[发明专利]基于矩阵分解的矩形波导扫频微波成像系统及检测方法在审
申请号: | 201711155281.8 | 申请日: | 2017-11-20 |
公开(公告)号: | CN108007943A | 公开(公告)日: | 2018-05-08 |
发明(设计)人: | 张宏;吴瑞坤;徐鲁雄;严明忠;张荣刚;陈国钦;李金赐 | 申请(专利权)人: | 福建师范大学福清分校 |
主分类号: | G01N22/02 | 分类号: | G01N22/02 |
代理公司: | 福州科扬专利事务所 35001 | 代理人: | 何小星 |
地址: | 350300 福建*** | 国省代码: | 福建;35 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 矩阵 分解 矩形波导 微波 成像 系统 检测 方法 | ||
1.一种基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:包括计算机、显示单元、XYZ位移机构、定向信号分束电路、信号分析单元、微波信号源和波导;
所述计算机通过串口连接控制XYZ位移机构移动波导,执行数据采集和处理;
所述显示单元显示最终检测结果图像;
所述XYZ位移机构对矩形波导或被测物进行移动,实现控制矩形波导与被测物之间的检测距离并采集检测数据;
所述定向信号分束电路将部分传输信号与反射信号进行分离定向;
所述波导为矩形开口波导,实现微波信号发射和采集功能;
所述信号分析单元为矢量网络分析仪,实现微波信号幅值和相位的测量;
所述微波信号源通过信号分束电路对波导传输微波信号;
所述波导与所述信号分析单元通过同轴电缆相连接;
所述计算机与所述信号分析单元通过通用接口总线(GBIP)相连接。
2.如权利要求1所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:所述矩形波导采用单波导形式或双波导形式。
3.如权利要求2所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:所述矩形波导还包括检测单元,单波导与检测单元配合采集信号,单波导发射微波信号,检测单元采集微波信号。
4.如权利要求2所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:双波导采用反射式或穿透式。
5.如权利要求1所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:所述计算机的控制程序的软件环境为Matlab。
6.如权利要求1所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:所述波导采用WR-90矩形开口波导。
7.一种基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:采用如权利要求1所述的基于矩阵分解的矩形波导扫频微波成像系统,该检测方法包括以下步骤:
S1:将所述XYZ位移机构设置于被测物上,使得扫描过程中,矩形波导开口始终正对被测物,且矩形波导开口位置处与被测物的间隔距离能够始终满足射频微波的检测距离要求,同时不破坏被检物表面;
S2:通过计算机控制微波信号源使矩形波导发射低功率射频微波,同时控制XYZ位移机构对被测物的不同位置进行检测,且XYZ位移机构将扫描位置信息反馈发送至计算机;计算机根据被测物体外部的散射场检测到的散射数据重建物体内部图像;
S3:XYZ位移机构结合矩形波导,获取受测物体整个检测面的散射回波信号反馈发送至信号分析单元;信号分析单元通过通用接口总线(GBIP)将检测数据发送至计算机;计算机执行数据处理并重构整个物体内部图像,从中挖掘并提取缺陷信息,同时通过对分布图像的处理来实现多层材料缺陷的分离和量化;
S4:利用微波成像的技术特点,利用矩形波导扫频微波成像技术结合矩阵分解技术,采用主成分分析(PCA)和非负矩阵分解(NMF),对整个波导工作频率波段进行了处理得到空间模式特征用于微波图中异常部位的定位。
8.如权利要求7所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:在步骤S2中,XYZ位移机构的行进路径在x方向上,空间位置依次为1,…,Nx;在y方向,空间位置依次为1,…,Ny;在每个检测位置,矩形波导获得一个频率成分的特征值。
9.如权利要求7所述的基于矩阵分解的矩形波导扫频微波成像系统,其特征在于:在步骤S2中,每个空间位置获得多个频率成分的特征值,矩形波导扫频微波成像技术的检测数据Y是图像序列是一个三维张量,第一维和第二维是对应空间位置的空间坐标,第三维是多个频率成分的特征值;当进行缺陷可视化检测时,计算机通过选取频率来选定二维矩阵Y(f),来得到检测结果图像。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于福建师范大学福清分校,未经福建师范大学福清分校许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201711155281.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于深度神经网络的语音分类方法
- 下一篇:一种天然驱蚊剂及制备方法