CN117148353A - 基于毫米波sar的近距离多目标检测方法及安检系统 - Google Patents
基于毫米波sar的近距离多目标检测方法及安检系统 Download PDFInfo
- Publication number
- CN117148353A CN117148353A CN202311434970.8A CN202311434970A CN117148353A CN 117148353 A CN117148353 A CN 117148353A CN 202311434970 A CN202311434970 A CN 202311434970A CN 117148353 A CN117148353 A CN 117148353A
- Authority
- CN
- China
- Prior art keywords
- target
- sar
- distance
- image
- millimeter wave
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 73
- 238000007689 inspection Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 84
- 238000012545 processing Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 28
- 230000000877 morphologic effect Effects 0.000 claims abstract description 18
- 238000003384 imaging method Methods 0.000 claims description 37
- 238000012937 correction Methods 0.000 claims description 33
- 230000005012 migration Effects 0.000 claims description 33
- 238000013508 migration Methods 0.000 claims description 33
- 230000006835 compression Effects 0.000 claims description 25
- 238000007906 compression Methods 0.000 claims description 25
- 238000005452 bending Methods 0.000 claims description 22
- 238000005070 sampling Methods 0.000 claims description 14
- 230000001131 transforming effect Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 27
- 239000011159 matrix material Substances 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000002592 echocardiography Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000033001 locomotion Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 239000002184 metal Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001427 coherent effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000005526 G1 to G0 transition Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000005865 ionizing radiation Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052755 nonmetal Inorganic materials 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
-
- 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)
- 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)
Abstract
本申请涉及一种基于毫米波SAR的近距离多目标检测方法及安检系统,通过对由毫米波SAR对近距离的多目标进行探测获取的目标回波信号进行处理得到散焦SAR图像,对该散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像,最后利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各目标的位置,已实现对目标的检测。采用本方法可对目标回波数据进行高分辨成像,从而可对较小的目标进行检测,并可得到精准的目标位置。
Description
技术领域
本申请涉及雷达成像技术领域,特别是涉及一种基于毫米波SAR的近距离多目标成像方法及安检系统。
背景技术
当前,国内外常用的安检设备主要包括金属探测类设备、X光类安检设备、毫米波成像安检设备三大类。金属探测类设备可以手持,且成本较低,具有携带更方便、检测快速的优势。然而该类设备仅能探测人员是否持有金属类危险物品,无法获取危险品的形状、类别和位置信息等;X光类安检设备可以同时对金属与非金属物品进行成像并用于检测危险物品,然而由于X射线的电离辐射剂量大,长期接触往往会对身体造成不可逆影响,不利于人体健康。因此现阶段车站、机场等场所采用X光类安检设备对箱包进行扫描,但没有将其应用于人体安检;毫米波成像安检设备要求被安检人员以特定的形式经过设备,通过穿透成像检测危险物品,已在工厂、公司、监狱等场所得到了初步应用。由于毫米波成像设备对人体伤害较小,因此可应用于人体安检。但其工作模式往往是合作式的,同时,现有的毫米波类安检设备的发射功率较低,通常工作在近场,不能满足远距离探测的需求。
