Universität Duisburg-Essen Home
Englisch

Anfahrt
Mitarbeiter
Studenten@NTS
Forschung
Veröffentlichungen
Aktuelles / Veranstaltungen
Externe Links

Intranet

Studium / Lehre
Abschlussarbeiten /
Projektarbeiten: Themen


Service
Heinz-Luck-
      Brandentdeckungslabor


AUBE '17 / SUPDET 2017
ICOF 2016

EUSAS e.V.

Elektrotechnik
Alumni
Ingenieurwissenschaften
Universität Duisburg-Essen


Mobilfunk:
Intelligente Antennen
Adaptive MIMO
     communication systems

Filter bank multicarrier
    transmission systems

Adaptive multicarrier
    transmission


Radar-Technik:
Breitbandige GHz und THz
     Radarsensorik


Brandentdeckung:
Automatische Brandentdeckung
Testgeräte für
     Staub- und Wassernebeltests

Aerosolcharakterisierung
     durch Polarisation



NTS-Poster

Breitbandige GHz und THz Radarsensorik

Stand: 08.08.2016
Universität Duisburg-Essen, Campus Duisburg
  • UWB-Radar

  • Motivation
    In den letzten Jahren wurden UWB-Radarsysteme für Detektion und Abbildungsanwendungen immer attraktiver. Im Vergleich zu anderen Sensortechnologien, wie optischen Systemen oder Infrarotsystemen, benötigt ein UWB Radar keine visuelle Sichtverbindung, so dass es für Notfallszenarien mit Rauch und Staub sehr gut geeignet ist. Aufgrund der großen Bandbreite bietet die feine Zeitauflösung eine Genauigkeit und Auflösung im mm-Bereich. Zudem weist ein UWB Radar eine bemerkenswerte Robustheit gegenüber schmalbandigen Störern auf, zudem treten kaum Mehrwegprobleme auf weil in vielen Fällen die sich ausbreitenden Wellen kaum überlappen. Demzufolge sind Roboter mit UWB Radarsystemen durchaus attraktiv für Ortungs- und Abbildungsaufgaben im Brandfall oder anderen Notfallszenarien.

    Aus diesem Grund hat sich das Fachgebiet NTS schwerpunktmäßig mit den damit zusammenhängenden Themen erfolgreich beschäftigt. Zwei Tagungsbeiträge und eine Dissertation zu diesem Themenfeld wurden in den letzten 4 Jahren (u.a. von der IEEE) prämiert.


  • THz-Bildgebung und THz-Material-Characterisierung

    Anstehende Forschungsarbeiten werden sich auch mit Radaranwendungen im THz-Bereich beschäftigen, um die bisher im Bereich unter 100 GHz erarbeitete Expertise zu hochauflösender Bildgebung und modellbasierter ellipsometrischer Bestimmung der Permittivität von Oberflächenelementen nochmals auszuweiten.

    Im Vergleich zum UWB-Radar kann die erweiterte Bandbreite von THz-Signalen zu einer deutlich vergrößerten Ortsauflösung beitragen. Deutlich kleinere Antennen im THz-Bereich ergeben zudem ganz neue Anwendungsfelder. Hochauflösende UWB-Algorithmen müssen dazu mit Blick auf das Verhalten im Zeit- wie im Frequenzbereich an die neuen Gegebenheiten in Bezug auf Hochfrequenzlage und Bandbreite angepasst werden.

    Wesentliche Effekte wie spiegelnde Oberflächen bei UWB-Anwendungen treten beim THz-Radar in viel geringerem Maße auf. Stattdessen ist im THz-Bereich die sehr viel stärker hervortretende Rauhigkeit von Oberflächen zu berücksichtigen. Die im Fachgebiet NTS entwickelte Methode, für die Materialcharakterisierung Daten über die Depolarisation von Oberflächen zu nutzen, ergibt hier ganz neue Auswertemöglichkeiten. Außerdem können mittels eines anderen in NTS entwickelten Ansatzes Oberflächen mit sowohl spiegelnden wie auch streuenden Oberflächenelementen optimal einbezogen werden.




