优先发表

在进入陌生建筑物之前掌握其内部结构信息,能够为反恐作战、灾害救援、监视管控等多种应用提供支持,具有重要的现实意义和研究价值。为实现建筑布局结构信息获取,该文开展了基于多域联合直达波估计的建筑布局层析成像方法研究。首先,建立了线性近似模型,实现了直达波信号传播时延与未知建筑布局图像之间的映射关系;在此模型基础上,分析了在层析成像模式下直达波信号与多径信号在快时间域、慢时间域与多普勒域中的分布特性,提出了一种基于多域联合的直达波估计算法,实现了多径干扰抑制与直达波信号精确估计;此外,提出了一种总变分约束的投影矩阵自适应修正代数重建算法,提升了有限数据下的建筑布局反演质量;最后,电磁仿真与实测实验结果证明了所提出的建筑布局层析成像方法的有效性,其重建结果的结构相似性指标分别可达到91.2%和81.7%,显著优于现有建筑布局层析成像方法。 在进入陌生建筑物之前掌握其内部结构信息,能够为反恐作战、灾害救援、监视管控等多种应用提供支持,具有重要的现实意义和研究价值。为实现建筑布局结构信息获取,该文开展了基于多域联合直达波估计的建筑布局层析成像方法研究。首先,建立了线性近似模型,实现了直达波信号传播时延与未知建筑布局图像之间的映射关系;在此模型基础上,分析了在层析成像模式下直达波信号与多径信号在快时间域、慢时间域与多普勒域中的分布特性,提出了一种基于多域联合的直达波估计算法,实现了多径干扰抑制与直达波信号精确估计;此外,提出了一种总变分约束的投影矩阵自适应修正代数重建算法,提升了有限数据下的建筑布局反演质量;最后,电磁仿真与实测实验结果证明了所提出的建筑布局层析成像方法的有效性,其重建结果的结构相似性指标分别可达到91.2%和81.7%,显著优于现有建筑布局层析成像方法。
由于侧视和相干成像机制,当高分辨率合成孔径雷达(SAR)图像的成像视角变化较大时,图像间的特征差异会变大,使图像配准难度增加。针对高分辨率多视角SAR图像,传统的配准技术主要面临提取的关键点定位精度不足和匹配精度低的问题。基于上述难点,该文设计了一种端到端的高分辨率多视角SAR图像配准网络。文章主要贡献包括:提出基于局部像素偏移模型的高分辨率SAR图像特征提取方法,该方法提出多样性峰值损失监督训练关键点提取网络中响应权重分配部分,并通过检测像素偏移量来优化关键点坐标;提出基于自适应调整卷积核采样位置的描述符提取方法,利用稀疏交叉熵损失监督训练网络中描述符匹配。实验结果显示,相比于其他配准方法,该文提出的算法针对高分辨率多视角SAR图像配准效果显著,平均误差降低超过65%,正确匹配点对数提高了3~5倍,运行时间平均缩短50%以上。 由于侧视和相干成像机制,当高分辨率合成孔径雷达(SAR)图像的成像视角变化较大时,图像间的特征差异会变大,使图像配准难度增加。针对高分辨率多视角SAR图像,传统的配准技术主要面临提取的关键点定位精度不足和匹配精度低的问题。基于上述难点,该文设计了一种端到端的高分辨率多视角SAR图像配准网络。文章主要贡献包括:提出基于局部像素偏移模型的高分辨率SAR图像特征提取方法,该方法提出多样性峰值损失监督训练关键点提取网络中响应权重分配部分,并通过检测像素偏移量来优化关键点坐标;提出基于自适应调整卷积核采样位置的描述符提取方法,利用稀疏交叉熵损失监督训练网络中描述符匹配。实验结果显示,相比于其他配准方法,该文提出的算法针对高分辨率多视角SAR图像配准效果显著,平均误差降低超过65%,正确匹配点对数提高了3~5倍,运行时间平均缩短50%以上。
被动雷达在预警探测和低慢小目标(LSS)检测中具有重要作用。由于被动雷达信号辐射源不可控,目标特性更为复杂,导致检测和识别极其困难。该文构建了被动雷达低慢小探测数据集(LSS-PR-1.0),该数据集包含了直升机、无人机、快艇、客轮4种典型海空目标的雷达回波信号,以及低高海况的海杂波数据,为该领域研究提供了数据支撑。在目标特征提取和分析方面,首先采用奇异值分解海杂波抑制方法,去除海杂波强Bragg峰对目标回波的影响。在此基础上,提出4类10种多域特征提取和分析方法,包括时域特征(相对平均幅度)、频域特征(频谱特征、多普勒瀑布图、距离多普勒特征)、时频域特征、运动特征(航向差、航迹参数、速度变化区间、速度变异系数、加速度)等。基于实测数据对4种海空目标特性进行了对比分析,总结各类目标特性规律,为后续目标识别奠定了基础。 被动雷达在预警探测和低慢小目标(LSS)检测中具有重要作用。由于被动雷达信号辐射源不可控,目标特性更为复杂,导致检测和识别极其困难。该文构建了被动雷达低慢小探测数据集(LSS-PR-1.0),该数据集包含了直升机、无人机、快艇、客轮4种典型海空目标的雷达回波信号,以及低高海况的海杂波数据,为该领域研究提供了数据支撑。在目标特征提取和分析方面,首先采用奇异值分解海杂波抑制方法,去除海杂波强Bragg峰对目标回波的影响。在此基础上,提出4类10种多域特征提取和分析方法,包括时域特征(相对平均幅度)、频域特征(频谱特征、多普勒瀑布图、距离多普勒特征)、时频域特征、运动特征(航向差、航迹参数、速度变化区间、速度变异系数、加速度)等。基于实测数据对4种海空目标特性进行了对比分析,总结各类目标特性规律,为后续目标识别奠定了基础。
针对复杂电磁环境下雷达干扰增多且靠近强干扰信号的目标信号难以准确估计的问题,该文提出了一种强间歇干扰下基于黎曼平均的稀疏波达方向(DOA)估计方法。首先,在扩展互质阵列接收数据模型下,利用在整个采样周期内目标信号持续活动而强干扰信号间歇性活动的特性,引入黎曼平均对干扰信号进行抑制;然后,将经过处理的数据协方差矩阵向量化,得到虚拟阵列接收数据;最后,在虚拟域中运用稀疏迭代协方差估计(SPICE)算法对稀疏信号进行重构,得到目标信号的DOA估计。仿真结果表明,在信号源数目未知的情况下,该方法可以对角度与强干扰信号紧密相邻的弱目标信号进行高精度的DOA估计。与现有子空间算法和稀疏重构类算法相比,所提算法在较小快拍数和低信噪比下具有更高的估计精度和角度分辨力。 针对复杂电磁环境下雷达干扰增多且靠近强干扰信号的目标信号难以准确估计的问题,该文提出了一种强间歇干扰下基于黎曼平均的稀疏波达方向(DOA)估计方法。首先,在扩展互质阵列接收数据模型下,利用在整个采样周期内目标信号持续活动而强干扰信号间歇性活动的特性,引入黎曼平均对干扰信号进行抑制;然后,将经过处理的数据协方差矩阵向量化,得到虚拟阵列接收数据;最后,在虚拟域中运用稀疏迭代协方差估计(SPICE)算法对稀疏信号进行重构,得到目标信号的DOA估计。仿真结果表明,在信号源数目未知的情况下,该方法可以对角度与强干扰信号紧密相邻的弱目标信号进行高精度的DOA估计。与现有子空间算法和稀疏重构类算法相比,所提算法在较小快拍数和低信噪比下具有更高的估计精度和角度分辨力。