上述三类设备目前已有相对成熟的应用场景,但其共同的问题在于,均难以工作于室外场景。事实上,体育场、公园、广场等室外开阔场所中行人活动频繁,在室外场景建立有效的安检系统具有重要意义。室外场景安检系统难点在于室外人员行为具有一定的随机性,且行人距离雷达较远,通常难以满足目前常用安检系统的合作式要求和近距离探测要求。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对近距离目标进行高分辨率成像的基于毫米波SAR的近距离多目标成像方法及安检系统。
一种基于毫米波SAR的近距离多目标检测方法,所述方法包括:
获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
在其中一实施例中,在对所述目标回波信号进行校正处理时,对所述目标回波信号进行完整的回波信号建模,并根据完整的回波信号模型构建多个滤波器,利用各所述滤波器对所述目标回波信号进行校正处理。
在其中一实施例中,所述利用各所述滤波器对所述目标回波信号进行校正处理包括:
对所述目标回波信号在方位向上做快速傅里叶变换,将其变换至方位频域后采用第一滤波器进行频率变标,同时将信号变换至二维频域上;
将二维频域上的信号通过第二滤波器去除残余视频相位项,并将信号变换回距离多普勒域中,再采用第三滤波器对信号进行逆频率变标,得到消除各距离单元之间徙动弯曲差异的初步校正信号;
再利用第四滤波器以及第五滤波器对所述初步校正信号进行处理,得到所述校正处理后的目标回波信号。
在其中一实施例中,所述第一滤波器表示为:
;
在上式中,公式右侧第一个指数项为多普勒频移校正项,其中,表示目标回波信号中点目标的距离采样时刻,/>表示/>变换到方位频域后对应的方位频率,/>表示目标回波信号中点目标的方位采样时刻,公式右侧第二个指数项为频率变标相位项,其中,/>表示尺度因子,/>表示信号调频率。
在其中一实施例中,所述第二滤波器表示为:
;
在上式中,表示/>变换到距离频域后对应的距离频率。
在其中一实施例中,第三滤波器表示为:
。
在其中一实施例中,所述加权图像准则表示为:
;
上式中,表示补偿后的目标回波信号,其中,k是距离时间索引,q是方位角时间索引,/>表示根据各距离单元幅度的方差构造的权重因子,/>表示根据信噪比构造的各距离单元权重因子,/>表示一个脉冲重复周期内一共有/>个距离向采样点,/>表示一个合成孔径时间内有/>个脉冲重复周期,/>表示幂值。
在其中一实施例中,所述利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置包括:
对所述聚焦SAR图像依次进行降噪、取模值以及去除杂波处理,得到预处理后的SAR图像;
采用Harris算子在所述预处理后的SAR图像进行特征提取,得到特征点数据集,所述特征点数据集中包括多个特征点以及各特征点在所述预处理后的SAR图像中的位置坐标;
根据各所述特征点之间的径向距离进行关联,将所述特征点数据集划分为多个子集,根据所述子集数量确定图像中目标数量;
根据各所述子集中各特征点的坐标位置分别进行计算,得到对应目标的位置坐标。
在其中一实施例中,所述方法还包括:在利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测之后,还生成相应的告警指令。
一种基于毫米波SAR的近距离多目标检测装置,所述装置包括:
目标回波信号获取模块,用于获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
散焦SAR图像得到模块,用于对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
聚焦SAR图像得到模块,用于对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
目标检测模块,用于利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
一种安检系统,所述安检系统包括雷达回波采集单元以及SAR成像检测处理单元;
所述雷达回波采集单元,包括滑轨以及安装在所述滑轨上的数字阵列毫米波雷达,所述数字阵列毫米波雷达在所述滑轨上沿轨道方向做往复运动,同时对安检区域进行检测,并接收目标的反馈信号;
所述SAR成像检测处理单元,包括高速信号处理器以及与所述高速信号处理器连接的显示器以及报警器,所述高速信号处理器接收所述数字阵列毫米波雷达发送的反馈信号,并采用上述的基于毫米波SAR的近距离多目标检测方法对所述反馈信号进行处理,对所述安检区域进行检测,并将检测得到的聚焦SAR图像、各目标以及各目标的位置坐标发送至所述显示器,将所述告警指令发送至所述报警器;
所述显示器,根据所述聚焦SAR图像、各目标以及各目标的位置坐标进行显示;
所述报警器,根据所述告警指令进行声音报警。
上述基于毫米波SAR的近距离多目标成像方法及安检系统,通过对由毫米波SAR对近距离的多目标进行探测获取的目标回波信号进行处理得到散焦SAR图像,对该散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像,最后利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各目标的位置,已实现对目标的检测。采用本方法可对目标回波数据进行高分辨成像,从而可对较小的目标进行检测,并可得到精准的目标位置。同时,可将该目标检测方法应用于开阔非合作安检场景中。
附图说明
图1为一个实施例中基于毫米波SAR的近距离多目标成像方法的流程示意图;
图2为一个实施例中目标回波信号进行校正处理的过程示意图;
图3为一个实施例中对SAR图像进行运动补偿处理的流程示意图;
图4为一个实施例中对聚焦SAR图像进行目标检测及定位的流程示意图;
图5为一个实施例中安检系统的结构示意图;
图6为一个实验仿真中实验环境部署的场景示意图;
图7为一个实验仿真中的采用本方法进行SAR成像的结果示意图,其中,(a)为由实验人员某手提包中装有管制刀具,需要将其作为目标进行成像,(b)为对该实验人员进行成像的结果示意图;
图8为对图7(a)成像结果采用本方法进行目标检测的结果示意图;
图9为一个实施例中基于毫米波SAR的近距离多目标成像装置的结构框图;
