留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种微型地基干涉变形监测雷达

张思麒 王韬 何秀凤 万其昌

张思麒, 王韬, 何秀凤, 万其昌. 一种微型地基干涉变形监测雷达[J]. 武汉大学学报 ● 信息科学版, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
引用本文: 张思麒, 王韬, 何秀凤, 万其昌. 一种微型地基干涉变形监测雷达[J]. 武汉大学学报 ● 信息科学版, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
ZHANG Siqi, WANG Tao, HE Xiufeng, WAN Qichang. A Micro Ground-Based Interferometric Radar System for Deformation Monitoring[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
Citation: ZHANG Siqi, WANG Tao, HE Xiufeng, WAN Qichang. A Micro Ground-Based Interferometric Radar System for Deformation Monitoring[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474

一种微型地基干涉变形监测雷达

doi: 10.13203/j.whugis20190474
基金项目: 

重庆市基础研究与前沿探索项目 cstc2016jcyjA0457

重庆市研究生科研创新项目 CYS19064

国家自然科学基金 41474023

国家自然科学基金 41830110

详细信息
    作者简介:

    张思麒,硕士生,主要研究方向为雷达信号处理、微变形监测雷达。wyzsq961004@163.com

    通讯作者: 王韬,博士,副教授。wangtaocqu@163.com
  • 中图分类号: P246

A Micro Ground-Based Interferometric Radar System for Deformation Monitoring

Funds: 

The Basic and Advanced Research Program of Chongqing cstc2016jcyjA0457

the Graduate Student Research Innovation Project of Chongqing City CYS19064

the National Natural Science Foundation of China 41474023

the National Natural Science Foundation of China 41830110

More Information
    Author Bio:

    ZHANG Siqi, postgraduate, specializes in radar signal processing and deformation monitoring radar. E-mail: wyzsq961004@163.com

    Corresponding author: WANG Tao, PhD, associate professor. E-mail: wangtaocqu@163.com
图(7) / 表(1)
计量
  • 文章访问数:  1019
  • HTML全文浏览量:  356
  • PDF下载量:  136
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-12-26
  • 刊出日期:  2020-11-19

一种微型地基干涉变形监测雷达

doi: 10.13203/j.whugis20190474
    基金项目:

    重庆市基础研究与前沿探索项目 cstc2016jcyjA0457

    重庆市研究生科研创新项目 CYS19064

    国家自然科学基金 41474023

    国家自然科学基金 41830110

    作者简介:

    张思麒,硕士生,主要研究方向为雷达信号处理、微变形监测雷达。wyzsq961004@163.com

    通讯作者: 王韬,博士,副教授。wangtaocqu@163.com
  • 中图分类号: P246

摘要: 地基多输入多输出(multiple-input multiple-output, MIMO)雷达能够避免使用大尺寸天线或长线性导轨,与真实孔径雷达和合成孔径雷达相比更适合在隧道等狭小空间中使用。研究了一种基于MIMO技术的微型地基干涉雷达原理与方法。该雷达采用毫米波实现设备的微型化,采用MIMO技术构建大尺寸虚拟孔径天线,提升方位角分辨率,采用宽带调频连续波获得高的距离分辨率。利用傅里叶变换和波束形成实现监测目标区域的快速成像,与传统后向投影算法相比具有更好的实时性。利用差分干涉测量技术得到目标在雷达视线方向的高精度变形信息。实验原型样机为2发4收天线结构,发射77 GHz宽带调频连续波信号,提供4 GHz扫描带宽。使用步进电机控制角反射器在导轨上运动模拟目标变形。实验结果表明,所述雷达系统能够对短距离目标进行准确成像,具有较强的抗干扰能力,可获取优于亚毫米级的位移精度。

