一种基于U-Net神经网络的混合电磁目标重构方法技术

本发明专利技术涉及一种基于U

【技术实现步骤摘要】
一种基于U
‑
Net神经网络的混合电磁目标重构方法


[0001]本专利技术涉及电磁
，尤其是涉及一种基于U
‑
Net神经网络的混合电磁目标重构方法。

技术介绍

[0002]随着科技的进步和发展，电磁散射技术在民用和军事方面有着越来越广泛的应用，对电磁散射问题的研究也吸引了很多学者的关注。电磁理论的起源可以追溯麦克斯韦方程组的提出，当时英国科学家麦克斯韦根据前人的经验，创建了麦克斯韦方程组，它反映了宏观电磁现象的普遍规律，奠定了电磁理论的基础。研究和分析电磁场和电磁波有非常重要的理论意义和实际意义。电磁散射问题包含电磁正散射问题和电磁逆散射问题，其中正散射问题是指已知目标区域的电磁特性，目的是确定目标区域被电磁波照射后产生的散射场；逆散射问题是正散射问题的反向操作，根据已知的目标区域的散射场来确定目标区域的电磁特性。目前对于电磁正散射问题的求解，大多都是用积分公式或者矩量法。对应电磁逆散射问题的求解，目前主要分为线性方法和非线性方法，其中线性方法求解速度快，但是精度较低；非线性方法求解精度较高，但是需要多本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于U
‑
Net神经网络的混合电磁目标重构方法，其特征在于，具体包括以下步骤：S1、将目标成像区域划分成正方形的网格；S2、改变目标成像区域网格中介电常数的分布，得到成像区域介电常数分布矩阵，根据成像区域介电常数分布矩阵生成随机散射体；S3、根据积分算法计算得到每个散射体对应的散射场数据；S4、根据衍射层析成像算法对散射场数据进行求解，得到散射体的近似解；S5、将散射体的近似解作为U
‑
net卷积神经网络的输入，成像区域介电常数分布矩阵作为U
‑
net卷积神经网络的输出，训练U
‑
net卷积神经网络；S6、使用训练好的U
‑
net卷积神经网络对未知散射场中散射体的近似解进行预测，重构未知散射体。2.根据权利要求1所述的一种基于U
‑
Net神经网络的混合电磁目标重构方法，其特征在于，所述步骤S3中计算散射体对应的散射场数据的积分算法包括正向电磁积分算法和逆向电磁积分算法。3.根据权利要求2所述的一种基于U
‑
Net神经网络的混合电磁目标重构方法，其特征在于，所述正向电磁积分算法的公式具体如下所示：所述逆向电磁积分算法的公式具体如下所示：其中，E
t
是总电场，E
i
是发射天线发射的入射电场，(x,y)∈D，D为成像区域，E
s
是在观察区域S上的点(x,y)处的散射场，(x,y)∈S，g(x,y；x',y')是自由空间中的二维格林函数，k0是背景波数，O(x,y)＝ε(x,y)
‑
1是对比度，相应的值是相对介电常数值减1，坐标(x,y)表示观察点的位置，坐标(x
′
,y
′
)表示求解区域内任意一点的位置。4.根据权利要求3所述的一种基于U
‑
Net神经网络的混合电磁目标重构方法，其特征在于，所述步骤S4中衍射层析成像算法具体过程为通过参数变换的方式，将散射场的计算公式变换成符合傅里叶变换的形式。5.根据权利要求4所述的一种基于U
‑
Net神经网络的混...

【专利技术属性】
技术研发人员：茅红伟，王达，杨春夏，杨茜芮，金明，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：