使用SISO天线在复杂环境中识别、定位微小物体的方法

使用siso天线在复杂环境中识别、定位微小物体的方法
技术领域
1.本发明涉及无线信号的监测和神经网络技术领域，尤其涉及一种使用siso天线在复杂环境中识别、定位微小物体的方法。

背景技术：

2.非合作目标的感知在安防、反恐、健康监测等领域具有重要作用。实现非合作目标感知的方法有视频监控、红外线监测、射频身份(rfid)监测、基于无线信号的监测等。其中，基于无线信号的监测方法通过分析无线电信号传播特性的变化，可以在复杂环境中对非合作目标进行感知，具有其他方法所不具备的抗多径性能。然而，传统基于无线信号的监测方法难以对亚波长(尤其是深度亚波长)的非合作目标进行感知。因此亟需一种方法来对亚波长(尤其是深度亚波长)的非合作目标进行感知并且同时解决对大量数据的拟合或者回归问题。

技术实现要素：

3.针对现有技术中所存在的不足，本发明提供了一种使用siso天线在复杂环境中识别、定位微小物体的方法，能够对亚波长(尤其是深度亚波长)的非合作目标进行感知并且同时解决对大量数据的拟合或者回归问题。
4.本发明的上述技术目的是通过以下技术方案得以实现的：
5.使用siso天线在复杂环境中识别、定位微小物体的方法，包括以下步骤：
6.s1.建立立方体真空共振腔，并在立方体真空共振腔内部的上部偏离正中间的位置，放置隔板；
7.s2.在立方体真空共振腔的内部设置两个端口，分别为端口一和端口二，且端口一和端口二分别位于隔板的两侧；
8.s3.设定每个端口类型为离散端口中的s-parameter类型，端口一馈电发送信号，此时端口二用于接收信号，仿真100ns后，得到端口二的接收信号；
9.s4.将端口二的接收信号导出，进行时间反演操作，并将时间反演后的信号延长一倍，延长的信号值设置为0，得到处理后的信号；
10.s5.在立方体真空共振腔内放置金属块，使用处理后的信号激励端口二，此时端口一用来接收端口二发送的信号，仿真200ns后，即得到端口一的接收信号；
11.s6.导出并计算端口一的接收信号，得到时间反演相位纹图像；
12.s7.改变金属块的形状和放置位置，并重复s5和s6步骤，得到不同形状物体、不同位置的时频图像；
13.s8.使用s7中一部分的时频图像，训练由分类网络和定位网络组成的级联神经网络；
14.s9.使用s7中另一部分的时频图像，测试神经网络的准确率，以评估神经网络的健壮性。
15.本发明进一步设置为：步骤s1中，放置的隔板为理想状态的无厚度隔板。
16.本发明进一步设置为：步骤s4中，通过时间次序不变、信号反转来进行时间反演操作。
17.本发明具有以下有益效果：
18.本发明能够得到在立方体真空共振腔内复杂条件下不同物体、不同位置的时频图像，实现了使用神经网络手段对不同物体进行精准识别、对不同位置进行精准定位的功能。
附图说明
19.图1为整体流程示意图；
20.图2为实例中立方真空共振腔、隔板以及端口示意图；
21.图3为实例中立方真空共振腔内放入某种物体于某位置示意图；
22.图4为处理得到的某种物体位于某位置上的时频图像图；
23.图5为级联神经网络的结构图；
24.图6为级联神经网络中的分类网络的训练集和测试集的准确率曲线图；
25.图7为级联神经网络中的分类网络的准确率热力图；
26.图8为级联神经网络中的圆柱体定位网络的训练集和测试集的准确率曲线图；
27.图9为级联神经网络中的圆柱体定位网络的准确率热力图。
具体实施方式
28.下面结合附图及实施例对本发明中的技术方案进一步说明。
29.一种使用siso天线在复杂环境中识别、定位微小物体的方法，包括以下步骤：首先在cst仿真软件中建立立方体真空共振腔，如图2所示。
30.其中，立方体真空共振腔的边长为l＝60cm，为了使得信号先经过腔内物体再被接收天线接收，需要在立方体的上部加上一块长度为60cm、宽度为b＝15cm的理想状态的无厚度隔板，并且为了消除无厚度隔板中心对称而对信号过于相似的影响，此处将无厚度隔板放置在立方体真空共振腔上壁处偏离正中间偏左5cm的位置，即a＝25cm。
31.在立方体真空共振腔的内部设置两个端口，分别为端口一和端口二，且端口一和端口二分别位于隔板的两侧；以将要放置物体的一面为底部，以其正中间为原点，以朝着有隔板的一面为z轴，以此处的左侧为x轴，建立空间直角坐标系。两端口分别放在：端口一为端口二为如图2中，端口一为r1，端口二为r2。
32.将端口一和端口二设置为离散端口中的s-parameter类型，端口一馈电发送信号，此时端口二用于接收信号，仿真100ns后，得到端口二的接收信号；将端口二的接收信号导出，进行时间反演操作，并将时间反演后的信号延长一倍，延长的信号值设置为0，得到处理后的信号；在立方体真空共振腔内放置金属块，此处以圆柱体为例，如图3所示来设置物体大小和腔内位置。使用处理后的信号激励端口二，此时端口一用来接收端口二发送的信号，仿真200ns后，即得到端口一的接收信号；导出并计算端口一的接收信号，得到如图4所示的时间反演相位纹图像；然后改变金属块的形状和放置位置，并重复上述步骤，得到不同形状物体、不同位置的时频图像；
33.得到丰富的时频图像图库后，使用其中的训练集，并按照如图5所示的级联网络架构训练可以用于识别和定位的神经网络。训练完神经网络后，再使用测试集对神经网络的健壮性进行评估。级联网络中2个分类和圆柱体定位小网络的训练集和测试集的准确率曲线图如图6、8所示，其准确率热力图对应为如图9所示。其中图6是分类小网络的训练集和测试集的准确率曲线图、图8是分类小网络的准确率热力图；图7是圆柱体定位小网络的训练集和测试集的准确率曲线图、图9是圆柱体定位小网络的准确率热力图。可以看到分类小网络测试集和训练集的准确率都达到100％；圆柱体定位小网络训练集和测试集准确率也达到100％。
34.由于得到的信号长度不完全相同，在训练和测试网络前，我们都将时频图像图像处理成201
×
155的二维矩阵形式。
35.最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

