一种基于蝙蝠算法的介质目标电磁探测方法技术

本发明专利技术涉及一种基于蝙蝠算法的介质目标电磁探测方法，包括：S1、构建微波成像模型，设定目标散射体和成像区域D；对成像区域D建立X

【技术实现步骤摘要】
一种基于蝙蝠算法的介质目标电磁探测方法


[0001]本专利技术涉及电磁
，尤其是涉及一种基于蝙蝠算法的介质目标电磁探测方法。

技术介绍

[0002]电磁反演方法的过程是在成像区域外发射电磁波，并通过接收的回波信号探测未知目标的大小、位置和轮廓信息。逆散射作为一种非接触式成像或者探测技术，已广泛应用于地下探测、雷达、医学成像等诸多领域。不断增长的应用需求推动了电磁学的基础研究。经典电磁逆散射算法基于实际测量数据与目标物体的成像预测分布对应的散射数据之间的差异，通过添加合适的正则化项来确定成本函数。由于逆问题具有非线性和不适定性，是电磁散射问题中最困难和关键的一步，前人提出了一些确定性技术和随机技术来解决逆散射问题。
[0003]在良好的观测环境、丰富的激励光源和简单的散射目标结构条件下，确定性的算法如牛顿法，共轭梯度法可以有效地融合到最佳解决方案中，并且计算效率高。但是，在实际应用方案中，噪音和激发波的限制等因素不容忽视。完全依赖梯度信息的确定性算法可能落入局部最优，无法获得理想结果。
[0004]不同于确定性算法，在未知环境下，我们提出将随机优化算法与微波成像算法相结合来解决电磁逆散射问题，如遗传算法(Genetic Algorithm，GA)和粒子群算法(Particle Swarm Optimization，PSO)等。随机因素的引入扩大了求解空间的搜索范围，使得随机优化算法可以跳出局部最优，解决上述问题。
[0005]群智能优化算法来源于生物进化，模拟了生物的行为，如觅食，探索，并且优化过程被随机因素所影响。种群中的个体通过随机搜索和信息交换逐渐接近最佳位置。研究人员通过将电磁逆散射问题转化为非线性优化问题，定义适当的成本函数，使用粒子群优化算法去解决。蝙蝠算法(Bat Algorithm，BA)是2010年提出的一种新兴的群智能算法。它模仿了蝙蝠利用回声定位能力的觅食过程。它结构简单，参数少，易于理解和实现。BA算法的应用广泛，包括能源管理、路径规划、旅行推销员问题等。

