UWB MIMO生物雷达多静止人体目标成像方法研究

由于临近多静止人体目标之间存在较强的相互干扰,仅利用单通道生物雷达的距离像难以区分多个静止人体目标。为解决上述问题,该文利用超宽带多输入多输出（UWB MIMO）生物雷达获取多静止人体目标的2维高分辨图像,从空间上更好地分隔多静止人体目标,然后基于UWB MIMO图像的慢时间序列对人体生理信号进行增强,有效抑制人体目标间的相互干扰。实测数据结果证明该文所提方法能够获得相互靠近的多静止人体目标的高分辨图像,使后续的多静止人体目标高性能检测与定位成为可能。      

超宽带多输入多输出雷达

使用超宽带（UWB）信号可以使雷达设计者解决雷达目标观测工作中的大多数重要问题。由于时间分辨率高,并且在大带宽范围内散射中心的频率相关性,因此使用超宽带可以获得更多的信息。雷达信号带宽的增加能够提供更为精确的距离测量,提高目标识别和跟踪能力,提高抗无源干扰能力和抗窄带电磁信号干扰的能力,因此提高了雷达的性能表现。目前,在通信领域,多输人多输出（MIMO）天线系统技术已经取得了诸多进展。这些分集式系统在显著提高通信系统性能方面已经显示出具有很大的潜力。     

一种改进的MIMO生物雷达人体目标检测跟踪联合自适应算法

与传统生物雷达相比,MIMO雷达能获取人体目标的方位向信息,具有明显优势。为了降低人体目标运动以及近场环境杂波带来的干扰,提出了一种改进的MIMO生物雷达人体目标检测跟踪联合自适应算法。首先引入图像形态学的方法对雷达成像结果进行杂波预处理,其次采用改进的自适应门限方法进行目标检测,最后采用航迹关联方法得到目标运动的准确轨迹,并依据目标位置反馈调整检测门限,从而实现人体目标的动态检测跟踪。实测数据表明,该方法能有效滤除杂波干扰,且具备良好的跟踪连续性。      

前视成像雷达图像序列配准算法研究

为解决前视阵列成像雷达中图像序列的配准问题,该文将前视阵列雷达的成像原理与Hausdorff距离有机结合,提出一种图像序列配准方法。该方法基于传感器信息、图像分辨率校正和回波域Hausdorff距离,首先利用传感器信息估计出图像间的距离向偏移,在此基础上修正天线孔径长度并校正序列图像分辨率。为解决地雷目标各向同性造成的角度估计困难,使用Hausdorff距离对序列图像实施配准。结合前视阵列雷达的成像原理,将Hausdorff距离从图像域映射到回波域,实现分辨率校正与配准的统一,提高配准速度和精度。通过实测数据验证,该方法适用于前视阵列成像雷达,能够提高图像序列配准精度,改善系统检测率。     

基于改进沙漏网络的人体姿态估计方法

近年来人体姿态估计已成为计算机视觉领域的热门研究方向,堆叠沙漏网络是人体姿态估计领域中最具代表性的研究成果之一,但该网络对于图像细节特征的提取能力较差。为增强网络对细节特征的处理能力,本文提出了基于改进沙漏网络的人体姿态估计模型。该模型使用ResNet50提取高质量的图像底层特征,用步长为2的3×3卷积核代替maxpooling进行下采样,最大程度保留原有图像信息;考虑到不同分辨率下的特征丰富度具有一定差异性,使用不同的残差模块对不同分辨率的feature map进行处理,增强网络对特征的学习能力;最后使用反卷积最大化还原原始图像的局部特征。实验结果显示,本文模型在COCO测试集上的平均精度达到74.1%,比堆叠沙漏网络高出4.7%,检测精度有较大提升。     

