结合自适应波束形成的NUFFT二维成像算法 下载: 606次
1 引 言
近年机场、车站、地铁等公共场所发生的恐怖袭击事件使人们对安检成像的准确性提出了更高的要求[1]。传统安检成像(如红外成像和X光成像等)存在不同程度的缺陷[2]。
红外成像能够检测出人体携带的刀、枪等金属违禁物品,但不能检测陶瓷刀具、液体炸弹、塑料枪支、塑料炸弹等现代违禁危险品;X光成像可以很好地探测出多种类型的危险品,但其对人体组织会产生伤害。
毫米波成像则具有准确性和安全性的双重优点,既能够检测出液体炸弹等现代危险品,也不会对人体组织造成伤害[3]。
在实际的安检环境中,被检目标通常处于天线阵列的近场范围内,且存在各种噪声和干扰[4]。自适应波束形成算法能够很好地抑制噪声干扰,其在声纳、天文、地震、医疗和雷达等领域被广泛地研究[5]。自适应波束形成算法通过调整各天线阵列中的加权值,从而使波束聚集在期望信号方向,减弱噪声对期望信号的干扰[6]。对天线收到的信号进行自适应波束形成处理后,再使用NUFFT算法对其进行还原。NUFFT算法在不影响成像质量的情况下,可以极大地减少运算量,从而减少实际安检成像所需的时间[7]。
研究首先推导出近场信号传播方程,并引入一维近场响应矩阵,以此为基础采用LMS自适应波束形成算法对来波信号进行降噪处理,并通过NUFFT还原降噪后的目标图像[8]。对比基于NUFFT结合传统的波束形成算法的模拟仿真,得出结合自适应波束形成的NUFFT二维成像算法拥有更好的噪声抑制效果。
1 近场天线阵列信号模型
传统二维安检成像是将发射端线阵和接收端阵列组成的一维天线阵列平行于x轴方向并且均匀排列,与被测目标的位置是在一个近场区域内,如
研究采用一维均匀线性阵列结构对近场毫米波安检系统机构进行设计,天线阵列均匀分布在x轴的两侧,且各个阵元结构相同,取向相同呈直线排列,建立二维坐标系,假设天线阵列中有阵元P个,选取中心阵元为参考阵元,设天线阵元的坐标分别为,检测的目标区域分布在与x轴垂直距离为R0的位置。为了避免天线之间相互影响,各个天线阵元相距,其中为波长。
1.1 阵列近场信号传播方程
天线传播过程如
由
由于近场波为球面波,其波动方程为:
其中c表示信源信号空气中传播的速度。
由于各向同性的介质中信源信号s不受俯仰角和方位角影响,上式中s可记为,化简可得:
对(2)式进行求解可得天线阵元接收信号表达式为:
其中,A/r指传播距离r处天线阵元接收到的信号幅值,ω表示信源信号的角频率,A代表信源信号的幅度,,其中λ为信源信号辐射波长。
1.2 阵列近场响应矩阵
假设天线阵列中有阵元 P 个,选取中心阵元为参考阵元,建立二维坐标系,天线阵列均匀分布在x轴两侧,阵元的坐标分别为,信源信号s相对于中心阵元的坐标为(),如
当把中心阵元作为参考原点时,各个天线阵元与信源信号的间距是的函数,第m个天线阵元到信源信号s的距离为,由余弦定理可知,第m个天线阵元到信源信号的距离为:
近场一维均匀天线阵列响应矩阵[9]如下:
2 结合自适应波束形成的NUFFT二维成像算法
文中采用结合自适应波束形成的NUFFT二维成像算法对天线多阵元接收的目标信号进行图像重构。
2.1 近场自适应波束形成原理
研究中,自适应波束形成算法被用来抑制天线接收目标信号时所伴随着的噪声信号。通过自主地调整天线数量等参数以增强天线阵列对检测信号的定位和分辨力,同时调节天线阵列的权矢量,使得天线方向图在干扰方向形成零陷,而在目标信号方向上形成主波束,由此排除噪声信号[9]。其原理结构如
图中y(t)代表各天线阵列单元输出结果的加权和,通过自适应算法获取到不同的加权系数,,x(n)为阵列单元的输入信号。研究采用LMS算法[10]作为自适应波束形成来计算加权系数矩阵。系数更新递推公式为:
式中µ为步长调节因子,为0到1之间的常量,研究中取0.9;e(n)为阵列输出信号与参考信号d(n)之差:
LMS算法首先对接收到的天线阵列单元输出信号的加权系数矢量进行估计,接着自适应权值系数会按照步长因子的代价函数矢量的负方向估计和搜索,得到合适的加权系数[11]。
2.2 结合波束形成的NUFFT二维成像算法流程
