高精度毫米波柱面孔径全息成像算法研究

近年来,国际恐怖袭击事件时有发生,使得安全形势变得极为严峻,因此迫切需要引入新型的安全检查手段,防范和应对重大安全事故的发生。在此背景下,毫米波全息三维成像凭借其安全性、穿透性和高分辨率成像等优势,被广泛地应用在安检领域。由于人体安检需要在短时间内对目标进行精确的检测,具有实时性的特点,即需要在实时情况下快速做出判断和决策,因此对成像精度有着更高的要求。本文提出了一种高精度毫米波柱面孔径全息成像算法,给出了柱面孔径三维成像所需要满足的采样准则;首先,将成像区域划分为序列不同半径的成像柱面,依据成像精度和相位误差控制范围设置成像参考柱面,简化重复计算匹配滤波函数的过程;然后,将回波信号变换至三维波数域中,并与匹配滤波函数相乘;接着,沿距离向对匹配滤波的结果进行积分,聚焦获得相应半径柱面上目标的散射信息;最后,对不同半径柱面上的目标进行聚焦,获取目标的全部散射信息,进而完成对整个观测区域的三维图像重建。本文给出了参考面最佳分配策略和算法成像复杂度分析,并通过点目标仿真详细地分析了相位误差对成像质量的影响,并与现有的方法进行了比较,以及在同样的系统参数下对人体模特进行成像实验,仿真和实验的结果表明本文方法的有效性、精确性和正确性。

AF-CenterNet:基于交叉注意力机制的毫米波雷达和相机融合的目标检测

对于自动驾驶领域而言,确保在各种天气和光照条件下精确检测其他车辆目标是至关重要的。针对单个传感器获取信息的局限性,提出一种基于cross-attention注意力机制的融合方法(AF),用于在特征层面上融合毫米波雷达和相机信息。首先,将毫米波雷达和相机进行空间对齐,并将对齐后的点云信息投影成点云图像。然后,将点云图像在高度和宽度方向上进行扩展,以提高相机图像和点云图像之间的匹配度。最后,将点云图像和相机图像送入包含AF结构的CenterNet目标检测网络中进行训练,并生成一个空间注意力权重,以增强相机中的关键特征。实验结果表明,AF结构可以提高原网络检测各种大小目标的性能,特别是对小目标的检测提升更为明显,且对系统的实时性影响不大,是提高车辆在多种场景下检测精度的理想选择。

面向6G通信感知一体化的40~50 GHz毫米波信道反射和透射特性研究

为解决毫米波信道反射和透射特性测量数据不足、多层材料传播系数计算不准确和传播特性表征不明的问题,该文开展面向6G通信感知一体化(ISAC)的40~50 GHz毫米波信道反射和透射特性研究。首先,基于菲涅尔理论和射线弹跳追踪原理,提出一种室内多层建筑材料传播系数计算方法;然后,利用基于矢量网络分析仪的毫米波信道测量平台,开展40~50 GHz频率范围内多层木板和多层玻璃的反射和透射系数测量活动。结果表明,该方法与测量值间高度吻合,传播系数误差低于0.1,能够准确地刻画毫米波信道反射和透射特性变化规律。此外,研究还发现反射系数谐振特性和有效布儒斯特角特性依赖于电波极化、入射角和材料厚度。

融合毫米波与激光雷达的障碍物检测与跟踪方法

在园区环境中,无人车装载单一毫米波雷达或激光雷达传感器进行障碍物检测跟踪时存在探测范围有限、准确率低及稳定性差等问题。为此,提出一种基于毫米波雷达与激光雷达融合的多障碍物检测跟踪方法。利用改进欧氏聚类算法对道路内激光点云目标进行提取,基于信息筛选策略获得毫米波雷达数据中的有效目标;基于目标检测交并比与可靠性分析,对2种目标进行自适应融合,并利用跟踪门与联合概率数据关联(JPDA)算法完成前后帧数据匹配;应用多运动模型交互与无迹卡尔曼滤波实现障碍物跟踪。实车实验表明:相比单一毫米波雷达与激光雷达障碍物检测跟踪,所提方法有更好的准确性与稳定性。

