近场毫米波三维成像与异物检测方法

主动式毫米波阵列3维成像系统是人体安检成像系统的研究热点,该文对主动式毫米波阵列3维系统工作模式、信号模型和成像算法进行了介绍,并将深度学习中的卷积神经网络(CNN)热图检测方法和边框回归检测技术应用于人体安检成像异物检测。研究表明,基于热图的检测方法和基于YOLO的检测方法均可实现异物检测。基于热图的检测方法网络结构简单、易训练,但由于需要遍历整幅待检测图像,运算时间长,且生成的检测框尺寸固定,无法适应异物尺寸变化。基于YOLO的检测算法网络结构复杂、训练耗时长,但该方法在检测速度与检测框精度上优势明显,更利于机场安检等对实时性要求较高的检测应用。      

一种基于稀疏MIMO线阵的毫米波下视三维成像雷达

给出了一种基于稀疏MIMO线阵的毫米波下视三维成像雷达系统设计方案,包括硬件设计、控制策略、软件设计等。针对所提方案,进行了系统级算法仿真。仿真结果表明,所提方案可实现下视三维成像,在200 m高度处三维成像分辨率可达到1 m(跨航向)×1 m(方位向)×1.2 m(高度向)。