Upload
others
View
3
Download
0
Embed Size (px)
Citation preview
Radaranvändning för identifiering och
lokalisering av olika material
En undersökande studie med en pulskoherent radarsensor
Marcus Eliasson
Dokumenttyp – Examensarbete för kandidat
Huvudområde: Elektronik.
Högskolepoäng: 15 HP.
Termin/år: VT, 2020.
Handledare: Sebastian Bader, [email protected]
Examinator: Börje Norlin, [email protected]
Kurskod/registreringsnummer: ET107G
Utbildningsprogram: Civilingenjör Elektroteknik, 300 HP
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Sammanfattning
2020-06-26
iii
Sammanfattning Transportens och logistikens framtid kräver exakta och tillförlitliga men
även kostnadseffektiva sensorer. I den här rapporten testas därför några
attribut för en Pulse Coherent Radar för att avgöra om det är möjligt att
urskilja en person från metall. I rapporten kommer en metod att användas
för att skilja de två materialen, detta helt enkelt genom att mäta
amplituden av energiinnehållet hos den reflekterade radarstrålen på
olika avstånd för de olika materialen. Experimentets resultat visar att
metall lätt kan identifieras från en person, men detta endast för att
skillnaden i den relativa permittiviteten hos dessa material är väldigt stor.
Material med mer likvärdig relativ permittivitet har inte undersökts men
mätvärden från dessa material antas vara för likvärdig och därför svårt
att identifiera. Metoden anses därför kunna användas då det endast är få
material med stor skillnad i relativ permittivitet som ska urskiljas.
Nyckelord: Radar, Acconeer, A111, PCR, Distance Detection, Detection
Area, Material Detection
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Abstract
2020-06-26
iv
Abstract The future of transportation and logistics demand accurate and reliable
but also cost and energy effective sensors. In this paper, some attribute of
a Pulse Coherent Radar will be tested to determine if it is possible to
distinguish a person from metal. In the paper one method will be used to
distinguish the two materials, this just by simply measure the amplitude
of energy of the received radar beam at different distances. Experiment
results shows that metal can easily by distinguished from a person, but
this only because of the great difference in the relative permittivity of
these materials. Experiments for materials with more equivalent relative
permittivity have not been investigated. The method is therefore
considered to be usable as only a few materials with a large difference in
relative permittivity are to be distinguished.
Keywords: Radar, Acconeer, A111, PCR, Distance Detection, Detection
Area, Material Detection
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Innehållsförteckning
2020-06-26
v
Innehållsförteckning Sammanfattning ............................................................................................. iii
Abstract ............................................................................................................ iv
Terminologi .................................................................................................... vii
Introduktion ...................................................................................................... 8
1.1 Bakgrund och motivering .......................................................... 8
1.2 Problemformulering ................................................................... 9
1.3 Avgränsningar ........................................................................... 10
1.4 Konkreta och verifierbara mål ................................................. 10
1.5 Disposition ................................................................................. 11
Teoretisk bakgrund ....................................................................................... 12
1.6 Radarsystem ............................................................................... 12
1.6.1 Pulse Coherent Radar .................................................... 13
1.6.2 Distans och Detektionsområde ..................................... 14
1.6.3 Reflektion ......................................................................... 15
1.7 Acconeers Exploration Tool ..................................................... 17
1.7.1 Envelope .......................................................................... 18
Metod................................................................................................................ 19
1.8 Verktyg ....................................................................................... 19
1.9 Mätningar ................................................................................... 19
1.9.1 Distansmätning ............................................................... 19
1.9.2 Undersökning av E-fältets och H-fältets vinklar ....... 20
1.9.3 Beräkning av Detektionsområdet ................................ 21
1.9.4 Identifiering av Objekt ................................................... 23
Resultat och Analys ....................................................................................... 24
1.10 Resultat distansmätning ........................................................... 24
1.11 Resultat detektionsområdet ..................................................... 26
1.12 Resultat Identifiering av material ........................................... 27
Slutsats och Diskussion ................................................................................ 31
1.13 Etiska och samhälleliga aspekter ............................................ 32
1.14 Framtida studier ........................................................................ 33
Referenser ........................................................................................................ 34
Bilaga Programkod ........................................................................................ 36
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Innehållsförteckning
2020-06-26
vi
Bilaga A ............................................................................................................ 37
Person: ...................................................................................................... 37
Plåt: ...................................................................................................... 38
Bilaga B ............................................................................................................ 39
Detektionsområdet för E-fältet mot person ................................................ 39
Detektionsområdet för E-fältet mot plåt ...................................................... 39
Detektionsområdet för H-fältet mot person................................................ 39
Detektionsområdet för H-fältet mot plåt ..................................................... 39
Bilaga C ............................................................................................................ 40
1.15 Person1 ........................................................................................ 40
1.16 Person2 ........................................................................................ 42
1.17 Plåt ............................................................................................... 44
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Terminologi
2020-06-26
vii
Terminologi
Akronymer/Förkortningar
Radar Radio detection and ranging
RF Radiofrekvensradar
GUI Graphical User Interface
Lidar Light detection and ranging
PCR Pulse Coherent Radar
E-fält Elektriskt fält
H-fält Magnetiskt fält
HPBW Half Power Beam Width
SNR Signal-brusförhållande
A111 Radarsensor
XR111 Radarsensorkort
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Introduktion
2020-06-26
8
Introduktion Radio detection and ranging (Radar) har många olika användbara
egenskaper, de är vanligtvis oberoende av ljusförhållanden, de är mycket
snabba och har hög precision. Det finns även radars som är
implementerade med millimetervåglängder dessa kan tillverkas med låg
effekt utan rörliga delar [1]. Radarteknologin har funnits sedan början av
1900-talet [2] och har sedan dess snabbt utvecklats till ett väletablerat
teknikområde. Trots att den typiska radiofrekvensradarn (RF) används
för att upptäcka och spåra stora föremål på långt avstånd, vilket används
inom luft- och marinövervakning, har många nya användningsområden
dykt upp de senaste åren, detta har inneburit att radarteknologin har fått
många nya möjligheter att lösa tekniska utmaningar. Några av dessa kan
vara där radar används för övervakning av vitala tecken [3] eller
gestigenkänning [4], för att nämna två. Användningen utav
millimetervågsradar har ökat markant inom fordonsindustrin på senare
tid vilket har lett till att priset på sensorerna har sjunkit. Detta leder till
att sådana enheter blivit ett bra alternativ för lågkostnadsapplikationer
[1]. Denna avhandling kommer därför studera precisionen, både för
distans och detektionsområde, samt ifall det är möjligt att urskilja
material från varandra. Arbetet kommer fokusera på att urskilja plåt från
människa, detta genom att en radar belyser ett område och med hjälp av
ett Graphical User Interface (GUI) samla information från radarns
återkommande eko för att avgöra längd och materialtyp.