地海杂波分类是提升天波超视距雷达目标定位精度的关键技术,其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本,训练时间长,费效比高;此外,其输入为单个方位-距离单元杂波,未考虑样本的类内和类间信息,导致模型性能不佳。针对上述问题,该文通过分析相邻方位-距离单元之间的相关性,将地海杂波数据由欧氏空间转换为非欧氏空间中的图数据,引入样本之间的关系,并提出一种基于多通道图卷积神经网络(MC-GCN)的地海杂波分类方法。MC-GCN将图数据由单通道分解为多通道,每个通道只包含一种类型的边和一个权重矩阵,通过约束节点信息聚合的过程,能够有效缓解由异质性造成的节点属性误判。该文选取不同季节、不同时刻、不同探测区域RD图,依据雷达参数、数据特性和样本比例,构建包含12种不同场景的地海杂波原始数据集和36种不同配置的地海杂波稀缺数据集,并对MC-GCN的有效性进行验证。通过与最先进的地海杂波分类方法进行比较,该文所提出的MC-GCN在上述数据集中均表现最优,其分类准确率不低于92%。 地海杂波分类是提升天波超视距雷达目标定位精度的关键技术,其核心是判别距离多普勒(RD)图中每个方位-距离单元背景源自陆地或海洋的过程。基于传统深度学习的地海杂波分类方法需海量高质量且类别均衡的有标签样本,训练时间长,费效比高;此外,其输入为单个方位-距离单元杂波,未考虑样本的类内和类间信息,导致模型性能不佳。针对上述问题,该文通过分析相邻方位-距离单元之间的相关性,将地海杂波数据由欧氏空间转换为非欧氏空间中的图数据,引入样本之间的关系,并提出一种基于多通道图卷积神经网络(MC-GCN)的地海杂波分类方法。MC-GCN将图数据由单通道分解为多通道,每个通道只包含一种类型的边和一个权重矩阵,通过约束节点信息聚合的过程,能够有效缓解由异质性造成的节点属性误判。该文选取不同季节、不同时刻、不同探测区域RD图,依据雷达参数、数据特性和样本比例,构建包含12种不同场景的地海杂波原始数据集和36种不同配置的地海杂波稀缺数据集,并对MC-GCN的有效性进行验证。通过与最先进的地海杂波分类方法进行比较,该文所提出的MC-GCN在上述数据集中均表现最优,其分类准确率不低于92%。
在无感雷达体征监测中,与连续波雷达(CW)相比,调频式雷达(如FMCW和UWB)能实现对目标与杂波在距离上的有效区分。通过距离傅里叶变换,可以从不同距离区间提取出准静态目标的心跳和呼吸信号,从而提高监测精度。在已有研究中被广泛使用的距离快速傅里叶变换(FFT)存在一些缺陷:首先,当受试者的呼吸幅度过大,胸腔反射面可能会跨越距离仓的边界,从而影响信号的完整性。其次,受试者的呼吸运动会对生理信号造成幅度上的调制,不利于体征信号的波形恢复。基于上述原因该文提出了基于距离抽头重构和动态解调的算法架构,针对上述两种情况,在仿真和实验中对算法性能进行了评估。仿真分析表明发生跨距离仓的信号经过所提出算法处理后,信噪比(SNR)提升了17±5 dB。此外,实验通过获取8名受试者的多普勒心跳图(DHD)信号,定量分析了DHD信号与心冲击图 (BCG)的一致性,DHD信号中心跳间隔相对于BCG信号的心跳间隔的均方根误差(RMSE)为21.58±13.26 ms (3.40%±2.08%)。 在无感雷达体征监测中,与连续波雷达(CW)相比,调频式雷达(如FMCW和UWB)能实现对目标与杂波在距离上的有效区分。通过距离傅里叶变换,可以从不同距离区间提取出准静态目标的心跳和呼吸信号,从而提高监测精度。在已有研究中被广泛使用的距离快速傅里叶变换(FFT)存在一些缺陷:首先,当受试者的呼吸幅度过大,胸腔反射面可能会跨越距离仓的边界,从而影响信号的完整性。其次,受试者的呼吸运动会对生理信号造成幅度上的调制,不利于体征信号的波形恢复。基于上述原因该文提出了基于距离抽头重构和动态解调的算法架构,针对上述两种情况,在仿真和实验中对算法性能进行了评估。仿真分析表明发生跨距离仓的信号经过所提出算法处理后,信噪比(SNR)提升了17±5 dB。此外,实验通过获取8名受试者的多普勒心跳图(DHD)信号,定量分析了DHD信号与心冲击图 (BCG)的一致性,DHD信号中心跳间隔相对于BCG信号的心跳间隔的均方根误差(RMSE)为21.58±13.26 ms (3.40%±2.08%)。
无源干扰物的成像一直是雷达成像/对抗研究中的热点问题,直接影响着雷达目标检测和识别性能。然而,在微波频段下,为达到期望的方位分辨率,通常需要较长的驻留时间来形成单幅图像,这使得无源干扰物难以通过成像直接区分,并缺乏时间维的分辨能力。相比之下,太赫兹频段成像系统在实现相同方位分辨率时所需的合成孔径更短,从而更容易获得低延迟、高分辨、高帧率的成像结果。因此,太赫兹雷达在视频合成孔径雷达(ViSAR)技术中具有重要潜力。首先,对机载太赫兹ViSAR的孔径划分及其成像系统指标进行简要分析。随后,静止无源干扰物以角反阵和伪装网为例,探索它们运动补偿前后的成像结果及成像特性,并首次实验验证了具有上下起伏网格结构的伪装网在太赫兹频段将表现出粗糙特性,展现出该频段下特殊的目标特性。接下来,运动无源干扰物以旋转角反为例,分析了旋转角反成像所形成的压制性成像干扰。考虑到静止场景在相邻子孔径下类似,在完成帧间成像结果图像和幅度校准后,可直接在图像域内基于非相干相减实现旋转角反检测,从而提取感兴趣信号并实施非参数化补偿。目前关于太赫兹频段下对无源干扰物的外场成像实验验证甚少。