概率确定目标峰值旁瓣比值。
可以理解的是，基于模拟退火算法，当迭代次数序号(j+1)对应的第二峰值旁瓣比值小于迭代次数序号j对应的第二峰值旁瓣比值，即PSNRmin(j+1)<PSNRmin(j)，则接受当前迭代次数序号(j+1)对应的第二峰值旁瓣为目标峰值旁瓣比值PSLRnew＝PSLRmin(j+1)，其对应的第二二维稀疏阵列为最优值Pnew＝Pj+1，并记录该目标峰值旁瓣比值；当迭代次数序号(j+1)对应的第二峰值旁瓣比值大于迭代次数序号j对应的第二峰值旁瓣比值，即PSNRmin(j+1)>PSNRmin(j)，计算参考概率取随机数0<p<1，当p<Pr时，将当前PSLRmin(j+1)确定为目标峰值旁瓣比值PSLRnew＝PSLRmin(j+1)，其对应的第二二维稀疏阵列为目标二维稀疏阵列Pnew＝Pj+1；否则保留原始值Pnew＝Pj，PSLRnew＝PSLRmin(j)。
另外，参考图9，图9是本申请另一个实施例提供的毫米波随机稀疏阵列生成装置的结构图，本申请的一个实施例还提供了一种毫米波随机稀疏阵列生成装置900，该毫米波随机稀疏阵列生成装置900包括：存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序。
处理器920和存储器910可以通过总线或者其他方式连接。
实现上述实施例的毫米波随机稀疏阵列生成方法所需的非暂态软件程序以及指令存储在存储器910中，当被处理器920执行时，执行上述实施例中的应用于毫米波随机稀疏阵列生成装置900的毫米波随机稀疏阵列生成方法，例如，执行以上描述的图1中的方法步骤S110至步骤S180、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至步骤S440、图5中的方法步骤S510至步骤S530和图6中的方法步骤S610至步骤S620。
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
此外，本申请的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述毫米波随机稀疏阵列生成装置900实施例中的一个处理器920执行，可使得上述处理器920执行上述实施例中的应用于毫米波随机稀疏阵列生成装置900的毫米波随机稀疏阵列生成方法，例如，执行以上描述的图1中的方法步骤S110至步骤S180、图2中的方法步骤S210至步骤S230、图3中的方法步骤S310至步骤S330、图4中的方法步骤S410至步骤S440、图5中的方法步骤S510至步骤S530和图6中的方法步骤S610至步骤S620。本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

Claims (10)

