【摘 要】
：
随着移动通信技术的发展,人们开始研究如何在移动终端实现目标定位、手势识别、成像等感知功能。目前,移动终端上的成像功能主要依靠光学摄像头实现,光学成像发展多年,技术成熟,但是光学摄像头容易受光线条件影响,在弱光或无光环境中难以实现成像。而基于太赫兹阵列的成像系统不受光线影响,能够实现非可视环境下的成像。太赫兹电磁波波长短的特点也易于设计出适合移动终端使用的天线。此外,太赫兹波具有的高宽带性能够实现高
论文部分内容阅读
随着移动通信技术的发展,人们开始研究如何在移动终端实现目标定位、手势识别、成像等感知功能。目前,移动终端上的成像功能主要依靠光学摄像头实现,光学成像发展多年,技术成熟,但是光学摄像头容易受光线条件影响,在弱光或无光环境中难以实现成像。而基于太赫兹阵列的成像系统不受光线影响,能够实现非可视环境下的成像。太赫兹电磁波波长短的特点也易于设计出适合移动终端使用的天线。此外,太赫兹波具有的高宽带性能够实现高精度的距离测量,结合MIMO技术,可以实现高分辨率成像。但移动终端的成像场景大多处于太赫兹阵列的近场范围,传统实孔径成像算法不再适用,需要进一步研究适用于太赫兹MIMO阵列近场的成像算法。本文对移动终端成像系统设计、性能分析、成像算法等关键问题进行了研究,并对相关算法进行了仿真验证。本文的主要研究内容包括:1.根据移动终端的尺寸及布阵空间设计了太赫兹MIMO阵列,分析了太赫兹成像系统的远近场划分距离、距离分辨率、方位分辨率、俯仰分辨率等关键成像参数,并建立了太赫兹MIMO阵列下的近场回波信号模型。2.根据太赫兹MIMO阵列近场球面波模型,研究了差频域BP算法和距离域BP算法两种适用于太赫兹阵列近场成像的算法,分析了两种成像算法的运算量。并且,基于两种BP算法提出了二维MIMO阵列的三维成像处理流程,并通过仿真验证了两种BP算法在太赫兹MIMO阵列近场范围成像的可行性。3.研究了太赫兹MIMO阵列在近场范围内的旁瓣电平升高问题。首先分析了物理全孔径阵列与MIMO虚拟阵列的旁瓣电平随距离的变化情况。针对太赫兹MIMO阵列在极近距离下旁瓣水平无法满足成像要求的问题,研究了三种抑制极近距离旁瓣升高的方法,并通过仿真验证所提方法的可行性。
其他文献
光学稀疏孔径望远镜是下一代深空探测的主要手段。光学稀疏孔径利用分立的子孔径,通过光束合成等效达到大孔径系统的分辨率效果,克服了单孔径系统存在的大尺寸镜面加工难度大、自身重量增加带来的曲率变化等限制因素,还具有可变换孔径排布、灵活变换基线等优点。稀疏系统要求子孔径共相,但是光束合成误差的存在会阻碍这一要求。本文针对子孔径间活塞误差和倾斜误差对光束合成的影响,进行理论和实验研究。对不同填充因子和子孔径
随着低慢小航空器在航拍摄影、交通运输、军事侦察等领域得到广泛应用,处于非监管状态下的低慢小航空器威胁公共安全的事件也时有发生,因此,能够用于该目标的预警手段及设备得到了更大范围的关注与发展。在可见光成像领域,常用长焦成像系统拍摄远处目标,但传统的长焦成像系统由于受到制造以及成本所限,大多采用定焦模式,因此其成像视场比较受限,难以在大范围针对目标进行快速检测识别,从而达到理想的预警效果。针对以上问题
周视激光引信探测精度高、体积小,抗电磁干扰能力强,近年来在防空导弹中应用逐渐广泛。对激光引信的实际数据采集成本高、周期长,因此实验数据不足。为了提高激光引信探测精度,增添回波信号数据,可对激光引信回波信号数字化仿真,研究影响发射脉冲激光、目标表面特性、探测距离等参数对回波信号的影响,进一步提高激光引信的抗干扰能力,提高导弹整体的杀伤能力。本文主要研究周视激光脉冲引信与预制破片战斗部的引战配合,对弹
