双频一体化超宽带探地雷达天线设计

针对目前探地雷达(Ground Penetrating Radar,GPR)产品单一频段工作所导致的耗时费力、效率低等缺点,文中设计实现了一种中心频率分别为400 MHz、1000 MHz且带宽为200~1500 MHz的双频一体化复合阵列天线,并将其应用于超宽带(Ultra-Wide Band,UWB)探地雷达系统中。阵列天线包含3个中心频率为400 MHz和6个中心频率为1000 MHz的蝶形天线,具备双频段同时探测能力,可实现一条测线含两种不同频段的探测结果,克服了传统探地雷达不同频率的重复探测问题,增强了探地雷达系统的实用性。所提出的双频一体化探地雷达天线具有超宽带、高增益、波束窄等特点,其相对带宽为153%,整个带宽内最高实现17.6 dBi峰值增益,半功率波束宽度最窄为7.6°,为高分辨率、高效率探地雷达应用提供了一种新的天线方案。

分布式无线组网超宽带穿墙雷达系统设计与联合定位

单发单收穿墙雷达具备便携、系统简单、可独立工作等优势,但难以实现目标二维定位与跟踪。该文基于便携式单发单收雷达设计了一套分布式无线组网穿墙雷达系统,同时提出了一种目标联合定位方法,能够兼顾系统便携、低成本和目标二维信息估计。首先,设计了基于互补格雷码发射波形的超宽带雷达系统,解决了同频段多台雷达同时工作互相干扰的问题;分布式无线组网超宽带穿墙雷达系统包括3个雷达节点,并通过无线模块与数据处理中心通信。其次,提出了一种基于行为认知理论和模板匹配相结合的数据同步方法,通过识别各雷达数据中的相同运动状态来解决无线组网雷达慢时同步问题,摆脱了传统同步方法对硬件的苛刻要求。最后,提出基于Levenberg-Marquardt(L-M)最优化算法的雷达位置自估计和目标位置求解方法,实现了无先验雷达节点位置信息下的目标快速定位与跟踪。通过仿真分析与实验验证,该文设计的无线组网雷达系统可以实现目标二维定位与实时跟踪,雷达自身位置的估计精度优于0.06 m,对运动人体目标定位精度优于0.62 m。

基于超宽带雷达回波短时傅里叶变换的土壤含水率检测

土壤体积含水率监测对提高农业生产效率和制定合理土壤管理措施具有重要意义。超宽带雷达由于其高距离分辨率、强穿透能力在农业土壤动态信息实时监测中得到广泛应用。但以往对超宽带雷达信号的处理主要关注时域特征,忽略了同样具有丰富信息的频域特征,使得回波信号在土壤体积含水率反演过程中无法得到充分利用,限制了土壤体积含水率的反演精度。本文基于超宽带雷达获取的土壤回波信号,对其进行预处理并提取与土壤体积含水率有关的回波信号,对该信号采用短时傅里叶变换(Short-time Fourier transform,STFT),分析与土壤体积含水率有关的回波信号随时序变化的时频谱特征,进而结合卷积神经网络(Convolutional neural network,CNN)建立土壤体积含水率分级以及回归预测模型。实验结果表明,基于添加高斯白噪声后的数据,对于土壤体积含水率的分级,将时频特征和CNN模型相结合时,分级总体精度和Kappa系数分别为98.69%和0.9849,相较于10个时域特征与植被指数NDVI(Normalized difference vegetation index)建立的支持向量机模型(Support vector machine,SVM),分级总体精度提升21.78个百分点,Kappa系数提高0.2515。对于土壤体积含水率的回归预测,将时频特征和CNNR(Convolutional neural network regression)模型相结合时,预测结果与真实值之间的决定系数(R^(2))为0.9872,均方根误差(RMSE)为0.0048 cm^(3)/cm^(3),相对分析误差(RPD)为6.2738,相较于10个时域特征结合植被指数NDVI建立的CNNR模型,R^(2)提升0.2316,RMSE降低1.3377 cm^(3)/cm^(3),RPD提高4.2714。综上,在土壤体积含水率分级和回归预测方面,本文所提方法较传统信号检测处理方法具有明显优势。

