本文關(guān)鍵詞：基于UWB的運(yùn)動目標(biāo)成像算法的分析與實(shí)現(xiàn)

  更多相關(guān)文章： 超寬帶技術(shù) 動目標(biāo)檢測 動目標(biāo)成像 橢圓包絡(luò)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(guān)注的焦點(diǎn)之一。目前車站和機(jī)場都設(shè)有安檢處,通過安檢設(shè)備對乘客攜帶的物品進(jìn)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(shè)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(dǎo)師已經(jīng)申請了四川省科技計(jì)劃項(xiàng)目“公交車危險品自動檢測報警系統(tǒng)研究”。本論文在該項(xiàng)目的基礎(chǔ)上,提出利用超寬帶技術(shù)對運(yùn)動的目標(biāo)進(jìn)行成像處理,進(jìn)行相應(yīng)的理論實(shí)現(xiàn),是該項(xiàng)目前期的理論研究部分。論文描述了動目標(biāo)成像的研究背景、研究意義以及超寬帶成像技術(shù)的國內(nèi)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(shù)的特性和應(yīng)用上的分析。在超寬帶理論的基礎(chǔ)上,論文首先對運(yùn)動目標(biāo)反射的回波建立相應(yīng)的數(shù)學(xué)模型,以運(yùn)動的圓形目標(biāo)為研究對象,建立數(shù)學(xué)模型時,對時延、脈沖寬度等因素給信號造成的影響進(jìn)行了分析;然后根據(jù)建立的數(shù)學(xué)模型利用超寬帶檢測技術(shù)對動目標(biāo)進(jìn)行檢測,這其中包括了傳統(tǒng)的動目標(biāo)檢測算法和基于超寬帶的動目標(biāo)檢測算法,以理論分析和仿真實(shí)驗(yàn)相結(jié)合的方法進(jìn)行對比,體現(xiàn)利用超寬帶檢測技術(shù)在動目標(biāo)檢測上的優(yōu)勢,能達(dá)到更好的檢測效果;經(jīng)過對目標(biāo)的檢測,接下來重點(diǎn)研究基于超寬帶的動目標(biāo)成像技術(shù)。在成像算法中主要對橢圓包絡(luò)線成像算法進(jìn)行了分析和實(shí)現(xiàn),通過對該算法基本原理的分析,總結(jié)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(yīng)用,接著與相似的圓形包絡(luò)線算法進(jìn)行性能上的對比,建立仿真實(shí)驗(yàn)并通過不同的仿真結(jié)果對闡述的理論進(jìn)行驗(yàn)證,突出該算法在動目標(biāo)成像上能達(dá)到很好的成像效果;最后在對橢圓包絡(luò)線成像算法的總結(jié)中,提出該算法在實(shí)際應(yīng)用中存在不足,即成像處理的對象為單目標(biāo)。為了彌補(bǔ)該缺陷引用基于超寬帶的時間反轉(zhuǎn)成像算法,該算法根據(jù)不同目標(biāo)能量聚焦強(qiáng)度的不同,能對多目標(biāo)進(jìn)行成像。但是多目標(biāo)在反射的回波中存在重疊,因此提出了改進(jìn)的方法,即利用Keystone變換的方法對回波進(jìn)行分離處理,對分離后的回波運(yùn)用該算法能顯示出較好的目標(biāo)圖像,再對目標(biāo)成像域進(jìn)行分割,就可以利用橢圓包絡(luò)線成像算法對不同的目標(biāo)完成邊界成像效果。本文在結(jié)構(gòu)上采用先檢測后成像的方法。針對多目標(biāo)運(yùn)動的成像處理,本文提出相應(yīng)的改進(jìn)優(yōu)化方案,先對回波的重疊問題進(jìn)行分離,再利用兩種成像算法的結(jié)合完成對多目標(biāo)的成像。在利用超寬帶技術(shù)對運(yùn)動的目標(biāo)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(jìn)方法,解決對多目標(biāo)顯示出高分辨率成像效果難的問題。當(dāng)然,在對該課題的研究中,對理論分析的驗(yàn)證采用的更多的是仿真實(shí)驗(yàn),利用Matlab仿真工具得出相應(yīng)的仿真結(jié)果。通過對該課題的分析,一方面研究超寬帶運(yùn)動目標(biāo)的成像算法,另一方面能夠?qū)?xiàng)目接下來的工作提供新的思路。
【關(guān)鍵詞】：超寬帶技術(shù) 動目標(biāo)檢測 動目標(biāo)成像 橢圓包絡(luò)線 Keystone變換
【學(xué)位授予單位】：成都理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(nèi)外技術(shù)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(nèi)容及基本框架13-15
• 第2章 超寬帶探測運(yùn)動目標(biāo)的理論研究15-26
• 2.1 超寬帶理論和目標(biāo)探測技術(shù)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(shù)的特性18-19
• 2.1.4 超寬帶技術(shù)的應(yīng)用19-20
• 2.1.5 超寬帶探測目標(biāo)技術(shù)研究進(jìn)展20-21
• 2.2 超寬帶探測運(yùn)動目標(biāo)回波建模21-24
• 2.2.1 運(yùn)動目標(biāo)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(biāo)探測建模24-25
• 2.4 小結(jié)25-26
• 第3章 運(yùn)動目標(biāo)的探測算法分析26-40
• 3.1 脈沖偏移檢測動目標(biāo)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(qiáng)度改變的動目標(biāo)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(yùn)動目標(biāo)檢測算法32-39
• 3.3.1 超寬帶動目標(biāo)檢測算法分析32-36
• 3.3.2 超寬帶運(yùn)動目標(biāo)檢測仿真結(jié)果36-39
• 3.4 小結(jié)39-40
• 第4章 基于超寬帶的動目標(biāo)成像算法分析40-51
• 4.1 引言40-41
• 4.2 超寬帶運(yùn)動目標(biāo)成像系統(tǒng)模型41-42
• 4.3 超寬帶橢圓包絡(luò)線動目標(biāo)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(jié)50-51
• 第5章 超寬帶動目標(biāo)成像算法改進(jìn)及實(shí)現(xiàn)51-58
• 5.1 引言51
• 5.2 基于時間反轉(zhuǎn)的動目標(biāo)成像算法51-54
• 5.2.1 時間反轉(zhuǎn)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(zhuǎn)算法成像難點(diǎn)分析54
• 5.3 超寬帶動目標(biāo)成像算法優(yōu)化流程54-55
• 5.4 算法成像實(shí)驗(yàn)仿真55-57
• 5.5 小結(jié)57-58
• 結(jié)論58-60
• 致謝60-61
• 參考文獻(xiàn)61-64
• 攻讀學(xué)位期間取得學(xué)術(shù)成果64

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)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