技术实现思路

[0006]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于蝙蝠算法的介质目标电磁探测方法，将目标散射体的形状作为先验信息，大大提高了图像重建的准确度。
[0007]本专利技术的目的可以通过以下技术方案来实现：
[0008]一种基于蝙蝠算法的介质目标电磁探测方法，具体包括以下步骤：
[0009]S1、构建微波成像模型，设定目标散射体和成像区域D；对成像区域D建立X
‑
Y坐标系，划分矩形网格以便数值计算；根据正向和逆向电磁散射积分方程推导出散射场公式；
[0010]S2、根据散射场公式计算目标散射体的散射数据作为基准数据M；将逆散射问题转
化成优化问题计算，根据其基准数据M与目标散射体的实验散射数据的差值构建成本函数，所述成本函数中设有正则化项；
[0011]S3、根据成像区域D的大小，设定粒子的速度和位置范围；初始化随机粒子，基于蝙蝠算法对随机粒子进行迭代更新，根据最终得到的最优粒子重构出目标散射体。
[0012]所述步骤S1中向电磁散射积分方程和逆向电磁散射积分方程根据麦克斯韦方程组与本构方程推导得出。
[0013]所述步骤S1中正向电磁散射积分方程的公式如下所示：
[0014][0015]逆向电磁散射积分方程的公式如下所示：
[0016][0017]其中，是激励天线发射的入射波,E
z
是为接收端接收到的经散射过后的总场，是测量获得的散射场，S为观测点，ρ
R
和ρ
T
分别为发射天线和接收天线在二维空间中的位置矢量，ρ
′
是成像区域中任意一点的位置矢量，g(ρ
R
,ρ
′
；k
b
)为二维格林函数，k
b
是入射波的波数，Δk(ρ
′
)代表在同一个成像区域内的波数为k和k
b
的入射波的差异。
[0018]进一步地，所述目标散射体为非磁性的电介质，对应的在成像区域内的相对介电常数的分布如下所示：
[0019][0020]其中，ε
r
为成像区域内的相对介电常数。
[0021]进一步地，所述发射天线和接收天线均位于成像区域的远场，在成像区域形成入射场和散射场，所述入射场的公式如下所示：
[0022][0023][0024][0025]其中，和分别表示ρ
T
和ρ
R
方向上的单位矢量，为一型零阶汉克尔函数。
[0026]进一步地，所述散射场的公式如下所示：
[0027][0028]其中，ΔK是Δk(ρ
′
)的傅里叶变换，通过傅里叶形式将接收端接收到的散射场与
目标电介质的性质联系起来，极大地提高电磁散射问题的计算效率，目标电介质的性质包括目标散射体的位置信息与相对介电常数。
[0029]所述步骤S2中，由于逆散射问题的积分方程是病态性的，需要将问题转换成一个优化问题去求解，因此添加正则化项优化成本函数，避免多个解的情况。
[0030]所述步骤S2中成本函数C(a
n
)的公式如下所示：
[0031]C(a
n
)＝δT(a
n
)+||F(a
n
)
‑
M||2[0032]其中，a
n
为待求的目标散射体的参数，n为公式中参数的维度，δ为正则化项的参数用来权衡正则化项的权重，F(a
n
)为目标散射体的实验散射数据，M为标准散射数据。
[0033]所述成本函数中右边的第一项是正则化项，相当于相对介电常数的范数，有效避免多个解的情况；右边的第二项是测量的标准散射数据和实验散射数据M之间的误差。
[0034]所述蝙蝠算法的原理为：假定有一些虚拟的蝙蝠生活在特定空间里，每一个蝙蝠所包含的信息可以表示为一个五元向量组，即蝙蝠的位置，速度，脉冲率，响度和频率。BA算法中每一个粒子的位置表示为优化问题的候选解即介质目标的相关参数。蝙蝠在搜索过程中通过改变自己的位置去感知周围事物。在BA算法的模拟中，蝙蝠的搜索空间是D维的。当蝙蝠搜寻猎物的时候，蝙蝠为了提高觅食的效率会根据目标猎物的方向不断地调整声波的响度和频率。
[0035]所述步骤S3中基于群智能优化算法
‑
蝙蝠算法对随机粒子进行迭代更新的过程具体包括以下步骤：
[0036]S301、初始化蝙蝠算法中的种群大小、迭代次数、随机粒子的位置和速度、脉冲发射率、响度和频率；
[0037]S302、根据成本函数计算初始化后随机粒子的适应值，得到当前局部最优解，根据当前局部最优解更新随机粒子的速度和位置；
[0038]S303、生成第一随机数rand1∈[0,1]，判断第一随机数是否大于或等于当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于蝙蝠算法的介质目标电磁探测方法，其特征在于，具体包括以下步骤：S1、构建微波成像模型，设定目标散射体和成像区域D；对成像区域D建立X
‑
Y坐标系，划分矩形网格以便数值计算；根据正向和逆向电磁散射积分方程推导出散射场公式；S2、根据散射场公式计算目标散射体的散射数据作为基准数据M；将逆散射问题转化成优化问题计算，根据其基准数据M与目标散射体的实验散射数据的差值构建成本函数，所述成本函数中设有正则化项；S3、根据成像区域D的大小，设定粒子的速度和位置范围；初始化随机粒子，基于蝙蝠算法对随机粒子进行迭代更新，根据最终得到的最优粒子重构出目标散射体。2.根据权利要求1所述的一种基于蝙蝠算法的介质目标电磁探测方法，其特征在于，所述步骤S1中正向电磁散射积分方程的公式如下所示：逆向电磁散射积分方程的公式如下所示：其中，是激励天线发射的入射波,E
z
是为接收端接收到的经散射过后的总场，是测量获得的散射场，S为观测点，ρ
R
和ρ
T
分别为发射天线和接收天线在二维空间中的位置矢量，ρ
′
是成像区域中任意一点的位置矢量，g(ρ
R
,ρ
′
；k
b
)为二维格林函数，k
b
是入射波的波数，Δk(ρ
′
)代表在同一个成像区域内的波数为k和k
b
的入射波的差异。3.根据权利要求2所述的一种基于蝙蝠算法的介质目标电磁探测方法，其特征在于，所述目标散射体为非磁性的电介质，对应的在成像区域内的相对介电常数的分布如下所示：其中，ε
r
为成像区域内的相对介电常数。4.根据权利要求2所述的一种基于蝙蝠算法的介质目标电磁探测方法，其特征在于，所述发射天线和接收天线均位于成像区域的远场，在成像区域形成入射场和散射场，所述入射场的公式如下所示：射场的公式如下所示：射场的公式如下所示：其中，和分别表示ρ
T
和ρ
R
方向上的单位矢量，为一型零阶汉克尔函数。5.根据权利要求4所述的一种基于蝙蝠算法的介质目标电磁探测方法，其特征在于，对
于二维问题，通过一阶波恩近似理论，忽略多重散射的影响，发射点与接收点位于成像区域的远场，所述散射场的公式如下所示：其中，ΔK是Δk(ρ
′
)的傅里叶变换。6.根据权利要求1所述的一种基于蝙蝠算法的介质目标电磁探测方法，其特征在于，所述步骤S2中成本函数C(a
n
)的公式如下所示：C(a
n
)＝δT(a
n
)+||F(a
...

【专利技术属性】
技术研发人员：杨春夏，张欣，王达，张帅，刘丝路，魏爽，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：