面向图像超分辨率的紧凑型多径卷积神经网络算法研究

为改善单帧图像分辨率退化问题,减少网络参数,本文提出一种基于紧凑型多径结构卷积神经网络的图像超分辨率重构算法。本文算法采用多径结构模型充分使用低分辨率图像信息,并利用残差学习策略学习低分辨率和高分辨率图像间残差信息以重建高分辨率图像。当卷积核数量有限时,含有ReLU的网络重构性能表现不佳,因此引入最大特征图激活函数,增强网络泛化能力,使网络结构更加紧凑,以捕捉具有竞争性特征,完成图像超分辨率重构。实验结果表明,本文方法具有良好的重构能力,图像清晰度和边缘锐度明显提高,在客观评价和主观视觉效果方面优于当前主流的超分辨率重构方法。为便携式高性能超分辨率重构奠定理论基础。      

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。     

基于阵元局部分布特征的MIMO雷达阵列设计方法

MIMO雷达采用多发多收的工作模式,减少了天线和收发模块的数量,降低了系统的成本和复杂性,被广泛应用于城市反恐、灾后救援等领域。针对现有二维MIMO雷达阵列存在旁瓣高、成像质量差的问题,本文提出了一种基于各天线单元局部特性的二维MIMO阵列设计方法,设计了等效阵元投影局部密度和二维局部密度两个优化对象,以及边界约束和最小间距约束两个约束条件,通过对方形均匀MIMO阵列进行迭代优化,得到旁瓣更低的阵列排布形式。仿真和实测实验结果表明,本文所设计的二维MIMO阵列的成像结果有更低的旁瓣,且在生命体征检测和人体姿态重构等雷达应用领域都有很好的探测性能,为人体目标的多域信息感知提供了可能。     

基于多快拍图像联合的MIMO雷达三维成像方法

为了提高多输入多输出(MIMO)雷达三维成像沿运动方向的方位分辨率,该文从多快拍图像联合利用的角度入手,提出一种新的多输入多输出-逆合成孔径雷达(MIMO-ISAR)三维成像方法。其基本思路是通过对一段时间观测下二维平面阵列获取的多个单快拍三维图像进行相干处理,沿着散射点线性拟合的方向提取峰值并重构出新的三维图像。仿真实验结果表明,与单快拍三维成像方法相比,该方法可以显著提高成像结果沿运动方向的方位分辨率;与现有基于重排和插值的经典MIMO-ISAR方法相比,该方法对慢速和快速运动目标均适用,得到的成像结果聚焦良好并能够有效抑制沿运动方向的旁瓣。      

超宽带MIMO穿墙雷达信道建模与运动目标成像

超宽带MIMO雷达因其具有的良好分辨率,有效减少阵元数及高速率数据获取能力,近年来在穿墙应用中发挥越来越重要的作用。由于超宽带MIMO雷达自身的天线配置特点和日益增长的应用需求,对信道模型提出新的要求。该文在分析超宽带MIMO穿墙雷达配置特点基础上对信道模型进行了重新建模推导。将建模场景由传统的单堵墙体拓展至建筑物场景,对收发分置下各分量的信号传输路径进行了精确计算,并根据拓展目标理论对各回波分量表达式进行了推导。基于该文模型,提出了一种有效的穿墙动目标成像方法。借助实际穿墙系统,在复杂的外场环境下验证了该文模型正确性,同时表明所提方法能够有效提高成像质量。     

联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法

采用压缩感知理论的穿墙稀疏成像恢复算法需要感知矩阵满足有限等距性质(RIP),最直接的验证方法是判定感知矩阵的相干系数是否较小。针对现有的穿墙多输入多输出(MIMO)阵列稀疏成像方法没有验证感知矩阵是否满足RIP 性质而容易出现重构失败并导致成像模糊的问题,提出一种联合感知矩阵优化的穿墙MIMO阵列稀疏成像方法。该方法首先依据配置指标将阵元配置为两端发中间收和分时复用的模式,既能使感知矩阵的相干系数最小,又能获得均匀而不冗余的等效虚拟阵元;然后,从中选取部分能够满足感知矩阵相干系数最小的虚拟阵元组合,使用可分离逼近结构稀疏恢复算法充分考虑扩展目标信号的结构稀疏先验信息对其进行稀疏成像重构;最后,选取成像性能指标较好的一组作为成像结果。仿真和实验结果表明,该方法降低了运算量和虚拟阵元间的干扰,节约了硬件成本,提高了算法的稀疏重构性能,获得了高分辨的穿墙扩展目标成像。     