基于红外相机和毫米波雷达融合的烟雾遮挡无人驾驶车辆目标检测与跟踪

战场环境下无人驾驶车辆的感知系统易受烟雾、扬尘等天气的影响,对关键目标的检测与跟踪能力大大下降,造成目标漏检、目标误检、目标丢失等严重后果。针对该问题,开发毫米波雷达和红外相机融合系统,采用目标级融合方式建立简洁有效的融合规则,提炼和组合各传感器的优势信息,最终输出稳定的目标感知结果。对毫米波雷达的目标进行有效性检验和提取,并提出改进的基于密度的含噪声空间聚类应用算法,以减少毫米波雷达噪音干扰。以YOLOv4网络为基础,引入MobileNetv2主干网络,在网络训练过程中运用迁移学习方法,同时对红外数据样本进行扩充,解决了红外图像训练样本少的问题。试验结果表明,相较于仅基于红外相机的算法,融合检测算法在烟雾环境下的精度显著提升,且算法实时性高,实现了烟雾环境下毫米波雷达与红外相机融合的目标检测与跟踪,提高了无人驾驶车辆目标检测与跟踪系统的抗烟雾干扰能力。

基于毫米波雷达的非视距目标探测和定位方法研究

隐蔽非直视目标探测和定位技术在城市巷战、安防、防暴等领域具有广泛的应用。本文针对L形非视距区域内单目标的探测与定位问题进行研究。首先,对雷达布设位置及可探测区域进行了分析;其次,针对共同可探测区域,设计了多路径联合检测器;最后,基于设计的多径雷达应用系统,利用所提检测定位方法进行实验验证。与现有研究相比,本文的创新点在于:在L形非视距场景下,对宽波束毫米波雷达布设位置及可探测区域进行分析并给出合理建议;其次利用所提多路径联合检测器将不同反射面的多条路径联合使用,提高了检测性能。本文通过实验验证了系统的可靠性及雷达位置对可探测区域的影响,通过仿真与实验探究了所提检测器的性能改善。

毫米波雷达的应用及发展

随着毫米波技术的应用 ,毫米波频率的雷达也得到了更深的研究和发展 .毫米波雷达具有导引精度高、抗干扰能力强、多普勒分辨率高、等离子体穿透能力强等特点 ;因此其广泛的用于末制导、引信、工业、医疗等方面 .评述了毫米波雷达的优缺点 ,以及它的应用 。

隧道环境下毫米波雷达多机联合毫米级定位方法

随着安全监测智能化时代的到来,隧道环境下监测点定位测量相关研究逐渐向全天候和全天时等方向发展。针对隧道监测点定位时存在实时性较差且测量周期长等问题,同时易受灰尘和照明等因素影响,本文引入具有较高距离与速度分辨率的毫米波雷达开展隧道监测点高精度定位研究,提出一种基于多台毫米波雷达联合测距的定位方法。首先,在快速傅里叶变换提取测距信息的基础上,提出采用线性调频Z变换细化频谱并结合相位差对测距值进行精化,保障测距精度稳定在毫米级;然后,针对传统测距雷达仅能获取一维径向形变的弊端,采用多台毫米波雷达同步观测,建立多机联合定位函数模型,构建了一种顾及单次观测雷达脉冲测量精度差异和先验距离的随机模型;最后,通过隧道试验验证了测距与定位算法精度。结果表明,在无其他干扰的情况下,本文提出的基于线性调频Z变换的相位差法测距精度能达到0.3 mm,算法计算效率较已有方法提高50倍。待测目标稳定的情况下,本文多机联合定位方法X方向精度为2.7 mm,Y方向为0.6 mm,受隧道高度的影响,Z方向精度略低,为6.6 mm。待测目标微动的情况下,该方法能准确探测微小形变,满足监测点全天候、全天时、高精度的实时定位测量需求,并有望在工业结构变形监测中得到应用。

煤矿巷道空间毫米波雷达测量特性与重建方法

【目的】煤矿井下空间测量是煤矿透明地质建模的重要组成,然而煤矿巷道环境复杂、信息获取不全、感知数据精度不足等难题亟待解决。【方法】首先,深入研究粉尘、水雾、围岩结构等复杂环境因素下毫米波雷达信号特性,建立煤矿巷道围岩毫米波信号衰减模型,对比分析复杂环境因素毫米波雷达的影响机理。其次,针对煤矿复杂环境下毫米波雷达的巷道数字建模问题,提出巷道空间毫米波雷达点云泊松表面重建方法。通过实验测试与模拟巷道环境验证,在揭示煤矿复杂环境条件下的毫米波雷达感知机理基础上,实现了煤矿巷道空间测量与数字建模重构。【结果和结论】结果表明:(1)毫米波雷达能够适应煤矿井下多粉尘、多水雾、围岩粗糙的巷道环境,为煤矿巷道空间重建提供有效数据。(2)泊松表面重建方法能够充分展示真实巷道围岩信息,重建巷道整体宽度的平均绝对误差百分比为0.59%,巷道整体高度的平均绝对误差百分比为0.78%。煤矿复杂环境下毫米波雷达空间测量特性与重建方法的研究,为煤矿井下透明地质建模提供巷道空间测量数据,对推动煤矿智能开采具有重要意义。