English Abstract

张思麒, 王韬, 何秀凤, 万其昌. 一种微型地基干涉变形监测雷达[J]. 武汉大学学报 ● 信息科学版, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
引用本文: 张思麒, 王韬, 何秀凤, 万其昌. 一种微型地基干涉变形监测雷达[J]. 武汉大学学报 ● 信息科学版, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
ZHANG Siqi, WANG Tao, HE Xiufeng, WAN Qichang. A Micro Ground-Based Interferometric Radar System for Deformation Monitoring[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
Citation: ZHANG Siqi, WANG Tao, HE Xiufeng, WAN Qichang. A Micro Ground-Based Interferometric Radar System for Deformation Monitoring[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1801-1808. doi: 10.13203/j.whugis20190474
  • 施工和使用过程中,建筑物会在内力和外力的影响下产生空间上的位移。一旦变形程度超过建筑物所能承受的范围,就会有变形垮塌的危险。快速准确地获取建筑物变形数据成为亟待解决的关键问题,国内外学者与研究机构开展了一系列相关研究工作。现有监测方法主要有全站仪[1]、光纤应变[2]、近景摄影测量[3]、GPS[4]、三维激光扫描[5]等,这些方法均可获取监测点处的位移量,但面临着安装与使用不便、易受环境因素影响等不足。

    雷达具有抗干扰、高精度、非接触等优点。其中,地基雷达与星载雷达相比具有实时性优势,已经在边坡[6-7]、大坝[8]等变形监测领域得到应用。目前,地基变形监测雷达系统主要有两种类型:(1)以澳大利亚Ground Probe公司研制的边坡稳定雷达(slope stability radar,SSR)为代表的地基真实孔径雷达[9];(2)以意大利IDS公司研制的干涉测量成像雷达(image by interferometric survey,IBIS)为代表的地基合成孔径雷达[10-11]。两类雷达系统均适用于远距离监测场景,系统体积大且笨重,对伺服系统要求较高,不适用于建筑物内部的狭小空间,如隧道等场景。

    真实孔径雷达使用大孔径天线发射细波束,在伺服系统控制下实现监测区域的逐点扫描;合成孔径雷达通过天线移动等效形成大孔径天线,实现方位向的高分辨率。多输入多输出雷达(multiple-input multiple-output,MIMO)包含多个发射和接收天线,其发射信号是一组正交信号。信号在空间中叠加后不会形成高增益的窄波束,而是形成低增益的宽波束,实现对较大空域范围的能量覆盖[12]。此外,由于信号的正交性,每一对收发天线都能等效为虚拟位置上的收发天线;多个独立收发通道构成虚拟天线阵列,进而等效为大尺寸虚拟孔径天线发射窄波束的雷达结构。

    与真实孔径雷达和合成孔径雷达相比,MIMO雷达体制可以在相同物理结构尺寸下形成更大尺寸的虚拟天线阵列,从而得到更高的角度分辨率[13],更适用于狭小空间。此外,MIMO雷达无需进行天线运动,能够在简化伺服系统结构的同时提升数据采集速度。本文基于MIMO雷达体制,结合毫米波频段宽带调频连续波(frequency modulated continuous wave,FMCW)信号,获取高的距离向分辨率,实现对目标区域的高分辨率成像,采用差分干涉测量获取监测区域目标的亚毫米级变形数据。

    • 微型地基干涉变形监测雷达系统结构框图如图 1所示,其主要由信号发生单元、功率放大器、发射天线阵列、接收天线阵列、低噪声放大器、混频器、中频滤波器、模数转换器、控制电路、信号处理电路组成。为构建MIMO正交信号,控制电路一次仅激活一个功率放大器,该放大器连接的发射阵元发射信号。从第一个发射阵元开始,逐渐扫过所有发射阵元,到达最后一个发射阵元后,从头开始进行下一次循环。时分复用工作模式可以避免在接收端进行匹配滤波,一定程度上简化MIMO系统结构,降低雷达系统成本[14]