1.1 Bakgrund och motivering
Självkörande fordon kommer vara en grundsten för framtidens hållbara
transportsystem. Denna teknik spås kunna reducera den miljöpåverkan
som transportsektorn står för [5], vilket i dagsläget motsvarar drygt 40%
av Sveriges totala utsläpp av växthusgaser [6]. Det spås även att denna
teknik ska kunna förhindra olyckor och därmed minska skador och
dödfall i trafiken. Detta är något som trafikverket jobbar hårt med genom
”Nollvisionen” vilket är ett etiskt ställningstagande att ingen ska dödas
eller allvarligt skadas i trafiken [5] [7]. Framtidens lastbilar kommer inte
bara vara självkörande utan de kommer även ha automatiserad lastning
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Introduktion
2020-06-26
9
och lossning. För att möjliggöra detta forskas det idag på att med hjälp av
bildbehandling tillsammans med inbyggda Radar, Light detection and
ranging (Lidar) och ultraljudssensorer identifiera och lokalisera objekt,
detta för att framställa en exakt bild utav verkligheten [8]. Detta medför
vissa problem såsom identifiering och lokalisering utav objekt.
Forskning för att identifiera material med hjälp av radar har tidigare
gjorts då med avseende att öka den allmänna säkerheten på flygplatser,
där har man jobbat med att identifiera metallobjekt, vatten och bensin.
Detta för att öka säkerheten och förhindra de hot som ökat på grund av
terrorism. Detta övervakningssystem har även presenterats för andra
allmänna platser som köpcenter och campus [9].
En annan studie som utförts handlade om ytklassificering av olika
material, detta skulle sedan implementeras i en robotgräsklippare för att
kunna avgöra vilket underlaget som klipptes. Ytor som undersöktes då
var gräs, sten och asfalt, det vill säga ytor som vanligtvis finns i
anslutning till en gräsmatta, detta för att förhindra klipparen att klippa
sten eller asfalt [1].
Den här rapporten kommer undersöka träffsäkerheten med avseende på
avstånd och detektionsområde, samt huruvida det är möjligt att urskilja
en person från metall, detta med en kostnadseffektiv pulserande koherent
radar (PCR). En undersökning av dessa problem är angelägen för att
självkörande transporter med automatiserad lastning och lossning ska
kunna utföras på ett säkert sätt. Men även för att kunna få en billig och
energieffektiv lösning vilket kan leda till ökad konkurrenskraft och
lönsamhet.
1.2 Problemformulering
Detta arbete kommer undersöka precisionen för distans och
detektionsområdet samt hur det varierar mellan olika material, arbetet
kommer även undersöka hur vida det är möjligt att med hjälp av
radarsignalens eko, erhållen från en millimetervågsradar kunna
identifiera olika material. Klassificeringsuppgiften är att urskilja
människa från metall, då det är vanligt förekommande objekt som
förekommer på lastningsplatser.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Introduktion
2020-06-26
10
Följande frågor kommer undersökas i rapporten:
- Hur är precisionen för avståndsmätning och hur varierar den
beroende på material? Hur exakt mäter PCR-sensorn avståndet till
målobjektet och beror det på dess material?
- Hur är precisionen för detektionsområdet? hur vid
detektionsområdets vinkel är och beror det på vilket material som
är målytan består av?
- Är det möjligt att identifiera eller i alla fall skilja på metall från
människa?
1.3 Avgränsningar
Undersökningen är avgränsad till att data hämtas från en pulserande 60
GHz koherent radarsensor, Acconeer A111. Tester kommer inriktas mot
att kunna skilja på metall från person. Metallobjektet kommer vara en plåt
med plan yta och denna kommer mätas rakt framifrån. Personerna
kommer vara vuxna och mätas ståendes rakt framför radarn.
Distansmätningen av person och plåt begränsas till intervallet 0,2 – 7
meter då det är maxintervallet som utrustningen tillåter. Det är
distansmätningen som kommer bestämma intervallet för distans för
mätning av detektionsområdet samt identifiering av material. Detta
eftersom intervallet som fås från distansmätningen är det intervall där det
är möjligt att mäta båda testobjekten, människa och plåt.
1.4 Konkreta och verifierbara mål
Det förväntade målet med denna undersökning är för det första att
verifiera distansen som Acconeers PCR-sensor klarar av att mäta, där
målobjekten är människa och metall. För det andra att verifiera den
vertikala samt horisontella vinkeln för PCR-sensorns detektionsområde.
Resultaten från distansmätningen och detektionsområdesmätningen
kommer sedan att jämföras med vad som står i produktbeskrivningen för
PCR-sensorn. Det sista förväntade resultatet i denna undersökning är att
identifiera ett samband mellan den reflekterade radarsignalens
energiinnehåll och avståndet till målobjektet, samt att detta samband
kommer bero på målobjektets material.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Introduktion
2020-06-26
11
1.5 Disposition
Rapporten är distribuerad med en teoretisk bakgrund där radarsystem
beskrivs och delas upp i tre delar som sammanfattar hur en PCR-sensor
fungerar. Även hur distansmätning, detektionsområdet och reflektion
fungerar. Sedan avslutas den teoretiska bakgrunden med att kort
beskriva hur Acconeers Exploration Tool fungerar. Detta blir bakgrunden
för fortsättningen av arbetet. Efter det beskrivs metoderna som används
för att få fram de mätvärden som sedan presenteras i resultatdelen. I
resultatdelen kommer mätvärdena även att analyseras och bearbetas till
de resultat som anges. Sedan kommer de slutsatser som kunnat antagas
allt eftersom arbetet fortgått. Avslutningsvis diskuteras de etiska och
sociala aspekter som kan väntas komma från en implementering av
denna undersökning.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
12
Teoretisk bakgrund För att kunna förstå och tillgodogöra sig informationen i denna studie är
det viktigt att känna till teorin bakom hur ett radarsystem och hur
verktygen som använts fungerar. Då arbetet är inriktat på en
pulskoherent radarsensor är det även viktigt att få en djupare förståelse
hur den typen av radar fungerar.
