Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于深度学习和成像反演技术的毫米波雷达安检方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:数据空间研究院

摘要:本发明公开了基于深度学习和成像反演技术的毫米波雷达安检方法及系统,方法包括:FMCW模块产生雷达信号,将雷达信号发射出去;伺服扫描控制系统调整天线的方向,确保雷达波束覆盖整个检测区域;待测物体反射回来的信号被接收天线阵列接收并传输到FMCW模块,FMCW模块将接收到的信号进行下变频,得到中频信号,进行数字信号处理得到处理好的信号;将处理好的信号采用DT算法以及RMA算法处理得到待测物体的图像;将待测物体的图像通过金字塔融合算法进行细节融合得到优化后的图像;将优化后的图像输入YOLOv8模型,输出待测物体的分类结果;本发明的优点在于:分辨率和精确度高且检测速度快。

主权项:1.基于深度学习和成像反演技术的毫米波雷达安检方法,其特征在于,包括以下步骤:步骤一、FMCW模块产生雷达信号,发射开关阵列打开发射天线阵列,将雷达信号发射出去;步骤二、伺服扫描控制系统调整天线的方向,确保雷达波束覆盖整个检测区域;步骤三、接收开关阵列打开接收天线阵列,待测物体反射回来的信号被接收天线阵列接收并传输到FMCW模块,FMCW模块将接收到的信号进行下变频,得到中频信号;中频信号经过数模转换得到数字信号,对数字信号进行数字信号处理得到处理好的信号;步骤四、将处理好的信号采用DT算法以及RMA算法处理得到待测物体的图像;步骤五、将待测物体的图像通过金字塔融合算法进行细节融合得到优化后的图像;步骤六、将优化后的图像输入YOLOv8模型,输出待测物体的分类结果;所述DT算法的处理过程包括:经步骤三处理好的信号中待测物体在位置的散射场用下面的积分方程表示: 其中,是待测物体在位置的散射场,是源点的位置,是待测物体的散射潜能,是格林函数,是待测物体的体积;散射潜能与待测物体的介电常数和电导率有关,表示为: 其中,是波数,和分别是待测物体在位置r的介电常数和电导率,是背景介电常数,是角频率;通过求解散射场的积分方程,得到待测物体的介电常数和电导率;散射场的积分方程求解过程如下:1)、对散射场的积分方程进行傅里叶变换,然后乘以多频率下的空间谱,得到补偿后的对比度空间谱,对对比度空间谱插值,插值之后的对比度空间谱进行傅里叶逆变换,得到单频下解耦的相对介电常数和电导率,具体过程如下:a、对散射场的积分方程进行傅里叶变化,然后乘以多频率下的空间谱,之后得到补偿后的对比度空间谱: 其中,为接收天线空间谱坐标,为发射天线空间谱坐标,表示散射场空间谱,和分别是自由空间中的介电常数和电导率,表示激励源频谱,表示天线阵列z方向空间域坐标;b、进行对比度空间谱距离向的一维插值运算;c、插值之后的对比度空间谱进行傅里叶逆变换,解耦得到单频下解耦的相对介电常数和电导率;2)、对天线阵列信号进行二维傅里叶变换得到相对介电常数空间谱以及电导率空间谱,对相对介电常数空间谱以及电导率空间谱进行相干积累,相干积累后的相对介电常数空间谱以及电导率空间谱进行二维傅里叶反变换,得到多频率下解耦的相对介电常数和电导率;具体过程如下:d、对天线阵列信号进行二维傅里叶变换,得到个频率的相对介电常数空间谱和电导率空间谱,;对天线阵列信号进行二维傅里叶变换指的是对发射天线阵列以及接收天线阵列均进行傅里叶变换;e、对相对介电常数空间谱和电导率空间谱进行相干积累;f、对相干积累后相对介电常数和电导率空间谱进行二维傅里叶反变换,得到多频率下解耦的相对介电常数和电导率: 其中,为待测物体x方向空间域坐标,为待测物体z方向空间域坐标,为估计相对介电常数,为自由空间背景的相对介电常数,为多频率下解耦的相对介电常数,为待测物体x方向谱域坐标,为待测物体z方向谱域坐标,为多频率下解耦的电导率,为第n个角频率;从而根据单频下解耦的相对介电常数和电导率和多频率下解耦的相对介电常数和电导率,得到待测物体的完整的相对介电常数和电导率信息。

全文数据:

权利要求:

百度查询: 数据空间研究院 基于深度学习和成像反演技术的毫米波雷达安检方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。