该研究开展了太赫兹频段公里级机载外场试验,有效验证了太赫兹ViSAR具备对无源干扰物良好的高分辨与高帧率成像能力。 无源干扰物的成像一直是雷达成像/对抗研究中的热点问题,直接影响着雷达目标检测和识别性能。然而,在微波频段下,为达到期望的方位分辨率,通常需要较长的驻留时间来形成单幅图像,这使得无源干扰物难以通过成像直接区分,并缺乏时间维的分辨能力。相比之下,太赫兹频段成像系统在实现相同方位分辨率时所需的合成孔径更短,从而更容易获得低延迟、高分辨、高帧率的成像结果。因此,太赫兹雷达在视频合成孔径雷达(ViSAR)技术中具有重要潜力。首先,对机载太赫兹ViSAR的孔径划分及其成像系统指标进行简要分析。随后,静止无源干扰物以角反阵和伪装网为例,探索它们运动补偿前后的成像结果及成像特性,并首次实验验证了具有上下起伏网格结构的伪装网在太赫兹频段将表现出粗糙特性,展现出该频段下特殊的目标特性。接下来,运动无源干扰物以旋转角反为例,分析了旋转角反成像所形成的压制性成像干扰。考虑到静止场景在相邻子孔径下类似,在完成帧间成像结果图像和幅度校准后,可直接在图像域内基于非相干相减实现旋转角反检测,从而提取感兴趣信号并实施非参数化补偿。目前关于太赫兹频段下对无源干扰物的外场成像实验验证甚少。该研究开展了太赫兹频段公里级机载外场试验,有效验证了太赫兹ViSAR具备对无源干扰物良好的高分辨与高帧率成像能力。
相比于微型单基SAR系统,微型多基SAR系统采用收发分置的灵活构型,具备多角度成像等优势。然而,由于微型多基SAR系统需要采用相互独立的振荡源,相位同步是实现微型多基SAR高精度成像的必要条件。当前双基SAR相位同步方案的研究已相对成熟,但这些方案主要基于脉冲体制SAR系统,针对调频连续波(FMCW)体制微型多基SAR系统的相位同步研究仍较为匮乏。与脉冲体制SAR系统相比,FMCW SAR系统的信号连续发射,脉冲间不存在时间间隙,因此部分脉冲体制SAR的相位同步方案无法直接应用于FMCW SAR系统。为此,该文提出了一种适用于FMCW微型多基SAR相位同步方法,旨在有效解决FMCW SAR系统所面临的相位同步难题。该方法采用广义短时正交波形作为不同雷达平台的相位同步信号,通过脉冲压缩技术提取出雷达平台间的相位误差,进而实现相位同步。与传统线性调频波形相比,广义短时正交(STSO)波形在经过相同的脉冲压缩函数处理后,干扰信号的能量会集中于远离匹配信号峰值的位置,从而提高了相位同步的精度。此外,所提方法还适应了FMCW微型多基SAR系统dechirp接收的特点,并通过地面和数值仿真实验验证,所提方法具有较高的同步精度。 相比于微型单基SAR系统,微型多基SAR系统采用收发分置的灵活构型,具备多角度成像等优势。然而,由于微型多基SAR系统需要采用相互独立的振荡源,相位同步是实现微型多基SAR高精度成像的必要条件。当前双基SAR相位同步方案的研究已相对成熟,但这些方案主要基于脉冲体制SAR系统,针对调频连续波(FMCW)体制微型多基SAR系统的相位同步研究仍较为匮乏。与脉冲体制SAR系统相比,FMCW SAR系统的信号连续发射,脉冲间不存在时间间隙,因此部分脉冲体制SAR的相位同步方案无法直接应用于FMCW SAR系统。为此,该文提出了一种适用于FMCW微型多基SAR相位同步方法,旨在有效解决FMCW SAR系统所面临的相位同步难题。该方法采用广义短时正交波形作为不同雷达平台的相位同步信号,通过脉冲压缩技术提取出雷达平台间的相位误差,进而实现相位同步。与传统线性调频波形相比,广义短时正交(STSO)波形在经过相同的脉冲压缩函数处理后,干扰信号的能量会集中于远离匹配信号峰值的位置,从而提高了相位同步的精度。此外,所提方法还适应了FMCW微型多基SAR系统dechirp接收的特点,并通过地面和数值仿真实验验证,所提方法具有较高的同步精度。
人体姿态估计在人机交互、动作捕捉和虚拟现实等领域具有广泛的应用前景,一直是人体感知研究的重要方向。然而,基于光学图像的姿态估计方法往往受限于光照条件和隐私问题。因此,利用可在各种光照遮挡下工作,且具有隐私保护性的无线信号进行人体姿态估计获得了更多关注。根据无线信号的工作频率,现有技术可分为高频方法和低频方法,且不同的信号频率对应硬件系统、信号特性、噪声处理和深度学习算法设计等方面均有所不同。该文将以毫米波雷达、穿墙雷达和WiFi信号为代表,回顾其在人体姿态重建研究中的进展和代表性工作,分析各类信号模式的优势与局限,并对潜在研究难点以及未来发展趋势进行了展望。 人体姿态估计在人机交互、动作捕捉和虚拟现实等领域具有广泛的应用前景,一直是人体感知研究的重要方向。然而,基于光学图像的姿态估计方法往往受限于光照条件和隐私问题。因此,利用可在各种光照遮挡下工作,且具有隐私保护性的无线信号进行人体姿态估计获得了更多关注。根据无线信号的工作频率,现有技术可分为高频方法和低频方法,且不同的信号频率对应硬件系统、信号特性、噪声处理和深度学习算法设计等方面均有所不同。该文将以毫米波雷达、穿墙雷达和WiFi信号为代表,回顾其在人体姿态重建研究中的进展和代表性工作,分析各类信号模式的优势与局限,并对潜在研究难点以及未来发展趋势进行了展望。
基于雷达传感器网络的目标识别系统在自动目标识别领域得到了广泛的研究,该系统从多个角度对目标进行观测从而可获得稳健的目标识别能力,这也带来了多雷达传感器回波数据间相关信息和差异信息的利用问题。其次,现有研究大都需要大规模标记数据来获得目标的先验知识,考虑到大量未标注数据未被有效使用,该文研究了一种基于多重对比损失(MCL)的雷达传感器网络HRRP无监督目标特征提取方法。该方法通过联合实例级损失、Fisher损失和语义一致损失这三重损失约束,用以寻求多雷达传感器回波间具有一致性和判别性的特征向量并用于后续的识别任务。具体而言,将原始回波数据分别映射到对比损失空间和语义标签空间:在对比损失空间中,利用对比损失对样本的相似性和聚集性进行约束,使不同传感器获取的同一目标不同回波间的相对距离和绝对距离被减小,而不同目标回波样本间的距离被拉大;在语义损失空间中,通过提取到的判别特征对语义标签进行约束,实现语义信息和判别特征一致的目标。