1 清华大学 工程物理系，北京 100084
2 清华大学 危爆物品扫描探测国家工程实验室，北京 100084
3 新加坡国立大学 电子与计算机工程系，117583新加坡
毫米波成像在人体安检领域发挥了重要作用，引起了人们的广泛关注。现有的毫米波近场人体安检成像机制主要分为SISO和MIMO两种。SISO机制可实现快速精确成像，然而随着工作频率的升高，其所需天线数目迅速增长、天线间隔下降，不仅造成了系统成本提升，还使得天线耦合难以被抑制。MIMO机制虽然降低了成像所需的天线数目、增大了天线间隔，但目前无法实现类似SISO机制的快速精确重建。提出了一种可快速精确重建的MIMO近距离成像机制，定量给出了该机制的适用条件。与传统MIMO近距离成像机制不同，该MIMO近距离成像机制通过巧妙地设计MIMO子阵列，使其在近场成像中满足等效相位中心原理。因此它能够直接使用诸如距离迁徙算法（range migration algorithm，RMA）等各种基于SISO机制开发的精确且快速的成像算法去重建图像，兼顾了SISO机制和MIMO机制的优势。E波段的示例表明，在近场毫米波成像中，该MIMO机制与SISO机制具有同等水平的成像质量和成像速度，但相较于SISO机制，该MIMO机制的天线利用率、天线间隔可提升4倍以上。与传统MIMO成像机制相比，该MIMO成像机制不但有更好的成像质量，而且其重建速度大幅提升，在一个成像区域为1 m×1 m×0.2 m，体素尺寸为1.85 mm3的典型成像场景中，比传统MIMO成像机制快近200，000倍。仿真和实验结果验证了该成像机制的有效性。
毫米波 MIMO 近距离成像 快速精确成像算法 millimeter wave MIMO short-range imaging fast and accurate imaging algorithm
1 危爆物品扫描探测技术国家工程实验室, 北京 100084
2 清华大学工程物理系, 北京 100084
在毫米波多发多收阵列成像中, 由于收发天线排布不规则, 图像重建依赖于逐点计算的反向传播算法, 重建速度难以满足快速成像需求。为了解决上述问题, 本文提出了一种 “粗到精”的分级重建策略, 通过基于相位补偿的快速粗重建和基于反向传播的子区域细重建来对多发多收全息数据进行快速处理。通过任意复杂电磁场计算 (FEKO)电磁仿真实验对正交阵列和紧凑方框型阵列的毫米波成像进行了模拟, 验证了分级重建方法的有效性。
毫米波成像 多发多收阵列 分级重建 millimeter-wave imaging MIMO array hierarchical reconstruction 太赫兹科学与电子信息学报
2021, 19(2): 250
1 清华大学工程物理系, 北京 100084
2 清华大学危爆物品扫描探测技术国家工程实验室, 北京 100084
提出了基于等效阵列概念的弧形多收多发(MIMO)阵列的设计方法,依照该方法设计了一种50发60收的弧形MIMO阵列,并在太赫兹波段进行仿真分析。结果表明,所设计的弧形MIMO阵列的成像分辨率接近于理论极限;该弧形MIMO阵列与包含3000个收发同置天线的等效阵列相比,点扩展函数的主瓣宽度一致、旁瓣波峰波谷的位置一一对应,其等效性得到了验证;与传统直线MIMO阵列相比,弧形MIMO阵列的成像范围较大,其旁栅伪影得到明显抑制,这有利于获得更好的曲面目标侧面成像效果。
太赫兹技术 成像系统 多收多发 阵列设计 安检