基于多序列WOA-VMD算法的超宽带雷达心率检测

针对呼吸信号强干扰下心跳信号能量微弱难于准确提取的问题,提出了一种基于多序列WOA-VMD算法的超宽带雷达心率检测方法。首先,根据接收信号方差来确定目标范围,构建多序列生命体征向量,缩短观测时间。然后,融合鲸鱼算法(Whale Optimization Algorithm,WOA)和变分模态分解算法(Variational Mode Decomposition,VMD)来优化参数,准确分离出心跳信号。最后,利用超宽带雷达收集了8名志愿者在不同距离处的回波雷达信号,进行实验。与传统算法相比,所提算法能够抑制呼吸干扰,平均误差比最低仅为1.36%,测量精度较高。

基于超宽带雷达的穿墙生命体征信号检测研究综述

呼吸与心跳是重要的生命体征信号,可以表示生命现象是否存在及其相关状态。准确获取倒塌掩埋空间与建筑物内部空间等复杂场景中的生命信息,在应急救援、侦查反恐等过程中发挥着巨大作用。超宽带雷达具有较强的穿透性能与抗干扰性能,能够穿透墙体等障碍物实现人体目标生命体征信号检测,已成为生命探测领域的研究热点。总结了超宽带雷达生命探测装备的国内外发展现状,包括主要研究团队和典型产品特征。梳理了基于超宽带雷达的穿墙生命体征信号检测技术整体框架,围绕回波信号去噪、回波信号增强、回波选择与距离定位以及生命信号分离与重构4部分内容进行了详细介绍与方法总结,并分析了深度学习在生命体征信号检测中的应用现状。最后,从产品与技术角度出发,对未来研究方向进行了展望。

基于CNN-Swin Transformer的分布式超宽带雷达人体动作识别

针对传统雷达人体动作识别方法中特征提取能力不足和上下文建模困难的问题,提出了一种结合卷积神经网络(Convolutional Neural Network, CNN)和Swin Transformer的网络模型,用于有效识别分布式脉冲超宽带雷达数据中的人体动作。通过多分支的CNN对多个雷达的多个谱图、雷达数据的幅度和相位等特征进行提取和融合,利用Swin Transformer模块的多层自注意力机制对生成的特征映射进行上下文建模,提取具有高级语义信息的特征。采用代尔夫特理工大学(Technische Universiteit Delft)公开的数据集进行5折交叉验证,结果表明所提方法能够有效识别9类连续人体动作,识别准确率达到98.2%。

雷达超宽带数字接收子阵自动测试系统设计

针对有源相控阵雷达超宽带数字接收子阵自动测试系统应用需求,设计一型基于Matlab软件、通过LAN接口实现工控机与测试仪表及待测子阵间通信和控制的可视化、自动化测试系统。该自动测试系统减少了人力,缩减了反复拆装的繁杂过程,提高了数字接收子阵的测试效率,为雷达超宽带数字接收子阵的研制生产提供了重要的技术保障。

超宽带雷达生命探测技术研究

超宽带(UWB)雷达生命探测技术具有功耗低、穿透性好、保密性高等优点,有利于提高灾后受困人员的生存率。系统总结了UWB雷达生命探测技术的国内外研究进展及现状。根据发射信号形式不同,将UWB雷达生命探测技术分为连续波雷达生命探测技术和脉冲波雷达生命探测技术,分别介绍了2种探测技术的原理与应用优势。基于连续波雷达生命探测技术和脉冲波雷达生命探测技术的各自特点,从探测信号发射、回波信号预处理、生命信号提取与分析3个角度,分析了UWB雷达生命探测关键技术,总结了3种关键技术的研究现状。对UWB雷达生命探测技术的研究进行展望:突破生命探测仪收发机硬件性能,提升发射信号带宽,优化射频功率放大技术,以增大穿墙探测距离;综合利用多种特征提取方法和智能模式分类方法,以及人工智能、大数据、云计算等新一代信息技术,提高目标识别的精确度;研制基于多输入多输出雷达的人体目标辨识与定位装备和高精度分布式组网全极化UWB雷达生命探测仪,提升探测结果维度。