1.6 Radarsystem
Radarns primära funktion är att utstråla RF-elektromagnetisk energi och
lyssna ifall den överförda energin genererar ett eko, se Figur 1. Genom att
analysera egenskaperna hos den reflekterade signalen är det möjligt att
få information angående objektets spridningsförmåga, avståndet och
vinkeln från objektet där signalen reflekterats samt med vilken hastighet
objektet färdas i. Har man tillräcklig hög vinkel- och
räckviddsupplösning går det till och med avgöra storleken på objektet
[1].
Figur 1: Illustration av det pulserade sammanhängande radarsignalen där flygtiden
mäts för att bestämma avståndet till objektet [10].
Radar är en förkortning för radio detection and ranging och är ett sätt att
bestämma räckvidd till ett objekt genom att sända och upptäcka
radiovågor. Radiovågor är den form utav elektromagnetiskstrålning som
har lägst frekvens, vilket motsvarar frekvenser från 600GHz (Gigahertz)
ner till kHz (kilohertz) detta ger en våglängd mellan 1 millimeter och 100
kilometer [11]. Elektromagnetiska vågor är transversella vågrörelser av
ett elektriskt fält (E-fält) och ett magnetiskt fält (H-fält). Dessa fält är
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
13
vinkelräta mot varandra och mot utbredningsriktningen, både E-fältet
och H-fältet varierar med samma frekvens och är i fas med varandra detta
illustreras i Figur 2. Utbredningshastigheten är den samma som ljusets
hastighet [12].
Figur 2: Elektromagnetiska vågor har ett elektriskt och ett magnetiskt fält. Dessa
svänger i riktningar som är vinkelräta mot varandra. [12]
Radarsystem kan utvecklas på många olika sett men i denna rapport
kommer ett PCR-system användas.
1.6.1 Pulse Coherent Radar
Det finns olika typer av radarsystem, var och en med sina egna för- och
nackdelar som vanligtvis resulterar i en avvägning mellan noggrannhet
och strömförbrukning. Pulse Coherent Radar är en kombination av två
radar-funktioner till ett och samma radarsystem. Första funktionen är
pulsradar, vilket innebär att utstrålningen av radarsignalen pausas
mellan överföringen av signalen. I detta fall kommer radarn vara aktiv
mindre än 1% av tiden då signalen sänds. På detta sett kan
energiförbrukningen hållas relativt låg [10].
Den andra funktionen är ett koherent radarsystem, vilket innebär att varje
överförd signal har en stabil tids- och fasreferens, detta möjliggör
mätningar med hög noggrannhet. Koherenta radarsystem förlitar sig
vanligtvis på en kontinuerlig generering av radiosignalen, detta
förbrukar mycket ström oberoende av uppdateringsfrekvens, men i PCR-
systemet blir det möjligt att utföra mätningar med hög noggrannhet
samtidigt som den förbrukar mindre energi. Den snabba pulseringen gör
det även möjligt att spåra snabba rörelser. En annan fördel med PCR-
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
14
system är att amplituden, tiden och fasen för den mottagna signalen kan
hanteras separat och möjliggöra klassificering av olika material som
signalen har reflekterats på. Dessa är alla fördelar jämfört med sensorer
som infraröd och ultraljud [10].
1.6.2 Distans och Detektionsområde
Radarsystem kan identifiera avstånd till objekt genom att beräkna tiden
mellan det att radiosignalen skickas ut till dess den reflekteras mot ett
objekt och ekot upptas radarsensorns antenn. Tiden som går mellan
överföring och mottagning av den reflekterade signalen (𝒕𝒅𝒆𝒍𝒂𝒚) används
för att beräkna avståndet till objektet, detta görs med hjälp av Ekvation 1
och Ekvation 2 nedan:
𝒗 = 𝒄𝟎
√𝜺𝒓
(1)
𝒅 = 𝒕𝒅𝒆𝒍𝒂𝒚 ∗ 𝒗
𝟐(2)
Där 𝑣 är hastigheten signalen fördas, 𝒄𝟎 är ljusets hastighet i vakuum, 𝜺𝒓
är mediets relativa permittiviteten. 𝒅 är distansen till objektet och 𝟐 i
nämnaren till (2) beror på det faktum att 𝒕𝒅𝒆𝒍𝒂𝒚 är tiden det tar för signalen
att resa till objektet och tillbaka, för att få avståndet till objektet behövs
därför en division med 2 [13].
Radarns detektionsområde avgörs från radarstrålens E-plan och H-plan.
Detta illustreras i figur 4 för E-planet och figur 5 för H-planet med resultat
baserat på 100 svepningar, testat med 20 XR111-enheter, (A111 sensor)
vilket gett det normaliserade strålningsmönstret. Half Power Beam
Width (HPBW) för E-planet kan man utläsa ± 20 grader och för H-planet
± 40 grader [10].
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
15
Figur 3: Normaliserat strålningsmönster från E-planet [12].
Figur 4: Normaliserat strålningsmönster från H-planet [12].
1.6.3 Reflektion
Mängden energi som tas emot tillbaka till radar-antennen beror på
reflektionsförmågan hos objektet (𝜸), radarens tvärsnitt (RCS) för objektet
(𝝈) och avståndet till objektet (d). En reflektion uppstår när det finns en
skillnad i den relativa primitiviteten mellan två medier som signalen
sprider igenom. (𝜸) ges nedan genom Ekvation 3:
𝜸 = (√𝜺𝟏 − √𝜺𝟐
√𝜺𝟏 + √𝜺𝟐
)
𝟐
(3)
Där 𝜀1 och 𝜀2 är den relativa permittiviteten, det är viktigt att komma ihåg
att den relativa permittiviteten beror på frekvensen. I Tabell 1 nedan visas
några vanliga material vid 60 GHz [13].
Tabell 1: Relativa permittiviteten för vanliga material [13].