图10为一个实施例中计算机设备的内部结构图。
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,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
针对目前毫米波成像安检系统难以使用于开阔且非合作安检场景中的问题,首先提出了一种目标检测方法,再根据该方法提出了一种安检系统,以解决上述问题,在一个实施例中,如图1所示,提供了一种基于毫米波SAR的近距离多目标检测方法,包括以下步骤:
步骤S100,获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
步骤S110,对目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
步骤S120,对散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
步骤S130,利用形态学方法对聚焦SAR图像进行处理,确定图像中目标数量,以及各目标的位置,已实现对目标的检测。
在本实施例中,通过对由毫米波SAR雷达获取的目标回波信号进行处理,从而得到高清晰的目标图像,随后基于该高清晰的目标图像采用形态学方法对目标图像的特征进行提取,进而实现目标的检测及定位。并将这样的目标检测方法应用于安检系统中,以实现其在开阔其非合作场景下的安检工作。
首先,本文中所提到的基于毫米波SAR的近距离多目标检测方法实际上分为三个部分,第一个部分为目标回波信号的获取、第二个部分为高清晰目标图像的获取,以及第三个部分为目标的检测。
在本实施例中,采用毫米波SAR雷达对近距离检测区域内的目标进行探测,而实际上SAR雷达多应用于对远距离且尺寸较大的目标进行检测,所以在进行SAR成像时,对成像过程中的近似误差控制程度要求并不高。而在本方法中,不仅需要对近距离检测范围内的目标进行成像,同时由于其应用于安检场景,其针对的检测对象多为体积较小,具有携带性质的金属危险物品,例如,小刀,打火机之类的随身物品,所以对SAR成像分辨率和成像结果的精度具有较高的要求,故实际上,在本方法中对SAR成像精度及近似误差控制要求是高于现有技术中SAR成像方法的,而其具体的实现方法为第一部分以及第二部分,也就是步骤S100至步骤S120中的内容。
受限于市面上已有的毫米波雷达发射机的发射功率有限,在步骤S100中,获取目标回波数据所采用的雷达中将多个单一的普通雷达发射天线并列排布,并通过时间、频率和相位同步控制,各个普通的单一雷达发射天线发射的雷达回波满足相参约束,进而等效发射雷达回波的功率得到有效提升,也即发射雷达回波的穿透性得到了增强,满足了开阔场景下的远距离工作的条件。
雷达接收信号在信号存储器中排列为一个二维矩阵形式,排列方式为:每个脉冲重复周期的回波被接收器离散采样后,按列排序,构成回波矩阵中的一列数据。随着雷达的运动,更多脉冲重复周期的回波按列被写入信号存储器中,便构成了二维的回波数据矩阵,直至雷达波束离开目标区域也就是近距离检测范围,回波数据矩阵就截止。
将原始回波数据矩阵记为,以一个合成孔径时间内生成的回波矩阵为例,原始回波矩阵的大小应当为/>,/>代表一个脉冲重复周期内一共有/>个距离向采样点,/>代表一个合成孔径时间内有/>个脉冲重复周期。数据矩阵中同一行中的每个采样点到雷达的最短距离都是相等的,但在同一时刻它们和雷达之间对应的方位位置都是不同的。
中的每个点目标与雷达的瞬时距离关系表示为:
(1)
在公式(1)中,表示滑轨运行速度,为常量,/>表示/>中的点目标在一个合成孔径时间内与雷达之间的最短斜距,矩阵的每一行数值都相同,代表这一行的采样点距离雷达的最近距离相同。/>,其中/>,/>分别对应了中的点目标的距离采样时刻和方位采样时刻。
在本实施例中,所有求根符号均表示对矩阵中每个元素进行开根运算,则采用的雷达发射信号的形式可以表示为:
(2)
在公式(2)中,是信号调频率,/>是脉冲重复周期长度,/>是载频,均为常量,/>表示虚数,/>表示信号的包络为矩形脉冲,符号/>代表矩阵点乘,矩阵分数运算均是每个元素进行除法运算。
则雷达接收到的回波信号可表示为:
(3)
在公式(3)中,表示光速。
接着,采用Dechrip解调方式对公式(3)所表示的回波信号进行解调处理,其中用于Dechrip的参考信号的表达式为:
(4)
在公式(4)中,表示用于Dechrip的参考信号,取自距离雷达/>处的点目标回波。经过Dechrip处理后,得到的差频信号可表示为:
(5)
在公式(5)中,表示/>的共轭,/>,其差频信号具体可表示为:
(6)
在公式(6)中,表示载频对应的波长,瞬时斜距矩阵/>中的每个元素都是/>,的函数。而公式(6)也就是在本实施例中,对目标回波数据进行建模得到的目标回波模型,为了进一步对其结构进行说明,对公式(6)中对位于/>处的元素,在/>处进行泰勒展开,可以得到:
(7)
在公式(7)中,,将泰勒展开后的斜距带入公式(6)中得到:
(8)
需要说明的是,此处的泰勒展开只是为了方便展示信号处理过程和滤波器构造原理,实际数据的处理过程中,保留了信号的所有内容,并未对信号做任何的近似处理。回波信号的包络形式不影响整个信号处理流程,为进一步简化说明过程,以下的公式中只对信号相位进行详细说明。利用驻定相位法(Principle of Stationary Phase,POSP)将差频信号公式(8)变换至方位频域中,得到:
(9)
在公式(9)中,是/>变换到方位频域后对应的方位频率,表示尺度因子,/>表示矩阵元素对应卷积,表示二次距离压缩项,具体表达式如下:
(10)
实际上,在方法中对目标回波信号进行建模时,对目标回波信号进行完整的回波信号建模,再根据完整的回波信号模型构建多个滤波器,利用各滤波器对所述目标回波信号进行校正处理。这样得到的滤波器对回波信号进行校正处理效果更好,使得后续可以得到更为清晰的SAR图像。
由于,在本实施例中,采用SAR雷达接收的目标回波数据中,各距离单位上点目标之间的徙动弯曲差异特别大,所以需要构建一个滤波效果较好的滤波器。
在本实施例中,对目标回波信号进行校正处理的过程如图2所示,整体校正过程包括对目标回波信号在方位向上做快速傅里叶变换(得到公式(9)),将其变换至方位频域后采用第一滤波器进行频率变标,同时将信号变换至二维频域上,将二维频域上的信号通过第二滤波器去除残余视频相位项,并将信号变换回距离多普勒域中,再采用第三滤波器对信号进行逆频率变标,得到消除各距离单元之间徙动弯曲差异的初步校正信号,再利用第四滤波器以及第五滤波器对初步校正信号进行处理,得到所述校正处理后的目标回波信号。