一种低频超宽带脉冲探地雷达天线设计

针对探地雷达天线的设计,提出了一款变形蝶形天线,天线的整体尺寸为530 mm×483 mm×2 mm,工作频段为180 MHz~3 GHz,相对带宽达177%,可实现超宽带脉冲信号的完整辐射。对天线进行了实物加工和测试,各项性能的测试结果均与仿真结果的吻合良好。将该天线用于探地雷达系统,分别对隧道埋藏目标、高架桥及行进车辆进行了测试,测试结果表明,雷达系统探测距离大于10 m,纵向分辨率小于0.6 m,且可实现动态目标探测。

超宽带探地雷达信号处理

基于探地雷达信号传输机理,建立了超宽带探地雷达宽带回波模型,揭示了多谱分量对目标回波及宽相关处理方法的影响.利用时频分析提取回波信号的主频及带宽进行频域滤波,提高了信号的信噪比,符合匹配滤波的条件.通过构造匹配母波和匹配滤波进行精确检测,形成了工程化的滤波方法.实际数据验证了算法的有效性.

基于超宽带雷达的生命体征监测系统

针对接触式生命体征监测设备存在的舒适性差、不方便等特点,开发了基于超宽带雷达的无接触式生命体征监测仪。生命体征监测仪在本地端处理得到被监测者的心率、呼吸,监控数据通过WIFI、4G模块上传至云端大数据平台。当被监测者发生紧急情况,监测仪上报云端的同时,通过短信、电话联系对应的监护人员,提高了监护的及时性。云端大数据平台实时将监测仪采集到的生命体征数据下发到用户手机和服务中心,医院健康服务中心生成健康报告提供给用户,实现了人体生命体征的无接触监测和人体健康状况的分析。

道路地下空洞探地雷达波场和时频特性

根据城市道路地下介质的分布特征和电性参数设计模型,采用时域有限差分法和广义S变换,对道路地下存在的充气空洞、充水空洞、回填不密实、埋藏金属物状态进行探地雷达正演模拟和时频特征提取。结果表明,地下空洞顶界面的反射波同相轴均呈弧形反射形态,但充气空洞的反射波能量强于充水空洞;地下空洞发育区域的中心频率集中在某个低频区间,其余频率成分分布较均匀;埋藏金属物区域出现两簇高幅值能量团,频率分布较分散;回填不密实区域频率未能显示出较明显的规律。最后,通过工程实测验证了数值模拟的可靠性。

矩形空洞探地雷达成像曲线厚度变化规律研究

由于城市基础建设不断地翻新改造,引发城市地下空洞滋生问题。通过探地雷达扫描技术,对地下矩形空洞整个探测过程进行研究,将探测过程划分为四个阶段,研究了成像曲线厚度变化规律。对探地雷达水平运行时矩形空洞的成像曲线厚度变化规律进行分析,对不同大小下的矩形空洞点测时曲线厚度进行研究,并通过实际探测案例来解释矩形空洞成像曲线厚度变化规律,结果表明探地雷达探测矩形空洞时其成像曲线厚度为先增加后减小的对称曲线,其曲线厚度最大处在图像上为水平弧段两端,位于实际矩形空洞对角线附近;雷达点测时成像曲线厚度随矩形空洞变大而增加,在图像上表现为空洞越大线条越粗。

