نوع مقاله: مقاله پژوهشی

نویسندگان

1 استاد دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

2 دانشجوی دکتری دانشکده مهندسی برق، دانشگاه علم و صنعت ایران

چکیده

در این مقاله ساختار گیرندۀ مستقیمِ 84 گیگاهرتز برای یک سامانۀ دریافت امواج پسیو، طراحی و شبیه‌سازی می‌گردد. با استفاده از قطعات متنوع تعریف شده در کتابخانۀ DSP، مراحل سخت‌افزاری بخش پردازش سیگنال در سامانه دریافت امواج پسیو را شبیه‌سازی نموده و ارزیابی دقیق‌تر و کامل‌تری از عملکرد سیستم مورد نظر ارائه گردیده است. میان بهره ولتاژ خروجیِ فیلتر پایین‌گذر در حدود 933 میکروولت و میان بهره ولتاژ خروجیِ ADC در حدود mV84/1 می‌باشد که به ازای اختلاف دمای یک کلوین، اختلاف ولتاژ nV516 در خروجیِ فیلتر پایین‌گذر و اختلاف ولتاژ تقریباً 1 میکروولت در خروجی ADC، برای سیستم طراحی شده در سرعت نمونه برداری 125 کیلو نمونه بر ثانیه، مشاهده می گردد. با توجه به بهره مُبدل دیجیتالی، اختلاف میان بهره محاسبه شده تنها در حدود nV32 می‌باشد. از اینرو می‌توان نتیجه گرفت که فرآیند تبدیل سیگنال آنالوگ به دیجیتال با دقت بالایی صورت گرفته است. در ادامه، به منظور ارزیابی سامانۀ طراحی شده، خروجی تصویری که از سامانۀ طراحی شده به دست آمده، تشکیل می گردد. پس از تشکیل تصویر، به دلیل خاصیت تاری ذاتی تصاویر موج میلیمتری فرآیندهای اصلاح و بهبود کیفیت دیداری تصویر بر روی تصویر به دست آمده، اجرا می شود. در قسمت پردازش تصاویر، پیشنهادهای جدیدی برای سوپررزولوشن، فیوژن و ترتیب اعمال آن ها ارائه گردید. روش های ذکر شده بر روی تصاویر خروجی و شبیه سازی شده پیاده گردیده و منجر به بهبود تصاویر خروجی شد. این بهبود در سوپررزولوشن به صورت بهبود تشخیص لبه های اجسام پنهان شده بوده و در فیوژن با معیار Qabf تا 10 درصد بهبود کیفیت نسبت به آخرین روش ها، مشاهده شد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Design and Simulation an Optimum Direct Radiomete for 84 GHz Central Frequency and Optimum Image Processing Procedure

نویسندگان [English]

  • M.R Mousavi 1
  • M.H Bisjerdi 2

چکیده [English]

In this paper, a direct radiometer system in 84 GHz are designed and simulated for Passive Millimeter Waves (PMMW). Using a variety of parts defined in the library of DSP, hardware stages of signal processing systems simulate passive reception and a more complete and accurate assessment of the system performance is presented. Then, to evaluate the designed system, output image obtained from system design is formed. After the formation of the image, due to the PMMW images are inherent blurred images, reform processes and improvement of the visual quality of images are performed. In the image processing section, new proposals for super-resolution, fusion and applied them were presented, respectively. Methods are performed on the output images and due to improve the output images. These improvements in super-resolution and fusion are edge enhancement of concealed objects and 10 percent improvement in fusion process based on Qabf criteria.

کلیدواژه‌ها [English]

  • Radiometer
  • Passive Millimeter Waves
  • Superresolution
  • Fusion

[1]     F. T. Ulaby and K. R. Carver, “Passive Microwave Radiometry”, Manual of Remote Sensing, American Society of Photogrammetry, Vol. 11, pp. 475-516, 1983.

[2]     M. R. Fetterman, “Simulation, Acquisition and Analysis of Passive Millimeter-Wave Images in Remote Sensing Applications,” Optic Express, Vol. 16, pp. 20503-20515, 2008.

[3]     R. Appleby, “Millimeter-wave and Submillimeter-wave Imaging for Security and Surveillance,” IEEE Proceeding, Vol. 95, No. 8, pp. 1683-1690, 2007.

[4]     National Research Council, “Assessment of Millimeter-Wave and Terahertz Technology for Detection and Identification of Concealed Explosives and Weapons,” National Research Council, National Academies Press, 2007.

[5]     S. Oka et al., “Latest Trends in Millimeter-Wave Imaging Technology”, Progress in Electro-Magnetics Research Letter, Vol. 1, pp. 197-204, 2008.

[6]     Z. Chen, C. C. Wang, H. C. Yao and P. Heydari, “A BiCMOS W-Band 2×2 Focal-Plane Array With On-Chip Antenna”, IEEE Journal of Solid-State Circuits, Vol. 47, No. 10, pp. 2355-2371, 2012.

[7]     P. Bhartia and I. J. Bahl, “Millimeter Wave Engineering and Applications”, New York: Wiley, pp. 660-671, 1984.