基于毫米波雷达的生命体征信号检测实验教学设计

为了提高学生嵌入式系统的软硬件设计能力,设计基于毫米波雷达的非接触式生命体征信号测量实验。一方面,基于调频连续波(FMCW)雷达机制,采用MATLAB进行生命体征信号建模及呼吸率与心率时频信号提取的仿真实验;另一方面,采用60 GHz毫米波雷达模块,基于STM32单片机进行系统电路设计、PCB设计与实物制作,完成参试者呼吸率及心率的数据采集与OLED显示。上位机采用Qt Creator进行软件界面与功能设计,通过蓝牙模块与单片机进行无线数据通信,以30 s为周期执行呼吸率和心率数据的读取与显示。最后,搭建测试环境,对系统功能进行验证及其设计指标的测试与评估。该实验项目与生活实际紧密相关,注重理论与实践相结合,在系统整体设计与跨平台设计中培养学生的综合实践能力与协作能力。

基于毫米波雷达的室内人员定位与跟踪实验设计

为了帮助学生深入理解雷达传感器中信号检测和估计理论知识,掌握室内人员定位与跟踪实现过程,结合信号检测与估计理论课程,设计了一个基于毫米波雷达对室内人员定位与跟踪的实验。首先采用60 GHz的毫米波雷达采集人体运动数据,对数据进行预处理后使用多维快速傅里叶变换(FFT)构建距离-多普勒频谱图,然后结合二维单元均值恒虚警率(CA-CFAR)检测算法获取人体运动的距离和速度信息,再使用多信号分类MUSIC算法估计人体的方位角,最后利用扩展卡尔曼滤波算法进行人体运动状态估计,实现目标跟踪。实验结果表明,在多人定位和跟踪上平均每帧处理时间为33.2 ms,与实际运动路径的误差为0.275 m,表现出较好的实时性和准确性。

应用SRR/CSRR去耦的毫米波MIMO天线

根据目前无线通信系统的发展趋势,为了大幅度地提高通信效率,针对Ka波段,设计了一款基于开口谐振环和互补开口谐振环的低耦合多输入多输出天线。天线整体尺寸为40 mm×25 mm×1.2 mm。首先,该天线正面由带有空心圆的椭圆形辐射贴片、梯形微带馈线及开口谐振环组成,保证天线工作在Ka波段(26~40 GHz)。其次,该天线背面为刻蚀互补开口谐振环结构的矩形接地板,可以有效地达到去耦的目的,从而实现低耦合的效果。仿真与实测结果表明:工作带宽为26~40 GHz(相对带宽达到50%),回波损耗小于-10 dB,耦合度均小于-26 dB,包络相关系数小于0.001,辐射方向图良好,增益稳定,辐射效率较高。由此,所设计的天线不仅结构简单、尺寸紧凑、频率覆盖范围广,且各项性能占优,可广泛应用于5G毫米波相关领域。综上,应用SRR/CSRR的技术使毫米波MIMO天线的互耦度得到了降低,验证了SRR/CSRR技术作为一种新型去耦技术的可行性和有效性。

激光毫米波共孔径干扰仿真及试验研究

对合束镜材料、厚度、尺寸等特征参数进行了仿真优化设计和试验验证,确定石英为合束镜优选基底材料,实现905 nm/1064 nm超高重频激光与8 mm毫米波波束共孔径发射。905 nm激光重频22.4 MHz,合束效率优于87.1%。针对905 nm激光引信模拟器实测干扰距离178.5 m,针对RCS=100 m^(2)目标毫米波等效最小干扰距离202 m。结果表明,研究为对抗复合探测威胁目标提供了一种新的技术途径,实现了激光毫米波波束共孔径高效发射,在装备研制中具有较高应用价值。

基于平行因子分解的IRS辅助毫米波信道估计

提出了一种基于平行因子分解的信道估计算法。首先,根据毫米波信道固有的稀疏特性对信道进行建模,利用块衰落信道的特点将信号矩阵构建成一个3维张量,并且利用平行因子分解算法对张量进行分解。然后利用压缩感知理论将分解后的矩阵转化为稀疏信号的恢复问题。最后,利用改进的双线性交替最小二乘算法对信道进行求解。仿真结果表明,与现有的BALS算法、wBALS算法和LSKRF算法相比,本文算法估计精度较高。

光斑密度峰值的毫米波雷达目标检测

毫米波雷达目标检测任务是车辆环境感知的重要组成部分,对恶劣天气条件下的智能驾驶具有重要意义.虽然现有雷达目标检测方法已取得不错的研究成果,但雷达数据仍存在手工设计的特征信息量不足、特征提取不充分以及时序特征未充分利用的问题.为解决这些问题,本文提出光斑密度峰值与神经网络相融合的两阶段目标检测方法.第一个阶段光斑密度峰值聚类算法,对射频图像中的目标进行粗略估计,并生成聚类簇对应的目标候选.将聚类生成的候选目标特征融合到原始射频图像.第二阶段基于通道融合的3D自编码器目标检测网络进一步提取目标多普勒速度和时序特征并分类.实验表明,所提出的两阶段方法与基准实验RODNet(CDC)相比,平均精度指标提升4.3%,平均召回率提升2.3%.