探地雷达及红外热成像在渠道混凝土衬砌脱空检测中的应用

为减少渠道渗漏损失,提高输水配水能力,增加渠坡的稳定性,赵口二期工程渠道采用现浇混凝土衬砌。为了解衬砌与渠坡土体之间的结合程度,首先采用探地雷达方法对总干及主要干渠、分干渠和支渠的渠道的混凝土衬砌进行抽样探测,结果依据脱空程度不同主要包括胶结紧密、接触不密实、轻微脱空等3种情况;在此基础上,对轻微脱空的重点部位采用探地雷达和红外热成像相结合的方法进行综合探测,对同一混凝土衬砌上的不同脱空严重程度进行划分,可极大地提高工程养护及补强等工作的针对性,保证工程安全、高效的运行。

矿井煤岩界面节点式雷达快速动态探测系统及实验研究

煤岩界面识别技术是煤矿智能化开采的关键技术之一。基于高频雷达波探测技术可实现煤岩界面的随采高精度探测,但仍存在矿井超大采高(≥6 m)片帮垮落带来设备的安全风险及采高突变(采高≤2 m)时空间限制设备通过的问题。在前期工作基础上提出了一种矿井煤岩界面节点式雷达快速动态探测系统并进行了煤岩界面探测实验研究,主要内容包括:①阐述矿井节点式雷达观测系统原理,根据矿井工作面实际环境设计煤岩界面识别观测系统方案及雷达传感单元安装方式;②研究并提出节点式采集控制系统和信息交互传输设计方案,实现数据动态采集控制及存储;③针对节点式采集方式及煤岩界面雷达反射回波特征,研究提出了节点探测数据增强处理方法、煤岩界面识别算法,可有效的实现煤岩界面智能识别与追踪、煤层厚度及空间坐标解算。为验证该方法的可行性,采用多个中心频率为1.5 GHz的探地雷达传感单元进行物理模型验证实验,并对节点式数据采集和连续数据采集结果进行了对比分析,实验结果表明:节点式采集方法与连续采集方法均可有效识别出煤岩界面,与连续采集方法相比,本文提出的节点式探测方法可实现数据的快速动态重复性采集,单次采集时长控制在10 s以内,煤层厚度探测结果平均误差为1.07 cm,最大误差为1.47 cm,平均误差百分比为7.64%。本方法为矿井智能化开采中煤岩界面的动态高精度探测提供技术支撑。

探地雷达在白洋淀湖底地层结构探测中的技术攻关与实践

白洋淀湖底地层调查对于白洋淀生态地质调查、湖底生态清淤及湿地生态保护具有非常重要的现实意义。为系统探明白洋淀湖底地层结构,从区域尺度对湖底地层实现完整刻画,为钻探调查提供精确的靶区数据支撑,创新了探地雷达应用范围,采用船载方式,透过水体开展了湖底地层勘查。剖析白洋淀湖底结构探地雷达勘探技术难点,分析了含底泥和不含底泥2种情形下水上勘探电磁波的传播特征和湖底原生地层的地球物理响应条件,建立了淀水+淤泥层+湖底原生地层的湖底简化结构模型。通过对比国内外主流探地雷达系统不同硬件设备的勘探能力与适应条件,优选出双皮划艇搭载50 MHz低频组合天线的工作模式,结合适用于水下电磁波弱信号提取的数据处理技术,获得了白洋淀湖底15 m深度范围的地层结构数据。结果表明,此种工作模式适用于湖区水深小于5 m的水域,原生地层电磁波整体呈现弱反射特征,湖底15 m深度范围内存在2~3组砂层反射界面。淤泥层会大大削弱湖底原生地层的电磁波反射强度。存在厚砂层的水域,电磁波会形成强反射波组,砂层展布形态刻画清晰,砂层厚度变化在0~3 m之间。本项研究实现了湖底地层结构建模分析、天线勘探模式优选、数据处理过程优化等技术集成。该技术成果为白洋淀淀区地下水与地表水三维地质建模提供了基础依据,为湖底地层钻探勘查提供了靶区支撑,有力推动了白洋淀湿地水-陆一体化探测技术方法体系的构建。