具体的,第一滤波器表示为:
(11)
在公式(10)中,公式右侧第一个指数项为多普勒频移校正项,其中,表示目标回波信号中点目标的距离采样时刻,/>表示/>变换到方位频域后对应的方位频率,/>表示目标回波信号中点目标的方位采样时刻,公式右侧第二个指数项为频率变标相位项,其中,表示尺度因子,/>表示信号调频率。故,在对信号进行频率变标的同时还完成了多普勒频偏校正。
接着,再将变换至二维频域的信号采用第二滤波器进行滤波,第二滤波器表示为:
(12)
在公式(11)中,表示/>变换到距离频域后对应的距离频率。
由于,公式(9)中引入了一个二次相位,所以在利用第三滤波器进行滤波之前还需要将通过第一滤波器以及第二滤波器进行处理后的公式(9)变回距离多普勒域中,在利用第三滤波器对这个二次相位进行消除。其中,第三滤波器表示:
(13)
进一步的,在校正处理过程中,还通过二次距离压缩补偿了RCM曲线的二阶项,二次距离压缩函数也就是第四滤波器表达式为:
(14)
接着,仍然在距离多普勒域中进行距离徙动校正(RCMC),其RCMC滤波器也就是第五滤波器的表示为:
(15)
在经过公式(12)处理后的信号,做距离向的IFFT变换至距离多普勒域,并与公式(13)-公式15)相乘。至此,距离向处理已经全部完成,只需要将信号变换至距离频域就可以实现距离压缩。下面进行方位向的处理,完成距离压缩后的信号在二维频域的形式为:
(16)
再对公式(16)信号形式进行方位压缩,其中采用的方位压缩函数表示为:
(17)
最后 得到的压缩后的信号表达形式为:
(18)
在公式(18)中,表示方向位的多普勒带宽。
至此,对目标回波信号进行了徙动校正处理,并得到的SAR成像的初步结果,此时得到的SAR图像还是不清楚的,散焦严重,需要对其进行运动补偿,也就是聚焦处理。
在实际的成像过程中,成像区域的多个目标并非完全静止,目标的随机运动会导致最终的成像结果中存在散焦,这样的散焦将会极大的影响图像的解译和后续的目标判别。因此在方位向处理完成后还需要对结果进行运动误差校正。在本实施例中,结合幂函数自聚焦方法及相位梯度自聚焦方法,设计了有效的运动误差校正方法。
在步骤S120中,对散焦的目标图像进行迭代补偿,且每次迭代过程中通过幂值计算得到相位误差,并且在选择幂值时还根据加权后的图像准则,使得最后得到的聚焦图像中的目标更为突出,有利于后续的目标特征点的提取。
具体的,对公式(18)在方向上做逆快速傅里叶变换,并将变换后的信号作为自聚焦算法(也就是应用于本方法中的运动误差校正方法)处理的输入,并记为,/>也可以表示为:
(19)
在公式(19)中,是每个距离单元中最强散射点对应的频率,/>表示理想的无误差的数据矩阵。每个距离单元中除了最强散射点,其他点的回波可以视为杂波,在误差校正的过程中可以忽略杂波的影响,在运动误差校正中只考虑最强散射点的误差相位历程,将第/>个距离单元对应的误差相位记为/>,全场景的误差相位历程记为。同时,设估计所得的相位误差为,经过补偿的回波信号表示为:
(20)
在公式(20)中,当,也就是相位误差被完全补偿。图像的总能量/>是常数,/>是距离时间索引,/>是方位角时间索引,图像的熵定义为:
(21)
则基于的其他形式的函数也可以作为自聚焦法的准则,即:
(22)
而在本实施例中,对信噪比(SNR)强的距离单元赋予高权重,可以有效抑制背景等杂波干扰,得到更为准确的误差相位估计。同时,金属类危险物品在SAR成像结果中,具有更强的散射特性,因此也可以对含有强散射点的距离单元赋予高权重。根据上述两种特征,采用最小二乘准则构造权重因子如下。
含有强散点的距离单元,不同方位位置的幅度差异更大。因此首先依据距离单元幅度的方差,构造权重,第/>个距离单元的权重因子构造为:
(23)
在公式(23),表示方差,从公式(23)可以看出,计算权重因子需要得到每个距离单元幅度对应的方差。
利用SNR来构造第个距离单元权重因子的过程为:
(24)
在公式(24)中,是第/>个距离单元SNR的倒数,但在散焦的情况下,回波的相位被误差相位破坏,无法直接计算SNR。在这里采用一种散焦情况下估计SNR的方法,其中,采用以下公式计算/>:
(25)
在公式(25)中,是第/>个距离单元幅度的平均值,/>是距离单元的均方差。
经过上述计算,可以得到两个权重矩阵:,,加权图像准则如下:/>
(26)
在公式(26)中,表示补偿后的目标回波信号,其中,k是距离时间索引,q是方位角时间索引,/>表示根据各距离单元幅度的方差构造的权重因子,/>表示根据信噪比构造的各距离单元权重因子,/>表示一个脉冲重复周期内一共有/>个距离向采样点,表示一个合成孔径时间内有/>个脉冲重复周期,/>表示幂值。
进一步的,误差相位是在图像准则取得最值的情况下获得,为估计误差相位,需要对图像准则求偏导,当偏导值为0时,得到对应的误差相位,即:
(27)
将求偏导的过程用来代替,相位误差的计算过程又可以表示为:
(28)
通常,散焦的图像通过一次补偿不能完全补偿,而是需要大量迭代得到聚焦的图像,设是第/>次迭代时估计所得的误差相位。当准则对应的值收敛时,迭代结束,估计所得的误差相位可以表示为:
(29)
在本实施例中,自聚焦算法的流程如图3所示,自聚焦算法也就是在本方法中对SAR图像进行运动补偿处理的流程,该算法通过线性搜索来寻找当前图像中最合适的幂值。运动误差校正的整体流程包含了两个迭代过程,分别为内层循环迭代以及外层循环迭代。其中,在内层循环迭代中基于上一次的聚焦结果,通过代入不同的幂值,得到不同的幂函数图像准则/>。在外层迭代中,基于当前的图像准则/>,对相位计算偏导从而得到本次估计得到的误差相位,并对图像进行补偿。补偿后,计算当前经过补偿后的图像对应的熵值,当图像熵收敛时,整体循环结束,得到聚焦的SAR图像。
最后,在步骤S130中,利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置包括:对聚焦SAR图像依次进行降噪、取模值以及去除杂波处理,得到预处理后的SAR图像,采用Harris算子在预处理后的SAR图像进行特征提取,得到特征点数据集,该征点数据集中包括多个特征点以及各特征点在预处理后的SAR图像中的位置坐标,根据各特征点之间的径向距离进行关联,将特征点数据集划分为多个子集,根据子集数量确定图像中目标数量,根据各子集中各特征点的坐标位置分别进行计算,得到对应目标的位置坐标。