NUFFT算法使用窗函数对原始数据进行加权,对加权之后的数据计算过采样FFT,并将所得结果与窗函数进行卷积,将采样均匀的时域数据投影到不均匀的频域网格,和常规FFT相比,NUFFT具有运算量小的优点。研究提出结合波束形成的NUFFT二维成像算法。首先使用波束形成处理的方法处理天线接收到的空间点目标信号,并通过NUFFT二维成像算法还原出空间点目标图像。算法流程图如
图 5. 结合波束形成的NUFFT二维成像算法流程图
Fig. 5. Flow chart of NUFFT two-dimensional imaging algorithm combined with beamforming
具体的实现步骤为:
步骤一:对回波数据的自适应波束形成处理。
依据
,此时接收到的信号不含干扰信号和噪声。将该公式的极坐标形式改为二维坐标形式,设被测目标的坐标为(x, y),天线阵列单元坐标为(x',y'),因为是固定某一时刻,则为定值,可将其省去,得到:
其中,各天线单元到目标的距离为r,f为发射信号的频率,g(x,y)为与目标和天线相对位置有关的信号幅值,即目标图像。
步骤二:对自适应波束形成后的数据结果进行方位维傅里叶变换。
则,其中
步骤三:对傅里叶变换后的结果进行匹配滤波处理。
依据驻定相位定理,可对上式积分进行求解,在驻定相位点处,相位的一阶偏微为0,过程如下:
解得:
将上式代入,得到:
其中,为目标信号到阵列中心的距离。因为(x',y')和(x,y)的坐标系是一致的,所以(14)式可以表示为:
步骤四:通过NUFFT推导出目标图像函数。
将(15)式代入(11)式中可以得到:
移项后可得:
若对包含多个散射点的目标成像,则(17)式可以表示为:
3 仿真分析与讨论
设目标信号至天线阵列的间隔为0.2 m~0.5 m,一维天线阵元数为64,阵元均匀分布,阵元之间的间距为λ/2,得到传播距离r =6.59 m。天线阵列扫描的方向角有效范围为[-60°,60°],天线在方向域上扫描范围为0.8 m~1.84 m。设置期望目标信号频率为90 GHz,天线阵列为一维均匀直线阵,以阵列中心为坐标原点,一维天线阵列为x轴,垂直天线阵列的方向为y轴。假设某一时刻有期望信号位于坐标(0.32,0.32),干扰噪声为均值0,方差1的高斯白噪声。在-10 dB和20 dB两种信噪比条件下,将文中算法与常规波束形成的NUFFT二维成像算法进行了对比仿真分析,仿真结果讨论如下。
3.1 信噪比为-10 dB和20 dB时的仿真结果
73.75.76 (1)信噪比为-10 dB的仿真结果
由
73.75.79 (2)信噪比为20 dB的仿真结果
由
由仿真结果可以看出,与常规波束形成的结果相对比,对回波信号进行自适应波束形成处理后,再利用NUFFT重构图像,可以很好地滤除干扰信号,减弱噪声影响。当信号的功率小于噪声功率时,期望信号受到噪声影响较为严重,而当提高信号的信噪比至20 dB时,可以很清晰地还原出空间点目标。
3.2 信噪比为20 dB时输出误差仿真结果
在信噪比为20 dB的条件下,对结合自适应波束形成处理后离散傅里叶变换(Discrete Fourier Transform, DFT)与NUFFT的输出误差做了仿真分析,仿真后得到的结果如
由仿真结果可以看出,文中方法与结合波束形成的离散傅里叶变换算法的输出误差达到了10-7量级,说明在减少运算量的情况下,重构图像的质量并没有受到影响。
4 结束语
毫米波安检成像由于具有安全性高、穿透性好等优点成了近年来的研究热点。文中首先推导出安检成像系统中近场天线阵列信号传播方程,引入一维天线响应矩阵,然后基于此传播模型采用结合NUFFT与LMS自适应波束形成算法对目标图像信号进行还原。仿真分析表明,与传统的结合NUFFT波束形成算法相比较,文中方法能更好地抑制噪声。
[1] 芦少北, 芦少北, 芦少北, 李世勇, 李世勇, 李世勇, 敬汉丹,等, 敬汉丹,等, 敬汉丹,等. 主动式毫米波成像系统对不同材料反射特性分析[J]. 微波学报, 2018, 34(S2): 330-333.