    Wellenfrontdetektion

    Zusätzlich zur schon erwähnten hervorragenden Robustheit in Bezug auf Mehrwegprobleme, spielt die Wellenfront-Detektion bei "Super-Resolution" UWB Radars eine große Rolle, besonders in Bezug auf Situationen, bei denen a priori Informationen nicht verfügbar sind. In diesem Zusammenhang wurden vom Fachgebiet NTS zwei korrelationsbasierte Algorithmen entwickelt, nämlich die "Dynamic Correlation Method" (DCM), und dessen polarimetrische Version, die PDCM.

    DCM
    Das DCM-Verfahren basiert auf den klassischen Korrelationsalgorithmen, bei denen die Kreuzkorrelation eines Referenzpulses und des untersuchten Pulses berechnet wird. Bei der DCM wird aber ein Set von synthetischen Referenzpulsen erzeugt, wobei jeder synthetische Referenzpuls als Superposition von zwei unterschiedlich verzögerten Referenzpulsen aufgebaut ist. Die zugehörige Kreuzkorrelationsfunktion liefert dann die Daten von zwei Wellenfronten anstelle von nur einer. Die so detektierten Wellenfronten werden danach mit Hilfe von einer Fensterfunktion von dem untersuchten Puls abgezogen. Diese Methode wird so lange wiederholt bis eine adaptiv gestaltete Abbruchbedingung (in Bezug auf die Leistung des verbleibenden Signals) erfüllt wird. Der DCM Algorithmus ist in [1] detailliert beschrieben. Die folgende Abbildung zeigt das Radargramm und die extrahierten Wellenfronten für ein Testobjekt, das über einen Winkelbereich von 360° gescannt wurde.

          

    PDCM
    Die zweite Wellenfront-Detektionsmethode, die vom Fachgebiet NTS entwickelt wurde, ist das PDCM. Die Anwendung von DCM ist problematisch in Szenarien, wo Echos mit höheren Amplituden (z.B. bei zweifachen Reflexionen) mit Echos niedrigerer Amplituden interferieren. Dieses Problem wird mit Hilfe von Pauli-Streumatrizen deutlich verbessert. Dabei werden vollpolarimetrische Radardaten mittels dieser Streumatrizen umgearbeitet und damit Echos mit niedrigen Amplituden (Einfachreflektionen) von den Echos mit höheren Amplituden (Zweifachreflektionen) getrennt [2].
    Zwei neue Impulsantworten werden durch die Kombination der zwei Streumatrizen von [2] geliefert. mMUT,S(t) weist nur Reflexionen von SB Streupunkt auf, während mMUT,D(t) nur Reflexionen von DB Streupunkt aufweist.
    Die folgende Abbildung zeigt zwei zufällige Impulsantworten mMUT,HH(t) und mMUT,VV(t), die resultierenden
    mMUT,S(t) und mMUT,D(t) Impulsantworten und die Positionen der Wellenfronten aller Impulsantworten.



    Von der Abbildung ist zu entnehmen, dass von der Kombination von m MUT,S (t) und m MUT,D (t) Impulsantworten 5 Wellenfronten entdeckbar sind, was nicht den Fall ist, wenn die Impulsantworten m MUT,VV (t) und m MUT,HH (t) separat betrachtet werden.
    In der folgenden Abbildung werden die extrahierten Wellenfronten von dem 360° Radargramm von dem gleichen Testobjekt dargestellt.

          

    Kirchhoff-Migration

    Migrationsbasierte Abbildungsverfahren sind in der Literatur ausreichend dokumentiert [3]. Sie werden in vielen Szenarien im Wesentlichen aufgrund ihrer einfachen Implementierung eingesetzt. Mittels Migration wird aus Radardaten eine Abbildung eines Objekts ohne besondere Vorverarbeitung erzeugt. Dabei wird eine das Abbild beschreibende Matrix erzeugt, die aus der räumlichen Überlagerung der aus verschiedenen Messrichtungen sich ergebenden Impulsantworten besteht (siehe folgende Abbildung). Im linken Bild wird die Kirchhoff-Migration bei einer Impulsantwort für 0° dargestellt, im mittleren Bild die Kirchhoff-Migration bei aufsummierten Impulsantworten von 0° bis 45° und im rechten Bild die Kirchhoff-Migration bei aufsummierten Impulsantworten von 0° bis 135°.