在实测民用飞机数据集上进行的实验表明,与最先进的无监督和有监督目标识别算法相比,MCL的识别准确率分别提升了0.4%和1.4%,并且MCL能有效提升多雷达传感器协同时的目标识别性能。 基于雷达传感器网络的目标识别系统在自动目标识别领域得到了广泛的研究,该系统从多个角度对目标进行观测从而可获得稳健的目标识别能力,这也带来了多雷达传感器回波数据间相关信息和差异信息的利用问题。其次,现有研究大都需要大规模标记数据来获得目标的先验知识,考虑到大量未标注数据未被有效使用,该文研究了一种基于多重对比损失(MCL)的雷达传感器网络HRRP无监督目标特征提取方法。该方法通过联合实例级损失、Fisher损失和语义一致损失这三重损失约束,用以寻求多雷达传感器回波间具有一致性和判别性的特征向量并用于后续的识别任务。具体而言,将原始回波数据分别映射到对比损失空间和语义标签空间:在对比损失空间中,利用对比损失对样本的相似性和聚集性进行约束,使不同传感器获取的同一目标不同回波间的相对距离和绝对距离被减小,而不同目标回波样本间的距离被拉大;在语义损失空间中,通过提取到的判别特征对语义标签进行约束,实现语义信息和判别特征一致的目标。在实测民用飞机数据集上进行的实验表明,与最先进的无监督和有监督目标识别算法相比,MCL的识别准确率分别提升了0.4%和1.4%,并且MCL能有效提升多雷达传感器协同时的目标识别性能。
星载合成孔径雷达(SAR)受电离层影响会出现回波信号失真、图像质量恶化、干涉/极化测量精度下降等问题,对于工作在L波段和P波段的低波段星载SAR,受电离层影响程度尤为突出。但从另一个角度看,低波段星载SAR能够捕获观测范围内不同空间尺度的电离层结构,其回波和图像数据中蕴藏丰富的电离层信息,为电离层高精度、高分辨探测提供了极大的可能性。该文围绕星载SAR背景电离层电子总量反演、电离层电子密度层析、电离层不规则体探测3个方面,回顾了利用星载SAR进行电离层探测的研究进展,总结归纳了该研究领域技术体系,强调了星载SAR具有绘制电离层局部精细结构和全球电离层态势的潜力,并展望了未来发展方向。 星载合成孔径雷达(SAR)受电离层影响会出现回波信号失真、图像质量恶化、干涉/极化测量精度下降等问题,对于工作在L波段和P波段的低波段星载SAR,受电离层影响程度尤为突出。但从另一个角度看,低波段星载SAR能够捕获观测范围内不同空间尺度的电离层结构,其回波和图像数据中蕴藏丰富的电离层信息,为电离层高精度、高分辨探测提供了极大的可能性。该文围绕星载SAR背景电离层电子总量反演、电离层电子密度层析、电离层不规则体探测3个方面,回顾了利用星载SAR进行电离层探测的研究进展,总结归纳了该研究领域技术体系,强调了星载SAR具有绘制电离层局部精细结构和全球电离层态势的潜力,并展望了未来发展方向。
全球老龄化趋势日益加剧,健康生活理念深入人心,居民对居家健康监测的需求也随之而来。为了减少健康监测对日常活动的影响,非接触式监测系统的需求量激增。然而,目前主流的检测方法存在隐私信任度低、电磁兼容性差和制造成本高等问题。对此,该文提出一种基于超声波雷达的非接触式生命体征信号测量系统——U-Sodar,包括一套基于3发4收MIMO架构的硬件和一套信号处理算法。其中U-Sodar本振采用分频技术,相位噪声低,检测精度高;接收机采用前端直接采样技术,在简化结构的同时有效减少外部噪声;发射采用可调PWM直接驱动,可发射多种超声波形,具备软件定义超声波系统特性。U-Sodar的信号处理算法采用信号弦长的图处理技术,利用图片滤波后重构的方法可在5 dB信噪比下实现信号相位的准确恢复。试验测试了U-Sodar系统的抗干扰性能与穿透性能,证明了超声穿透是依赖材料孔隙而非跨介质振动传导。并推导了给定信噪比与正确解调概率下的最小可测量位移。实际生命体征信号测量实验中,U-Sodar可分别在3.0 m和1.5 m距离内实现呼吸率和心率的准确测量,在1.0 m内可测得心跳波形。实验结果证明了U-Sodar超声波雷达在非接触式生命体征检测应用中的可行性及发展潜力。 全球老龄化趋势日益加剧,健康生活理念深入人心,居民对居家健康监测的需求也随之而来。为了减少健康监测对日常活动的影响,非接触式监测系统的需求量激增。然而,目前主流的检测方法存在隐私信任度低、电磁兼容性差和制造成本高等问题。对此,该文提出一种基于超声波雷达的非接触式生命体征信号测量系统——U-Sodar,包括一套基于3发4收MIMO架构的硬件和一套信号处理算法。其中U-Sodar本振采用分频技术,相位噪声低,检测精度高;接收机采用前端直接采样技术,在简化结构的同时有效减少外部噪声;发射采用可调PWM直接驱动,可发射多种超声波形,具备软件定义超声波系统特性。U-Sodar的信号处理算法采用信号弦长的图处理技术,利用图片滤波后重构的方法可在5 dB信噪比下实现信号相位的准确恢复。试验测试了U-Sodar系统的抗干扰性能与穿透性能,证明了超声穿透是依赖材料孔隙而非跨介质振动传导。并推导了给定信噪比与正确解调概率下的最小可测量位移。实际生命体征信号测量实验中,U-Sodar可分别在3.0 m和1.5 m距离内实现呼吸率和心率的准确测量,在1.0 m内可测得心跳波形。实验结果证明了U-Sodar超声波雷达在非接触式生命体征检测应用中的可行性及发展潜力。
无人机载雷达具有高机动灵活的特点,可解决传统非接触式生命体征感知中存在的探测范围小和探测场景受限等问题。该项研究工作将4D成像雷达搭载于多旋翼无人机上,提出一种基于点云配准的无人机载4D雷达生命体征感知方法。该方法通过对雷达点云进行配准和运动补偿,消除无人机在悬停状态时的运动误差干扰,进而对齐人体目标后实现生命体征信号的获取。仿真实验结果表明该方法能够对齐4D成像雷达点云序列,有效抑制无人机的运动干扰,从而准确提取人体目标的呼吸和心跳信号,为无人机载非接触式生命体征感知提供了一种新的技术途径。 无人机载雷达具有高机动灵活的特点,可解决传统非接触式生命体征感知中存在的探测范围小和探测场景受限等问题。该项研究工作将4D成像雷达搭载于多旋翼无人机上,提出一种基于点云配准的无人机载4D雷达生命体征感知方法。该方法通过对雷达点云进行配准和运动补偿,消除无人机在悬停状态时的运动误差干扰,进而对齐人体目标后实现生命体征信号的获取。仿真实验结果表明该方法能够对齐4D成像雷达点云序列,有效抑制无人机的运动干扰,从而准确提取人体目标的呼吸和心跳信号,为无人机载非接触式生命体征感知提供了一种新的技术途径。