改进YOLOv5的探地雷达常见地下管线识别

针对当前探地雷达(Ground Penetrating Radar,GPR)图像识别准确率低,且小目标识别困难等问题,本文将YOLOv5(You Only Look Once)和ConvNeXt网络相结合,提出一种适用于GPR图像的常见地下管线识别网络ConvNeXt-YOLOv5,显著提高了雷达图像中小目标的识别精度.同时,为了解决因地下管线原始信息不足而导致的模型训练精度低的问题,使用实测GPR图像、时域有限差分法(Finite-Difference Time-Domain,FDTD)与混类增强算法Mixup模拟图像构建数据集.然后,在此数据集上验证了本文所提方法对常见地下管线的识别效果,并用识别后的二维GPR B-scan图像还原出地下管线的三维图像.实验结果表明,对镀锌输水钢管、PVC管、电缆线和含水塑料瓶等常见地下管线进行识别时,ConvNeXt-YOLOv5表现出优良的识别性能.尤其是对PVC管的识别精度提升明显.与YOLOv4、YOLOv5、YOLOv7和Faster R-CNN模型相比,其平均精度均值分别提高了3.83%、2.82%、1.9%和3.72%.同时,三维探地雷达图像更直观的还原了地下管线信息.

融合超宽带与激光雷达的室内SLAM方法实现

室内自动驾驶过程中,需要对车辆主动进行定位。在开阔的室外空间中全球导航卫星定位系统(GNSS)可以提供定位信息,但是在室内环境中,受到建筑物的干扰,GNSS信号丢失导致定位精度降低,室内自动驾驶的安全性能降低。为了解决这一问题,本文提出了融合激光雷达(LiDAR)和超宽带(UWB)的自动驾驶同步定位与建图(SLAM)方法,通过引入UWB定位因子作为位置约束,融合激光雷达采集的点云数据,在LEGO-LOAM(轻量级即时定位与建图方法)上进行改进。实验结果表明:本文的改进方法可以有效抑制建图过程中高度上的漂移,提高了室内定位的准确性,增强了室内环境中自动驾驶的稳定性。

深度学习融合超宽带雷达图谱的跌倒检测研究

相对于窄带多普勒雷达,超宽带雷达能够同时获取目标的距离和多普勒信息,更利于行为识别。为了提高跌倒行为的识别性能,该文采用调频连续波超宽带雷达在两个真实的室内复杂场景下采集36名受试者的日常行为和跌倒的回波数据,建立了动作种类丰富的多场景跌倒检测数据集;通过预处理,获取受试者的距离时间谱、距离多普勒谱和时间多普勒谱;基于MobileNet-V3轻量级网络,设计了数据级、特征级和决策级3种雷达图谱深度学习融合网络。统计分析结果表明,该文提出的决策级融合方法相对于仅用单种图谱、数据级和特征级融合的方法,能够提高跌倒检测的性能(显著性检验方法得到的所有P值<0.003)。决策级融合方法的5折交叉验证的准确率为0.9956,在新场景下测试的准确率为0.9778,具有良好的泛化能力。

基于极限梯度提升和探地雷达时频特征的水泥路面脱空识别

针对探地雷达(GPR)数据解译依赖于人工经验,存在费时费力和主观偏差的问题,提出了基于极限梯度提升(XGBoost)和GPR时频特征的水泥路面脱空识别方法。采用正演模拟、室内试验和现场试验获得了脱空病害数据源,建立含有标签的脱空GPR数据集;通过重采样方法统一GPR数据采样频率,并对预处理后的GPR数据进行时频域特征提取,建立了包含18个时域和12个频域特征的数据集。以时频域特征为输入,是否存在脱空病害为输出,采用XGBoost算法构建脱空识别模型,并与随机森林(RF)和人工神经网络(ANN)算法进行对比。结果表明,模型的识别准确率排序为XGBoost(98.10%)>ANN(95.10%)>RF(93.17%),XGBoost模型识别精度最高,并能在实际路面上准确定位脱空区域。