Material 𝜺𝒓 vid 60 GHz 𝛾 gränsande till luft
ABS plast 2,48 0,049
Skärm
(Mobiltelefon)
6,9 0,02
Betong 2,7 0,059
Trä 4 0,11
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
16
Textiler 2,4 0,046
Metall - 1
Hud 8 0,22
Vatten 11,1 0,28
Luft 1 0
I detta arbete syftas det specifikt att urskilja metall (plåt) från människa
(textil). Den relativa permeabiliteten hos dessa material är nära 1 medan
den relativa permittiviteten är olika: 𝜺𝒎𝒆𝒕𝒂𝒍𝒍 ≫ 𝜺𝑻𝒆𝒙𝒕𝒊𝒍𝒆𝒓 Detta leder till
skillnad i reflektionskoefficienten 𝜸 från ekvation (3) vilket medför
skillnad i amplitud av energiinnehållet av den reflekterade signalen. Med
denna amplitudsskillnad kan man då identifiera material [9].
Radartvärsnittet är det effektiva området för objektet som signalen
reflekteras mot, där storleken är större än signalens våglängd (~ 5 mm)
och ligger inom fjärrfältets avstånd, kan den uttryckas analytiskt som i
Figur 5. Fjärrfältet beror på objektets storlek och dess avstånd till
radarkällan. Generellt gäller långtgående fält när de vågor som
reflekteras av objektet kan betraktas som planvågor. Representativa
spridningsmönster för en sfär, platt platta och pyramidformad
hörnreflektor visas i Figur 5. Man ser att föremålen kan ha olika maximala
RCS, men också olika strålningsmönster, en platt platta är till exempel
direkt riktad och om den lutas bort från radarn kommer den mottagna
energin att minska, medan hörnet har mindre vinkelberoende och är en
mer robust reflektor när det gäller vinkel med avseende på radar [13].
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
17
Figur 5: Strålningsmönster och analytiska uttryck för enkla geometriska former [13].
1.7 Acconeers Exploration Tool
Acconeers Exploration Tool är ett av Acconeers evaluation kits som
tillsammans med Python-exempel gör det enkelt att utforska Acconeers
radarsensorteknologi. Python script och Graphical User Interface (GUI)
gör det möjligt att streama data från radarsensorn till sin egen dator [14].
Acconeer A111-sensorn kan användas i olika sammanhang beroende på
vilket syfte man har. I Acconeers Exploration Tool får man först välja
vilken tjänst man vill använda sig utav. Idag finns fyra olika tjänster som
är optimerade för olika ändamål: Power Bins – Implementeringar med
låg komplexitet, exempelvis parkeringssensorer. Envelope –
Avståndsmätning till statiska mål. IQ – Detektion av hinder, övervakning
av vitala tecken. Sparce – Närvarodetektering, igenkänning av handgest.
Efter man valt tjänst får man ange sensorinställningar där man väljer
intervall för det avstånd man avser att mäta inom, vilken
pulslängdsprofil man vill använda för att optimera olika egenskaper hos
radarsensorn, där profil 1 har störst upplösning och profil 5 har mer
Signal-brusförhållande (SNR), Då högre profiler har högre SNR
försämras upplösningen [15].
Men i denna rapport kommer endast Envelope-tjänsten användas detta
eftersom det är avstånd och energiinnehåll som ska undersökas.
Tillsammans med Envelope-tjänsten kommer profil 2 att användas, detta
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Teoretisk bakgrund
2020-06-26
18
för att fortfarande kunna identifiera flera objekt samtidigt och fortfarande
kunna mäta inom det förbestämda intervallet.
1.7.1 Envelope
Envelope-tjänsten tillhandahåller data från den mottagna energin på
olika avstånd från radarsensorn. En mätning med Envelope-tjänsten
utförs genom att en radarpuls sänds ut och sedan mäta energiinnehållet i
det återkommande ekot under en uppskattad tidsfördröjning från
pulsöverföringen [16].
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Metod
2020-06-26
19
Metod Då projektet blev begränsad av Covid-19-pandemin samt en begränsad
budget kan inte dyra mätinstrument och optimala testförhållanden
användas. Istället var lågkostnadsalternativ tvungna att användas i
största möjliga grad.
1.8 Verktyg
För att undersöka de frågor som ställts i problemformuleringen med
hänsyn till de begränsningar som finns kommer endast enkla metoder
och verktyg användas. De verktyg som används vid mätningarna är en
pulserande 60 GHz PCR-sensor från Acconeer, ett måttband (tre
värdesiffror), samt Acconeers Exploration Tool. Alla beräkningar är
gjorda i MatLab.
Mätobjekten består av två personer och en plåt, Person 1 var ungefär 175
cm lång och 60 cm bred, person 2 var ungefär 195 cm lång och 60 cm bred
båda klädd i jeans och huvtröja. Plåten som användes hade måtten 39cm
× 90cm.
1.9 Mätningar
Mätningarna är uppdelad i tre separata delar och kommer undersöka
några attribut hos en Acconeer A111. Första delen i avsnitt 3.2.1 kommer
undersöka radarsensorns räckvidd beroende av material och med vilken
noggrannhet den mäter avstånd. Den andra delen i avsnitt 3.2.2 kommer
precisionen hos radarsensorn undersökas, det vill säga i hur stor
utbredning radiosignalen från radarsensorn sprids och vart signalen blir
detekterbar. I den sista delen, avsnitt 3.2.3 undersöks ifall det är möjligt
att urskilja plåt ifrån människa med en Acconeer A111.
1.9.1 Distansmätning
Avståndet som presenteras i produktbeskrivningen för A111 ligger
mellan 0,5 och 10 meter, då dessa avstånd är framtagna i gynnsamma
förhållanden hos företaget kommer det verkliga avståndet beroende på
material vara okänt. Distansmätningen genomfördes genom att sätta upp
radarsensorn på ett stativ, sedan mäta ut en sträcka från radarn till 7
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Metod
2020-06-26
20
meter framåt med ett måttband då det är sträckan om satts i
avgränsningar.
Avståndet för människa och plåt mättes var tjugonde centimeter till dess
att energin från den utsända signalens eko inte längre kunde utläsas. Se
Figur 6, värdena från radarn jämfördes sedan med det avstånd som gavs
från måttbandet.
Figur 6: Uppställning av radar och målobjekt som mättes
1.9.2 Undersökning av E-fältets och H-fältets vinklar
Detektionsområden som presenteras i produktbeskrivningen för A111
har en vinkel på 20 grader i E-fältet och 40 grader i H-fältet, se Figur 7 och
Figur 8.