UWB雷达由于具有结构简单、发射功率低、穿透能力强、分辨能力高、传输速度快等诸多优势,逐渐成为多探测场景广泛应用的生命信息探测技术及装备。要完成生命信息的有效探测,关键是利用雷达回波信息处理技术从UWB雷达回波中提取被测人员的呼吸心跳信号,这对不同场景实现生命信息的判定、位置信息的获取、疾病的监测和预防以及保障人员安全具有至关重要的意义。为此,该文介绍了UWB雷达及分类、电磁散射机理和探测原理;分析了呼吸心跳信号的雷达回波模型构建现状;从时域、频域、时频域分析方法等角度梳理了现有呼吸心跳信号的提取方法;并从矿山救援、地震救援、医疗健康、穿墙探测等场景归纳了呼吸心跳信号提取的研究进展。总结了当前研究中存在的主要问题,展望了未来研究工作应重点关注的领域。 UWB雷达由于具有结构简单、发射功率低、穿透能力强、分辨能力高、传输速度快等诸多优势,逐渐成为多探测场景广泛应用的生命信息探测技术及装备。要完成生命信息的有效探测,关键是利用雷达回波信息处理技术从UWB雷达回波中提取被测人员的呼吸心跳信号,这对不同场景实现生命信息的判定、位置信息的获取、疾病的监测和预防以及保障人员安全具有至关重要的意义。为此,该文介绍了UWB雷达及分类、电磁散射机理和探测原理;分析了呼吸心跳信号的雷达回波模型构建现状;从时域、频域、时频域分析方法等角度梳理了现有呼吸心跳信号的提取方法;并从矿山救援、地震救援、医疗健康、穿墙探测等场景归纳了呼吸心跳信号提取的研究进展。总结了当前研究中存在的主要问题,展望了未来研究工作应重点关注的领域。
超宽带雷达具有抗干扰能力强、穿透性强等特点,被广泛应用于穿墙人体目标探测。单发单收雷达具有体积小、重量轻的优势,但是无法实现目标的二维定位。MIMO阵列雷达能够实现对于目标的定位,但是存在着体积与分辨率之间的相互制约,同时运算时间较长。该文基于分布式穿墙雷达,提出了一种基于分布式雷达的多目标自动检测方法。首先,对回波信号进行时域预处理、时频转换等,基于恒虚警检测的目标距离测量方法获取目标候选距离单元,使用滤波矩阵进行候选信号增强;基于生命信息对增强后信号进行关联,实现目标匹配;最后使用定位模块来实现雷达位置自确定,进而实现生命目标位置的快速、自动检测。为了避免偶发误差对最终定位结果的影响,该文使用定位场景剖分的方法实现穿墙场景下的生命目标二维定位。实验结果表明,该文所提方法可以实现穿墙场景下多目标的检测定位,在实测数据中运算时间为0.95 s,优于其他对比方法4倍以上。 超宽带雷达具有抗干扰能力强、穿透性强等特点,被广泛应用于穿墙人体目标探测。单发单收雷达具有体积小、重量轻的优势,但是无法实现目标的二维定位。MIMO阵列雷达能够实现对于目标的定位,但是存在着体积与分辨率之间的相互制约,同时运算时间较长。该文基于分布式穿墙雷达,提出了一种基于分布式雷达的多目标自动检测方法。首先,对回波信号进行时域预处理、时频转换等,基于恒虚警检测的目标距离测量方法获取目标候选距离单元,使用滤波矩阵进行候选信号增强;基于生命信息对增强后信号进行关联,实现目标匹配;最后使用定位模块来实现雷达位置自确定,进而实现生命目标位置的快速、自动检测。为了避免偶发误差对最终定位结果的影响,该文使用定位场景剖分的方法实现穿墙场景下的生命目标二维定位。实验结果表明,该文所提方法可以实现穿墙场景下多目标的检测定位,在实测数据中运算时间为0.95 s,优于其他对比方法4倍以上。
2010年以来,基于商用WiFi设备实现非接触式呼吸监测得到了广泛关注。然而,现有的方法受人体反射信号强度制约,通常要求人正面朝向WiFi设备,当人体侧向或背部朝向设备时,胸腔反射信号的减弱使得呼吸监测变得困难。为了解决这个问题,该文提出了一种基于智能反射表面(IRS)的新型呼吸监测系统。该系统利用智能反射表面控制WiFi信号在环境中的传播路径,增强了人体的反射,最终实现了姿势鲁棒地呼吸监测。此外,该系统易于部署,无需事先知道收发天线与智能反射表面的确切位置和相应的环境信息。实验验证,与现有的方法相比,该系统显著改善了不同姿势下人体的呼吸监测效果。 2010年以来,基于商用WiFi设备实现非接触式呼吸监测得到了广泛关注。然而,现有的方法受人体反射信号强度制约,通常要求人正面朝向WiFi设备,当人体侧向或背部朝向设备时,胸腔反射信号的减弱使得呼吸监测变得困难。为了解决这个问题,该文提出了一种基于智能反射表面(IRS)的新型呼吸监测系统。该系统利用智能反射表面控制WiFi信号在环境中的传播路径,增强了人体的反射,最终实现了姿势鲁棒地呼吸监测。此外,该系统易于部署,无需事先知道收发天线与智能反射表面的确切位置和相应的环境信息。实验验证,与现有的方法相比,该系统显著改善了不同姿势下人体的呼吸监测效果。
睡眠呼吸暂停低通气综合征(SAHS)是一种常见的慢性睡眠呼吸障碍疾病,严重影响患者的睡眠质量和身体健康。该文提出了一种基于多源信号融合的睡眠呼吸暂停与低通气检测框架,通过融合毫米波雷达微动信号与光电容积脉搏波(PPG)描记法的脉搏波数据,实现高可靠的轻接触式睡眠呼吸暂停低通气综合征的诊断,以解决传统医学上依赖多导睡眠图(PSG)进行睡眠监测时舒适度差、成本高等缺点。研究中,为兼顾睡眠呼吸异常事件检测的准确率和鲁棒性,该文提出了一种雷达、脉搏波数据预处理算法得到信号中的时频信息和人工特征,并设计了用于将两类信号融合的深度神经网络,以实现对睡眠呼吸暂停和低通气事件的精准识别,从而估算呼吸暂停低通气指数(AHI),用于对患者的睡眠呼吸异常严重程度进行定量评估。基于上海交通大学医学院附属第六人民医院临床试验数据集的实验结果表明,该文所提方案估算的AHI与金标准PSG的相关系数达到了0.93,一致性良好,有潜力普及成为家用睡眠呼吸监护的工具,并起到睡眠呼吸暂停低通气综合征初步筛查的作用。 睡眠呼吸暂停低通气综合征(SAHS)是一种常见的慢性睡眠呼吸障碍疾病,严重影响患者的睡眠质量和身体健康。