具体的,设聚焦SAR图像为,首先对/>进行门限降噪,即设定某一常数/>,对于中第/>行第/>列元素/>,若/>,则令/>,否则/>不变。经门限降噪预处理后,得到降噪后图像/>。
对于,首先对其所有元素取模值,得到实数图像/>,进一步对通过图像形态学中的开运算去除杂波。设开运算结构体/>的尺寸为/>,显然,则开运算后的图像/>可表示为/>。
进一步的,对预处理后的图像,应用Harris算子进行特征点提取,得到特征点集/>,其中,特征点/>在图像中的位置记为/>。
提取得到特征点集后,利用特征点径向距离对特征点进行关联。从特征点集/>中挑选任意特征点/>,对/>中任意点/>,设置关联门限为/>,若/>,则将/>与/>进行关联,构成子集/>。得到/>后,令/>。重复上述步骤,直至特征点集/>中不存在可被关联的点,可得到共/>个子集,记为/>,其中/>。
在本实施例中,在得到个子集后,可初步认为场景中存在/>个目标,根据本方法所应用的安检场景中,可认为目前检测区域中存在/>个危险物品,对于其中第/>个危险物品,在图像/>中的坐标可表示为:
(30)
在公式(30)中,对于任意,都有/>,/>为/>中包含的点的个数。
对于提取得到的第个危险物品,其在SAR图像中的坐标为/>,则该物品在实际场景中距离雷达的径向距离为:
(31)
在公式(31)中,表示信号快时间的采样率,而横向距离为:
(32)
在本实施例中,通过计算各目标径向距离与横向距离,实现了其检测与定位。
上述通过聚焦后的SAR图像进行目标的检测及定位的方法流程如图4所示。
由于,本方法应用于安检场景,所以在利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测之后,还生成相应的告警指令。
上述基于毫米波SAR的近距离多目标检测方法,利用毫米波雷达的穿透原理工作——隐藏在人体衣物下方和箱包内的危险物品可以反射回波,在获取目标清晰的SAR图像基础上,采用形态学方法对SAR图像进行特征提取,以确定清晰图像中目标的数量以及各目标的定位。本方法提供了一种在户外安检场景下,危险物品可以被检测和定位,从而迅速对可疑人员实施管控,实现开阔场景下安检的目的。
在其中一实施例中,还提供了一种安检系统,如图5所示,安检系统包括雷达回波采集单元以及SAR成像检测处理单元。
其中,雷达回波采集单元,包括滑轨以及安装在滑轨上的数字阵列毫米波雷达,数字阵列毫米波雷达在滑轨上沿轨道方向做往复运动,同时对安检区域进行检测,并接收目标的反馈信号。
其中,SAR成像检测处理单元,包括高速信号处理器,以及与高速信号处理器连接的显示器以及报警器,高速信号处理器接收数字阵列毫米波雷达发送的反馈信号,并采用本文中所提的基于毫米波SAR的近距离多目标检测方法对反馈信号进行处理,对安检区域进行检测,并将检测得到的聚焦SAR图像、各目标以及各目标的位置坐标发送至显示器,将告警指令发送至所述报警器。
并显示器根据聚焦SAR图像、各目标以及各目标的位置坐标进行显示,还由报警器根据告警指令进行声音报警。
在本实施例中,数字阵列毫米波雷达的发射天线并列排布,并通过时间、频率和相位同步控制,各个普通的单一雷达发射天线发射的雷达回波满足相参约束,进而等效发射雷达回波的功率得到有效提升,也即发射雷达回波的穿透性得到了增强,满足了开阔场景下的远距离工作的条件。
结合本文方法的安检系统可以有效在室外对开阔场景进行成像,并能够对管制刀具等危险品进行初步的检测。且克服了传统毫米波成像安检系统仅能适用于室内场景的不足,且具有较低的成本,有较高工程应用价值。
在本文中,还通过对安检系统进行实验仿真以证明其有效性,如图6所示,为实验仿真的安检系统部署环境,如图7所示,为采用本方法进行SAR成像的结果示意图,如图8所示,为采用本方法进行检测的目标检测结果示意图。
应该理解的是,虽然图1的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图9所示,提供了一种基于毫米波SAR的近距离多目标检测装置,包括:目标回波信号获取模块200、散焦SAR图像得到模块210、聚焦SAR图像得到模块220和目标检测模块230,其中:
目标回波信号获取模块200,用于获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
散焦SAR图像得到模块210,用于对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
聚焦SAR图像得到模块220,用于对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
目标检测模块230,用于利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
关于基于毫米波SAR的近距离多目标检测装置的具体限定可以参见上文中对于基于毫米波SAR的近距离多目标检测方法的限定,在此不再赘述。上述基于毫米波SAR的近距离多目标检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图10所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于毫米波SAR的近距离多目标检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图10中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.基于毫米波SAR的近距离多目标检测方法,其特征在于,所述方法包括:
获取目标回波信号,所述目标回波信号由毫米波SAR雷达对近距离检测范围内的运动目标进行探测得到;
对所述目标回波信号进行校正处理,先依次对其进行频率变标、去除残余视频相位项以及逆频率变标处理以消除各距离单元之间徙动弯曲差异,再通过二次距离压缩以及距离徙动校正处理对各距离单元的徙动弯曲进行补偿,并对校正处理后的目标回波信号进行距离向和方位向压缩后得到散焦SAR图像;
对所述散焦SAR图像进行多次迭代补偿,在每一次补偿过程中,根据加权图像准则选取当前次补偿最优幂值,并根据该最优幂值估计得到误差相位进行补偿,直至迭代补偿后的SAR图像对应的熵值收敛,则得到聚焦SAR图像;
