一种超宽带雷达多人体目标跟踪算法

提出了一种超宽带雷达对多个运动人体距离跟踪的方法。该方法基于人体多散射点的回波模型,利用CLEAN算法提取人体多个散射点的量测信息,结合最近邻域和联合概率数据互联算法,提出了一种简易最近邻联合概率数据互联算法,以解决多个人体目标轨迹交叉时数据关联的问题。通过对实测数据的处理,证明了该算法能够对轨迹交叉的人体目标进行有效跟踪。     

无载波超宽带雷达时域多普勒处理

从多散射中心目标的回波模型入手，分析了无载波超宽带雷达目标运动引起的多普勒效应，得出了无载波超宽带雷达多普勒效应的时域表现形式-多普勒时移，对一种基于多普勒时移的时域多普勒处理器进行了Matlab仿真。结果表明：利用多普勒时移可有效检测出目标速度，并且不存在盲速。     

一种便携式伪随机编码超宽带人体感知雷达设计

该文提出了一种便携式伪随机编码超宽带人体感知雷达的设计方法。人体感知雷达主要包括对运动人体目标进行跟踪以及对静止人体目标的呼吸频率进行提取。为了获得较强的穿透能力与较好的距离分辨率,采用了载波为800 MHz的m序列作为雷达发射信号。为了减小雷达系统尺寸,采用高速DAC与FPGA直接合成m序列调制信号,发射信号的平均功率为5 dBm。接收机具有两个混合采样接收通道,第1通道用于实时获得参考码,第2通道用于接收雷达回波。为了提高雷达系统扫描率,采用FPGA内部的多个DSP内核级联来实现脉冲压缩的并行计算。另外,动目标跟踪算法与生命探测算法在Intel处理器内运行,将探测结果传给头盔上的微型显示器进行显示。最后,通过穿墙实验表明,该雷达能实时跟踪墙后16 m内的动目标,同时能提取墙后14 m内静止人体的呼吸频率。      

压缩感知在超宽带雷达成像中的应用

利用信号的先验稀疏性,通过压缩感知(Compressive Sensing,CS)方法可以实现从少量的非适应性随机测量数据重建原始信号。将压缩感知理论应用到超宽带雷达高分辨率成像中,提出基于CS理论的二维方位-距离向成像算法,可以显著减少数据采集时间、数据量、处理时间以及节省信号带宽,并利用矢量网络分析仪(Vector Network Analyzer,VNA)测量的实验数据验证了采用时间和空间减采样数据的CS算法可以实现与传统的延迟-求和波束形成方法(Delay-Sum Beamform-ing,DSBF)相当的成像质量和分辨率。     

穿墙雷达人体探测技术的新进展

介绍了国内外穿墙雷达人体探测装备研制的现状,重点放在穿墙雷达人体探测技术的最新研究进展上,包括超宽带技术、微多普勒理论、人工神经网络技术,以及时间反转镜技术等.     

UWB-HA4D-1.0:超宽带雷达人体动作四维成像数据集

雷达人体行为感知系统具有穿透探测能力,在安防、救援、医疗等领域具有广泛的应用前景.近年来,深度学习技术的出现促进了雷达传感器在人体行为感知领域的发展,同时对相关数据集的样本规模和丰富性提出了更高的要求.该文公开了一个超宽带雷达人体动作四维成像数据集,该数据集以超宽带多输入多输出雷达为探测传感器来获取了人体目标的距离-方...     

融合快照集成与知识迁移的人体行为识别算法

用卷积网络进行人体行为识别是毫米波雷达的一个热门研究方向。由于卷积网络结构的缺陷性,而且目前用于人体行为识别公开的雷达领域数据样本量过少,传统深度学习算法对雷达微多普勒图像的识别率不高,且在训练过程中容易出现过拟合的现象。针对上述问题,本文提出一种融合快照集成与迁移学习的雷达人体行为识别算法。首先,针对深度卷积网络无法提取图像全局特征的问题,该算法通过搭建Vision Transformer(VIT)模型引入注意力机制。其次,通过VIT模型在公开自然数据集上进行任务迁移和特征空间的迁移,解决微多普勒图像的识别过拟合的问题。最后,利用基于快照集成的投票机制算法,提升模型对复杂雷达微多普勒图像的识别能力。试验结果表明,在目标任务数据集样本量少、背景复杂的情况下,该算法能在不增加训练成本的前提下提升微多普勒图像的识别准确率,在VIT模型下该算法识别准确率达到了89.25%,优于经典卷积神经网络。     

超宽带穿墙雷达对人体动目标探测的实验研究

分析超宽带穿墙雷达动目标检测原理,提出一种新的自适应背景相消方法用于抑制强杂波干扰.介绍了超宽带穿墙雷达实验系统,利用该系统对非金属墙壁后人体动目标进行探测实验,并分别针对处于不同运动状态目标的实验数据进行分析.实验结果表明,超宽带穿墙雷达对非金属墙体具有较强的穿透性,对墙后处于径向运动、原地静止、原地体动及切向运动等运动状态的人体目标均具有较好的探测能力,提出的动目标检测算法能够适应复杂环境的应用.     

