微波成像传感器与技术综述

1. 引言

在灾害救援、目标检测等领域，微波成像技术发挥着重要作用。众多研究致力于提升该技术的性能，以更精准地检测和定位目标。本文将介绍多种微波成像相关的研究成果及其应用。

2. 不同微波成像技术及应用

2.1 多普勒雷达与生命体征检测

Thi和Thanh（2020）利用微波频率范围内的多普勒雷达系统识别人类生命体征。其过程如下：
1. 发射机向人体心脏发射射频波并收集反射能量。
2. 通过分析发射和接收信号，提取呼吸率、心跳和位置等有价值参数。
3. 采用数学模型确定雷达生命体征检测方法在不同频率和距离变化时的有效性。

不过，该技术对于昏迷且无法响应的受害者，难以捕捉其呼吸和心脏信号。

2.2 微波反射计与人体定位

Shah（2017）提出微波反射计作为检测建筑物废墟下人体的原型。具体操作如下：
1. 设计并制造2.4 GHz调频连续波（FMCW）雷达收发器。
2. 创建发射/接收器和喇叭天线后，对人体组织和多种物质进行研究。
3. 使用矢量网络分析仪（VNA）检查组件及收发链，在消声室评估天线增益和辐射形式。
4. 评估收发器性能，包括检测能力、范围精度、信噪比等。
5. 采用各种调制技术分析和模拟系统内的FMCW。

但该原型在距离超过7英尺（2.1 m）时，难以辨别远离材料的人体。

2.3 超宽带雷达与被困受害者检测

Xu等人（2012）提出利用聚类、连续错误警报率（CFAR）和分组在超宽带雷达频率下自动检测被困受害者的新方法。该方法可去除环境中的非静态杂波，自动准确提取生命体征属性。不过，当非静态杂波能量大于生命体征能量时，方法会失效，且窄带信号难以检测相同呼吸频率的多个生命信号。

2.4 WITNER应用与灾害救援

Yılankıran和Guney（2021）开发了WITNER，这是一个支持地理定位的云原生应用。它作为中介，将社交网络帖子通知转换为可在空间查看的格式，能识别更实际且低成本的援助需求。但目前其返回的位置数据不够精确，需要研究从推文提取准确灾害相关地理定位数据的方法。

2.5 脉冲雷达与穿墙目标识别

Liang等人（2017）使用超宽带频率的脉冲雷达进行图像重建，以识别困难环境中的人体目标。具体操作如下：
1. 收集微动数据，如呼吸和脉搏频率，实现远程检测。
2. 利用短时傅里叶变换计算距离，通过多频率聚合和增强反正切解调技术确定人体微动频率。

该方法能有效减少杂波，但在典型灾难场景中，由于信噪比和杂波信号比不佳，难以恢复信息。

2.6 布局重建与UWB TWI雷达

采用UWB TWI雷达进行布局重建，过程如下：
1. 以实时人类输入为参考，在一次观察下进行操作。
2. 将接收到的大量回波用于创建初始阶段的距离多普勒（RD）频谱。
3. 使用数字多普勒频率信号生成多普勒反投影（BP）图像。
4. 构建3 - D一致错误警报率检测器，从多普勒BP图像堆栈中捕获结构架构。
5. 将获取的架构与并发人类信号结合。

该技术能有效呈现多面墙的受保护布局，但难以区分墙壁和其他静止物体。

2.7 MIMO GPR与目标成像

Zeng等人（2012）提出MIMO GPR，基于“类平面波PWL”构建，采用传统雷达系统和“类平面波”广播资源。其优势在于：
1. 更稳定，信噪比更好。
2. 多极化检测选项可获得更精确的入射波波形。
3. 结合目标信号的多极化相位信息，提高检测精度。

与传统GPR系统相比，MIMO GPR的多极化检测模式具有更高的目标成像效率。

2.8 位置信息索引分类器与微波成像

Qi等人（2019）提出位置信息索引分类器（PIIC），利用UWB生物雷达的位置数据生成位置标记的微多普勒特征子分段库，自适应搜索最佳预测子模型。该方法能有效减少分类错误，平均分类准确率提高8.16%，但未研究其对其他分类器的实际应用影响。

2.9 微波多普勒雷达与实时TWI场景感知

Gennarelli的研究团队（2016）使用微波多普勒雷达传感器实现实时穿墙成像（TWI）场景感知。系统采用S波段连续波多普勒雷达，通过简单高效的雷达数据处理方法实时检测墙后是否有人，并自动判断目标是静止还是移动。但当区域内有动物时，可能产生大量误报，且连续波雷达缺乏测距能力，检测多目标场景较困难。

