科研日记3【2024-06-05】

• 文献阅读

1. 2021年伊朗谢里夫理工大学Zamani H等人在IEEE TAP上发表Quality Improvement of Millimeter-Wave Imaging Systems Using Optimized Dual Polarized Arrays^[1]
   背景：使用极化分集天线，可提高系统的SNR和可靠性；交叉极化和共极化数据分别保留了图像的边缘和平滑部分，利用共极化和交叉极化信息恢复目标更多的信息。
   内容：算法研究：双极化测量的数据组合方法和图像重建方法(基于TV范数的TV-CS)；天线设计：单微带贴片天线和2×1和4×1双极化天线阵列的详细结构。
   
   
   

2. 2023年德黑兰谢里夫理工大学Zamani H等人Zamani H等人在IEEE TAP上发表A Deep Learning Approach for Reconstruction in Millimeter-Wave Imaging Systems^[2]
   目的：利用深度学习方法实现图像重建。
   内容：由于DNNs只接受实值输入，将复数采样数据分离成实部和虚部两个成像模态，并连接起来形成一个更大尺寸的实值输入。
   效果：提高对附加噪声和物体到天线距离的失配误差的鲁棒性；不需要距离校准(Range Calibration)
   
   
   

3. 2023年北京理工大学李世勇等人在IEEE TMTT上发表Millimeter-Wave Imaging via Circular-Arc MIMO Arrays^[3]
   提出：一种圆弧多输入多输出（MIMO）阵列方案，该方案具有沿水平圆弧方向均匀间隔的发射和接收天线，同时沿垂直方向扫描。
   算法：一种基于空间频域处理的近场三维成像技术。
   特点：与线性或平面MIMO阵列相比，圆弧MIMO阵列的天线波束可以提供更均匀的成像场景覆盖，这对于探测人员携带的隐蔽武器尤为重要。
   

4. 2022年英国贝尔法斯特女王大学Molaei.A.M等人在International Radar Symposium会议上发表A Compressive Sensing-Based Approach for Millimeter-Wave Imaging Compatible with Fourier-Based Image Reconstruction Techniques^[4]
   提出：过使用压缩传感理论，提出了一种与快速傅立叶技术相一致的图像重建解决方案，该解决方案使用从单站成像获得的压缩数据。
   Remark：基于Yanik的研究，将多站雷达数据转换为单站形式，基于CS模型利用一般的CS重构算法重建图像。依然时二维的随机采样，貌似没啥创新.....

5. 2022年德黑兰谢里夫理工大学Kazemi M等人在IEEE TI上发表Aliasing Artifacts Suppression in MIMO Millimeter-Wave Imaging Systems Based on K-Space Analysis^[5]
   背景：稀疏阵列天线可能呈现严重混叠伪影，部分技术会扭曲目标图像以及高成本和缺乏可推广性。
   提出：基于对多基地阵列中混叠K空间和非均匀傅里叶变换，提出一种小的随机位移应用于稀疏周期阵列(SPAs)中天线的位置，防止混叠分量想干累积。
   具体：对阵元随机位移所造成的强加不均匀性要求重采样或使用非均匀傅里叶变换以进一步实现图像重建。
   效果：有效降低混叠伪影峰值水平3dB，抑制实时多基地毫米波成像系统中的混叠伪影。
   
   

参考：

---

1. Rezaei M, Zamani H, Fakharzadeh M, et al. Quality Improvement of Millimeter-Wave Imaging Systems Using Optimized Dual Polarized Arrays[J]. IEEE Transactions on Antennas and Propagation, 2021, 69(10): 6848–6856. ↩︎

2. Rostami P, Zamani H, Fakharzadeh M, et al. A Deep Learning Approach for Reconstruction in Millimeter-Wave Imaging Systems[J]. IEEE Transactions on Antennas and Propagation, 2023, 71(1): 1180–1184. ↩︎

3. Li S, Wang S, Wu S, et al. Millimeter-Wave Imaging via Circular-Arc MIMO Arrays[J]. IEEE Transactions on Microwave Theory and Techniques, 2023, 71(7): 3156–3172. ↩︎

4. Molaei A M, Kumar R, Hu S, et al. A Compressive Sensing-Based Approach for Millimeter-Wave Imaging Compatible with Fourier-Based Image Reconstruction Techniques[A]. 2022 23rd International Radar Symposium (IRS)[C]. 2022: 87–91. ↩︎

5. Kazemi M, Kavehvash Z, Shabany M, et al. Aliasing Artifacts Suppression in MIMO Millimeter-Wave Imaging Systems Based on K-Space Analysis[J]. IEEE Transactions on Instrumentation and Measurement, 2022, 71: 1–9. ↩︎