[2] 何 丰, 何 丰, 何 丰, 陈 艺, 陈 艺, 陈 艺, 曹清亮,等, 曹清亮,等, 曹清亮,等. 一种改进的主动式近场毫米波成像算法[J]. 现代电子技术, 2018, 41(07): 49-53.
[3] 唐俊林, 唐俊林, 曾 媛, 曾 媛, 岳光荣, 岳光荣. 60 GHz毫米波通信中贪婪迭代的波束成形方法[J]. 信号处理, 2017, 33(05): 669-675.
[4] 姜振宇, 姜振宇, 姜振宇, 袁瑞铭, 袁瑞铭, 袁瑞铭, 鲁观娜, 鲁观娜, 鲁观娜. 基于比幅分区法的室内定位技术研究与应用[J]. 电测与仪表, 2018, 55(S1): 112-117.
[5] ZhengCheng, ZhengCheng, Zheng Cheng, Yao Xianxun, YaoXianxun, YaoXianxun, HuAnyong, HuAnyong, Hu Anyong. A passive millimeter-wave imager used for concealed weapon detection[J]. Progress In Electromagnetics Research B, 2013(46): 379-97.
[6] 唐俊林, 唐俊林, 岳光荣, 岳光荣, 曾 媛, 曾 媛. 有限量化精度移相器对毫米波平面相阵波束控制性能的影响[J]. 信号处理, 2017, 33(09): 1162-1168.
[7] ZhaoW, ZhaoW, ZhaoW, Zhao W, Lin J Q, LinJ Q, LinJ Q, LinJ Q, ChanS, ChanS, ChanS, Chan S. A division-free and variable-regularized lms-based generalized sidelobe canceller for adaptive beamforming and its efficient hardware realization[J]. IEEE Access, 2018(6): 64470-64485.
[8] 彭咏龙, 彭咏龙, 彭咏龙, 张坤锋, 张坤锋, 张坤锋, 李亚斌, 李亚斌, 李亚斌. 基于自适应算法的谐波检测方法研究[J]. 电测与仪表, 2018, 55(09): 6-9.
[9] 周 乔, 周 乔, 周 乔, 许 魁, 许 魁, 许 魁, 徐友云,等, 徐友云,等, 徐友云,等. 联合波束域分解和SVD的多用户大规模MIMO系统信道估计[J]. 信号处理, 2018, 34(04): 439-447.
[10] Korayem R, KorayemR, BendoukhaS, Bendoukha S. A gradient descent implementation of the adaptive robust narrowband constrained LMS beamformer[J]. Image and Video Processing, 2018, 12(3): 463-470.
[11] 刘建华, 刘建华, 刘建华, 周万鹏, 周万鹏, 周万鹏, 钱红稳, 钱红稳, 钱红稳. 基于自适应增益LMS算法的谐波检测新方法[J]. 电测与仪表, 2014, 51(10): 7-12.
Article Outline
尚秋峰, 郑国强, 李炎. 结合自适应波束形成的NUFFT二维成像算法[J]. 光电子技术, 2020, 40(2): 94. Qiufeng SHANG, Guoqiang ZHENG, Yan LI. NUFFT Two⁃dimensional Imaging Algorithm Combined withAdaptive Beamforming[J]. Optoelectronic Technology, 2020, 40(2): 94.