技术特征：

1.使用siso天线在复杂环境中识别、定位微小物体的方法，其特征在于：包括以下步骤：s1.建立立方体真空共振腔，并在立方体真空共振腔内部的上部偏离正中间的位置，放置隔板；s2.在立方体真空共振腔的内部设置两个端口，分别为端口一和端口二，且端口一和端口二分别位于隔板的两侧；s3.设定每个端口类型为离散端口中的s-parameter类型，端口一馈电发送信号，此时端口二用于接收信号，仿真100ns后，得到端口二的接收信号；s4.将端口二的接收信号导出，进行时间反演操作，并将时间反演后的信号延长一倍，延长的信号值设置为0，得到处理后的信号；s5.在立方体真空共振腔内放置金属块，使用处理后的信号激励端口二，此时端口一用来接收端口二发送的信号，仿真200ns后，即得到端口一的接收信号；s6.导出并计算端口一的接收信号，得到时间反演相位纹图像；s7.改变金属块的形状和放置位置，并重复s5和s6步骤，得到不同形状物体、不同位置的时频图像；s8.使用s7中一部分的时频图像，训练由分类网络和定位网络组成的级联神经网络；s9.使用s7中另一部分的时频图像，测试神经网络的准确率，以评估神经网络的健壮性。2.如权利要求1所述的使用siso天线在复杂环境中识别、定位微小物体的方法，其特征在于：步骤s1中，放置的隔板为理想状态的无厚度隔板。3.如权利要求1所述的使用siso天线在复杂环境中识别、定位微小物体的方法，其特征在于：步骤s4中，通过时间次序不变、信号反转来进行时间反演操作。

技术总结

本发明提供了一种使用SISO天线在复杂环境中识别、定位微小物体的方法，包括以下步骤：S1.建立立方体真空共振腔，并放置隔板；S2.在立方体真空共振腔的内部设置两个端口S3.端口一馈电发送信号，此时端口二用于接收信号；S4.将端口二的接收信号导出，进行时间反演操作，并将时间反演后的信号延长一倍；S5.在立方体真空共振腔内放置金属块，使用处理后的信号激励端口二，此时端口一用来接收端口二发送的信号；S6.得到时间反演相位纹图像；S7.得到不同形状物体、不同位置的时频图像；S8.训练由分类网络和定位网络组成的级联神经网络；S9.测试神经网络的准确率，以评估神经网络的健壮性。以评估神经网络的健壮性。以评估神经网络的健壮性。