                 

    Verbesserung der Kirchhoff-Migration
    Am Fachgebiet Nachrichtentechnische Systeme wurde eine Verbesserung der Kirchhoff-Migration entwickelt, die aus folgenden Methoden besteht.

    Vollpolarimetrische Radar-Daten und Wienerfilter
    Eine verbesserte Version der Kirchhoff-Migration wurde zunächst mit Hilfe der polarimetrischen Streumatrix (siehe Wellenfront-Detektion) entwickelt. Weiterhin wurde eine zusätzliche Verbesserung der Radardaten durch die Entfaltung mittels eines Wienerfilters erreicht. Die Übertragungsfunktion des Filters ist durch die folgende Relation beschrieben, wobei Href(f) für die Übertragungsfunktion des Referenzpulses steht.



    Hier steht Href(f) für die Übertragungsfunktion des Referenzpulses.

    k-means Segmentierung
    Zudem wird eine Verbesserung der Abbildung durch die Segmentierung des migrierten Bildes erreicht. Die k-means Segmentierung wird verwendet, um das Bildrauschen zu reduzieren. In der folgenden Abbildung wird das Abbild eines Testobjekts mit Hilfe der verbesserten Kirchhoff-Migration dargestellt. Das mittlere Bild zeigt das migrierte Bild der Streupunkte mit Zweifach-Reflektion, das rechte Bild das migrierte Bild Streupunkte mit Einfach-Reflektion.

                 

                              

    Super-Resolution Radar-Bildgebung

    Ein zweites Verfahren zum Erzeugen einer Radarabbildung basiert auf Entfernungsmessungen (Wellenfronten). Am Fachgebiet Nachrichtentechnische Systeme der Universität Duisburg-Essen wurden auf Basis von [4] zwei Super-Resolution Radar-Abbildungsverfahren entwickelt und untersucht.

    Polarimetric Convergence Algorithm (PCA)
    Der auf Fuzzy-Logik basierende Abbildungsalgorithmus PCA berechnet den Einfallswinkel jeder extrahierten Wellenfront (siehe Wellenfront-Detektion) und ordnet damit jeder Wellenfront einem Streupunkt zu. Der PCA Algorithmus besteht aus drei Teilen:
    1. Die Wellenfronten werden mit Hilfe des PDCM extrahiert (siehe Wellenfront-Detektion).
    2. Die Wellenfronten werden danach durch einen Nachbearbeitungsalgorithmus optimiert wobei jede Wellenfront einem "Cluster" zugeordnet wird. Die Parameter der Cluster werden danach durch einen Kurvenanpassungsalgorithmus berechnet und in Bezug auf die nicht stetigen Wellenfronten / Cluster kompensiert.
    3. Danach wird der Einfallswinkel jeder Wellenfront bestimmt, der dann zusammen mit der Lage der Wellenfront eindeutig einen Streupunkt ergibt.
    Aufgrund der bistatischen Antennenkonfiguration befindet sich jeder Streupunkt auf einer Ellipse. Die zwei Fokus-Punkte der Ellipse entsprechen der Tx- und der Rx-Position. Die Major- und die Minor-Achse der Ellipse werden auf Basis der ermittelten Wellenfront-Daten bestimmt. Die exakte Position des Streupunktes kann dann eindeutig über den Einfallswinkel berechnet werden. Dazu werden auch in gewissem Umfang die Daten der benachbarten übrigen Wellenfronten benutzt, siehe nächste Abbildung.



    In der Abbildung soll die rote Ellipse der n-ten Wellenfront und die blaue Ellipse die der m-ten Wellenfront entsprechen. Der Schnittpunkt der beiden Ellipsen kann nach den Formeln aus [5] bestimmt werden. Damit wird dann der Einfallswinkel und die Gaußsche Zugehörigkeitsfunktion von [6] bestimmt womit dann auch die Position des Streupunkts feststeht. Das PCA-Image eines Testobjekts wird in der nächsten Abbildung gezeigt.