利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测。
2.根据权利要求1所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,在对所述目标回波信号进行校正处理时,对所述目标回波信号进行完整的回波信号建模,并根据完整的回波信号模型构建多个滤波器,利用各所述滤波器对所述目标回波信号进行校正处理。
3.根据权利要求2所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,所述利用各所述滤波器对所述目标回波信号进行校正处理包括:
对所述目标回波信号在方位向上做快速傅里叶变换,将其变换至方位频域后采用第一滤波器进行频率变标,同时将信号变换至二维频域上;
将二维频域上的信号通过第二滤波器去除残余视频相位项,并将信号变换回距离多普勒域中,再采用第三滤波器对信号进行逆频率变标,得到消除各距离单元之间徙动弯曲差异的初步校正信号;
再利用第四滤波器以及第五滤波器对所述初步校正信号进行处理,得到所述校正处理后的目标回波信号。
4.根据权利要求3所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,所述第一滤波器表示为:
;
在上式中,公式右侧第一个指数项为多普勒频移校正项,其中,表示目标回波信号中点目标的距离采样时刻,/>表示/>变换到方位频域后对应的方位频率,/>表示目标回波信号中点目标的方位采样时刻,公式右侧第二个指数项为频率变标相位项,其中,/>表示尺度因子,/>表示信号调频率。
5.根据权利要求4所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,所述第二滤波器表示为:
;
在上式中,表示/>变换到距离频域后对应的距离频率。
6.根据权利要求5所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,第三滤波器表示为:
。
7.根据权利要求6所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,所述加权图像准则表示为:
;
上式中,表示补偿后的目标回波信号,其中,k是距离时间索引,q是方位角时间索引,/>表示根据各距离单元幅度的方差构造的权重因子,/>表示根据信噪比构造的各距离单元权重因子,/>表示一个脉冲重复周期内一共有/>个距离向采样点,/>表示一个合成孔径时间内有/>个脉冲重复周期,/>表示幂值。
8.根据权利要求7所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,所述利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置包括:
对所述聚焦SAR图像依次进行降噪、取模值以及去除杂波处理,得到预处理后的SAR图像;
采用Harris算子在所述预处理后的SAR图像进行特征提取,得到特征点数据集,所述特征点数据集中包括多个特征点以及各特征点在所述预处理后的SAR图像中的位置坐标;
根据各所述特征点之间的径向距离进行关联,将所述特征点数据集划分为多个子集,根据所述子集数量确定图像中目标数量;
根据各所述子集中各特征点的坐标位置分别进行计算,得到对应目标的位置坐标。
9.根据权利要求8所述的基于毫米波SAR的近距离多目标检测方法,其特征在于,所述方法还包括:在利用形态学方法对所述聚焦SAR图像进行处理,确定图像中目标数量,以及各所述目标的位置,已实现对目标的检测之后,还生成相应的告警指令。
10.安检系统,其特征在于,所述安检系统包括雷达回波采集单元以及SAR成像检测处理单元;
所述雷达回波采集单元,包括滑轨以及安装在所述滑轨上的数字阵列毫米波雷达,所述数字阵列毫米波雷达在所述滑轨上沿轨道方向做往复运动,同时对安检区域进行检测,并接收目标的反馈信号;
所述SAR成像检测处理单元,包括高速信号处理器,以及与所述高速信号处理器连接的显示器以及报警器,所述高速信号处理器接收所述数字阵列毫米波雷达发送的反馈信号,并采用权利要求9所述的基于毫米波SAR的近距离多目标检测方法对所述反馈信号进行处理,对所述安检区域进行检测,并将检测得到的聚焦SAR图像、各目标以及各目标的位置坐标发送至所述显示器,将所述告警指令发送至所述报警器;
所述显示器,根据所述聚焦SAR图像、各目标以及各目标的位置坐标进行显示;
所述报警器,根据所述告警指令进行声音报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311434970.8A CN117148353B (zh) | 2023-11-01 | 2023-11-01 | 基于毫米波sar的近距离多目标检测方法及安检系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311434970.8A CN117148353B (zh) | 2023-11-01 | 2023-11-01 | 基于毫米波sar的近距离多目标检测方法及安检系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117148353A true CN117148353A (zh) | 2023-12-01 |
CN117148353B CN117148353B (zh) | 2024-01-30 |
Family
ID=88912496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311434970.8A Active CN117148353B (zh) | 2023-11-01 | 2023-11-01 | 基于毫米波sar的近距离多目标检测方法及安检系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117148353B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117687014A (zh) * | 2024-02-04 | 2024-03-12 | 南京信息工程大学 | 一种基于二维滤波MapDrift的SAR等效雷达速度估计方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6781541B1 (en) * | 2003-07-30 | 2004-08-24 | Raytheon Company | Estimation and correction of phase for focusing search mode SAR images formed by range migration algorithm |
