FMCW雷达基于光学字符识别的连续动作识别研究

传统的基于雷达的人体动作识别主要采用微多普勒原理,对原始数据进行处理,生成微多普勒时频图,然后输入到基于分类的深度学习网络中进行识别,只能对单个动作进行识别。本文提出一种FMCW雷达光学字符识别技术的连续动作识别方法,首先对采集的雷达数据采用RDM（Range?Doppler Map）向速度维投影的方法逐帧获取微多普勒时频图,然后将处理得到的时频图输入一个特别定制的,由卷积神经网络、inception_resnet、最大池化层和Bi?LSTM的网络组成,使用联结主义时间分类（CTC）作为损失函数进行训练的网络。实验结果表明该方法对步行、跑步、蹲下、站起、跳跃这5种动作的识别准确率分别高达96.16%,95.34%,88.49%,89.37%,96.72%。对一个时间窗口内多个动作的识别也取得了不错的效果,时间上的识别准确率整体令人满意。     

基于协方差矩阵重构的互质阵列DOA估计

针对利用拓展的虚拟阵列的最大连续均匀阵列进行波达方向估计未完全利用虚拟阵列全部信息的问题,提出了一种基于虚拟阵列插值的矩阵重构DOA估计算法。该算法首先通过互质阵列导出的非均匀虚拟阵列,引入虚拟阵列插值的思想来构造一个均匀的线性虚拟阵列;然后提出一个凸优化问题,重构等效接收信号的协方差矩阵;最后优化协方差矩阵的相应矢量的首个元素,利用重构的协方差矩阵进行DOA估计。该算法充分利用虚拟阵列中包含的信息,与利用拓展的虚拟阵列的最大连续均匀阵列进行DOA估计相比,提高了估计自由度和分辨率。     

一种TDM-MIMO雷达的运动目标相位补偿方法

汽车雷达主要使用时分复用多输入多输出技术(TDM-MIMO)增加其虚拟天线数量来提高角度分辨率。当目标与雷达之间存在相对运动时,由运动目标多普勒频率在不同发射天线切换时间内带来的相位变化量会耦合到各接收天线上,导致频谱出现散焦效应。这种相位变化会对目标的角度估计产生影响。针对这种问题,推导了TDM-MIMO信号模型,通过分析运动目标相位误差产生的原因,提出了一种相位补偿方法,该方法无需对目标速度进行预估,并且无需额外的硬件开销。通过仿真实验和实测数据证明了该方法可以使运动目标正常测角并且具有较低的时间复杂度。     

一种多目标雷达探测系统的设计与实现

针对传统汽车防撞雷达系统中存在的多目标配对问题,基于单发双收射频前端研究了一种线性调频连续波（LFMCW）多目标探测系统。首先理论推导了系统测距测速原理,并在测距测速的基础上增加测角功能;然后根据LFMCW上下扫频中同一目标的角度一致性和峰值能量相近原则对目标进行容差配对,从而实现单周期目标距离速度和角度的准确测量;最后给出多目标雷达探测系统的硬件框图和FPGA信号处理流程,并对该系统进行实测验证。实测结果表明,该系统能够准确地实现目标方位角的测量并有效解决了LFMCW多目标配对问题。     

改进的毫米波复数网络稀疏成像算法

针对基于压缩感知的重构方法耗时巨大的问题,从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先,构建基于复数卷积的U-Net网络。其次,将欠采样信号输入网络得到满采样信号。最后,使用距离维脉压的二维匹配滤波算法重构出目标。实验建立在不同稀疏度和不同采样间隔下的欠采样仿真数据集中,并与传统和最近的信号处理方法进行对比。再使用实测数据进行验证,实验结果表明该算法在重构耗时以及图像平均梯度上具有更好的表现。     

电子战综合试验模拟系统信号处理机的实现

信号处理机是电子战综合试验模拟系统的关键部分，要求它能模拟多种体制雷达的抗干扰处理方式和定时，因此要求该信号处理机具有更好的实时性和通用性。为满足要求，在系统设计时充分采用新技术，如采用现场可编程门阵列（FPGA）实现脉压、运用并行处理技术进行抗干扰处理以及应用实时广播内存网完成网络通信等，这些技术的应用提升了本机实时性和通用性，文中对这些技术的应用进行了阐述。     

基于时分MIMO的地基雷达高分辨率成像研究

基于时分多输入多输出(MIMO)的地基雷达成像有许多很好的应用价值,比如替代合成孔径雷达成像在山体滑坡监测方面的应用。针对基于时分MIMO的地基雷达高效高分辨率成像,该文提出一种基于逆傅里叶变换脉冲压缩和波束形成的成像算法。雷达通过步进频连续波技术获得高距离向分辨率,利用MIMO技术获得高方位向分辨率。通过逆傅里叶变换法实现雷达数据距离向压缩,采用波束形成算法实现雷达数据方位向压缩。同时该算法还针对MIMO天线阵列所引起的回波信号相位不连续问题进行了适当的校正,在保持算法高效性的同时提高了成像质量。根据真实的山体滑坡监测成像场景参数,通过数值仿真验证了该成像算法的可行性,应用在山体滑坡监测上理论效果良好。     

基于LabVIEW的数据采集与处理虚拟实验平台的设计

将基于LabVIEW图形化编程的虚拟实验技术引入高等学校实验教学,提供了一种演示及验证数据采集与处理系统的有效的实验手段。LabVIEW直观便捷的虚拟仪器技术,为实验教学提供友好的的实验环境,使学生在实验过程中更加专注于课程知识的理解和应用。     

基于双谱特征的超宽带雷达人体目标识别

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。     

基于UKF的毫米波雷达手势识别算法研究

本文提出了一种基于无迹卡尔曼滤波（UKF）的毫米波雷达干扰抑制的手势识别方法。首先根据原始雷达信号设置的采样点与线性调频信号数量，估计了目标的距离与多普勒参数。之后针对实际场景中类目标干扰较多的情况，设计了一套完整的基于UKF的场景类目标抑制方法，接着利用卷积神经网络（CNN）对不同手势距离?多普勒特征谱图进行提取和识别。实验结果表明，该抑制方法有效地解决了类目标干扰给手势识别带来的困扰，手势识别的平均准确率为98.74%，经过抑制干扰算法后准确率相较于干扰抑制之前提升了7.29%。