2.10 社交媒体与灾害现场定位

Chachra等人（2022）提出一种自动定位社交媒体上地震后受损结构照片的方法。具体步骤如下：
1. 通过迁移学习和大约6500张手动标记的图像构建深度学习算法。
2. 利用Grad - CAM技术展示照片中有助于判断的关键区域。

但该模型需要去除倒塌结构的误报结果，主要源于类似碎片的形状。

2.11 文本分类器与地震灾害评估

Li等人（2021）创建文本分类器算法进行地震灾害快速损失评估。该方法处理大量地理密度数据速度快，但准确性仍存在障碍，尤其是与地面仪器测量和检查相比。

2.12 非均匀步进频率连续波雷达与距离不确定性降低

Srivastav等人（2020）创建非均匀步进频率连续波（SFCW）扫描，通过不规则排列减少距离不确定性。经分析评估和模拟，双基地测试证实预期的分析信号杂波比（SCR）为15 dB，多静态成像系统使用该方法后，模糊强度至少降低9 - 11 dB。

2.13 SFCW雷达与人类活动识别

Qi等人（2016）使用SFCW雷达进行墙测试以识别人类活动，提出基于历史人类位置数据的理想自适应支持向量机（OS - SVM）。在3 m固定距离后，八人进行六种动作的分类准确率分别为98.78%和93.23%。

2.14 SFCW雷达与废墟下受害者检测

Labarthe等人（2009）使用SFCW雷达寻找埋在废墟下的人类受害者。该雷达系统能监测多种人类生命体征且对多普勒敏感，通过实验室实践研究利用SFCW雷达技术识别生命体征。但需要提高信号处理的整体传感性能和系统的整体有效性。

2.15 UWB TWI系统与杂波最小化

Gaikwad等人（2011）借助UWB TWI系统研究减少砖屏障后金属和非金属（低介电常数）目标检测杂波的策略。采用奇异值分解、主成分分析、因子分析和独立成分分析（ICA）等统计方法，四种策略均显著提高金属物体检测的信号杂波比，ICA方法可改善低介电常数材料的目标信号杂波强度。

2.16 双站SFCW雷达与多目标定位

Jia等人（2019）使用双站SFCW雷达进行实时试验，以识别和定位墙后多个静止人体目标。提出互相关技术，有效识别不同目标并提供距离匹配方法。

2.17 GPR与灾害救援

Li等人（2016）将GPR用于紧急灾害救援行动，识别和跟踪废墟空隙中隐藏的物体，提出的技术和算法在实际和模拟GPR扫描中取得约93%的精度。

2.18 基于GPR的新型算法与地下设施检测

Yuan等人（2018）创建基于GPR的新型滴流算法，检测准确率为84%，寻找地下设施的准确率为78%。该算法优化GPR模式的识别和分解，能区分相连双曲线并确定其特征和部分，对复杂空间布局的公用管道定位和测量至关重要。

2.19 GPR与目标响应评估

Diamanti等人（2016）展示GPR的数学方法和复杂低维目标响应严重性估计，用于寻找埋地人类遗骸，通过建模和测量技术提高自然灾害救援效率。

2.20 物联网机器人与废墟下人员识别

De Cubber等人（2017）和Ko与Lau（2009）开发基于物联网技术的机器人系统用于废墟下人员识别。机器人能为急救人员提供无法进入区域的视觉信息，世界贸易中心灾难救援首次使用实时机器人。如今机器人配备多种技术用于灾难性灾害搜索和救援，如基于S波段的TWI系统，可实现视频速率成像，提高穿墙和自由空间雷达成像的理解能力。

2.21 时间反转方法与UWB TWI

Bahrami（2021）描述UWB和TWI的新时间反转方法，通过天线排列收集空间和UWB频率数据，创建多静态散射数据矩阵，经校准后输入时间反转算子算法。数值结果表明该算法有效高效，且利用频率 - 频率多静态数据矩阵（FF - MDM）增加了成像速度，适用于现场应用。

2.22 多普勒雷达与穿墙人员检测

Harikesh等人（2019）使用多普勒雷达和希尔伯特振动分解（HVD）进行穿墙多人检测。雷达工作在2.4 GHz，通过估计呼吸率检测墙后多人，可识别多种现实场景下人类的呼吸率，但需增加发射功率以提高穿墙检测范围。

2.23 空间 - 频率时间反转与穿墙成像

Mu和Song（2018）提出基于空间 - 频率时间反转（SF - TR）的两种穿墙成像技术。通过天线模式的空间 - 频率测量创建空间 - 频率多静态信号信息矩阵（SF - MDM），经奇异值分解后生成成像伪谱。对于静止目标，使用整个SF - MDM提高目标响应和减少墙杂波；对于移动目标，使用差分SF - MDM消除墙失真和噪声。数值模拟表明该方法能有效检测墙后隐藏目标并实时跟踪移动目标。