Figur 7: Detektionsområde H-fält där α = 40˚
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Metod
2020-06-26
21
Figur 8: Detektionsområde E-fält där β = 20˚
Vinkeln för E-fältet undersöktes genom att vid fyra olika avstånd 𝒅 från
radarsensorn; 0,5 meter, 1 meter, 1,5 meter och 2 meter identifiera när
radarn gav utslag. Detta gjordes genom att vid varje avstånd föra in ett
objekt, människa och plåt, från vartdera hållet och markera vid utslaget.
Sedan mättes avståndet mellan dessa två markeringar. Halva avståndet
ger då sträckan 𝒂, detta användes sedan för att räkna ut vinkeln enligt
Ekvation 4.
𝜶 = 𝒔𝒊𝒏−𝟏 (𝒂
𝒅) (4)
Vinkeln för H-fältet undersöktes på samma sätt med skillnad att radarn
roterades 90 grader innan den monterades, på så sett kan man mäta H-
fältets vinkel på samma sätt som den horisontella vinkeln mättes, när man
då mäter sträckan mellan markeringarna och halverar värdet får man
sträckan 𝒃. Och enligt Ekvation 5.
𝜷 = 𝒔𝒊𝒏−𝟏 (𝒃
𝒅) (5)
1.9.3 Beräkning av Detektionsområdet
Med resultaten som tillhandahålls från avsnitt 3.2.2 kan
detektionsområdet beräknas och kommer då se ut enligt Figur 9.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Metod
2020-06-26
22
Figur 9: Detektionsområdet för radarsensorn beroende på distansen.
I figuren illustreras hur detektionsområden kommer se ut för radarn. Där
α är vinkeln i horisontell riktning och β är vinkeln i vertikal riktning. 𝒅 Är
den sträcka radarn har till målobjektet. Med hjälp av ekvationen för en
ellips enligt Ekvation 6 kan man sedan sätta in radarsensorn i ett
koordinatsystem och avgöra hur stort detektionsområdet är beroende på
distansen 𝒅 och vart radarsensorn är placerad:
(𝒙 − 𝒉)𝟐
𝒂+
(𝒚 − 𝒌)𝟐
𝒃= 𝒓𝟐 (6)
Där 𝒉 är vart i x-led sensorn är placerad och 𝒌 är vart i y-led sensorn är
placerad. 𝐚 och 𝒃 är okända variabler, men eftersom vi vet vinklarna 𝛂
och 𝛃 samt sträckan 𝒅 som fås från radarsensorn kan man skriva om
Ekvation 4 och Ekvation 5 tillsammans med Ekvation 6 till Ekvation 7:
(𝒙 − 𝒉)𝟐
𝒅𝒔𝒊𝒏(𝜶)+
(𝒚 − 𝒌)𝟐
𝒅𝒔𝒊𝒏(𝜷)= 𝒓𝟐 (7)
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Metod
2020-06-26
23
Arean av en ellips beräknas sedan med Ekvation 8:
𝑨 = 𝒅𝟐 𝒔𝒊𝒏(𝜶) 𝒔𝒊𝒏(𝜷)𝝅 (8)
1.9.4 Identifiering av Objekt
För att undersöka möjligheten att identifiera material användes
Envelope-tjänsten eftersom denna tjänst tillhandahåller data för
energiinnehållet i ekot från den utsända radarstrålen. För plåten mättes
energiinnehållet 5 gånger vid 23 olika avstånd mellan 0,321 meter och
2,124 meter. För människa mättes energiinnehållet hos de två personerna
5 gånger vid 11 respektive 14 olika avstånd mellan 0,380 meter och 1,406
meter för första personen och mellan 0,349 meter och 1,467 meter för
andra personen. Värdena lades in i MatLab för att ta fram grafer för varje
mätning samt en graf för alla mätningar med ett medelvärde.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
24
Resultat och Analys Resultatet är uppdelad i tre delar där resultaten analyseras allteftersom. I
avsnitt 4.1 redovisas resultaten från distansmätningen. I 4.2 redovisas
resultaten från mätningarna angående detektionsområdet. I sista delen
redovisas resultaten angående identifieringen av material.
1.10 Resultat distansmätning
Vid mätning av A111-radarsensorns räckvidd gjordes totalt 32
mätningar, 24 med en plåt som mätobjekt och 8 med en person som
mätobjekt, se Figur 10, där finns även en referenslinje för hur ett perfekt
mätresultat illustrerats. Rådata hittas i bilaga A.
Figur 10 Avstånd man kan mäta "person" och "plåt" innan signalen försvagas så pass
att den inte kan avläsas.
I figur 10 visas distansen som presenteras i Acconeers Exploration Tool
Envelope-tjänst jämfört med vilket avstånd som uppmätts med måttband
och vid vilket avstånd signalen har försvagats så pass att den inte längre
kan urskilja ekot från bruset. I grafen visas även att vid ungefär 1,6 meter
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
25
kan den inte längre känna av en person och vid 4,8 meter går det inte
längre känna av den plåt som användes i försöket. Med detta anses att
radarn identifierar avståndet med bra precision då signalen har
tillräckligt med energi, men direkt när energin hamnar under
gränsvärdet som är satt i Envelope-tjänsten går det inte längre identifiera
avståndet. Detta betyder att en plåt reflekterar tillbaka energin betydligt
bättre än en person. I grafen kan ses att kurvorna är linjära men att det
fluktuera något. I Figur 11 visas tydligare hur felmätningen varierar.
Figur 11 Felmätning för ”plåt” och ”person” beroende på avståndet.
Här kan man se hur felmätningen varierar beroende på avståndet. Det
som syns här är att det uppmätta avståndet varierar med mindre än ±4
centimeter från det faktiska avståndet.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
26
1.11 Resultat detektionsområdet
Det gjordes totalt 16 mätningar för att få fram radarsensorns
detektionsområde, 8 för människa och 8 för plåten, rådata återfinns i
Bilaga B. Resultaten för beräkningarna av vinklarna α och β som utfördes
med Ekvation 4 och Ekvation 5 finns nedan i Tabell 2.
Tabell 2: beräknade värden för vinkeln α i horisontell riktning och vinkeln β i
vertikal riktning.