      图  1  雷达系统结构框图

      Figure 1.  Block Diagram of Radar System

      毫米波元器件尺寸小、集成度高,易于实现宽带信号,适合在狭小场景中使用[15]。信号发生单元产生毫米波频段宽带FMCW信号,通过由控制电路控制的功率放大器后到达发射天线阵列中的发射阵元,接收天线阵列中的接收阵元收到由目标区域反射的回波信号,经过低噪声放大器、混频器、中频滤波器、模数转换器后送入信号处理电路进行后续处理,最终得到监测区域的二维雷达复图像。将第一幅雷达图像作为主图像,其他雷达图像为辅图像,经图像配准、差分干涉处理后生成包含差分相位的干涉图,对监测目标点处的相位进行解缠校正,计算得到目标在雷达视线方向上的变形量。

    • FMCW信号的频率随时间呈线性变化,一个扫频周期内的锯齿形FMCW信号s1(t)可以表示为:

      $$ {s_1}\left( t \right) = {\rm{cos}}\left[ {2{\rm{ \mathsf{ π} }}\left( {{f_0}t + \frac{1}{2}\alpha {t^2}} \right) + {\theta _0}} \right] $$ (1)

      式中,$t \in \left( {0, T} \right)$;${\theta _0}$为信号初始相位;f0为信号起始频率;$\alpha = B/T$为调频率,其值为信号带宽B和脉冲宽度T的比值。

      假设收发总延时为τ,忽略雷达散射截面和天线增益的影响,回波信号s2(t)可以表示为:

      $$ {s_2}\left( t \right) = {s_1}\left( {t - \tau } \right), t \in \left( {\tau , T} \right) $$ (2)

      雷达接收端采用发射调频信号对回波信号进行混频,经中频滤波后得到差频信号s3(t),幅度归一化后可以表示为:

      $$ {s_3}\left( t \right) = {\rm{cos}}\left[ {2{\rm{ \mathsf{ π} }}\tau \left( {{f_0} + \alpha t - \frac{1}{2}\alpha \tau } \right)} \right] $$ (3)

      式中,$t \in \left( {\tau , T} \right)$,由于狭小空间内的目标距离较小,所以$T \gg \tau $,可以忽略$t \in \left( {0, \tau } \right)$和高次项部分。将式(3)改写为:

      $$ {s_4}\left( t \right) = {\rm{cos}}\left[ {2{\rm{ \mathsf{ π} }}\tau \left( {\alpha t + {f_0}} \right)} \right], t \in \left( {0, T} \right) $$ (4)

      对差频信号s4(t)进行傅里叶变换,取正半轴部分得到S5(f),可以表示为:

      $$ \begin{array}{l} {S_5}\left( f \right) = F\left( {{s_4}\left( t \right)} \right) = \frac{T}{2}{\rm{Sa}}\left[ {{\rm{ \mathsf{ π} }}T\left( {f - \alpha \tau } \right)} \right] \cdot \\ \;\;\;\;\;\;{\rm{exp}}\left[ { - {\rm{j \mathsf{ π} }}\left( {Tf - T\alpha \tau - 2{f_0}\tau } \right)} \right] \end{array} $$ (5)

      式中,F(·)表示傅里叶变换且仅保留正半轴部分;f为频率;j表示虚数单位;Sa(·)为辛格函数。

      S5(f)的峰值对应频率${f_{{\rm{IF}}}} = \alpha \tau = B\tau /T$,由于τ的值与目标距离有关,因此可以通过频率fIF计算得到雷达与目标之间的距离d

      $$ d = \left( {\frac{{cT}}{{2B}}} \right){f_{{\rm{IF}}}} $$ (6)

      式中,c为电磁波传播速度。

      雷达距离分辨率是指雷达在距离向上辨别两个相邻物体的能力,直观反映为信号频谱上有两个分离谱峰[16],两个谱峰对应频率差$\Delta f$满足$\Delta f > 1/T$。由于$\Delta f = 2\alpha \Delta d/c$且$B = \alpha T$,雷达距离分辨率$\Delta d$可以表示为:

      $$ \Delta d = \frac{c}{{2B}} $$ (7)