2.24 UWB雷达与生命特征识别

Li等人（2012）使用UWB雷达技术通过墙壁检测和识别人类生命特征，基于快速傅里叶变换和S变换提供解决方案。能识别实际信号的中心频率并准确预测人体目标位置，具有高信噪比，适用于复杂环境，但需增加雷达天线不同位置的额外观测，改进信号处理和目标成像技术。

2.25 SIMO雷达与生命体征收集

Wang等人（2018）采用时域有限元技术检测移动目标模型，模拟单输入多输出（SIMO）雷达信息。通过去除雷达数据背景，使用反投影重建目标位置，结合多变量经验模态分解（MEMD）和快速傅里叶变换提取呼吸特征频率。结果表明SIMO雷达与MEMD结合能有效识别和收集墙后移动人体的生命体征，但需研究多目标情况并通过实验数据测试策略。

2.26 UWB TWR与人类运动识别

Yang等人（2020）将UWB与TWI雷达结合解决人类运动检测问题，采用新颖的距离轮廓序列化TWR方法。具体步骤如下：
1. 将实际雷达反射信号转换为距离测量值。
2. 使用三层自动编码器网络（AEN）降低维度并提取每个距离轮廓的属性。
3. 两层门控循环单元（GRU）网络处理每个时隙的特征并实时输出识别结果。

该模型能准确识别人类运动序列化，在活动长度的前20%内实现93%的识别效率。

2.27 FMICW波形与穿墙检测

Fioranelli等人（2014）引入调频中断连续波（FMICW）波形作为穿墙检测的革命性障碍去除方法。通过选择合适的门控序列生成FMICW波形，减少障碍物反射，提高目标识别能力。当前双基地系统需改进天线网络、开关和控制单元，以实现更快成像和跟踪移动目标，还可研究将FMICW波形与墙去除方法（如子空间投影、空间滤波和CD）结合。

2.28 轻量级微波设备与救援

Donelli（2011）描述一种轻量级微波设备，用于搜索和救援地震等灾害中被困在倒塌结构废墟下的人员。基于连续波X波段雷达，使用ICA程序从反射电磁场中提取信息，减少噪声和杂波，确定呼吸和心脏波动。该设备可安装在轻型无人机上，但需进一步研究与修改散射技术（MST）探头结合以提供识别潜力。

2.29 电子鼻与城市搜索救援

Anyfantis等人（2021）提出电子鼻用于城市搜索救援（SAR）任务，目标是在建筑废墟中寻找被困人员并检测进入狭窄不卫生环境时的空气威胁。电子鼻作为远程操作机器人的仪器有效载荷，在实际场景中测试，系统包含用户界面展示结果，基于传感器信息构建启发式算法生成简化结果。目前正在研究在狭窄区域定位人类目标的方法，以及教AI系统考虑天气条件和预测检测限制。

2.30 自注入锁定技术与雷达性能提升

Wang等人（2013）提出自注入锁定（SIL）技术，将部分反射信号注入发射波振荡器，提高解调响应能力，使雷达系统获得更高信噪比，可跟踪静止人员的轻微身体运动并同时确定墙后不同人员的位置，但该系统仅在简单环境中探索过。

2.31 连续波步进频率雷达与UWB脉冲雷达改进

Grazzini等人（2010）提出使用连续波步进频率雷达（CW - SF）克服UWB脉冲雷达因脉冲触发机制不稳定导致的时间不一致问题。由于动态范围扩大，这种雷达更擅长检测低频振动。

2.32 脉冲雷达与UWB系统

脉冲雷达发射一系列短RF脉冲，通过反射信号的时间延迟测量目标距离。UWB电磁发生器产生短脉冲，在当代系统中使用，利用人体胸部位移导致的反射波到达时间变化提取所需属性，UWB雷达方法无零点困难。Zaikov和Sachs（2010）使用主成分分析构建模型UWB雷达，减少动态干扰并分离所需信号与噪声。Sachs等人（2011）研究UWB检测隐藏死亡人员时各种干扰的影响，提及多种噪声源，噪声参与程度因雷达类型而异。

3. 总结

综上所述，微波成像技术在灾害救援、目标检测等领域有众多研究成果和应用。不同技术各有优势和局限性，未来需要进一步改进和完善，如提高信号处理能力、减少误报、增加检测范围等，以更好地满足实际应用需求。