Vinkel
H-fält (vinkeln α) E-fält (vinkeln β)
Distans [𝑚] Person Plåt Person Plåt
0,5 ±44° ±64° ±53° ±53°
1,0 ±12° ±53° ±17° ±64°
1,5 ±5.7° ±68° ±5.7° ±53°
2,0 -- ±68° -- ±49°
I tabellen kan man se att för ”Plåt” är vinkeln för H-fältet och E-fältet lite
högre än vad som specificeras i produktbeskrivningen se figur 3 och figur
4, men då det värdet som redovisas i produktbeskrivningen är vid HPBW
och det som undersökts är vid vilken vinkel radarsignalen inte längre kan
urskiljas från bakgrundsbruset. I figur 3 och 4 ser man att även vid vidare
vinklar känner radarn av den reflekterade radarsignalen. För ”Person”
kan man se att vinkeln är lägre än för ”Plåt” och att den minskas när
avståndet ökar och att vid två meter är det inte längre möjligt att urskilja
”Person” från bakgrundsbruset.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
27
Baserat på resultaten i tabell 2 kan man också beräkna arean för
detektionsområdet med avseende på avståndet. Resultat för dessa
beräkningar hittas nedan i Tabell 3.
Tabell 3: Detektionsarean för "Person" och "Plåt" beroende på distansen
Area [𝑚2]
Distans [𝑚] Person Plåt
0,5 0,44 0.56
1,0 0,19 2,26
1,5 0,07 5,23
2,0 -- 8,79
Utifrån resultatet i Tabell 3 ser man att för det intervall som undersöktes
att detektionsarean för ”Person” minskar då avståndet från radarsensorn
ökar medan detektionsarean för ”Plåt” ökar då avståndet ökar.
1.12 Resultat Identifiering av material
Totalt gjordes 240 mätningar, resultatet från dessa mätningar presenteras
i de fyra kommande Figurerna. I Figur 12 visas variationen för ”Person1”,
Figur 13 som visar variationen för ”Person2”. Figur 14 visar variationen
för ”Plåt”, den röda linjen motsvarar medelvärdet i samtliga figurer,
Figur 15 visar ”Plåt” tillsammans med ”Person1” och ”Person2”. Rådata
återfinns i Bilaga C.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
28
Figur 12: Amplitudvariation beroende på distans för "Person1"
Figur 13: Amplitudvariation beroende på distans för "Person2"
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
29
Figur 14: Amplitudvariation beroende på distans för "Plåt"
Figur 15: Amplitudsvariation för ”Plåt” (Grön) och ”Person1” och ”Person2” (Blå)
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Resultat och Analys
2020-06-26
30
För ”Person1” ser man att det varierar ganska mycket i amplitud vid varje
avstånd. Lika så för ”Person2” där man ser att det varierar ganska kraftigt
i amplitud vid varje avstånd. För ”Plåt” ser man att det inte är lika kraftig
variation i amplitud som för ”Person1” och ”Person2” för varje distans.
När dessa läggs in i en och samma graf ser man tydligt i Figur 15 att
skillnaden mellan ”Person” (Blå) och ”Plåt” (Grön) är stor. Amplituden
för reflekterat energiinnehåll är alltså betydligt större för metall än för
människa.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Slutsats och Diskussion
2020-06-26
31
Slutsats och Diskussion Precisionen för radarsensorns distansmätning anses vara tillräckligt
noggrann för att implementeras inom distansmätning. Detta eftersom de
första två värdesiffrorna för måttbandet och radarn redovisade samma
värde, där måttbandet mätte med en noggrannhet på tre värde siffror och
radarn fyra värdesiffror. Det man kan se från resultaten av
distansmätningen är att kurvorna fluktuerar något men detta anses
främst bero på att det var svårt att mäta exakt vart radarstrålen träffar
mätobjektet. Från kurvorna kan man även se en tydlig skillnad mellan det
avstånd som är möjligt att mäta beroende på material, där metall kunde
mätas på ett betydligt längre avstånd än vad en människa kunde mätas.
Detta betyder att radarsensorns kapacitet att mäta avstånd till
metallobjekt kan tänkas vara tillräcklig, då kapaciteten för att mäta
avstånd till människor är begränsad till 2 meter kan det vara på gränsen
för implementering inom lastplatser. En radarsensor med starkare signal
skulle därför kunna rekommenderas för att säkerställa en bättre möjlighet
att detektera människor.
Precisionen för detektionsområdet var svårare att identifiera, detta
eftersom det var svårt att verifiera exakt vart radarsensorn började känna
av närvaron av mätobjektet. Produktbeskrivningen gav ±40˚ för H-fältet
och ±20˚ för E-fältet, det man även kunde se i produktbeskrivningen att
efter 40˚ respektive 20˚ kunde objekt fortfarande identifieras vilket
illustreras i Figur 7 och Figur 8. Detta kan förklara det resultat som
anhölls för metallen där vinkeln för H-fältet och E-fältet var lite större än
det som stod i produktbeskrivningen. För människa var vinkeln för H-
fältet och E-fältet även där lite större på låga avstånd men då avståndet
ökar krymper vinkeln för både H-fältet och E-fältet snabbt. Man kan
därför implementera de specificerade värdena för detektionsområdet i de
tillämpningar man är ute efter, man bör dock ha i åtanke att möjligheten
att detektera människor minskar snabbt efter cirka 0,5 meter. Ju fler
radarsensorer som monteras desto mindre ”död vinkel” fås. Man får
därför avgöra hur stor ”död vinkel” man kan tolerera, detta blir en
kostnadsfråga i slutändan.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Slutsats och Diskussion
2020-06-26
32
Enligt Figur 15 kan man tydligt se ett samband mellan amplitud och
material. Mätningarna är dock utförda med två testobjekt där skillnaden
i den relativa permittiviteten hos vartdera materialet är väldigt stor.
Slutsatsen man kan dra av detta är att det alltså går skilja på två material
genom att endast kolla på amplituden av den reflekterade signalen. En
annan slutsats man kan dra är att det endast kommer fungera då
materialens relativa permittiviteten ligger tillräckligt långt ifrån
varandra. Ju närmare den relativa permittiviteten för objektens material
ligger varandra, och ju mer olika material som används desto närmare
kommer kurvorna komma varandra till dess att det inte längre går
urskilja materialen från varandra. Det man även kan nämna utifrån
resultatet är att energiinnehållet kommer ändras med avseende på
vinkeln till objektet vilken kan göra det svårt att separera objekten från
varandra.
Eftersom man kan se en tydlig skillnad mellan metall och person anses
projektets mål blivit uppfyllda, efter att ha läst på lite bakgrundsmaterial
blev även resultaten som förväntat.
1.13 Etiska och samhälleliga aspekter
De etiska aspekter som måste beaktas med denna radar blir främst inom
de tillämpningar där man kan implementera radartekniken. Det kan
göras inom de flesta områden där detektion av något slag ska utföras.