      由式(7)可得,雷达距离分辨率$\Delta d$仅与雷达带宽B有关,宽带FMCW信号可以实现很高的距离分辨率。

    • MIMO雷达天线由一组发射天线和一组接收天线构成,其中发射天线阵列是由NT个发射阵元构成的均匀线阵,阵元间距为$\left( {\lambda /2} \right) \cdot {N_R}$;接收天线阵列是由NR个接收阵元构成的均匀线阵,阵元间距为$\lambda /2$,λ为信号波长。收发天线阵列之间平行排列。

      假设雷达视场角范围内共有P个目标点,p=1, 2, …P,${\theta _p}$为第p个目标点的方位角,uiT为第i个发射阵元的横坐标,ujR为第j个接收阵元的横坐标,$\omega = 2{\rm{ \mathsf{ π} }}{f_0}$为雷达信号的角频率。在天线远场条件下,MIMO雷达发射阵列导向矢量的第i个元素$a_i^T\left( {{\theta _p}} \right)$和接收阵列导向矢量的第j个元素$a_j^R\left( {{\theta _p}} \right)$可以分别表示为:

      $$ a_i^T\left( {{\theta _p}} \right) = {\rm{exp}}\left( {{\rm{j}}\omega u_i^T{\rm{sin}}{\theta _p}/c} \right) $$ (8)
      $$ a_j^R\left( {{\theta _p}} \right) = {\rm{exp}}\left( {{\rm{j}}\omega u_j^R{\rm{sin}}{\theta _p}/c} \right) $$ (9)

      式中,i=1, 2…NTj=1, 2…NR

      MIMO雷达系统中,通过对发射阵列和接收阵列的合理排布能够形成等效虚拟阵列,虚拟阵列导向矢量为发射导向矢量和接收导向矢量的克罗内克积[17]。虚拟阵列导向矢量的第k个元素$a_j^R\left( {{\theta _p}} \right)$可以表示为:

      $$ \begin{array}{l} \;\;{\mathit{\boldsymbol{a}}_k}\left( {{\theta _p}} \right) = \mathit{\boldsymbol{a}}_i^T\left( {{\theta _p}} \right) \otimes \mathit{\boldsymbol{a}}_j^R\left( {{\theta _p}} \right) = \\ {\rm{exp}}\left( {{\rm{j}}\omega {u_k}{\rm{sin}}{\theta _p}/c} \right), k = 1, 2 \cdots {N_V} \end{array} $$ (10)

      式中,NV=NT·NR为虚拟阵元个数;uk为虚拟阵元的横坐标,uk=uiT+ujR

      可以得出,虚拟阵元的横坐标为对应发射与接收阵元的横坐标之和[18]。由2个发射天线和4个接收天线构成的MIMO天线阵列如图 2所示。图 2中,TX表示发射阵列中的发射阵元,RX表示接收阵列中的接收阵元,λ为信号波长。

      图  2  MIMO天线阵列示意图(2发4收)

      Figure 2.  MIMO Antenna Configuration (2 Transmitter Antennas and 4 Receiver Antennas)

      雷达方位角分辨率是指雷达在方位向上辨别两个相邻物体的能力,直观反映为阵列天线方向图主瓣3 dB波束宽度[19],可以近似表示为:

      $$ \Delta \theta \approx 50^\circ \frac{\lambda }{{{d_V}{N_V}}} $$ (11)

      式中,dV为相邻虚拟阵元的距离,${d_V} = \lambda /2$。由于虚拟天线阵列的阵元个数多于物理天线阵元个数,与实际孔径雷达相比,MIMO雷达可以在相同物理尺寸下实现更高的方位角分辨率。

