基于移动终端的高精度感知成像阵列设计及算法研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:ysgmxh
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
目前智能终端设备呈现小型化,移动化的特点,但由于体积、功率等限制,这些智能终端能感知到的信息维度较少。现有移动终端上最常见的感知成像设备是光学传感器,其布置灵活,使用方便,但是它很容易受到光路遮挡等影响,对使用环境有要求。基于电磁波的传感器(雷达)则可以避开上述问题,感知更多维度的信息。本文围绕基于移动终端的高精度感知成像雷达相关技术展开研究,以实现近场三维成像和降低阵列成本为目的,研究了实孔径条件下的近场三维成像算法,稀疏MIMO阵列结构及对应的近场三维成像算法等,并对相关场景进行了仿真成像。本文的主要研究内容可以概括如下:1.研究了实孔径条件下近场三维成像问题。首先以常见的智能终端为例,确定了阵面的形状及大小,然后根据信号传播过程中的衰减情况选择信号频段。接着结合具体的阵列形式分析了近场情况下孔径渡越效应对成像结果的影响,并提出了一种可以避开孔径渡越效应影响的成像方法。同时,为了提升算法的运行效率,基于FFT加速计算的思想,针对线性调频信号,研究了一种基于FFT的近场三维成像算法,最后对该算法进行了仿真实验,结果表明,该算法可以得到正确的三维成像结果,但是最终的运算效率受限于阵元间距与横向分辨率之间的关系。2.研究了MIMO阵列近场三维成像问题。首先分析了近场条件下时分MIMO阵列不能直接等效为均匀虚拟阵列的原因,然后根据这一问题提出了一种时分MIMO阵列近场三维成像算法,该算法可以完成MIMO阵列近场三维成像的任务,成像结果准确。采用MIMO阵列与SIMO阵列对单个点目标和多个位置接近的点目标进行三维成像,验证了MIMO阵列近场三维成像算法的有效性。接着,分析了成像性能和目标距离阵列远近的关系并找出其根本原因。针对目标与阵列间的距离过小时,成像性能无法满足要求的问题,提出了孔径缩放与副瓣交错两种解决方法,并仿真验证了两种解决方法的效果。最后针对更贴近实际的场景,进行了MIMO面阵三维成像仿真,验证了阵列与算法的可行性,并进一步针对阵列近距离成像场景,将成像场景设置在距离阵列很近的地方,仿真得到了大孔径MIMO阵列的三维成像结果以及采用孔径缩放方法后的三维成像结果,验证了孔径缩放方法的有效性。3.研究了稀疏MIMO阵列设计的相关内容。提出了一种稀疏MIMO阵列结构,包括该阵列的设计思路,具体的阵列结构及扩展方式。并将所提阵列与传统MIMO阵列、现有稀疏MIMO阵列进行对比,对比的结果表明,所提稀疏MIMO阵列的成像效果优于现有稀疏MIMO阵列,与传统MIMO阵列相近,同时所提稀疏MIMO阵列的阵元和通道数大大少于传统MIMO阵列。最后,使用所提稀疏MIMO阵列对场景进行了三维成像,验证了该阵列在场景成像中的可用性。
其他文献
低轨卫星网络具有覆盖范围广、传输时延低、可靠性高等优点,在军事应用、导航定位、远程医疗等领域发挥着十分重要的作用。近年来已成为各国通信领域研究的重点。由于低轨卫星网络部署成本较高,因此在卫星发射之前需要对整个网络的功能与性能进行大量严格的仿真与测试工作。因此,建立一个准确可靠、成本可控、易于部署的低轨卫星网络仿真系统具有非常重要的研究意义与价值。近年来,云计算与虚拟化技术发展迅速,为新一代网络仿真
激光雷达具有极高的角分辨率、距离分辨率、速度分辨率等特点,能获得目标的角度、距离、速度、反射强度等信息,不仅能够在大范围扫描时发现目标,还可以通过精细扫描获得完整的几何信息,同时具有抗干扰能力强、不受光照条件限制等优点,在无人驾驶、目标探测等领域广泛应用。但是传统激光雷达探测信息交互方向单一,无法适应大范围广域搜索和小范围精细识别等多种工作模式切换的需求,达到认知成像的目的。针对以上传统成像激光雷