Inom transport- och logistiksektorn blir de etiska aspekterna främst vem
som bär ansvaret då mer och mer transporter skulle börja automatiseras,
eller vad som ska prioriteras ifall en olycka inträffar, där ett datorsystem
måste välja mellan två scenarion med negativa utfall. Samt hur träffsäkert
ett system måste vara för att det ska vara etiskt försvarbart ifall en olycka
skulle inträffa.
De positiva samhälleliga aspekterna som en implementation av en sådan
radarteknik är väldigt stora. Främst inom transport- och logistiksektorn
där både trafikolyckor och arbetsolyckor förväntas minska. Även
transportkostnader och den miljöpåverkan som transportsektorn står för
förväntas kunna minska.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Slutsats och Diskussion
2020-06-26
33
De negativa samhälleliga aspekter som en implementation av denna
radarteknik skulle kunna vara att då stora delar av transport- och
logistikarbeten kommer försvinna då den istället blir automatiserad.
Detta skulle leda till att många måste byta yrkesinriktning, men eftersom
det troligtvis inte kommer ske över en natt så tror jag man kommer kunna
minska den arbetsgruppen allteftersom folk pensioneras och då ta in mer
och mer automatiserade fordon.
1.14 Framtida studier
Fortsatta studier man skulle kunna göra är att undersöka flera material,
samt göra mätningar från olika vinklar och mot olika formade ytor, samt
undersöka flera sammankopplade radarsensorer.
Andra undersökningar skulle kunna vara ifall det är möjligt att känna
igen olika material med hjälp av maskininlärning istället för att kolla på
relationen mellan amplitud och distans. Det skulle vara intressant att se
om det då kanske är möjligt att identifiera flera olika material och kanske
till och med kunna klassificera olika objekt. Man skulle då kunna
undersöka ifall det är möjligt genom att spara ett spektrogram för varje
objekt och sedan märka det med form och material. Sedan upprepar man
detta för flera olika objekt med olika material och olika former. Detta
skulle vara intressant att se eftersom en radar inte är beroende av ljus
vilket en kamera skulle vara för att förbättra möjligheten och kanske även
säkerheten då man ska lasta eller lossa från självkörande fordon.
Man skulle även kunna undersöka andra tekniker som till exempel Lidar,
eller se om man kan kombinera olika tekniker för att på så sätt detektera
olika objekt.
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Referenser
2020-06-26
34
Referenser
[1] G. H. David Montgomery, ”Surface Classification with Millimeter-
Wave Radar For Constant Velocity Devices using Temporal
Features and Machine Learning,” Lund University, Lund, 2018.
[2] Uppslagsverket, ”Radar,” [Online]. Available:
https://www.ne.se/uppslagsverk/encyklopedi/l%C3%A5ng/radar/hi
storik. [Använd 25 06 2020].
[3] R. M. N. I. B. a. R. C. Huiyuan Zhou, Radar for Disease Detection
and Monitoring, Boca Raton, FL: CRC Press, 2017.
[4] Acconeer AB, ”Overview of the deep learning interface,” Acconeer
AB Revision, [Online]. Available: https://acconeer-python-
exploration.readthedocs.io/en/latest/deep_learning/introduction.ht
ml. [Använd 20 05 2020].
[5] Scania, ”SCANIA TAR TÄTEN,” 01 2017. [Online]. Available:
https://www.scania.com/se/sv/home/experience-scania/news-and-
events/News/archive/2017/01/svenska-laengdskidlandslaget-aker-
hallbart-med-scania1.html.
[6] Trafikverket, ”Transportsektorns utsläpp,” 13 02 2019. [Online].
Available: https://www.trafikverket.se/for-dig-i-branschen/miljo---
for-dig-i-branschen/energi-och-klimat/Transportsektorns-utslapp/.
[Använd 09 05 2020].
[7] Trafikverket, ”Det här är Nollvisionen,” 15 01 2020. [Online].
Available: https://www.trafikverket.se/resa-och-
trafik/Trafiksakerhet/det-har-ar-nollvisionen/. [Använd 09 05 2020].
[8] HIAB, ”UltraSonic Sensor for Obstacle Detection,” HIAB,
Hudiksvall, 2020.
[9] X. D. C. A. J. T. Zhaoyu Zhang, ”Material Identification of multiple
Objects with a 24-Ghz Band Radar Module,” 2018 3rd International
Conference for Convergence in Technology (I2CT), pp. 1-5, 06-08 04
2018.
[10] Acconeer, ”A111 – Pulsed Coherent Radar (PCR),” 15 01 2020.
[Online]. Available:
https://developer.acconeer.com/download/a111-datasheet-pdf/.
[Använd 16 05 2020].
[11] B. B. R. Boström, ”Radiovågor,” Nationalencyklopedin, 14 05 2020.
[Online]. Available:
https://www.ne.se/uppslagsverk/encyklopedi/l%C3%A5ng/radiov
%C3%A5gor. [Använd 14 05 2020].
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Referenser
2020-06-26
35
[12] Nationalencyklopedin, ”elektromagnetiska vågor,” 14 05 2020.
[Online]. Available:
http://www.ne.se/uppslagsverk/encyklopedi/lång/elektromagnetisk
a-vågor. [Använd 14 05 2020].
[13] Acconner, ”Radar sensor introduction,” 14 05 2020. [Online].
Available: https://acconeer-python-
exploration.readthedocs.io/en/latest/sensor_introduction.html#syst
em-overview. [Använd 14 05 2020].
[14] erikmansson, ”GitHub - Acconeer Python Exploration Tool,”
[Online]. Available: https://github.com/acconeer/acconeer-python-
exploration. [Använd 21 05 2020].
[15] Acconeer, ”Services,” Acconeer AB Revision, [Online]. Available:
https://acconeer-python-
exploration.readthedocs.io/en/latest/services/index.html. [Använd
21 05 2020].
[16] Acconeer, ”Envelope,” 2020. [Online]. Available: https://acconeer-
python-
exploration.readthedocs.io/en/latest/services/envelope.html.
[Använd 24 05 2020].
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga Programkod
2020-06-26
36
Bilaga Programkod All programkod till projektet och instruktioner för Acconeer Exploration
Tool hittas under:
https://github.com/acconeer/acconeer-python-exploration
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga A
2020-06-26
37
Bilaga A Rådata från kontrollmätning av distans för ”Person” och ”Plåt” gjord
med Radar och måttband.
