[实用新型]三维异形平面孔径全息成像安检雷达

说明书

本实用新型涉及安检领域，特别是利用毫米波全息成像技术进行安检，具体地提供一种三维异形平面孔径全息成像安检雷达。所述安检雷达包括分布式天线分系统、多子带收发分系统、数据采集与记录分系统、伺服运动分系统和工业控制与处理分系统，所述分布式天线分系统包括至少两个线性天线阵列，所述伺服运动分系统用于驱动所述分布式天线分系统沿竖直方向运动，以使所述至少两个线性天线阵列在空间中形成三维异形平面孔径。本实用新型能够避免多次不同类型安检的过程，简化安检步骤；使系统获取多方位、多角度数据信息，能够根据实际需求灵活增加其它探测模块或传感器，增强系统的可用性和检测环境适应性。

技术领域：

本实用新型涉及安检领域，特别是利用毫米波全息成像技术进行安检，具体地提供一种三维异形平面孔径全息成像安检雷达。

背景技术：

随着社会经济的发展，机场、火车站、地铁、汽车站等公共交通枢纽迎来了越来越多的客流和物流，这些区域的安检等级既要排除安全隐患以保证公共安全，又要满足快速通过的高检测效率，传统的视频监控、人脸识别、人体体温探测、金属探测、X射线成像等安检技术已经逐渐不能满足需求。近年来，欧美发达国家逐渐采用毫米波全息成像技术在机场用于安检，特别是用于旅客的人身安检，该技术能够快速探测出待检查物体的材质是金属还是非金属、是固体还是液体，甚至对于有包装的危险气体也有查验能力，而且检查中无需与旅客身体接触，也不需要旅客脱掉外套或原地转身，大大提高了安检舒适度以及安检效率。

毫米波全息成像技术是利用电磁波的相干原理，通过采集空间干涉条纹，记录目标上每个散射点的衍射图样，最后通过图像重建就可得到目标的毫米波图像，具有穿透成像、高分辨率、低辐射等特性；目前世界各国的研究机构、企业对该技术保持着长期密切的关注，例如专利CN201010598647.0公开了一种用于全息成像安检系统的毫米波收发模块，包括工作于毫米波频段毫米波射频收发前端、工作于毫米波频段毫米波收发开关树阵列和工作于毫米波频段毫米波收发天线阵列，所述毫米波收发开关树阵列前后分别连接毫米波射频收发前端和毫米波收发天线阵列；又例如专利CN201110334768.9公开了一种毫米波主动式三维全息成像的人体安检系统，包括具有出入口的圆柱状主体框架、第一毫米波收发机、第二毫米波收发机、与所述第一毫米波收发机连接的第一毫米波开关天线阵列、与所述第二毫米波收发机连接的第二毫米波开关天线阵列、旋转扫描驱动装置、控制装置以及并行图像处理装置，所述并行图像处理装置用于根据来自第一和第二毫米波收发机的采集数据及该采集数据的空间位置信息合成待检人员的三维全息图像；还例如专利CN201610046575.6公开了一种毫米波全息三维成像检测系统，毫米波全息三维成像检测系统包括发射天线、接收天线、毫米波收发模块、扫描装置、数据采集和处理模块、以及图像显示单元，其举例了1排毫米波收发系统可以包括64个毫米波收发模块以及128个天线，具有缩短成像时间和较大的视场等优点；还例如专利CN201720657908.9公开了一种自动人行道式毫米波全息成像安检系统，包括毫米波开关阵列雷达、自动人行道和自动扶手，所述毫米波开关阵列雷达设有一个或一个以上的毫米波开关阵列雷达，且竖直设置于自动人行道的两侧，自动扶手呈封闭环状结构设置于自动人行道的上方，毫米波开关阵列雷达对自动人行道上的人体扫描检测，毫米波开关阵列雷达包括天线阵列、开关矩阵、发射机、接收机、A/D采集、成像处理机，该安检系统需要对向放置安装两个毫米波开关阵列雷达，才能实现待检人员不需要转身，单次扫描完成双面人体立体成像；这些常规的现有技术存在以下缺点：主要以雷达数据获取为主，与视频监控、人脸识别、人体体温探测、金属探测难以融合，且不能实现雷达图像与光学图像之间的融合，无法针对旅客进行全方位的监测，需要旅客在安检时需要转动180°，安检过程繁琐，检测效率相对较低，在快速流动区域的应用受到限制；采用扫频或调频整个信号带宽进行数据获取，受雷达信号带宽、信号调制时间、调频率线性度等多个方面的影响，实际数据获取时间相对较长，随着分辨率和时间响应时间需求的提升，已发展到瓶颈；观测角度相对较为单一，只能在某一个等效观测视角对人体表面及附属物进行成像，难以获得人体侧面的目标，且算法也只能用于常规单一平面孔径成像；采用相邻阵元等效获取观测目标的三维图像，增加了系统的通道数，以1024点等效采样为例，则需要物理单元数为1024个，随着分辨率和观测范围的提升，其阵元数及其射频通道的数量会大幅度增长，系统的低成本化等问题将会越来越突出；需要保持匀速运动，增加了系统控制的难度，也增大了系统由于稳定性的要求而增大系统重量；同时，常规成像系统时序控制单一，交叉验证困难，经常性出现数据丢失等一系列问题；安检成像的模块化程度相对较低，迫切需要兼顾系统集成度；安检成像目标识别方法过程中，神经网络模型提取的预测框的数量庞大，计算量大，其提取过程难以获得充足的语义信息，不利于目标检测与识别。