CN101226237A (zh) * | 2008-01-10 | 2008-07-23 | 西安电子科技大学 | 聚束式合成孔径激光雷达成像方法 |
CN102207546A (zh) * | 2011-03-11 | 2011-10-05 | 中国科学院空间科学与应用研究中心 | 一种子孔径高度计回波视配准装置及方法 |
EP2650695A1 (en) * | 2012-08-02 | 2013-10-16 | Institute of Electronics, Chinese Academy of Sciences | Imaging method for synthetic aperture radar in high squint mode |
EP2746804A2 (en) * | 2014-01-03 | 2014-06-25 | Institute of Electronics, Chinese Academy of Sciences | Method, device, and system for compensating synchronization error |
CN104833972A (zh) * | 2015-05-08 | 2015-08-12 | 电子科技大学 | 一种双基地调频连续波合成孔径雷达频率变标成像方法 |
CN106405552A (zh) * | 2016-11-30 | 2017-02-15 | 西安电子科技大学 | 基于wvd—pga算法的sar雷达目标聚焦方法 |
CN109085589A (zh) * | 2018-10-16 | 2018-12-25 | 中国人民解放军国防科技大学 | 基于图像质量引导的稀疏孔径isar成像相位自聚焦方法 |
US20210349205A1 (en) * | 2020-05-11 | 2021-11-11 | Institute Of Electronics, Chinese Academy Of Sciences | Method and apparatus for space-variance correction imaging of bistatic sar, device and storage medium |
CN115032633A (zh) * | 2022-06-24 | 2022-09-09 | 中国科学院空天信息创新研究院 | 基于频率变标的机载fmcw冰雷达成像方法 |
-
2023
- 2023-11-01 CN CN202311434970.8A patent/CN117148353B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6781541B1 (en) * | 2003-07-30 | 2004-08-24 | Raytheon Company | Estimation and correction of phase for focusing search mode SAR images formed by range migration algorithm |
CN101226237A (zh) * | 2008-01-10 | 2008-07-23 | 西安电子科技大学 | 聚束式合成孔径激光雷达成像方法 |
CN102207546A (zh) * | 2011-03-11 | 2011-10-05 | 中国科学院空间科学与应用研究中心 | 一种子孔径高度计回波视配准装置及方法 |
EP2650695A1 (en) * | 2012-08-02 | 2013-10-16 | Institute of Electronics, Chinese Academy of Sciences | Imaging method for synthetic aperture radar in high squint mode |
EP2746804A2 (en) * | 2014-01-03 | 2014-06-25 | Institute of Electronics, Chinese Academy of Sciences | Method, device, and system for compensating synchronization error |
CN104833972A (zh) * | 2015-05-08 | 2015-08-12 | 电子科技大学 | 一种双基地调频连续波合成孔径雷达频率变标成像方法 |
CN106405552A (zh) * | 2016-11-30 | 2017-02-15 | 西安电子科技大学 | 基于wvd—pga算法的sar雷达目标聚焦方法 |
CN109085589A (zh) * | 2018-10-16 | 2018-12-25 | 中国人民解放军国防科技大学 | 基于图像质量引导的稀疏孔径isar成像相位自聚焦方法 |
US20210349205A1 (en) * | 2020-05-11 | 2021-11-11 | Institute Of Electronics, Chinese Academy Of Sciences | Method and apparatus for space-variance correction imaging of bistatic sar, device and storage medium |
CN115032633A (zh) * | 2022-06-24 | 2022-09-09 | 中国科学院空天信息创新研究院 | 基于频率变标的机载fmcw冰雷达成像方法 |
Non-Patent Citations (5)
Title |
---|