    • MIMO雷达系统中,对由第i个发射阵元和第j个接收阵元构成的第k个虚拟阵元收到第p个目标点的回波信号进行傅里叶变换,其正半轴部分Skp(f)由式(5)整理为:

      $$ \begin{array}{l} S_k^p\left( f \right) = S_{i, j}^p\left( f \right) = \frac{T}{2}{\rm{Sa}}\left[ {{\rm{ \mathsf{ π} }}T\left( {f - \alpha \tau _{i, j}^p} \right)} \right] \cdot \\ \;\;{\rm{exp}}\left[ { - {\rm{j \mathsf{ π} }}\left( {Tf - T\alpha \tau _{i, j}^p} \right)} \right]{\rm{exp}}\left[ {{\rm{j}}2{\rm{ \mathsf{ π} }}{f_0}\tau _{i, j}^p} \right] \end{array} $$ (12)

      式中,τi, jp是第i个发射阵元到目标p的时延与第j个接收阵元到目标p的时延之和。

      雷达后向投影(back projection,BP)成像算法对成像区域进行网格划分,构成一系列像素点,逐个求解像素点到任意发射和接收阵元组合的时延[20]。若像素点的坐标为(xm, yn),则该像素点到第i个发射阵元、第j个接收阵元的时延之和τi, jm, n可以表示为:

      $$ \begin{array}{*{20}{r}} {\tau _{i, j}^{m, n} = \left[ {\sqrt {{{\left( {{x_m} - u_i^T} \right)}^2} + y_n^2} + } \right.}\\ {\left. {\sqrt {{{\left( {{x_m} - u_j^R} \right)}^2} + y_n^2} } \right]/c} \end{array} $$ (13)

      对相位补偿后的所有收发阵元数据相干叠加,即可得到像素点(xm, yn)处的成像聚焦结果,可以表示为:

      $$ \begin{array}{l} I\left( {{x_m}, {y_n}} \right) = \sum\limits_{i = 1}^{{N_T}} {\sum\limits_{j = 1}^{{N_R}} {\sum\limits_{p = 1}^P {\left\{ {S_{i, j}^p\left( {\alpha \tau _{i, j}^{m, n}} \right)} \right.} } } \cdot \\ \left. {\;\;\;\;\;\;\;\;\;\exp \left[ { - {\rm{j}}2{\rm{ \mathsf{ π} }}{f_0}\tau _{i, j}^{m, n}} \right]} \right\} \end{array} $$ (14)

      此计算过程需要循环遍历所有像素点,并且在计算$S_{i, j}^p\left( {\alpha \tau _{i, j}^{m, n}} \right)$时需要进行插值运算[21]。因此,这种串行处理算法的运算效率低下,难以实现监测的实时性。

      如果将成像区域内的直角坐标(xm, yn)转换为极坐标形式$\left( {{r_m}\sin {\theta _n}, {r_m}\cos {\theta _n}} \right)$,rm为目标到坐标原点的距离,$\theta _n$为方位角,在满足天线远场条件下,${r_m} \gg u_i^T$且${r_m} \gg u_j^R$。式(13)中的$\tau _{i, j}^{m, n}$可以近似表示为:

      $$ \begin{array}{l} \tau _{i, j}^{m, n} \approx 2{r_m}/c - \left( {u_i^T + u_j^R} \right){\rm{sin}}{\theta _n}/c = \\ \;\;\;\;\;\;\;\;\;\;2{r_m}/c - {u_k}{\rm{sin}}{\theta _n}/c \end{array} $$ (15)

      式(15)中等号右边第一项只与距离有关,第二项只与方向有关。由式(10)可得,第二项与MIMO雷达虚拟阵列导向矢量有关。对每个虚拟阵元数据进行相位补偿后,BP算法的相干叠加过程可以转化为波束形成过程,实现像素点处的快速成像聚焦。