该文提出了一种基于多源信号融合的睡眠呼吸暂停与低通气检测框架,通过融合毫米波雷达微动信号与光电容积脉搏波(PPG)描记法的脉搏波数据,实现高可靠的轻接触式睡眠呼吸暂停低通气综合征的诊断,以解决传统医学上依赖多导睡眠图(PSG)进行睡眠监测时舒适度差、成本高等缺点。研究中,为兼顾睡眠呼吸异常事件检测的准确率和鲁棒性,该文提出了一种雷达、脉搏波数据预处理算法得到信号中的时频信息和人工特征,并设计了用于将两类信号融合的深度神经网络,以实现对睡眠呼吸暂停和低通气事件的精准识别,从而估算呼吸暂停低通气指数(AHI),用于对患者的睡眠呼吸异常严重程度进行定量评估。基于上海交通大学医学院附属第六人民医院临床试验数据集的实验结果表明,该文所提方案估算的AHI与金标准PSG的相关系数达到了0.93,一致性良好,有潜力普及成为家用睡眠呼吸监护的工具,并起到睡眠呼吸暂停低通气综合征初步筛查的作用。
近年来,人们越来越关注多人环境下的呼吸监测,以及如何同时监测多人的健康状态。在多人呼吸检测的算法中,盲源分离算法因其无需先验信息并且对硬件性能依赖性较小而备受研究者关注。然而,在多人呼吸监测场景中,目前的盲源分离算法通常将相位信号作为源信号进行分离,该文引入FMCW雷达下距离维信号和相位信号的对比,推导出相位信号作为源信号存在近似误差,并通过仿真验证距离维信号作为源信号时分离效果更好。另外,该文提出了基于非圆复数独立成分分析的多人呼吸信号分离算法,分析了不同呼吸信号参数对分离效果的影响,仿真和实测实验表明,所提出的方法适用于天线个数不小于目标个数时多人呼吸信号的检测,并且在目标角度差为9.46°时,也能够准确分离呼吸信号。 近年来,人们越来越关注多人环境下的呼吸监测,以及如何同时监测多人的健康状态。在多人呼吸检测的算法中,盲源分离算法因其无需先验信息并且对硬件性能依赖性较小而备受研究者关注。然而,在多人呼吸监测场景中,目前的盲源分离算法通常将相位信号作为源信号进行分离,该文引入FMCW雷达下距离维信号和相位信号的对比,推导出相位信号作为源信号存在近似误差,并通过仿真验证距离维信号作为源信号时分离效果更好。另外,该文提出了基于非圆复数独立成分分析的多人呼吸信号分离算法,分析了不同呼吸信号参数对分离效果的影响,仿真和实测实验表明,所提出的方法适用于天线个数不小于目标个数时多人呼吸信号的检测,并且在目标角度差为9.46°时,也能够准确分离呼吸信号。
作为中国新一代天基长波SAR的代表,陆地探测1号01卫星(LT-1A)于2022年1月发射进入太阳同步轨道。LT-1A搭载的长波合成孔径雷达(SAR)工作在L波段,具备单极化、线性双极化、紧缩双极化、全极化等对地观测能力。现有研究主要侧重于LT-1A重轨干涉数据获取能力以及数字高程模型、沉降产品的生产精度评价,对LT-1A的辐射精度、地物极化信息保持能力的研究较为缺乏。该文以热带雨林植被为观测对象,通过不依赖人工定标器的自主定标方法对LT-1A全极化数据辐射误差、极化误差的稳定性进行评价与分析。实验表明:LT-1A传感器的辐射稳定性较好、极化精度优于国际对地观测组织(CEOS)推荐指标。持续对地观测1000 km内归一化雷达截面(NRCS)误差波动小于1 dB (3倍标准差)、5天内重返观测时辐射误差波动小于0.5 dB (3倍标准差);全极化观测模式下系统串扰低于–35 dB甚至达到–40 dB,交叉极化通道不平衡优于0.2 dB与2°,同通道不平衡优于0.5 dB与10°;系统噪声介于–42~–22 dB,平均系统等效热噪声优于–25 dB,热噪声水平随持续对地观测时长的增加有升高。此外,该研究验证了电离层对LT-1A极化数据质量的影响:5°法拉第旋转角造成的图像退化与–20 dB系统串扰带来的影响相当,而3°~20°法拉第旋转角在中、低纬度较为常见,这将带来–21.16~–8.78 dB的极化通道间扰动,即电离层对全极化数据质量的退化相较传感器–40 dB的串扰更为严重。 作为中国新一代天基长波SAR的代表,陆地探测1号01卫星(LT-1A)于2022年1月发射进入太阳同步轨道。LT-1A搭载的长波合成孔径雷达(SAR)工作在L波段,具备单极化、线性双极化、紧缩双极化、全极化等对地观测能力。现有研究主要侧重于LT-1A重轨干涉数据获取能力以及数字高程模型、沉降产品的生产精度评价,对LT-1A的辐射精度、地物极化信息保持能力的研究较为缺乏。该文以热带雨林植被为观测对象,通过不依赖人工定标器的自主定标方法对LT-1A全极化数据辐射误差、极化误差的稳定性进行评价与分析。实验表明:LT-1A传感器的辐射稳定性较好、极化精度优于国际对地观测组织(CEOS)推荐指标。持续对地观测1000 km内归一化雷达截面(NRCS)误差波动小于1 dB (3倍标准差)、5天内重返观测时辐射误差波动小于0.5 dB (3倍标准差);全极化观测模式下系统串扰低于–35 dB甚至达到–40 dB,交叉极化通道不平衡优于0.2 dB与2°,同通道不平衡优于0.5 dB与10°;系统噪声介于–42~–22 dB,平均系统等效热噪声优于–25 dB,热噪声水平随持续对地观测时长的增加有升高。此外,该研究验证了电离层对LT-1A极化数据质量的影响:5°法拉第旋转角造成的图像退化与–20 dB系统串扰带来的影响相当,而3°~20°法拉第旋转角在中、低纬度较为常见,这将带来–21.16~–8.78 dB的极化通道间扰动,即电离层对全极化数据质量的退化相较传感器–40 dB的串扰更为严重。