以下是部分技术的对比表格：
|技术名称|主要应用|优势|局限性|
| ---- | ---- | ---- | ---- |
|多普勒雷达生命体征检测|识别生命体征|可分析多种参数|对昏迷受害者效果不佳|
|微波反射计人体定位|检测废墟下人体|能提供音频信息|远距离检测困难|
|超宽带雷达被困受害者检测|自动检测被困者|去除杂波，提取生命体征|杂波能量大时失效|
|WITNER应用|灾害救援信息转换|识别援助需求|位置数据不精确|
|脉冲雷达穿墙目标识别|复杂环境人体目标识别|减少杂波|灾难场景信息恢复难|

以下是UWB TWR与人类运动识别的流程图：

graph TD;
    A[实际雷达反射信号] --> B[转换为距离测量值];
    B --> C[使用AEN降低维度并提取属性];
    C --> D[GRU网络处理特征];
    D --> E[实时输出识别结果];

4. 微波成像技术的综合分析

4.1 技术优势对比

为了更清晰地了解不同微波成像技术的优势，我们对部分关键技术进行了进一步的对比分析，如下表所示：
|技术名称|优势详细说明|适用场景|
| ---- | ---- | ---- |
|MIMO GPR|稳定性好，信噪比高；多极化检测可获取精确波形，结合多极化相位信息提高检测精度|地质勘探、废墟下目标检测等|
|位置信息索引分类器（PIIC）|有效减少分类错误，平均分类准确率提高8.16%|目标分类识别，如人体动作分类|
|微波多普勒雷达实时TWI场景感知|能实时检测墙后是否有人，自动判断目标状态|室内人员监测、救援场景|

4.2 技术局限性分析

尽管微波成像技术取得了显著进展，但仍存在一些局限性，需要在未来的研究中加以解决。以下是部分技术局限性的总结：
|技术名称|局限性|解决思路|
| ---- | ---- | ---- |
|多普勒雷达生命体征检测|对昏迷受害者难以捕捉呼吸和心脏信号|结合其他传感器技术，如红外传感器辅助检测|
|微波反射计人体定位|远距离检测困难|优化天线设计，提高发射功率|
|超宽带雷达被困受害者检测|杂波能量大时失效|改进杂波抑制算法，增加信号处理能力|

4.3 技术发展趋势

随着科技的不断进步，微波成像技术也在朝着更高效、更精确的方向发展。以下是一些可能的发展趋势：
- 多传感器融合 ：将微波成像技术与其他传感器技术（如光学传感器、红外传感器等）相结合，提高检测的准确性和可靠性。
- 智能化处理 ：引入人工智能和机器学习算法，实现自动识别、分类和定位目标，减少人工干预。
- 小型化和便携化 ：开发更小型、更便携的微波成像设备，方便在不同场景下使用。

5. 实际应用案例分析

5.1 地震救援场景

在地震救援中，微波成像技术发挥了重要作用。例如，某地区发生地震后，救援人员使用UWB雷达技术检测废墟下的幸存者。通过分析雷达反射信号，准确确定了幸存者的位置，为救援工作提供了关键信息。具体操作流程如下：
1. 设备部署 ：将UWB雷达设备放置在合适的位置，确保能够覆盖可能存在幸存者的区域。
2. 信号采集 ：启动雷达设备，采集反射信号。
3. 信号处理 ：使用快速傅里叶变换和S变换等算法对采集到的信号进行处理，提取生命特征信息。
4. 目标定位 ：根据处理结果，确定幸存者的位置。

5.2 安全监测场景

在一些重要场所，如机场、银行等，微波成像技术可用于安全监测。例如，某机场使用微波多普勒雷达传感器实时监测候机大厅内的人员活动。当检测到异常行为时，系统会及时发出警报。其工作流程如下：
1. 传感器安装 ：在候机大厅内安装微波多普勒雷达传感器，确保能够覆盖整个监测区域。
2. 数据采集 ：传感器实时采集人员活动产生的微波信号。
3. 数据分析 ：对采集到的数据进行分析，判断是否存在异常行为。
4. 警报触发 ：当检测到异常行为时，系统发出警报，通知安保人员。

6. 结论

微波成像技术在灾害救援、目标检测、安全监测等领域具有广阔的应用前景。通过对多种微波成像技术的研究和分析，我们了解了它们的优势和局限性。在实际应用中，应根据具体需求选择合适的技术，并不断改进和完善，以提高检测的准确性和可靠性。未来，随着科技的不断发展，微波成像技术有望取得更大的突破，为人类的安全和发展做出更大的贡献。

以下是地震救援场景中UWB雷达使用的流程图：

graph TD;
    A[设备部署] --> B[信号采集];
    B --> C[信号处理];
    C --> D[目标定位];

以下是安全监测场景中微波多普勒雷达传感器工作的流程图：

graph TD;
    A[传感器安装] --> B[数据采集];
    B --> C[数据分析];
    C --> D{是否异常};
    D -- 是 --> E[警报触发];
    D -- 否 --> B;