      雷达系统成像过程为:首先对每个虚拟阵元采样数据进行快速傅里叶变换(fast Fourier transform,FFT),实现雷达数据的距离向聚焦;然后根据监测目标的距离范围,仅保留目标范围内的距离向数据,减小后续运算量。对每个虚拟阵元回波数据进行补偿校正,利用波束形成方法实现雷达数据的方位向聚焦,最终得到目标区域的雷达复图像。成像聚焦过程表示为:

      $$ {S_k}\left( f \right) = \mathcal{F} \left[ {\mathop \sum \limits_{p = 1}^P s_k^p\left( t \right)} \right] $$ (16)

      式中,Sk(f)是对虚拟阵元数据进行傅里叶变换取正半轴后的频谱数据。

      $$ I\left( {r, \theta } \right) = \mathop \sum \limits_{k = 1}^{{N_V}} \left[ {S_k^{\rm{'}}\left( {r/\left( {\frac{{cT}}{{2B}}} \right)} \right) \cdot {a_k}\left( \theta \right)} \right] $$ (17)

      式中,·S'k(·)表示监测目标距离范围内的频谱数据;${a_k}\left( \theta \right)\left( {k = 1, 2 \cdots {N_V}} \right)$为MIMO虚拟阵列导向矢量的第k个元素;$I\left( {r, \theta } \right)$为二维雷达复图像的值。

    • 对不同时刻得到的雷达复图像进行配准,通过计算目标点所在位置在不同时刻的相位变化量,可以得到监测目标在雷达视线方向的位移信息[22]。假设MIMO雷达系统初始时刻获取的复图像为${I_1}\left( {r, \theta } \right)$,一段时间后获取的配准后雷达复图像为${I_2}\left( {r, \theta } \right)$,将两幅复图像中的对应像素共轭相乘并求相角后得到干涉相位值${\rm{\Delta }}\varphi \left( {r, \theta } \right)$:

      $$ {\rm{\Delta }}\varphi \left( {r, \theta } \right) = {\rm{ang}}\left( {{I_1}\left( {r, \theta } \right) \cdot I_2^{\rm{*}}\left( {r, \theta } \right)} \right) $$ (18)

      式中,*表示复共轭;ang(·)表示求相角运算。实际求得的干涉相位${\rm{\Delta }}\varphi \left( {r, \theta } \right)$只是[-π, π]区间内的主值,经过相位解缠后得到真实相位差为${\rm{\Delta }}\varphi '\left( {r, \theta } \right)$。最终求得目标点$\left( {{r_p}, {\theta _p}} \right)$在雷达视线方向的位移量${\rm{\Delta }}r\left( {{r_p}, {\theta _p}} \right)$为:

      $$ {\rm{\Delta }}r\left( {{r_p}, {\theta _p}} \right) = \frac{{{\rm{\Delta }}\varphi '\left( {{r_p}, {\theta _p}} \right)}}{{4{\rm{ \mathsf{ π} }}}}\lambda $$ (19)
    • 为验证本文所述雷达系统的可行性,在模拟环境下构建了简单的雷达系统。雷达系统主要参数如表 1所示。

      表 1  雷达系统主要参数

      Table 1.  Parameters of Radar System

      参数 数值
      发射阵元个数NT/个 2
      接收阵元个数NR/个 4
      起始频率f0/GHz 77
      带宽B/GHz 4
      脉冲持续时间T/μs 80
      天线视场角/(°) 120
      天线孔径/cm 0.78
      模拟数字转换采样率/(M点·s-1) 5
      调频率α/(MHz·μs-1) 50
      测量周期/s 8.2
      尺寸/cm3 12×10×5
      重量/g 260

      根据天线孔径尺寸计算可得,满足远场条件的目标与雷达之间的距离应大于3.12 cm,实际应用中满足此条件。在图 3所示的雷达测试场景中,两个角反射器与雷达间的垂直距离分别为5.92 m和6.84 m,水平距离分别为0.78 m和0.67 m。雷达成像结果如图 4所示,图 4中中间两个反射点代表两个角反射器,其他反射点代表周围物体,例如场景背景中的墙面。