该文提出了一种利用计算机视觉技术辅助实现包含运动人体散射特征的毫米波无线信道仿真方法。该方法旨在为毫米波无线人体动作识别场景之下,快速且低成本地生成仿真训练数据集,避免当前实测采集数据集的巨大开销。首先利用基元模型将人体建模为35个相互连接的椭球,并从包含人体动作的视频中提取出人体在进行对应动作时各个椭球的运动数据;其次利用简化的射线追踪方法,针对动作中基元模型的每一帧计算对应的信道响应;最后对信道响应进行多普勒分析,获得对应动作的微多普勒时频谱。上述仿真获得的微多普勒时频谱数据集可以用于训练无线动作识别的深度神经网络。该文针对“步行”“跑步”“跌倒”“坐下”这4种常见的人体动作在60 GHz频段上进行了信道仿真及动作识别的测试。实验结果表明,通过仿真训练的深度神经网络在实际无线动作识别中平均识别准确率可以达到73.0%。此外,借助无标签迁移学习,通过少量无标签实测数据的微调,上述准确率可以进一步提高到93.75%。 该文提出了一种利用计算机视觉技术辅助实现包含运动人体散射特征的毫米波无线信道仿真方法。该方法旨在为毫米波无线人体动作识别场景之下,快速且低成本地生成仿真训练数据集,避免当前实测采集数据集的巨大开销。首先利用基元模型将人体建模为35个相互连接的椭球,并从包含人体动作的视频中提取出人体在进行对应动作时各个椭球的运动数据;其次利用简化的射线追踪方法,针对动作中基元模型的每一帧计算对应的信道响应;最后对信道响应进行多普勒分析,获得对应动作的微多普勒时频谱。上述仿真获得的微多普勒时频谱数据集可以用于训练无线动作识别的深度神经网络。该文针对“步行”“跑步”“跌倒”“坐下”这4种常见的人体动作在60 GHz频段上进行了信道仿真及动作识别的测试。实验结果表明,通过仿真训练的深度神经网络在实际无线动作识别中平均识别准确率可以达到73.0%。此外,借助无标签迁移学习,通过少量无标签实测数据的微调,上述准确率可以进一步提高到93.75%。
该文针对光学与雷达传感器融合人体姿态估计研究,基于连续时间微动累积量与姿态增量的物理对应关系,提出了一种单通道超宽带雷达人体姿态增量估计方案。具体来说,通过构造空时分步增量估计网络,采用空域伪3D卷积层与时域膨胀卷积层分步提取空时微动特征,将其映射为时间段内人体姿态增量,结合光学提供的姿态初值,实现人体三维姿态估计。实测数据结果表明,融合姿态估计在原地动作集取得5.38 cm估计误差,并能够实现一段时间行走动作连续姿态估计。与其他雷达姿态估计对比和消融实验证明了该文方法的优势。 该文针对光学与雷达传感器融合人体姿态估计研究,基于连续时间微动累积量与姿态增量的物理对应关系,提出了一种单通道超宽带雷达人体姿态增量估计方案。具体来说,通过构造空时分步增量估计网络,采用空域伪3D卷积层与时域膨胀卷积层分步提取空时微动特征,将其映射为时间段内人体姿态增量,结合光学提供的姿态初值,实现人体三维姿态估计。实测数据结果表明,融合姿态估计在原地动作集取得5.38 cm估计误差,并能够实现一段时间行走动作连续姿态估计。与其他雷达姿态估计对比和消融实验证明了该文方法的优势。
隔墙人体姿态重建和行为识别在智能安防和虚拟现实等领域具有广泛应用前景。然而,现有隔墙人体感知方法通常忽视了对4D时空特征的建模以及墙体对信号的影响,针对这些问题,该文创新性地提出了一种基于4D成像雷达的隔墙人体感知新架构。首先,基于时空分离的分步策略,该文设计了ST2W-AP时空融合网络,解决了由于主流深度学习库缺少4D卷积而无法充分利用多帧3D体素时空域信息的问题,实现了保留3D空域信息的同时利用长序时域信息,大幅提升姿态估计任务和行为识别任务的性能。此外,为抑制墙体对信号的干扰,该文利用深度学习强大的拟合性能和并行输出的特点设计了深度回波域补偿器,降低了传统墙体补偿方法的计算开销。大量的实验结果表明,相比于现有最佳方法,ST2W-AP将平均关节位置误差降低了33.57%,并且将行为识别的F1分数提高了0.51%。 隔墙人体姿态重建和行为识别在智能安防和虚拟现实等领域具有广泛应用前景。然而,现有隔墙人体感知方法通常忽视了对4D时空特征的建模以及墙体对信号的影响,针对这些问题,该文创新性地提出了一种基于4D成像雷达的隔墙人体感知新架构。首先,基于时空分离的分步策略,该文设计了ST2W-AP时空融合网络,解决了由于主流深度学习库缺少4D卷积而无法充分利用多帧3D体素时空域信息的问题,实现了保留3D空域信息的同时利用长序时域信息,大幅提升姿态估计任务和行为识别任务的性能。此外,为抑制墙体对信号的干扰,该文利用深度学习强大的拟合性能和并行输出的特点设计了深度回波域补偿器,降低了传统墙体补偿方法的计算开销。大量的实验结果表明,相比于现有最佳方法,ST2W-AP将平均关节位置误差降低了33.57%,并且将行为识别的F1分数提高了0.51%。
低频超宽带(UWB)雷达因其良好穿透性和分辨率,在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题,该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据,然后采用离散采样的方法将雷达图像转换为点云表示,由于人体行为识别属于时间序列上的分类问题,该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络,通过提取并分析四维点云的时空特征,实现了对人体行为的端到端识别。在模型的训练过程中,提出了一种点云数据多阈值融合的方法,进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证,并与现有方法进行了比较。结果表明,所提方法在人体行为识别率达到96.75%,且消耗较少的参数量和运算量,验证了其有效性。 低频超宽带(UWB)雷达因其良好穿透性和分辨率,在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题,该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据,然后采用离散采样的方法将雷达图像转换为点云表示,由于人体行为识别属于时间序列上的分类问题,该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络,通过提取并分析四维点云的时空特征,实现了对人体行为的端到端识别。在模型的训练过程中,提出了一种点云数据多阈值融合的方法,进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证,并与现有方法进行了比较。结果表明,所提方法在人体行为识别率达到96.75%,且消耗较少的参数量和运算量,验证了其有效性。