          

    Polarimetric Direct Mapping Algorithm (PDMA)
    Ein zweites Verfahren zum Erzeugen einer Radarabbildung basiert auf Entfernungsmessungen mit zwei Empfangsantennen. Ähnlich wie bei dem PCA besteht das PDMA aus drei Teilen. Die ersten zwei Teile sind identisch mit den ersten zwei Teilen des PCA, aber hier sind zwei Empfangsantennen zu betrachten. In den letzten Teil des Algorithmus wird der Streupunkt berechnet, der sich am Schnittpunkt von zwei Ellipsen befindet. In der folgenden Abbildung ist ein typisches Szenario skizziert.



    Ein mittels PCA ermitteltes Testobjekt ist in der folgenden Abbildung gezeigt. Das mittlere Bild zeigt das PCA-Radarbild des Objekts, das rechte Bild das PDMA(Cluster)-Radarbild des Objekts.

                 

    Objekterkennung

    Am Fachgebiet Nachrichtentechnische Systeme wird ein Radar Objekterkennungs-Algorithmus entwickelt, der auf sieben translations- und rotationsinvarianten Image-Features basiert ist. Die sieben Features sind:
    1. "Fitting Circle" – Dies ergibt den Radius eines Kreises, der das Bild einschließt.
    2. Formfaktor – Formfaktor ist das Verhältnis von Fitting Kreis zu detektierten Streupunkten (siehe "Super-Resolution" Bildgebungsverfahren)..
    3. Trägheitsmoment des Bildinhalts - Trägheitsmoment des Bildinhalts berechnet sich aus



      Hier ist rs,k die Distanz zwischen dem Mittelpunkt des abgebildeten Testobjektes und die detektierten Streupunkte.
    4. Curvature-Scale-Space (CSS) – Durch CSS wird die Krümmung eines Graphs (bzw. einer Kontur) berechnet. In der nächsten Abbildung wird die gaußgefilterte Kontur dieses Testobjekts sowie das normierte CSS des Testobjekts gezeigt. Die Scheitelpunkte stellen die Ecken und Kanten der Objektkontur. Die Kanten weisen einen positiven Scheitelpunkt auf und die Ecken einen negativen Scheitelpunkt.



    5. Fourierdeskriptoren - die Fourierdeskriptoren entsprechen den Fourier Transformierten der Streupunkte.
    6. Bild Momente – Sieben Bild-Momente sind von Hu in [7] in Form von translations- und rotationsinvarianten Momenten definiert.
    7. Exzentrizität - Die Exzentrizität ist eine dimensionslose Zahl, die die folgenden Werte annehmen kann: 0 steht für exakt kreisförmige Testobjekte, ein Wert zwischen 0 und 1 resultiert für Testobjekte mit elliptischer Form und 1 ergibt sich für Testobjekte, die einer geraden Linie ähnlich sind.
    Die Erkennung des untersuchten Testobjekts wird dann durch den mittleren quadratischen Fehler des extrahierten Merkmals in Bezug auf den Set von Referenzmerkmals durchgeführt. In der folgenden Abbildung werden 12 Testobjekten und die Ergebnisse des Objekterkennungsalgorithmus gezeigt.



    Das folgende Bild zeigt die Wahrscheinlichkeit, dass das Testobjekt richtig erkannt wird.