      图  3  雷达测试场景图

      Figure 3.  Radar Test Field

      图  4  雷达成像结果图

      Figure 4.  Range-Azimuth Map of Radar Imaging Result

      为了通过实验确定雷达距离分辨率,将两个角反射器放置在相同的方位角上,不断增加反射器间的径向距离,直到雷达距离向FFT频谱上显示两个分离的峰值,说明两个目标是唯一可识别的。此时,角反射器与雷达间的垂直距离分别为4.486 m和4.54 m,水平距离分别为0.05 m和0.16 m。雷达距离向FFT结果如图 5(a)所示,其横坐标根据式(6)由频率转换为距离,可以从图 5中观察到角反射器和墙面对应的峰值。根据目标点所在位置对雷达成像区域进行放大,如图 5(b)所示。通过实验测量得到的雷达距离分辨率为5.4 cm,与式(7)得到的理论值相差1.65 cm。

      图  5  雷达距离分辨率测试

      Figure 5.  Radar Range Resolution Test

      测量雷达方位角分辨率的方法与距离分辨率测量方法类似,将两个角反射器放置在与雷达垂直距离相同的位置上。不断增加角反射器的间距,直到雷达方位向波束形成后显示两个分离的峰值。此时,角反射器与雷达间的垂直距离均为4.5 m,水平距离分别为0.505 m和0.506 m。雷达方位向波束形成结果如图 6(a)所示;根据目标点所在位置对雷达成像区域进行放大,如图 6(b)所示。通过实验测量得到的雷达方位角分辨率为12.82°,与式(11)得到的理论值相差0.32°。

      图  6  雷达方位角分辨率测试

      Figure 6.  Radar Azimuth Resolution Test

      为检验本文所述雷达系统的监测精度,将两个角反射器分别放置在与雷达垂直距离5.90 m和6.81 m、水平距离0.73 m和0.70 m处。其中,角反射器A放置在固定桌面上,不发生任何位移;角反射器B放置在步进电机滑台上,用于模拟监测目标处的微小变形量。步进电机滑台以初始位置为中心进行±2.5 mm的往复运动,滑台每移动0.25 mm,雷达对目标区域成像并计算目标所在位置处的位移量。其中两个循环周期的数据如图 7所示,图 7中正变形量表示目标向雷达方向发生位移,负变形量表示目标向雷达反方向发生位移。实测结果表明,两个角反射器测量数据的最大绝对误差为0.089 1 mm。

      图  7  变形监测结果

      Figure 7.  Deformation Monitoring Results

      根据相位干涉测量理论,目标点的干涉相位会受到大气、电路噪声等因素影响。本文所述雷达系统采用波束形成取代机械扫描或轨道移动,消除运动误差的影响;采用MIMO技术得到更大的虚拟孔径,形成高增益低旁瓣的窄波束,减少多径效应和杂波的干扰;获取相邻两幅雷达图像的时间间隔较短,监测目标范围近,因此雷达受大气因素的影响很小。在实际应用中,可以在监测点位置处安装角反射器,增强雷达回波信号强度,有效减小电路噪声因素的影响,进一步提升测量精度。

    • 本文在MIMO雷达体制的基础上,研究实现了一种适用于狭小建筑物场景的微型地基干涉变形监测雷达。首先介绍了雷达系统的整体结构,利用MIMO技术提升方位角分辨率,利用宽带FMCW信号提供高的距离分辨率,采用毫米波实现雷达系统结构的微型化;然后详细介绍了雷达信号处理与成像过程,优化传统雷达成像算法,减少运算量以提升实时性;最后通过构建演示系统验证了本文所述雷达在变形监测方面应用的可行性,测量数据验证了雷达系统的监测精度和抗干扰性。目前,本文演示系统的角分辨率较低,且仅在模拟场景中进行了测试,后续研究将进一步提升雷达方位角分辨率,并在隧道等实际场景中进行试验验证。

参考文献 (22)

目录

    /

    返回文章
    返回