Person:
Avstånd uppmätt med
Måttband [m]:
Avstånd uppmätt med
Radar [m] 0,20 0,211
0,40 0,369
0,60 0,612
0,80 0,789
1,00 0,989
1,20 1,198
1,40 1,398
1,60 1,585
1,80 -----
2,00 -----
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga A
2020-06-26
38
Plåt:
Avstånd uppmätt med
Måttband [m]:
Avstånd uppmätt med
Radar [m] 0,20 0,232
0,40 0,402
0,60 0,608
0,80 0,815
1,00 1,021
1,20 1,210
1,40 1,417
1,60 1,600
1,80 1,802
2,00 2,001
2,20 2,207
2,40 2,408
2,60 2,609
2,80 2,820
3,00 3,026
3,20 3,236
3,40 3,433
3,60 3,623
3,80 3,822
4,00 4,021
4,20 4,223
4,40 4,420
4,60 4,624
4,80 4,818
5,00 ------
5,20 ------
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga B
2020-06-26
39
Bilaga B Resultat från mätning av detektionsområde
Detektionsområdet för E-fältet mot person
Distans från radar
[m]
Sträcka mellan
mätpunkter [m] 0,5 0,7
1,0 0,4
1,5 0,3
2,0 ----
Detektionsområdet för E-fältet mot plåt
Distans från radar
[m] Sträcka mellan
mätpunkter [m] 0,5 0,9
1,0 1,9
1,5 2,8
2,0 3,7
Detektionsområdet för H-fältet mot person
Distans från radar
[m] Sträcka mellan
mätpunkter [m] 0,5 0,8
1,0 0,6
1,5 0,4
2,0 ----
Detektionsområdet för H-fältet mot plåt
Distans från radar
[m] Sträcka mellan
mätpunkter [m] 0,5 0,8
1,0 1,8
1,5 2,4
2,0 3,0
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
40
Bilaga C Rådata från mätning av amplitud hos den reflekterade radarsignalen med
avseende på avståndet för “Person1” ”Person2” och ”Plåt”
1.15 Person1
Distans [m] Amplitud 1,406 306
1,406 250
1,406 196
1,406 214
1,406 270
1,358 352
1,358 214
1,358 214
1,358 158
1,358 220
1,257 296
1,257 258
1,257 228
1,257 254
1,257 284
1,173 284
1,173 276
1,173 290
1,173 276
1,173 218
0,996 330
0,996 304
0,996 294
0,996 384
0,996 304
0,928 386
0,928 612
0,928 444
0,928 412
0,928 356
0,750 444
0,750 502
0,750 398
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
41
0,750 702
0,750 374
0,656 610
0,656 586
0,650 662
0,656 770
0,656 646
0,512 1154
0,512 516
0,512 1482
0,512 1158
0,512 880
0,431 888
0,431 1472
0,431 1042
0,431 1850
0,431 1030
0,380 1118
0,380 1244
0,380 1536
0,380 1470
0,380 1184
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
42
1.16 Person2
Distans [m] Amplitud
1,467 296
1,467 160
1,467 224
1,467 236
1,467 206
1,357 202
1,357 216
1,357 252
1,357 274
1,357 214
1,243 272
1,243 258
1,423 260
1,423 234
1,423 198
1,166 402
1,166 280
1,166 206
1,166 318
1,166 388
1,122 246
1,122 286
1,122 202
1,122 434
1,122 290
1,029 468
1,029 286
1,029 330
1,029 412
1,029 528
0,939 318
0,939 226
0,939 328
0,939 728
0,939 350
0,876 450
0,876 430
0,876 314
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
43
0,876 414
0,876 404
0,762 302
0,762 596
0,762 332
0,762 532
0,762 754
0,640 758
0,640 558
0,640 808
0,640 598
0,640 508
0,539 510
0,539 664
0,539 730
0,539 860
0,539 980
0,503 522
0,503 618
0,503 782
0,503 1052
0,503 728
0,418 1042
0,418 930
0,418 1156
0,418 610
0,418 930
0,349 1300
0,349 1222
0,349 1028
0,349 1042
0,349 1092
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
44
1.17 Plåt
Distans [m] Amplitud 2,124 916
2,124 892
2,124 938
2,124 874
2,124 868
2,050 1106
2,050 1084
2,050 1118
2,050 990
2,050 1128
1,990 1106
1,990 1056
1,990 1114
1,990 1148
1,990 1076
1,902 1192
1,902 1090
1,902 1096
1,902 1148
1,902 1064
1,856 1120
1,856 1164
1,856 1256
1,856 1140
1,856 1150
1,713 1362
1,713 1324
1,713 1334
1,713 1242
1,713 1412
1,569 1108
1,569 1190
1,569 1214
1,569 1214
1,569 1204
1,488 1316
1,488 1222
1,488 1306
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
45
1,488 1236
1,488 1216
1,429 1398
1,429 1406
1,429 1346
1,429 1530
1,429 1288
1,342 1436
1,342 1404
1,342 1406
1,342 1384
1,342 1240
1,227 1668
1,227 1800
1,227 1970
1,227 1928
1,227 1780
1,140 1856
1,140 1726
1,140 2018
1,140 2058
1,140 1880
1,079 1842
1,079 1768
1,079 2056
1,079 2100
1,079 1770
1,015 1932
1,015 2014
1,015 1892
1,015 2148
1,015 1956
0,944 2128
0,944 2180
0,944 2120
0,944 1972
0,944 2422
0,898 2286
0,898 2488
0,898 2386
0,898 2416
Radaranvändning för identifiering
och lokalisering av olika material
Marcus Eliasson
Bilaga C
2020-06-26
46
0,898 2232
0,809 2906
0,809 2564
0,809 2520
0,809 2748
0,809 2584
0,702 2988
0,702 2732
0,702 2640
0,702 2766
0,702 2948
0,622 3396
0,622 3714
0,622 3496
0,622 3614
0,622 3736
0,531 3906
0,531 4180
0,531 4384
0,531 4370
0,531 4328
0,451 4572
0,451 4574
0,451 4644
0,451 4564
0,451 4802
0,370 5354
0,370 4852
0,370 5070
0,370 5372
0,370 5156
0,321 6384
0,321 6010
0,321 5552
0,321 5852
0,321 5432