稀疏阵列L型MIMO雷达运动目标三维成像方法

针对L型多输入多输出(Multiple-Input Multiple-Output,MIMO)雷达对空中运动目标三维成像天线数目较多问题,提出了发射阵列采用稀疏布阵的L型MIMO雷达三维成像方法。该文首先分析了MIMO雷达发射阵列的稀疏布阵方式,其次结合压缩感知理论具体阐述了基于稀疏阵列的三维成像方法。该方法在大幅减少L型MI-MO雷达发射天线的条件下,实现了对运动目标的单次快拍三维成像,不仅有效避免了目标机动带来的运动补偿难题,同时又降低了系统的硬件复杂度,便于工程应用。最后利用仿真实验验证了本文方法的有效性和可行性。

OFD-LFM信号MIMO高分辨雷达一次快拍稀疏成像方法

针对正交频分线性调频(OFD-LFM)信号MIMO高分辨雷达稀疏成像问题展开研究,在分析了OFD-LFM信号频谱合成原理以及MIMO高分辨雷达一次快拍成像原理的基础上,给出了一种基于频域稀疏OFD-LFM信号和空域稀疏MIMO雷达天线阵列的联合稀疏模型,并结合压缩感知理论,提出了目标高分辨距离像(high-resolution range profile,HRRP)合成方法以及目标二维成像方法。该方法能够在大幅减少OFD-LFM信号子载波个数、大幅减少MIMO高分辨雷达天线阵元个数的条件下,利用一次快拍重构出高质量的目标HRRP和二维像,不仅避免了目标机动带来的运动补偿难题,同时还有利于天线阵列的工程实现。仿真结果表明所提方法是有效的,且具有一定的抗噪性。

多光谱3D成像方法

已有3D成像方法难以实现单目、单帧图像条件下同时获取场景图像及深度信息,也不能兼具时间效率高、体积紧凑、能耗低等优点。为此,创新地提出多光谱3D成像方法,通过具有纵向色散的光学成像镜头与快照式多光谱图像传感器两部分构成图像采集系统,使用离焦深度还原算法获取深度信息。其基本原理为:首先,增强纵向色差光学镜头使得同一物点在不同光谱波段图像上的成像离焦程度不同;其次,快照式窄带多光谱图像传感器单帧曝光同时获取多幅窄带光谱图像;再通过离焦深度还原算法根据多光谱图像边缘梯度获取3D信息。实验采用纵向色散增强型光学成像系统及快照式多光谱相机捕获450±10 nm、525±10 nm、620±10 nm 3通道光谱图像,对5 m内场景进行3D深度恢复,获得了深度误差不高于5 cm的测量结果。实验结果表明多光谱3D视觉方法可以实现单目、所提单帧图像的深度估计。该方法能同时获得视觉及深度信息且无需空间位置配准及预先深度刻度,单帧图像处理平均耗时0. 186 s,图像采集系统尺寸为120 mm×77 mm×65 mm,其工作功率约为10 W,兼具时间效率高、体积紧凑、能耗低等优点。因此,所提方法有望在无人驾驶及智能机器人等领域获得广泛应用。

基于压缩感知的稀疏阵列MIMO雷达成像方法

针对MIMO雷达对空目标单次快拍成像时天线数目较多问题,该文提出了一种稀疏阵列MIMO雷达的成像方法。首先分析了MIMO雷达天线的稀疏布阵方式,其次结合压缩感知理论具体阐述了稀疏阵列MIMO雷达的成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了目标机动带来的运动补偿难题,同时又能够大幅减少MIMO雷达的天线规模,便于工程实现。最后利用仿真实验验证了所提方法的有效性。

基于Kronecker压缩感知的宽带MIMO雷达高分辨三维成像

在宽带多输入多输出(MIMO)雷达3维成像中,MIMO雷达收发阵元数量和空间分布的限制会导致图像的2维横向分辨率难以满足实际需求。该文利用压缩感知(CS)理论来实现图像在2维横向上的超分辨。考虑到对信号的每一维分别进行超分辨会损失各维间的耦合信息,提出一种基于Kronecker CS(KCS)的2维联合超分辨方法;为解决KCS在多维高分辨应用中存储量大、计算效率低的问题,进一步提出了一种基于低分辨3维图像先验信息的降维KCS方法。仿真和实测数据实验验证了方法的有效性。

基于机载多通道雷达迭代超分辨估计的前视成像

波达角估计算法用于机载多通道雷达前视成像时可以突破瑞利极限,实现同一波束主瓣宽度内的多目标分辨,改善成像的方位向分辨率,然而天线波束覆盖有限且其快速扫描使得可用于协方差矩阵估计的数据样本缺乏,导致对目标位置和幅度估计出现误差。该文提出了一种基于单快拍迭代超分辨处理的多通道雷达前视成像算法,通过对单个空域快拍的迭代谱估计可获得目标的准确位置和幅度信息,再通过多个脉冲的非相干累积得到前视方位高分辨成像。仿真和实测数据处理结果表明,所提算法具有分辨多目标的能力,相较于传统前视成像算法显著提高了前视图像的方位分辨率,同时保证了点目标的精确重构和面目标的轮廓重构。

小斜视角下稀疏空域SIMO雷达运动目标成像方法

针对小斜视角下单发多收(SIMO)雷达对空运动目标单次快拍成像时天线数目较多的问题,提出了一种稀疏空域SIMO雷达运动目标成像方法。首先详细分析了小斜视角下SIMO雷达单次快拍成像原理,其次结合压缩感知理论具体阐述了小斜视角下稀疏空域SIMO雷达运动目标成像方法。该方法不仅能够对运动目标实现单次快拍成像,避免了非合作运动目标强加速、大转角等引起的运动补偿难题,同时又能够大幅减少接收天线单元数,便于工程实现。最后利用仿真实验验证了文中方法的有效性和可行性。

一种雷达集群单次快拍协同成像方法

针对雷达集群协同探测问题,提出一种单次快拍协同成像方法。由雷达集群的中控节点根据探测场景选定发射节点,发射节点发射宽带电磁波并向其他节点发送同步时间戳;其他各节点收到同步时间戳后,接收被测区域的散射回波并进行回波处理;集群中除中控节点之外的各接收节点向中控节点传输数据;最后由中控节点进行成像处理。对雷达集群网络进行仿真验证,证实了该方法的可行性。

能谱CT冠脉追踪冻结技术在不同心率段的图像质量对比

目的:探讨能谱CT冠脉追踪冻结技术(SSF技术)在不同心率段冠状动脉成像中的临床价值。方法:分析能谱CT冠状动脉成像106例患者的标准重建图像和SSF技术校正后的图像,按照心率将样本分为三组,A组44例,HR≤65次/min,B组24例,65次/min≤HR≤75次/min,C组38例,HR>75次/min;图像质量分为4级评价;χ2检验三组SSF校正前后的图像质量。结果:A组SSF校正前血管优良率为93.4%、合格率为97.4%;校正后优良率为99.5%、合格率为99.8%;B组SSF校正前血管优良率为84.3%、合格率为92.6%;校正后优良率为93.8%、合格率97.0%;C组SSF校正前血管优良率为76.7%、合格率为91.7%;校正后优良率为89.3%、合格率为99.1%;三组图像校正前、后差异均具有统计学意义(P<0.05)。结论:在CT冠状动脉成像中,SSF技术能够有效地改善各心率段的运动伪影。