现有的基于雷达传感器的人体动作识别研究主要聚焦于相对雷达径向运动产生的微多普勒特征。当面对非径向,特别是静态姿势或者运动方向与雷达波束中心垂直的切向动作(切向人体姿态)时,传统基于微多普勒的方法无法对径向运动微弱的切向人体姿态进行有效表征,导致识别性能大幅下降。为了解决这一问题,该文提出了一种基于多发多收(MIMO)雷达成像图序列的切向人体姿态识别方法,以高质量成像图序列的形式来表征切向姿态的人体轮廓结构及其动态变化,通过提取图像内的空间特征和图序列间的时序特征,实现对切向人体姿态的准确识别。首先,通过恒虚警检测算法(CFAR)定位人体目标所在距离门,接着,利用慢时滑窗将目标动作划分为帧序列,对每帧数据用傅里叶变换和二维Capon算法估计出切向姿态的距离、俯仰角度和方位角度,得到切向姿态的成像图,将各帧成像图按照时序串联起来,构成切向人体姿态成像图序列;然后,提出了一种改进的多域联合自适应阈值去噪算法,抑制环境杂波,增强人体轮廓和结构特征,改善成像质量;最后,采用了一种基于空时注意力模块的卷积长短期记忆网络模型(ST-ConvLSTM),利用ConvLSTM单元来学习切向人体姿态成像图序列中的多维特征,并结合空时注意力模块来强调成像图内的空间特征和图序列间的时序特征。对比实验的分析结果表明,相比于传统方法,该文所提出的方法在8种典型的切向人体姿态的识别中取得了96.9%的准确率,验证了该方法在切向人体姿态识别上的可行性和优越性。 现有的基于雷达传感器的人体动作识别研究主要聚焦于相对雷达径向运动产生的微多普勒特征。当面对非径向,特别是静态姿势或者运动方向与雷达波束中心垂直的切向动作(切向人体姿态)时,传统基于微多普勒的方法无法对径向运动微弱的切向人体姿态进行有效表征,导致识别性能大幅下降。为了解决这一问题,该文提出了一种基于多发多收(MIMO)雷达成像图序列的切向人体姿态识别方法,以高质量成像图序列的形式来表征切向姿态的人体轮廓结构及其动态变化,通过提取图像内的空间特征和图序列间的时序特征,实现对切向人体姿态的准确识别。首先,通过恒虚警检测算法(CFAR)定位人体目标所在距离门,接着,利用慢时滑窗将目标动作划分为帧序列,对每帧数据用傅里叶变换和二维Capon算法估计出切向姿态的距离、俯仰角度和方位角度,得到切向姿态的成像图,将各帧成像图按照时序串联起来,构成切向人体姿态成像图序列;然后,提出了一种改进的多域联合自适应阈值去噪算法,抑制环境杂波,增强人体轮廓和结构特征,改善成像质量;最后,采用了一种基于空时注意力模块的卷积长短期记忆网络模型(ST-ConvLSTM),利用ConvLSTM单元来学习切向人体姿态成像图序列中的多维特征,并结合空时注意力模块来强调成像图内的空间特征和图序列间的时序特征。对比实验的分析结果表明,相比于传统方法,该文所提出的方法在8种典型的切向人体姿态的识别中取得了96.9%的准确率,验证了该方法在切向人体姿态识别上的可行性和优越性。
双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时,需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型,会导致主瓣杂波出现严重的空时非平稳问题,从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响,但是在处理过程中会出现字典离网问题,从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性,但在针对复杂、多变场景时,也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题,该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先,基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型,克服传统离散字典模型下的离网问题;其次,采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解;然后,根据迭代流程和数据流图进行网络化处理,将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net;再次,设置归一化均方根误差网络损失函数,并利用获取的数据集对网络模型进行训练;最后,利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理,从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理,表明该方法具有更好的杂波抑制性能和更加高效的运算效率。 双基合成孔径雷达(BiSAR)在实现对地面运动目标检测和成像时,需要抑制地面背景杂波。然而由于双基SAR收发分置的空间构型,会导致主瓣杂波出现严重的空时非平稳问题,从而恶化杂波抑制性能。基于稀疏恢复空时自适应处理方法(SR-STAP)虽然可以通过降低样本数量减少非平稳的影响,但是在处理过程中会出现字典离网问题,从而导致空时谱估计效果下降。并且大部分现有的典型SR-STAP方法虽然具有明确的数学关系和可解释性,但在针对复杂、多变场景时,也存在参数设置不恰当、运算复杂等问题。为解决上述一系列问题,该文提出了一种适用于双基SAR空时自适应杂波抑制处理的基于交替方向乘子法(ADMM)的复值神经网络ANM-ADMM-Net。首先,基于原子范数最小化(ANM)构建双基SAR连续空时域下杂波谱的稀疏恢复模型,克服传统离散字典模型下的离网问题;其次,采取ADMM对该双基SAR杂波谱稀疏恢复模型进行快速迭代求解;然后,根据迭代流程和数据流图进行网络化处理,将人工超参数迭代过程转换为网络可学习的ANM-ADMM-Net;再次,设置归一化均方根误差网络损失函数,并利用获取的数据集对网络模型进行训练;最后,利用训练后的ANM-ADMM-Net网络架构对双基SAR回波数据进行快速迭代处理,从而完成双基SAR杂波空时谱的精确估计和高效抑制。该文通过仿真试验和实测数据处理,表明该方法具有更好的杂波抑制性能和更加高效的运算效率。