基于毫米波深度传感的抗伴生干扰的眨眼检测

眨眼检测在多种实际应用场景中起着关键作用,如眼病检测、人机交互、疲劳驾驶预防等。针对来自人体的伴生干扰会严重影响眨眼信号的特征提取问题,本文提出一种非线性独立分量分析框架的自监督深度对比学习方法来分离眨眼和伴生干扰。本文设计一个基于时间相关性的分离网络ES-Net1,该网络将具有时间相关和时间不相关的两个正负样本序列作为网络的输入,通过ES-Net1内部的特征提取器恢复眨眼和伴生干扰信号的时间结构,从而实现非线性混合信号的分离。本文基于TI公司的AWR1642毫米波雷达平台实现mmBlinkSEN原型系统,通过14 000组数据验证mmBlinkSEN的有效性。实验结果表明,在存在人体伴生干扰情况下,mmBlinkSEN对眨眼频率的检测精度高达88%。

超宽带毫米波MIMO-OFDM系统的非线性频偏自干扰与信道联合估计方法

系统同步产生的载波频偏会导致超宽带毫米波多输入输出(MIMO)正交频分复用(OFDM)系统产生非线性频偏自干扰,影响后续信道估计性能。为此,提出了一种非线性频偏自干扰与信道联合估计方法,通过挖掘数据超维隐藏空间的方式,将复杂的多目标优化问题降维分解成多个可并行求解的子优化问题,并利用超宽带毫米波信道的稀疏特性,采用压缩感知算法实现载波频偏与信道的迭代估计。与现有的联合估计方法相比,仿真结果表明所提方法能够有效降低计算复杂度,提升了系统信道估计准确度,并降低了系统误码率。

机器学习的高精度毫米波雷达测距信号误差补偿方法

毫米波雷达是一种常用的非接触式测距技术,受环境因素以及测量过程中存在的各种误差影响,测距结果可能存在一定的误差。研究误差补偿方法可以有效提高毫米波雷达的测距精度,从而更准确地获取目标物体的距离信息。为此,提出了机器学习的高精度毫米波雷达测距信号误差补偿方法。通过高斯滤波器去除雷达测距信号中的噪声,完成信号的去噪处理。利用模拟插入脉冲计数法和四象限光斑定位法,测量目标物体的距离和角度信息,通过自适应惯性权重与收敛因子优化粒子群算法,并利用优化后的粒子群算法改进BP神经网络,将测量的距离和角度信息输入到改进的BP神经网络中展开训练,即可得到补偿后的雷达测距信号。实验结果表明,该方法的信号处理效果好,补偿后的毫米波雷达测距信号方位角和俯仰角误差接近于0,且信号平滑度较高。

毫米波超宽带阵列天线设计

针对传统微带天线在5G毫米波频段的应用过程中无法做到对其频段进行全覆盖的问题,设计了一款应用于5G毫米波频段的超宽带矩形微带天线。该天线通过在传统辐射贴片上刻蚀非对称的矩形凹槽以增加贴片表面的电流流经路径从而拓展天线带宽。同时,为了提高天线增益也进行了1×2阵列天线设计,并在两天线单元之间的接地板上添加T型枝节以降低彼此之间的耦合。通过仿真软件得到设计的阵列天线低于-10 dB的阻抗带宽为19.95~42.45 GHz,相对带宽达到72.1%,在工作带宽内隔离度不大于-20 dB,最大增益为5.54 dBi。

基于注意力机制与特征对抗学习的毫米波与激光雷达融合检测方法

自动驾驶的感知系统在目标遮挡、目标拥挤、远距离目标探测等困难场景下检测性能与可靠性有待提升。为此,提出基于Radar和Lidar数据的深度融合网络模型及对抗训练方法。首先,基于Radar回波缺乏高度和含有较大噪声的特点,设计基于鸟瞰图的联合体素划分和点云增强方法,通过空间和通道注意力的计算建立不同模态特征之间的深度信息融合结构,提升单帧目标检测性能;然后,提出基于对抗学习的多模态数据融合学习算法,提高对两种数据优势特征的利用效率。实验结果表明,所提方法在实际大型驾驶场景数据集nuScenes上达到了领先水平。