    Ellipsometrie

    Mikrowellen-UWB-Ellipsometrie
    In Sicherheitsanwendungen, insbesondere im Bereich der automatischen Brandentdeckung, sind neben der Kenntnis der Form von Objekten auch Informationen über deren Materialeigenschaften von großer Bedeutung. So kann es zum Beispiel entscheidend sein, ob sich ein Brandherd auf einem Steinboden oder einem Holzboden befindet.
    Vor diesem Hintergrund wurde eine optische Methode der Materialanalyse für die Anwendung im Mikrowellen-UWB-Bereich weiterentwickelt: die Mikrowellen-UWB-Ellipsometrie. Die Vorteile einer Materialanalyse mittels Mikrowellen-UWB-Ellipsometrie sind z.B.:
    • Da es sich um kontaktlose Reflexions- oder Streumessungen handelt, kann die Analyse von einer einzigen Objektseite erfolgen, sodass auch Objekte analysiert werden können, die nicht von allen Seiten zugänglich sind.
    • Wegen der großen Wellenlänge der verwendeten Strahlung im Vergleich zur Optik sind keine nennenswerten Einflüsse durch schwebende Partikel, z.B. Staub oder Rauch (im Brandszenario) zu erwarten.
    • Ebenso wegen der großen Wellenlänge können auch dünne Schichten durchdrungen werden und verborgene Bereiche untersucht werden.
    Die Schätzung der Materialparameter mittels Mikrowellen-UWB-Ellipsometrie erfolgt auf Basis der Umkehrung der Fresnellschen Gleichungen. Die notwendigen Informationen für die Materialcharakterisierung lassen sich durch die Messung des Reflexionsgrades unter zwei orthogonalen Polarisationsrichtungen, für einen, bzw. typischerweise mehreren Reflexionswinkeln bestimmen.



    Das linke Bild zeigt den prinzipiellen Messaufbau. Tx und Rx sind die jeweiligen Sende- und Empfangsantennen und θi ist der Reflexionswinkel. Das rechte Bild zeigt den tatsächlichen Messaufbau mit den auf dem Positioniertisch montierten Antennen, wobei hier eine MDF-Platte untersucht wird.
    Das folgende Bild zeigt die für MDF gemessenen Werte der Reflexionsgrade (orthogonaler und senkrechter Polarisation) bei verschiedenen Winkeln θi. Im Vergleich dazu sind auch die theoretisch zu erwartenden Werte als Linien dargestellt.



    Mit den gemessenen Werten der Reflexionsgrade können nun durch die Inversion der Fresnellschen Gleichungen die Materialparameter in Form der Permittivität näherungsweise bestimmt werden. In diesem Fall wurde der Wert der dielektrischen Konstante εr für MDF bestimmt, mit εr ≅ 2,7.

    Mikrowellen-UWB-Ellipsometrie für kleine Objekte
    Bei kleiner werdenden Objekten werden die Reflexionseigenschaften von Beugungseffekten an den Kanten und Ecken der untersuchten Objekte überlagert. Die Material-parameterschätzung wird dadurch stark verfälscht. Dieser Effekt kann am folgenden Bild veranschaulicht werden. Es zeigt die ursprüngliche ellipsometrische Schätzung der dielektrischen Konstante εr in Abhängigkeit vom Abstand des Messpunkts zur Objektkante (blaue Linie). Die rot gestrichelte Linie stellt den Sollwert (εr ≅ 2,7) dar. Die starken Schwankungen des geschätzten Wertes in den ersten 30 cm entstehen durch Beugungseffekte.



    Um diesem Effekt entgegenzuwirken wurde ein Verfahren entwickelt, das mit Hilfe der UWB-Bildgebung (Imaging) den Einfluss der Beugungseffekte berechnet und ihn bei der Material-parameterschätzung einbezieht. Damit wurde es möglich die Materialeigenschaften von Objekten mit einer Kantenlänge ab 20 cm (Werte noch aktuell?) korrekt zu schätzen.

    Mikrowellen-UWB-Ellipsometrie rauer Oberflächen
    Anders als spiegelnde glatte Oberflächen streuen raue Oberflächen einen Teil der Strahlung in andere Winkelbereiche als dem idealen Reflexionswinkel θi. Da die ursprüngliche Ellipsometrie auf Reflexionsmessungen an perfekt planen Oberflächen aufbaut, sind Schätzungen der Materialeigenschaften von rauen Strukturen wie z.B. Schüttgut ohne Berücksichtigung der Oberflächenrauheit nicht möglich.
    Aus diesem Grund wird am FG NTS ein Verfahren entwickelt, dass nicht allein auf dem Fresnellschen Reflexionsmodell (spiegelnde Reflexion SR) aufbaut, sondern auch die diffuse Reflexion (DR, z.B. Lambertstrahler) einbezieht.