基于时空多特征融合网络的三维人体姿态估计北大核心CSCD

目前,常见的三维(3D)人体姿态估计算法在表征学习上取得很好的效果,但是在人体骨架关节点处依然存在估计精度不佳等问题,因此,如何从单目RGB图像中利用冗余的二维(2D)姿态序列时空信息来估计人体姿态的有效方式是一个研究的难点。本文提出一种基于时空多特征融合网络的三维人体姿态估计算法,具体是结合一种图像外观信息和运动时序信息时空多特征融合层级方法,该方法利用一种紧凑的卷积神经网络(convolutional neural network, CNN)学习时空信息将二维关节点位置信息建模为三维关节点位置。实验结果表明,本文所提出的方法能实现较为先进的端对端姿态估计精度,而且不需要任何后处理阶段的姿态优化方法,本文得到的姿态估计在平均精度上得到有效的提升,证明本文方法能够有效提高人体姿态估计的准确性。     

基于联合对角化的MIMO雷达近场目标定位

目标定位经典算法有很多,但大多不能直接适用于MIMO雷达近场目标定位,而现存的单基地MIMO雷达近场目标定位算法很少.为了解决这个问题,提出了一种基于联合对角化的MIMO雷达近场多目标定位算法.该算法使用十字形收发阵列,利用接收信号的协方差矩阵构造新的矩阵,灵活运用联合对角化算法得到发射角和距离估计值,再利用谱峰搜索得...     

互相关算法在运动目标距离选通激光三维成像中的应用

在微光成像中,距离选通成像是一种获取目标三维信息的有效手段。对于静止目标而言,可以通过对目标切片成像,获得不同选通距离的目标图像,进而通过二值化算法或质心算法获得目标的三维图像。而对于运动目标而言,在切片成像的同时,目标的空间位置会发生变化,因此需要对不同选通距离的目标图像进行配准,而后才能获得目标的三维图像。搭建了基于像增强电荷耦合器件(ICCD)的距离选通实验系统,提出了一种基于像质评价的互信息配准算法配准激光图像目标的空间位置,然后对配准后的激光图像通过互相关算法获得三维图像,并在保证一定的三维精度基础上,逐渐减少激光图像的像幅数,最后与二值化算法和质心算法三维重构进行了实验对比,实验结果表明,互信息配准算法能够有效配准激光图像,互相关三维成像算法精度高于二值化法和质心法,最少采用2幅图像即可获得目标的三维点云图像,大大降低了对运动目标三维成像的难度。     

基于相关视角多视校正的太赫兹阵列雷达散斑抑制方法

在针对人体安检的站开式太赫兹阵列雷达三维成像中,散斑效应严重影响了对体表隐藏违禁品的检测和识别性能,为此,对全息散斑进行有效抑制有着迫切的需要。利用目标旋转带来的角度自由度,结合目标散射对角度的敏感性,提出了一种基于相关视角多视校正的太赫兹全息雷达散斑抑制方法。在理论上推导了全息雷达散斑强度在相关角度照射下的归一化协方差表达式,给出了相关视角多视处理后的散斑对比度。在实验上利用340 GHz站开式MIMO阵列成像系统的快速成像的优势,对低速旋转目标在相关视角下的单视成像结果进行成像空间旋转校正、目标配准和多视处理。处理后散斑对比度降低至单视散斑的44％,散斑得到了有效抑制,目标轮廓明显,细节更加丰富。该方法能够在不增加系统复杂度的条件下有效抑制散斑噪声,实现图像增强。     

