ЖУРНАЛ СТА №1/2022

на ( Tx ), осциллятор, фильтр низких ча- стот (ФНЧ), АЦП и цифровой сигналь- ный процессор (ЦСП) относятся к передающей антенне, а к приёмной антенне: приёмные антенны ( Rx ), осцил- лятор, ФНЧ, АЦП и ЦСП, подключён- ные через смеситель. Как показано на рисунке, радар имеет одну передающую антенну и три элемента приёмной антенны (т.е. 1 × 3 антенную систему). Два элемента приёмной антенны разме- щаются горизонтально и два вертикаль- но, при этом один антенный элемент используется совместно. Расстояние между соседними антенными элемента- ми равно с /2 fс , где c – скорость света, а fс – несущая частота 61 ГГц. Этот радар передаёт форму волны, частота которой линейно возрастает, как изображено в генераторе сигнала на рис. 1. Этот датчик FMCW увеличивает полосу пропускания B на 6 ГГц на 12,5 мс. Такимобразом, разрешение по дальности Δ r становится равным 2,5 см (т.е. Δ r = = c /2 B ). Кроме того, в этомисследовании за период формы волны взят один кадр. Э КСПЕРИМЕНТАЛЬНАЯ УСТАНОВКА ДЛЯ СБОРА ДАННЫХ С РАДИОЛОКАЦИОННЫХ ДАТЧИКОВ С помощью радара, описанного в предыдущем разделе, были проведены эксперименты по сбору данных. Как показано на рис. 2, эксперименты про- водились с радаром, расположенным на расстоянии в R = 30 см от центра лица. Данные радиолокационных датчиков были собраны при соблюдении одина- ковых экспериментальных условий для трёх разных людей. Кроме того, были получены радиолокационные данные лиц каждого человека в медицинской маске и без. В общей сложности было собрано 12 000 кадров радиолокацион- ных сигналов для трёх испытуемых с медицинскими масками и без них. Г ЕНЕРАЦИЯ ГРАФИЧЕСКИХ ДАННЫХ ДЛЯ ОБУЧЕНИЯ CNN В целом CNN – это широко исполь- зуемая нейросеть для классификации нескольких изображений. Следователь- но, важно преобразовать радиолока- ционные сигналы в формат изображе- ния, соответствующий требованиям для входных данных CNN. В этом случае применяется метод синтеза радиолока- ционных сигналов из нескольких па- раллельных каналов. Другими словами, данные входного изображения: (1) где F ( L i [ n ]) обозначает результат бы- строго преобразования Фурье (БПФ) выходного сигнала ФНЧ с временноˆй дискретизацией i th ( i = 1, 2, …, I ) в при- ёмном канале. На рис. 3 обобщённо показан процесс создания изображения из сигналов ра- дара. В результате испытаний при ис- X F L n F L n F L n I = [ ] [ ] … [ ] ⎡ ⎣ ⎢ ⎢ ⎢ ⎢ ⎢ ⎤ ⎦ ⎥ ⎥ ⎥ ⎥ ⎥ ( ) ( ) ( ) , 1 2 пользовании трёхэлементной приёмной антенны и 2 10 точек БПФ было сгене- рировано 3 изображения по 1024 пиксе- ля с соответствующей размерностью. В случае применения метода радиоло- кации непрерывного излучения с ча- стотной модуляцией (FMCW) эффек- тивнее использовать сигналы, адап- тированные к БПФ, а не сигналы, «привязанные» к временноˆ й шкале, по- скольку расстояние между радаром и целью может быть легко рассчитано по изменению частоты сигнала. Кроме того, для обучения нейросети используется не полное изображение X , а только изображение лица. Таким об- разом, из общего изображения «выреза- ется» область лица, которая выражает- ся в X R на рис. 3. В нашем примере на испытательном стенде размер X R озна- чает, что в диапазоне от ( R – 12,5 см) до ( R + 12,5 см) определяется, как нужная нам, область изображения лица. Другими словами, только 12,5 см сле- ва и 12,5 см справа изображения от текущего положения лица ( R ) исполь- зуется в качестве входных данных ней- росети. РАЗ РА БОТ КИ Рис. 2. Экспериментальная установка для сбора данных с радиолокационных датчиков Рис. 4. Структура CNN, используемая для идентификации лица Рис. 3. Генерация входных данных для обучения CNN СТА 1/2022 55 www.cta.ru 10 мм 50 мм Вид сбоку R Вид сверху Радарный датчик Сигналы радиолокационных датчиков Форма изображения: Х Уточнённый ввод: ХR Rх 1 Rx 1 Rx 2 Rx 3 О входные данные свёрточный слой полностью связанный слой 11 × 3 × 1 9 × 3 × 8 7 × 3 × 16 5 × 3 × 32 1 × 1 × 128 1 × 1 × 128 1 × 1 × 3