基于毫米波雷达的人体生命体征感知方法

文中旨在探讨基于毫米波雷达技术的人体生命体征感知方法。毫米波雷达作为一种无线传感技术,在生命体征感知领域具有广泛的应用潜力。它能实现非侵入性、远距离、高分辨率的生命体征监测,包括呼吸、心跳、运动等关键参数的测量。文中详细介绍了毫米波雷达技术,探讨了其在生命体征感知中的优势,研究并设计了一种利用毫米波雷达进行人体生命体征感知算法的系统,旨在为毫米波雷达在生命体征感知领域的应用提供参考,为未来研究和创新提供有力支持。     

频域多通道UWB—SAR接收机结构分析

分析了一种基于频域多通道的超宽带合成孔径雷达(UWB-SAR)接收机结构。比较了各种滤波器原型在频域分割滤波器组中的性能，依据正交镜像滤波器组(QMF)原理，给出了一种切实可行的临界采样频域分割方法。     

UWB MIMO穿墙雷达的阵列设计和成像方法

利用多发多收(MIMO)方式对超宽带(UWB)穿墙成像雷达天线阵列进行稀疏化处理不失为一种很好的选择。该文从成像模型出发,分析了UWB MIMO天线阵的等效接收阵列问题,给出了基于空间卷积理论的UWB MIMO阵列设计方法,仿真验证了方法的有效性和在穿墙成像系统中应用的可行性。此外,提出了相干系数加权稳健Capon波束形成的自适应成像方法,理论分析和实验结果表明该方法能够获得较高的分辨率和图像信噪比。     

时域波束形成在超宽带穿墙成像雷达中的应用

超宽带穿墙成像雷达作为一种能够隔墙探测和定位的新型雷达系统,在很多领域得到应用。该文提出利用时域波束形成对穿墙雷达进行成像的方法。电磁波穿墙传播时产生速度变化、衰减和折射等现象。该文在电磁波穿墙传播的折射模型上用解析的方法计算电磁波的传播时间,在时域波束形成成像算法中考虑了墙体对电磁波的影响,并用FDTD模拟对成像方法进行验证。最后定性分析了墙体厚度、介电常数估计误差对成像的影响。     

超宽谱雷达人体目标识别的新方法

现有的超宽谱探人雷达的人体目标识别准确率不高,或者不进行识别而直接显示信号处理结果。文中提出了一种可以应用于超宽谱探人雷达的人体识别新方法,采用信号幅值和离散系数相结合的方式对探测区域内的人体目标有无进行识别,并进行了大量的探测实验,给出了结果。所采信号的识别结果表明该方法适用于超宽谱探人雷达的人体目标识别。     

低信噪比下非凸化压缩感知超宽带信道估计方法

受感知信息算子矩阵相干性和噪声的影响,压缩感知超宽带(UWB)信道估计误差过大.为此,首先提出利用压缩观测信号加权构造自适应感知信息(ASI)算子矩阵的方法,ASI算子矩阵不仅具有弱相干性,而且包含观测信息,适用于重建算法选择最优稀疏表示原子.其次提出修正稀疏度自适应匹配追踪(SAMP)算法,无需稀疏度或信噪比的先验信息实现压缩感知稀疏信号准确重建.最后基于ASI算子矩阵和修正SAMP算法提出非凸化压缩感知UWB信道估计方法,理论分析和仿真结果均表明该方法能在低信噪比和极低压缩比下实现UWB信道的准确估计.     

基于超宽带雷达的运动人体目标跟踪成像算法

 超宽带雷达用于人体探测,在大规模城区巷战、反恐斗争和灾害救援等方面有着广阔的应用前景.传统的超宽带成像算法在识别能力及计算效率上已不能满足要求.本文针对运动人体目标场景建立系统模型,将人体运动等效为天线移动扫描,基于快速SEABED成像算法提出一种用于超宽带雷达的动目标跟踪成像算法.仿真与实验结果验证了算法的有效性和可行性,该算法对系统硬件要求低,实时性好,准确度高,能完成对运动目标速度估计及运动轨迹跟踪,并对目标边界成像.     

量子雷达及其研究进展

量子雷达是近年来发展起来的一种新体制雷达,诞生之初便引起了国内外众多学者和研究机构的浓厚兴趣.本文首先从量子雷达技术特点出发,精炼了量子雷达的科学内涵,给出量子雷达基本概念与分类方法,指出其相对于传统雷达的性能优势;然后着眼于量子雷达起源、发展和现状,综述了量子雷达发展历程,总结归纳其具备突破传统雷达在探测、测量和成像等方面性能极限的应用潜力;最后,展望量子雷达的发展前景,提出了量子雷达走向实际应用的若干开放性问题.     

基于压缩感知的步进频雷达目标检测算法

为了解决压缩感知步进频雷达在低信噪比下的目标检测问题,结合传统雷达的恒虚警检测和压缩感知雷达重构思想,建立基于压缩感知的步进频雷达的目标检测模型,利用复近似消息传递消息的特性,提出了一种基于多脉冲的重构算法,并结合恒虚警检测实现了低信噪比下的压缩感知步进频雷达目标检测。仿真结果表明：文中所提的方法提高了检测概率,改善了目标检测性能。     

基于深度置信网络和双谱对角切片的低截获概率雷达信号识别

基于深度置信网络(DBN)对信号双谱对角切片(BDS)结构特征进行学习,实现低截获概率(LPI)雷达信号识别。该方法首先建立基于受限玻尔兹曼机(RBM)的DBN模型,对LPI雷达信号的BDS数据进行逐层无监督贪心学习,然后运用后向传播(BP)机制在有监督学习方式下根据学习误差对DBN模型参数进行微调,最后基于该BDS-DBN模型实现未知信号的分类和识别。理论分析和仿真结果表明,信噪比高于8 dB时,基于BDS和DBN的识别方法对调频连续波(FMCW), Frank, Costas, FSK/PSK 4类LPI信号的综合识别率保持在93.4%以上,高于传统的主成分分析加支持向量机法(PCA-SVM)和主成分分析加线性判别分析法(PCA-LDA)。