本文關鍵詞：基于UWB的運動目標成像算法的分析與實現(xiàn)

  更多相關文章： 超寬帶技術 動目標檢測 動目標成像 橢圓包絡線 Keystone變換

【摘要】：近年來,隨著公交車著火事件的不斷發(fā)生,公共安全問題成為人們關注的焦點之一。目前車站和機場都設有安檢處,通過安檢設備對乘客攜帶的物品進行檢測,防止給旅客的乘車帶來安全隱患。然而考慮成本的因素,對于公交車沒有這些檢測設備的安裝,因此不免給乘客的人身安全帶來威脅。針對該現(xiàn)狀,作者的導師已經申請了四川省科技計劃項目“公交車危險品自動檢測報警系統(tǒng)研究”。本論文在該項目的基礎上,提出利用超寬帶技術對運動的目標進行成像處理,進行相應的理論實現(xiàn),是該項目前期的理論研究部分。論文描述了動目標成像的研究背景、研究意義以及超寬帶成像技術的國內外現(xiàn)狀,分析了超寬帶的理論知識,包括對其定義、主要系統(tǒng)方案、技術的特性和應用上的分析。在超寬帶理論的基礎上,論文首先對運動目標反射的回波建立相應的數(shù)學模型,以運動的圓形目標為研究對象,建立數(shù)學模型時,對時延、脈沖寬度等因素給信號造成的影響進行了分析;然后根據建立的數(shù)學模型利用超寬帶檢測技術對動目標進行檢測,這其中包括了傳統(tǒng)的動目標檢測算法和基于超寬帶的動目標檢測算法,以理論分析和仿真實驗相結合的方法進行對比,體現(xiàn)利用超寬帶檢測技術在動目標檢測上的優(yōu)勢,能達到更好的檢測效果;經過對目標的檢測,接下來重點研究基于超寬帶的動目標成像技術。在成像算法中主要對橢圓包絡線成像算法進行了分析和實現(xiàn),通過對該算法基本原理的分析,總結出該算法在成像處理過程中的基本步驟,方便對該算法更好的理解和應用,接著與相似的圓形包絡線算法進行性能上的對比,建立仿真實驗并通過不同的仿真結果對闡述的理論進行驗證,突出該算法在動目標成像上能達到很好的成像效果;最后在對橢圓包絡線成像算法的總結中,提出該算法在實際應用中存在不足,即成像處理的對象為單目標。為了彌補該缺陷引用基于超寬帶的時間反轉成像算法,該算法根據不同目標能量聚焦強度的不同,能對多目標進行成像。但是多目標在反射的回波中存在重疊,因此提出了改進的方法,即利用Keystone變換的方法對回波進行分離處理,對分離后的回波運用該算法能顯示出較好的目標圖像,再對目標成像域進行分割,就可以利用橢圓包絡線成像算法對不同的目標完成邊界成像效果。本文在結構上采用先檢測后成像的方法。針對多目標運動的成像處理,本文提出相應的改進優(yōu)化方案,先對回波的重疊問題進行分離,再利用兩種成像算法的結合完成對多目標的成像。在利用超寬帶技術對運動的目標成像時,不同的成像算法有著不同的優(yōu)勢,作者利用兩種成像算法在不同方面的優(yōu)勢,加之一定的改進方法,解決對多目標顯示出高分辨率成像效果難的問題。當然,在對該課題的研究中,對理論分析的驗證采用的更多的是仿真實驗,利用Matlab仿真工具得出相應的仿真結果。通過對該課題的分析,一方面研究超寬帶運動目標的成像算法,另一方面能夠對項目接下來的工作提供新的思路。
【關鍵詞】：超寬帶技術 動目標檢測 動目標成像 橢圓包絡線 Keystone變換
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TN925
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究的背景及意義10-11
• 1.2 國內外技術現(xiàn)狀11-13
• 1.3 課題的來源以及主要研究工作13
• 1.4 論文的內容及基本框架13-15
• 第2章 超寬帶探測運動目標的理論研究15-26
• 2.1 超寬帶理論和目標探測技術現(xiàn)狀15-21
• 2.1.1 超寬帶的概念15-16
• 2.1.2 超寬帶系統(tǒng)16-18
• 2.1.3 超寬帶技術的特性18-19
• 2.1.4 超寬帶技術的應用19-20
• 2.1.5 超寬帶探測目標技術研究進展20-21
• 2.2 超寬帶探測運動目標回波建模21-24
• 2.2.1 運動目標對信號的影響21-23
• 2.2.2 多散射中心造成的影響23
• 2.2.3 超寬帶回波模型的建立23-24
• 2.3 超寬帶目標探測建模24-25
• 2.4 小結25-26
• 第3章 運動目標的探測算法分析26-40
• 3.1 脈沖偏移檢測動目標檢測算法26-29
• 3.1.1 算法的基本原理26
• 3.1.2 誤檢概率26-27
• 3.1.3 算法仿真27-29
• 3.2 回波強度改變的動目標檢測算法29-32
• 3.2.1 算法的基本原理29-30
• 3.2.2 算法仿真30-32
• 3.3 基于超寬帶的運動目標檢測算法32-39
• 3.3.1 超寬帶動目標檢測算法分析32-36
• 3.3.2 超寬帶運動目標檢測仿真結果36-39
• 3.4 小結39-40
• 第4章 基于超寬帶的動目標成像算法分析40-51
• 4.1 引言40-41
• 4.2 超寬帶運動目標成像系統(tǒng)模型41-42
• 4.3 超寬帶橢圓包絡線動目標成像算法42-47
• 4.3.1 算法的基本原理42-45
• 4.3.2 算法的基本步驟45-46
• 4.3.3 算法的性能優(yōu)勢46-47
• 4.4 算法仿真及分析47-50
• 4.5 小結50-51
• 第5章 超寬帶動目標成像算法改進及實現(xiàn)51-58
• 5.1 引言51
• 5.2 基于時間反轉的動目標成像算法51-54
• 5.2.1 時間反轉算法原理51-53
• 5.2.2 算法的一般步驟53-54
• 5.2.3 時間反轉算法成像難點分析54
• 5.3 超寬帶動目標成像算法優(yōu)化流程54-55
• 5.4 算法成像實驗仿真55-57
• 5.5 小結57-58
• 結論58-60
• 致謝60-61
• 參考文獻61-64
• 攻讀學位期間取得學術成果64

【參考文獻】

中國期刊全文數(shù)據庫 前1條

1 李存斌;王恪鋮;;A new grey forecasting model based on BP neural network and Markov chain[J];Journal of Central South University of Technology;2007年05期

，

本文編號：790693