基于稀疏阵列的近场目标三维成像技术

In fields such as industry, trafficking and medicine, etc., the demand on finely imaging of near targets promotes the development of near-field radar imaging technology. For a near-field 3D imaging radar system using 2D antenna arrays, the amount of the antenna elements is in the same order as the amount of the resolution cells of the image in the tangential plane, which is usually very large for high resolution images. The huge amount of antenna elements is one of the bottlenecks that prohibit the implementation of such systems. . This project proposes to reduce the antenna elements for near-field 3D imaging by sparse array technology. This idea benefits from the periodically sparse arrays and randomly sparse arrays in far-field adaptive digital beam forming, whereas the performance degeneration caused by near-field situation should be analyzed and treated by both array designation and imaging algorithms, in order to produce a near-field 3D imaging scheme based on sparse antenna arrays. The main contents include: the designation of sparse arrays for near-field 3D imaging and its performance analysis, near-field 3D imaging algorithms based on sparse measurements, the analysis of the influence on the image by the non-ideal factors and the compensation methods, the application of the resulted 3D images in target detection and recognition.. The achievements of this project will provide a solution for the low-cost implementation of an array-based near-field 3D radar imaging system, which will support new applications of radar sensors in technology.

工业、交通、医学等领域对近距离目标精细成像的需求促进了雷达近场成像技术的发展。在采用二维阵列天线的高分辨率近场三维成像系统中，需要与雷达图像在切向平面的分辨单元数量相当的收发阵元，极大的阵元数目是系统实现的瓶颈之一。. 本课题拟采用稀疏阵列技术降低近场三维成像对阵元数目的要求。借鉴远场自适应波束形成中的稀疏周期阵列技术和随机稀疏阵列技术，分析近场条件引起的性能退化，从阵列设计和成像算法两方面寻求解决途径，提出基于稀疏阵列的雷达近场三维成像方法。本课题主要研究内容包括：近场三维成像的稀疏阵列构型设计及性能分析；基于稀疏阵列测量数据的三维近场成像算法；非理想因素对成像质量的影响分析及补偿方法研究；三维雷达图像在目标检测与识别中的应用。. 课题研究成果将为阵列雷达近场三维成像系统的低成本实现提供解决途径，为雷达传感器的新应用提供技术支撑。

本项目围绕近场稀疏阵列三维成像应用，从阵列设计、成像算法、非理想因素补偿和三维雷达图像目标分类四个方面展开研究。.在阵列设计研究中，本项目分析了卷积原理在近场MIMO阵列设计中的有效性。针对实际场景中包含的多种复杂散射结构，通过实验分析并比较了不同阵列构型对实际成像性能的影响。基于实验总结得到的规律，提出了一种分段稠密稀疏MIMO阵，该阵列构型充分考虑了多种目标散射结构的散射特性以及实现约束，可以将点目标成像结果的栅瓣水平降低至-30 dB以下。.在成像算法方面，针对实际系统中常用的SIMO阵列、十字型MIMO阵列、SIMO-SAR测量结构和MIMO-SAR测量结构，本项目分别提出了多种相适用的快速频域成像算法。理论分析和实验结果表明，所提出的频域成像算法都可以显著降低运算量的同时保证目标被精确重构。此外，本项目提出的基于插值算子的压缩感知成像方法和基于扰动的压缩感知成像方法，可以利用较少的回波数据实现对目标的准确重构。.在非理想因素补偿方面，本项目主要针对成像结果中存在的栅旁瓣开展了抑制方法研究。在近场条件下，波数谱具有空变性使得栅旁瓣抑制变得尤为棘手。本项目针对近场单站阵列，提出了一种近场空变切趾方法用于旁瓣抑制；针对近场稀疏周期MIMO阵列，提出了一种零点迁徙算法用于栅瓣抑制。实验结果表明，所提出的栅旁瓣抑制算法都可以在保持目标主瓣的同时显著抑制栅旁瓣，从而提升成像结果的质量。.在三维雷达图像目标分类方面，本项目主要开展了基于深度学习的目标分类方法研究，研究了基于多视角二维图像和基于点云数据的三维雷达图像分类方法。针对三维雷达图像的特殊性，本项目提出了一种将雷达图像强度编入点云数据的分类方法，提高了分类性能，采用实测数据集进行了验证。.本项目在上述四个方面的研究工作，将为实际系统从参数设计、成像处理、图像质量提升和实际应用等方面提供关键技术支撑，具有重要的实际应用价值。.