1.一种毫米波随机稀疏阵列生成方法，其特征在于，包括：
根据预设的毫米波成像频段范围信息计算天线阵元间距；
根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息；
根据所述接收阵元坐标范围信息、所述发射阵元坐标范围信息和预设的阵元排列规则确定多个收发阵元组合坐标信息；
从多个所述收发阵元组合坐标信息中随机确定目标收发阵元坐标信息；
对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列；
根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值；
将所述中心点目标图像和所述第一峰值旁瓣比值输入至预设的马尔科夫链进行预设迭代次数的数据转换处理，得到第二峰值旁瓣比值和第二二维稀疏阵列，所述第二峰值旁瓣比值与所述第二二维稀疏阵列相对应；
根据预设的模拟退火算法从多个所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，将所述目标峰值旁瓣比值对应的第二二维稀疏阵列确定为目标二维稀疏阵列。
2.根据权利要求1所述的毫米波随机稀疏阵列生成方法，其特征在于，所述根据预设的毫米波成像频段范围信息计算天线阵元间距，包括：
确定所述毫米波成像频段范围信息中的频率最大值和频率最小值；
将所述频段最大值和所述频段最小值的平均值确定为中心频率；
根据所述中心频率确定中心波长，根据所述中心波长确定所述天线阵元间距。
3.根据权利要求1所述的毫米波随机稀疏阵列生成方法，其特征在于，所述对所述目标收发阵元坐标信息对应的收发阵元组合进行空间等间距排列，得到第一二维稀疏阵列，包括：
确定参考接收阵元数量，所述参考接收阵元数量为所述收发阵元组合中的接收阵元的数量；
根据所述参考接收阵元数量和所述天线阵元间距确定目标排列间距；
根据所述目标排列间距对所述收发阵元组合进行空间等间距排列，得到所述第一二维稀疏阵列。
4.根据权利要求1所述的毫米波随机稀疏阵列生成方法，其特征在于，所述根据所述第一二维稀疏阵列计算中心点目标图像和第一峰值旁瓣比值，包括：
根据所述第一二维稀疏阵列生成目标回波信号，所述目标回波信号为所述第一二维稀疏阵列的中心点阵元的回波信号；
根据预设的时域相关重建算法对所述目标回波信号进行信号处理，得到所述中心点目标图像；
计算所述中心点目标图像的中心剖面曲线，并根据所述中心剖面曲线计算多个初始峰值旁瓣比值；
从多个所述初始峰值旁瓣比值中确定所述第一峰值旁瓣比值，所述第一峰值旁瓣比值为所述初始峰值旁瓣比值中数值最小的峰值旁瓣比值。
5.根据权利要求1所述的毫米波随机稀疏阵列生成方法，其特征在于，所述第一二维稀疏阵列包括发射阵元坐标信息和接收阵元坐标信息，所述根据所述第一二维稀疏阵列生成目标回波信号，根据以下公式得到：
；
其中，为所述发射阵元坐标信息，/>为所述接收阵元坐标信息，k为频率维度波数，f为毫米波成像频率，f∈[30,40]GHz，c为毫米波在自由空间传播的速度，/>为发射阵元与目标对象之间距离，/>为接收阵元与目标对象之间距离，/> 、/>和k的表达式分别为：
。
6.根据权利要求1所述的毫米波随机稀疏阵列生成方法，其特征在于，所述根据所述天线阵元间距确定接收阵元坐标范围信息和发射阵元坐标范围信息，所述包括：
根据所述天线阵元间距划分目标成像网格，所述目标成像网格包括边缘网格点；
根据所述边缘网格点对应的坐标信息确定所述发射阵元坐标范围信息；
将所述目标成像网格中除边缘网格点以外的网格点对应的坐标信息确定所述接收阵元坐标范围信息。
7.根据权利要求5所述的毫米波随机稀疏阵列生成方法，其特征在于，所述根据预设的时域相关重建算法对所述目标回波信号进行信号处理，得到所述中心点目标图像，根据以下公式得到：
；
其中，为发射阵元到所述目标成像网格的网格点的斜距，/>为接收阵元到所述目标成像网格的网格点的斜距，k为频率维度波数，f为毫米波成像频率，/>为所述发射阵元坐标信息，/>为所述接收阵元坐标信息，/>为重建输出的图像，为划分的目标成像网格。
8.根据权利要求1所述的毫米波随机稀疏阵列生成方法，其特征在于，所述第二峰值旁瓣比值对应有迭代次数序号j，所述根据预设的模拟退火算法从所述第二峰值旁瓣比值中确定目标峰值旁瓣比值，包括：
当迭代次数序号（j+1）对应的第二峰值旁瓣比值小于迭代次数序号j对应的第二峰值旁瓣比值，将所述迭代次数序号（j+1）对应的第二峰值旁瓣确定为所述目标峰值旁瓣比值；
或者，
当迭代次数序号（j+1）对应的第二峰值旁瓣比值大于迭代次数序号j对应的第二峰值旁瓣比值，根据所述迭代次数序号（j+1）对应的第二峰值旁瓣比值、所述迭代次数序号j对应的第二峰值旁瓣比值和所述模拟退火算法的初始温度值计算参考概率，根据所述参考概率确定所述目标峰值旁瓣比值。
9.一种毫米波随机稀疏阵列生成装置，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任意一项所述的毫米波随机稀疏阵列生成方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行如权利要求1至8中任意一项所述的毫米波随机稀疏阵列生成方法。
CN202310498837.2A 2023-05-05 2023-05-05 毫米波随机稀疏阵列生成方法、装置、存储介质 Active CN116718998B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310498837.2A CN116718998B (zh) 2023-05-05 2023-05-05 毫米波随机稀疏阵列生成方法、装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310498837.2A CN116718998B (zh) 2023-05-05 2023-05-05 毫米波随机稀疏阵列生成方法、装置、存储介质

Publications (2)

Publication Number Publication Date
CN116718998A CN116718998A (zh) 2023-09-08
CN116718998B true CN116718998B (zh) 2024-05-10