总剂量辐照效应会对核辐射环境中的电子器件造成损伤,对数字器件进行计算机仿真模拟可以为器件的抗辐照加固提供理论支持。为了对数字器件的总剂量辐照效应进行仿真,首先需要获取数字器件的仿真模型。现今对数字器件进行总剂量效应建模的方法主要有两种,分别是物理建模方法和行为级建模方法。物理建模方法仿真精确度高,但是计算成本大,可扩展性弱。行为级模型使用简单,仿真效率高,可扩展性强,适用于数字器件的总剂量效应建模
遥感已被广泛地应用于土地覆盖分类、环境监测、军事防御等领域中。单一传感器信息既有一定的局限性,又存在着极具潜力的互补性。融合算法可以实现多源遥感图像的互补信息提取,但是,会遭遇目标信息不显著和噪声鲁棒性低等问题。本文以解决融合算法的稳定性问题、提高融合图像的质量为目标,深入研究基于GramSchmidt变换和全变分方法的像素级、特征级融合技术。本文主要完成工作如下:首先,针对传统像素级图像融合方法
空战形态由过去的机械化向信息化、智能化转型。快速准确地预测出对方战斗机的飞行轨迹可使本方在近距对抗中占据有利的态势。然而战斗机状态的多样化、空战态势的不确定性以及空战的高动态性等导致飞行轨迹预测算法存在预测精度低、预测实时性低等问题。这些预测方法通常仅根据单个战斗机的历史轨迹进行预测,忽略了在作战过程中各个战斗机之间的相互制约、相互限制的关键信息,导致预测结果与实际轨迹相差较大。因此为充分考虑战斗
智慧安防是智慧城市的重要领域之一,在安防监控、无人零售等方面发挥着关键作用。随着高清摄像头的普及,视频监控系统已经成为智慧安防领域的核心组成部分。然而监控图像易受雨、雾、霾、沙尘等恶劣天气的影响,导致清晰度下降、颜色失真等问题,严重降低车牌识别、人员检测等的准确度。现有针对恶劣天气下监控图像清晰化的研究主要面向雨、雾、霾等场景,由于沙尘天气中悬浮沙粒对光具有吸收、散射作用,引起偏色严重、锐度下降等
随着深度学习技术在计算机视觉和自然语言处理领域的广泛应用,越来越多的学者将目光聚集到二者的交叉领域上来,图像描述、视觉搜索等基于二维数据的相关任务都取得了令人瞩目的发展。近些年来,三维传感技术的进步推动了三维视觉的革命性发展,对点云形式的三维室内场景数据的研究也逐渐成为当前的研究热点。目前,已经有相关工作致力于链接三维视觉和自然语言处理两个领域,相关数据集和优秀工作的提出,为在三维环境下的跨领域、
遥感图像分类是遥感图像处理的重要组成部分,已经在城市制图、精准农业、森林变化检测、环境保护和军事侦察等多个领域进行广泛地运用,具有重要的研究意义。近年来,集成学习算法成为遥感图像分类领域的热门研究方向。与单分类器相比,集成学习不仅可以利用多个基分类器之间的差异性,提高模型的泛化性能,而且能够使各个基分类器的信息进行互补,从而显著提升分类系统的准确性和鲁棒性。本文以集成学习为核心技术,开展遥感图像分
三维重建是通过计算单个或多个相机采集的二维图像间的关系,来恢复潜在的三维模型的技术。作为计算机视觉的重要问题之一,三维重建已广泛应用于增强现实、摄影测绘、自动驾驶等领域。然而,由于输入图像中往往具有场景变化大、可用信息少等特点,三维重建过程中容易出现特征点定位误差大、相机姿态不正确、模型存在空洞等问题。针对上述问题,本文通过研究特征点提取、视图重建等方法,设计并实现了一种基于深度学习的三维重建系统