    Erste Untersuchungen von Schüttgut, wie z.B. Sandstein zeigen vielversprechende Ergebnisse, wie im folgenden Bild zu sehen ist.



    Die Analyse von Sandstein wurde im Winkelbereich von 43,5° bis 46,5° durchgeführt. Ohne Einbindung der Informationen über die Rauheit liegt der geschätzte Wert der dielektrischen Konstante εr bei etwa 2, somit deutlich unterhalb des mit einer glatten Sandsteinoberfläche ermittelten Sollwertes von etwa 4.1. Durch die Berücksichtigung der Oberflächenrauheit konnte die Schätzung korrigiert werden und es wurde der gleiche Wert wie bei einer glatten Oberfläche ermittelt.

    Breitband-Ellipsometrie bei höheren Frequenzen
    Die Entwicklung von Radarmodulen für Sicherheitsanwendungen (z.B. Zutrittskontrollen) oder für den KFZ Bereich (z.B. Antikollisionssystem) geht rasant voran, wodurch immer energiesparendere und konstengünstigere Single-Chip Systeme auf den Markt kommen. Gleichzeitig werden die Systeme für immer höhere Frequenzen entwickelt (z.B. 24 GHz oder 60 GHz), wodurch die Antennen und die weiteren HF-Bauteile in ihrer Größe stark verkleinert und die Radarmodule immer leichter werden.
    Da die Materialanalyse mittels Ellipsometrie nicht an einen speziellen Frequenzbereich gebunden ist, zumal sie ursprünglich aus dem Bereich der Optik kommt, eröffnet diese rasante Entwicklung der Radartechnologie stetig neue Einsatzbereiche.
    Bei immer kleineren Wellenlängen werden mögliche geometrische Oberflächenstrukturen im Verhältnis aber immer größer und die Oberflächen bei kleiner werdender Wellenlänge somit immer rauer. Eine Wand, die bei 5 GHz noch wie eine spiegelnde Oberfläche reflektiert, kann bei 60 GHz schon als diffuser Streuer wirken. Dies wirkt sich stark auf die Ellipsometrie aus, wodurch die entwickelten Analysemethoden für raue Oberflächen deutlich an Bedeutung gewinnen. Zwecks Weiterentwicklung der kombinierten Fresnell-Lambertschen Analysemethoden und der Untersuchung ihrer Einsatzgrenzen ist aktuell ein Projekt geplant, bei dem raue Oberflächen im Frequenzbereich von 4,5 GHZ bis über 90 GHz untersucht werden sollen.

    1. R. Salman, I. Willms
      Joint Efficiency and Performance Enhancement of Wavefront Extraction Algorithms for Short-Range Super-Resolution UWB Radar
      The 7th German Microwave Conference (GeMiC), Ilmenau, Germany, 12-14 Mar. 2012.
    2. D. Damyanov, R. Salman, I. Willms, T. Schultze
      A Super-Resolution Polarimetric Wavefront Extraction Algorithm for UWB-Radar under massive Interference Conditions
      The 11th European Radar Conference, EuRAD, Rome, Italy, 5-10 Oct. 2014.
    3. R. Salman, I. Willms, L. Reichardt, W. Wiesbeck
      On Polarization Diversity Gain in Short Range UWB-Radar Object Imaging
      IEEE International Conference on Ultra-Wideband (ICUWB), Syracuse, USA, 17-20 Sept. 2012.
    4. S. Kidera, T. Sakamoto, T. Sato
      Accurate UWB Radar Three-Dimensional Imaging Algorithm for a Complex Boundary Without Range Point Connections
      IEEE Transactions on Geoscience and Remote Sensing, 2010
    5. D. Eberly
      Intersection of Ellipses
      Technical report, Geometric Tools, LLC, 2000.
    6. D. Damyanov, R. Salman, I. Willms, T. Schultze
      Super-Resolution Feature Extraction Imaging Algorithm for complex Objects
      IEEE International Conference on Ultra-Wideband (ICUWB, Paris, France), 1-3 Sept. 2014.
    7. Ming-Kuei Hu
      Visual Pattern Recognition by Moment Invariants
      Transactions on Information Theory (IRE), 8(2):179187, 1962.