Family

ID=87866847

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310498837.2A Active CN116718998B (zh) 2023-05-05 2023-05-05 毫米波随机稀疏阵列生成方法、装置、存储介质

Country Status (1)

Country Link
CN (1) CN116718998B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625408A (zh) * 2009-08-03 2010-01-13 浙江大学 一种三维成像声纳系统换能器阵的稀疏优化方法
CN103744072A (zh) * 2013-12-24 2014-04-23 浙江大学 基于模拟退火算法和分布式并行子阵波束形成算法的稀疏阵列优化方法
CN105354351A (zh) * 2015-09-25 2016-02-24 浙江大学 一种基于改进模拟退火算法的极限稀疏阵列优化方法
CN112347696A (zh) * 2020-11-06 2021-02-09 中国电子科技集团公司第三十八研究所 一种离散化区域扫描子阵级稀疏优化方法及系统
WO2023029914A1 (zh) * 2021-08-30 2023-03-09 深圳市塞防科技有限公司 稀疏阵列解栅瓣方法、装置及相关设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101625408A (zh) * 2009-08-03 2010-01-13 浙江大学 一种三维成像声纳系统换能器阵的稀疏优化方法
CN103744072A (zh) * 2013-12-24 2014-04-23 浙江大学 基于模拟退火算法和分布式并行子阵波束形成算法的稀疏阵列优化方法
CN105354351A (zh) * 2015-09-25 2016-02-24 浙江大学 一种基于改进模拟退火算法的极限稀疏阵列优化方法
CN112347696A (zh) * 2020-11-06 2021-02-09 中国电子科技集团公司第三十八研究所 一种离散化区域扫描子阵级稀疏优化方法及系统
WO2023029914A1 (zh) * 2021-08-30 2023-03-09 深圳市塞防科技有限公司 稀疏阵列解栅瓣方法、装置及相关设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于模拟退火算法的平面稀疏阵优化;廖先华 等;现代雷达;20121031;第34卷(第10期);57-59 *
对称平面稀疏阵列阵形优化方法研究;史东湖;飞行器测控学报;20130831;第32卷(第4期);302-305 *

Also Published As

Publication number Publication date
CN116718998A (zh) 2023-09-08

Similar Documents

Publication Publication Date Title
Wang CFAR-based interference mitigation for FMCW automotive radar systems
CN107678028B (zh) 低信噪比条件下的微波凝视关联成像方法
CN108828593B (zh) 一种随机辐射雷达关联成像方法
US20150061926A1 (en) Target detection utilizing image array comparison
CN111650585B (zh) 近场毫米波稀疏mimo扫描阵列全聚焦成像方法和装置
CN107976673B (zh) 提高大场景目标成像质量的mimo雷达成像方法
Wang et al. Passive imaging of moving targets using sparse distributed apertures
CN110609282B (zh) 基于后向投影的太赫兹孔径编码三维成像方法及装置
CN107607945B (zh) 一种基于空间嵌入映射的扫描雷达前视成像方法
CN107024693B (zh) 一种单发射体制的雷达关联成像方法
CN108572363A (zh) 基于稀疏贝叶斯学习的电磁涡旋高分辨成像方法
JP2013174584A (ja) シーン内の反射物を再構成する方法
CN109991602A (zh) 基于深度残差网络的isar图像分辨率增强方法
Wang et al. A fast patches-based imaging algorithm for 3-D multistatic imaging
CN108562901B (zh) 基于最大信杂噪比准则的isar高分辨成像方法
CN116718998B (zh) 毫米波随机稀疏阵列生成方法、装置、存储介质
CN115825953B (zh) 一种基于随机频率编码信号的前视超分辨成像方法
CN109946696B (zh) 基于目标先验信息的雷达凝视关联成像方法
Tang et al. Enhanced through-the-wall radar imaging using Bayesian compressive sensing
CN114740470A (zh) 基于属性散射模型的微波波前调制前视成像方法和装置
CN109031289B (zh) 认知捷变频雷达波形设计方法和装置
Liu et al. Through-wall tracking using mean-shift algorithm
Xu et al. Backward projection imaging of through-wall radar based on airspace nonuniform sampling
da Costa et al. A CFAR‐like detector based on neural network for simulated high‐frequency surface wave radar data
CN116893415B (zh) 基于毫米波稀疏阵列系统设计的快速成像方法及系统

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