BIAO XUE ET AL.: "An Applied Frequency Scaling Algorithm Based on Local Stretch Factor for Near-Field Miniature Millimeter-Wave Radar Imaging", IEEE TRANSACTIONS ON MICROWAVE THEORY AND TECHNIQUES, pages 2786 - 2801 * |
张健丰 等: "圆迹合成孔径雷达成像技术综述", 系统工程与电子技术, vol. 42, no. 12, pages 2716 - 2734 * |
朱小鹏;颜佳冰;张群;李宏伟;封同安;: "基于双基ISAR的空间高速目标成像分析", 空军工程大学学报(自然科学版), no. 06, pages 44 - 49 * |
苏星伊;邢孟道;周芳;孙光才;: "SAR成像中电离层的影响估计及其补偿", 中国科技论文, no. 14, pages 1600 - 1604 * |
魏志强;李春化;周子超;苏小敏;李雅梅;王乐;: "毫米波安检成像雷达设计", 火控雷达技术, no. 03, pages 5 - 10 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117687014A (zh) * | 2024-02-04 | 2024-03-12 | 南京信息工程大学 | 一种基于二维滤波MapDrift的SAR等效雷达速度估计方法 |
CN117687014B (zh) * | 2024-02-04 | 2024-04-16 | 南京信息工程大学 | 一种基于二维滤波MapDrift的SAR等效雷达速度估计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117148353B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8193967B2 (en) | Method and system for forming very low noise imagery using pixel classification | |
US8665132B2 (en) | System and method for iterative fourier side lobe reduction | |
US9075129B2 (en) | Method and system for forming images by comparing subsets of image data | |
US7796829B2 (en) | Method and system for forming an image with enhanced contrast and/or reduced noise | |
Chan et al. | Noniterative quality phase-gradient autofocus (QPGA) algorithm for spotlight SAR imagery | |
Gennarelli et al. | Multiple extended target tracking for through-wall radars | |
US9250323B2 (en) | Target detection utilizing image array comparison | |
CN107861123B (zh) | 一种穿墙雷达在复杂环境下对多运动目标实时跟踪的方法 | |
CN117148353B (zh) | 基于毫米波sar的近距离多目标检测方法及安检系统 | |
CN104898118B (zh) | 一种基于稀疏频点的三维全息成像的重建方法 | |
Sun et al. | Learning to remove clutter in real-world GPR images using hybrid data | |
CN104950305A (zh) | 一种基于稀疏约束的实波束扫描雷达角超分辨成像方法 | |
CN104316923A (zh) | 针对合成孔径雷达bp成像的自聚焦方法 | |
CN109298417B (zh) | 一种基于雷达信号处理的建筑物内部结构探测方法及装置 | |
EP3353567A1 (en) | Detecting objects in images | |
CN109507666A (zh) | 基于离网变分贝叶斯算法的isar稀疏频带成像方法 | |
JP2009236720A (ja) | 移動目標検出装置 | |
Leigsnering et al. | CS based specular multipath exploitation in TWRI under wall position uncertainties | |
CN108845318B (zh) | 基于Relax算法的星载高分宽幅成像方法 | |
Gao et al. | Fast two‐dimensional subset censored CFAR method for multiple objects detection from acoustic image | |
Jagadesh et al. | Modeling Target Detection and Performance Analysis of Electronic Countermeasures for Phased Radar. | |
Guo et al. | A new method for SAR radio frequency interference mitigation based on maximum a posterior estimation | |
CN110045374B (zh) | 一种基于Chirp Scaling的多角度超长聚束SAR超分辨率成像算法 | |
Sowjanya et al. | Performance comparison of DAS and BP algorithms for Synthetic Aperture Radar Imaging | |
Sharma et al. | Study of background subtraction for ground penetrating 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 |