[8]     D. D. King, “Passive Detection”, in Radar Handbook, M. I. Skolnik, Ed. New York: McGraw-Hill, Ch. 39, pp. 1-39 to 36-39, 1970.

[9]     L. Gilreath, V. Jain and P. Heydari, “Design and Analysis of a W-Band SiGe Direct-Detection-based Passive Imaging Receiver”, IEEE Journal of Solid-State Circuits, Vol. 46, No. 10, pp. 2240-2252, 2011.

[10] J. J. Lynch et al. “Passive Millimeter-Wave Imaging Module with Preamplified Zero-Bias Detection,” IEEE Trans. Microwave Theory and Tech., Vol. 56, No. 7, pp. 1592-1600, 2008.

[11] A. Tomkins, P. Garcia and S. P. Voinigescu, “Passive W-Band Imaging Receiver in 65-nm Bulk CMOS”, IEEE Journal of Solid-State Circuits, Vol. 45, No. 10, pp.1981-1991, 2010.

[12] L. Jing and Z. Junrong, “Two New Types of Microwave Radiometer: A Computer Gain Compensative Design and a Real-time Calibrated Design”, Journal of Electronics, Vol. 16, No. 3, pp. 277-283, 1999.

[13] L. Zhou, C. C. Wang, Z. Chen and P. Heydari, “A W-band CMOS Receiver Chipset for Millimeter-Wave Radiometer Systems”, IEEE Journal of Solid-State Circuits, Vol. 46, No. 2, pp. 378-391, 2011.

[14] Y. H. Kim, S. Kim, G. S. Kang, H. S. Kim and K. S. Yang, “92 GHz Radiometer System for Remote Sensing Applications”, International Symposium on Remote Sensing, pp. 462-467, 1999.

[15] H. M. Manohara, E. W. Wong, E. Schlecht, B. D. Hunt, P. H. Siegel, “Carbon Nanotube Schottky Diodes using Ti-Schottky and Pt-Ohmic Contacts for High Frequency Applications”, Nano Letters, Vol. 5, No. 7, pp. 1469-1474, 2005.

[16] National Instruments, (www.ni.com).

[17] K. Uchimura, T. Hayashi, T. Kimura and A. Iwata, “Oversampling A-to-D and D-to-A Converters with Multistage Noise Shaping Modulators”, IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol. 36, pp. 1899-1905, 1988.

[18] Analog Device, Inc., “Analog-Digital Conversion Handbook”, D. H Sheingold, Ed. Englewood Cliffs, NJ. Prentice-Hall, 1986.

[19] H. Fang and L. Yan, “Parametric Blind Deconvolution for Passive Millimeter Wave Images with Framelet Regularization”, International Journal for Light and Electron Optics, Vol.125, No.3, pp.1454-1460, 2014.

[20] Y. Ruan, H. Fang and Q. Chen, “Semiblind Image Deconvolution with Spatially Adaptive Total Variation Regularization”, Mathematical Problems in Engineering, Vol.37, No.14, pp.2778-2780, 2014.

[21] L. Yan, H. Liu, L. Chen, H. Fang, Y. Chang, and T. Zhang, “Parametric Semi-blind Deconvolution Algorithm with Huber-markov Regularization for Passive Millimeter-Wave Images”, Journal of Modern Optics, Vol.60, No.12, pp.970-982, 2013.

[22] D. Krishnan, T. Tay and R. Fergus, “Blind Deconvolution using a Normalized Sparsity Measure”, IEEE Conference on Computer Vision and Pattern Recognition, pp.233-240, 2011.

[23] R. Dash and B. Majhi, “Particle Swarm Optimization based Regularization for Image Restoration”, IEEE Conference on Nature & Biologically Inspired Computing, pp.1253-1257, 2009.

[24] M. R. Metwalli, A. H. Nasr, O. S. F. Allah and S. El-Rabaie, “Image Fusion based on Principal Component Analysis and Highpass Filter”, International Conference on Computer Engineering & Systems, pp. 63-70, 2009.

[25] H. Li, B. S. Manjunath and S. K. Mitra, “Multisensor Image Fusion using the Wavelet Transform”, Graphical Models and Image Processing, Vol. 57, No. 3, pp. 235-245, 1995.

[26] X. B. Qu, J. W. Yan, H. Z. Xiao and Z. Q. Zhu, “Image Fusion Algorithm based on Spatial Frequency-Motivated Pulse Coupled Neural Networks in Nonsubsampled Contourlet Transform Domain”, Acta Automatica Sinica, Vol. 34, No.12, pp. 1508-1514, 2008.

[27] P. R. Hill, C. N. Canagarajah and D. R. Bull, “Image Fusion using Complex Wavelets”, Machine Vision Conference in British, pp. 1-10, 2002.

[28] C. S. Xydeas and V. Petrovic, “Objective Image Fusion Performance Measure”, Electronics Letters, vol. 36, No. 4, pp. 308-309, 2000.

[29] V. Tsagaris, “Global Measure for Assessing Image Fusion Methods”, Optical Engineering, Vol. 45, No. 2, pp. 1-8, 2006.