合成孔径雷达(SAR)成像具有全天候、全天时、远距离和高分辨成像的特点,可以大大提高雷达的信息获取能力。以飞机为载体的机载SAR成像系统已在军事和民用领域被广泛应用。SAR成像处理数据量大,计算复杂,对处理系统性能要求高。且随着国产处理器的发展与国产化替代的需求,机载SAR成像算法在国产处理器实时处理的研究具有重大的实用意义。首先,本文论述机载SAR成像原理以及改进方法。首先概述机载SAR成像的几
在当今社会,随着科技的不断进步,机器视觉越来越多地代替人类进行视觉信息的获取,帮助人类处理复杂的现实生活环境。机器视觉通过图像传感器获取图像信息,将捕捉到的光学信息转换为电信号,电信号经过处理后用来表示每个像素点的灰度信息,后期通过灰度信息重构图像。传统的CMOS图像传感器基于帧和曝光时间,以固定频率输出图像信息,因而在机器视觉进行后端处理时具有数据量大、处理延时大、噪声大、动态范围低等缺点。为了
多输入多输出(Multiple Input Multiple Output,MIMO)雷达根据天线阵元间距的远近可以分为分布式MIMO雷达和集中式MIMO雷达。集中式MIMO雷达的特点是天线近距离放置,不同天线发射波形各异,具有波形分集能力,带来更多优化自由度。因此集中式MIMO雷达波形设计一直是雷达信号处理领域的研究热点。本文从集中式MIMO雷达发射波形设计的角度出发,研究了集中式MIMO雷达通
随着现代战争中武器研发速度越来越快、作战理念越来越多元化,雷达作为战场的眼睛需要不断创新发展以应对带来的新挑战。其中,在整个雷达家族发展进程中,被动分布式雷达因为在战场生存方面具备的天然优势以及多基站融合检测相比较于单雷达基站检测具有更高的时空覆盖范围、更好的抑制目标闪烁能力的特点,受到了大量学者的关注。同时,被动分布式雷达可以充分利用已有电磁资源来构成网络化、低成本的区域防空预警系统,而不占用珍
目标检测是计算机视觉领域的经典任务之一,在无人车驾驶、交通管控、农业、军事等方面都有很广阔的应用空间。目标检测算法可以分为基于手工设计特征的传统目标检测方法和基于深度学习自动提取特征的目标检测方法,目前后者又分为基于回归的单阶段算法和基于候选区域的两阶段算法。在遥感图像目标检测领域,主要面对的挑战包括背景信息杂乱、目标尺度差距大、小目标多、目标有形变等。因此,本文针对这些挑战进行了研究探索,主要研
随着社会信息化程度的不断加深,下一代移动通信系统对数据速率、容量、时延有着极高的要求,传统射频(Radio frequency,RF)通信早已面临着频谱资源极度稀缺的问题。而自由空间光(Free Space Optical,FSO)是一种以大气为传输介质,以近红外频段的光波为信息载体的无线视距(Line-OF-Sight,LOS)通信技术。与RF通信相比,FSO通信不仅具有丰富且免费的频谱资源,还
视觉是人类获取信息的重要来源。但是视觉图像在采集与传输过程中,由于外界干扰以及设备自身限制,不可避免地会受到噪声的污染,从而降低图像品质。在遥感图像与红外图像中,由探测器阵列响应的不一致性所致的条带噪声,严重影响了后续目标检测识别等视觉处理任务的精度。然而,当前基于传统信号处理理论的条带噪声抑制方法的去噪能力和场景适应性均不足,而基于深度学习的去噪方法又因为计算量大面临着难于硬件部署、实时性差的问
对流层散射通信凭借其保密性强,传输距离远等优点,受到了国内外的广泛关注,被认为是军事通信中重要的通信手段之一。但是对流层散射有严重的衰落效应,其中包括大尺度衰落,频率选择性衰落和快衰落等。本文提出可以在散射环境下使用低峰均比的SC-FDMA通信体制进行信号处理,这样可以避免功放输出信号失真。在任何时候,同步都是一个通信系统首先需要解决的问题。对流层散射通信的路径损耗大,信道环境具有极低的信噪比,同