发射分集MIMO雷达融合成像处理方法

发射分集MIMO雷达具有潜在的高分辨成像能力,但成像时存在高旁瓣问题。为分析它的成像性能,该文首先建立了发射分集MIMO雷达的成像模型。通过空间频谱的支撑区分布,阐明了分集成像的高分辨性能,并着重分析了其旁瓣特性。基于谱外推的思想,提出了一种发射分集MIMO雷达融合成像处理方法,该方法能够实现MIMO雷达高分辨成像同时具有良好的旁瓣性能。仿真实验验证了该文所提方法的有效性。     

多角度SAR图像非目标遮挡缺失信息重构

合成孔径雷达对地面目标侧视成像时,周围高大建筑或树木的阴影投射到目标上导致非目标遮挡,造成目标部分信息缺失,严重影响目标检测、识别以及跟踪的性能。SAR图像对角度敏感,相邻方位角图像之间相关性强,有助于缺失信息重构。本文首次将多角度SAR图像序列与张量分解结合,提出多角度SAR图像非目标遮挡缺失信息重构。首先,引入多路延时嵌入变换,将多角度SAR图像序列转换为块Hankel张量,以获取相邻方位角图像之间的潜在结构关系。然后,在嵌入的高维空间内进行Tucker分解,实现块Hankel张量缺失信息重构。最后对重构后的块Hankel张量进行多路延时嵌入逆变换实现目标缺失信息重构。MSTAR数据实验结果表明,该方法能实现非目标遮挡情况下车辆目标缺失信息重构,且优于经典算法HaLRTC。      

基于压缩转发的协作MIMO雷达成像算法

以实现地面目标的快速、高分辨率成像为目的,本文提出了一种基于压缩感知和协作通信技术的解决方案。在分析压缩感知理论和传统协作MIMO雷达成像算法的基础上,提出了基于匹配滤波器的协作MIMO雷达回波信号的稀疏表示方法和用于恢复重构的基函数,并建立了基于压缩转发的协作MIMO雷达系统模型。该系统主要由收发雷达、转发节点和压缩感知成像处理中心组成,转发节点利用模拟/信息转换(AIC)测量框架将雷达回波数据压缩后转发,压缩感知成像处理中心接收到各转发节点转发的数据后,利用正交匹配追踪算法(OMP)进行距离向压缩和方位向压缩,从而实现快速、高分辨率成像。仿真结果表明,该方法比传统MIMO雷达对各转发节点的传输负荷要求低,成像速度快,目标旁瓣低,成像效果好。      

基于最大熵准则的多视角SAR目标分类方法

针对合成孔径雷达（Synthetic aperture radar,SAR）目标分类问题,提出基于最大熵准则的多视角方法。采用经典的图像相似度测度构建不同视角SAR图像之间的相关性矩阵,在此基础上分别计算不同视角组合条件下的非线性相关信息熵值。非线性相关信息熵值可分析多个变量之间的统计特性,熵值的大小即可反映不同变量之间的内在关联。根据最大熵的原则选择最优的视角子集,其中SAR图像具有最大的内在相关性。分类过程以联合稀疏表示为基础,对具有最大熵值的多个视角进行联合表示。联合稀疏表示模型同时处理若干稀疏表示问题,在它们具有关联的条件下具有提升重构精度的优势。根据不同视角求解得到的表示系数,按照类别分别计算对于选取多视角的重构误差,并根据误差最小的准则进行最终决策。文中方法可有效对多视角SAR图像样本进行相关性分析,并利用联合稀疏表示利用这种相关性,能够更好提高分类精度。采用MSTAR数据集对方法进行分析测试,通过与几类其他方法在多种测试条件下进行对比,结果显示了最大熵准则在多视角选取中的有效性和文中方法对SAR目标分类性能的优越性。