参变激励源的电磁散射场数据压缩方法和解压方法技术

本发明专利技术公开了一种参变激励源的电磁散射场数据压缩方法，包括：针对某一任意的散射目标，采用数值模拟方法建立矩阵方程；求解出所述目标在一组不同参数的激励源作用下的解向量使用贪心算法，将步骤一生成的解向量组进行正交化，正交化后的向量组，将作为数据压缩的正交基底；根据步骤一中使用的数值模拟方法，计算出每个正交基底对应的散射数据，并通过这些散射数据计算出还原矩阵；使用正交向量基底，数值模拟方法建立的矩阵左右点乘，形成降阶矩阵；对降阶矩阵求逆即获得压缩后的数据。本发明专利技术能适应目标识别、检测、成像多种应用场景，可以大幅减少冗余数据量，避免对大规模矩阵的存储，灵活平衡压缩比率和压缩精度。灵活平衡压缩比率和压缩精度。灵活平衡压缩比率和压缩精度。

【技术实现步骤摘要】
参变激励源的电磁散射场数据压缩方法和解压方法


[0001]本专利技术涉及电学领域中的电磁散射技术，特别是涉及一种参变激励源的电磁散射场数据压缩方法，以及一种与所述参变激励源的电磁散射场数据压缩方法对应的参变激励源的电磁散射场数据解压方法。

技术介绍

[0002]在雷达技术中，目标识别、检测、成像通常需要使用大量的电磁散射场数据对已知目标的电磁特性进行描述。传统方式会直接存储目标产生的散射场数据，或者通过插值的方式对这些散射场数据进行压缩。但上述方式难以满足更高精度和分辨率的散射特征建模需求；同时随着雷达频率的提高，目标的散射场数据随着其电尺寸大小成平方关系增长，如何高效、高精度地存储和读取海量的散射数据，是本领域的一大难点。
[0003]相关技术名词
[0004]贪心算法(greedy algorithm，又称贪婪算法)是指，在对问题求解时，总是做出在当前看来是最好的选择。也就是说，不从整体最优上加以考虑，算法得到的是在某种意义上的局部最优解。
[0005]矩量法(Method of Moments,MoM)是一种将连续本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种参变激励源的电磁散射场数据压缩方法，其特征在于，包括如下步骤：步骤一、针对某一任意的散射目标，采用数值模拟方法建立矩阵方程；A
·
v＝s(μ)
ꢀꢀꢀꢀ
(1)求解出所述目标在一组不同参数μ的激励源s(μ)作用下的解向量V＝{v1,v2,
…
,v
n
}；步骤二、使用贪心算法，将步骤一生成的解向量组V进行正交化，正交化后的向量组X＝{x1,x2,
…
,x
n
}，将作为数据压缩的正交基底；步骤三、根据步骤一中使用的数值模拟方法，计算出步骤二中每个正交基底x
n
对应的散射数据r
n
，并通过这些散射数据计算出R＝{r1,r2,
…
,r
n
}，称之为还原矩阵R；步骤四、使用步骤二中产生的正交向量基底X，对步骤一中数值模拟方法建立的矩阵左右点乘，形成降阶矩阵M；M＝X
T
·
A
·
X
ꢀꢀꢀꢀ
(2)其中，X
T
为X的转置，对降阶矩阵M求逆，称之为降维矩阵的逆M
‑1，M
‑1即压缩后的数据。2.根据权利要求1所述的参变激励源的电磁散射场数据压缩方法，其特征在于：所述贪心算法具有如下的计算过程：1)任意选取样本集P中的一个向量，将其归一化并作为第一个基向量x1；2)通过加权累加，使用向量基x1逼近样本集P中的其它每个样本向量；3)计算对应每个样本向量的逼近误差∈
P
＝||s(μ
i
‑
[s(μ
i
)
·
x1]x1||2，s(μ
i
)为激励向量，s(μ
η
)为样本向量；4)选取逼近误差最大值∈
η
所对应的样本向量s(μ
η
)；5)判断∈
η
是否小于误差门限∈，条件成立则计算结束；6)将s(μ
η
)正交化，单位归一化，并加入基向量组X；7)通过加权累加，使用基向量组X逼近样本集P中的其它向量；8)计算逼近每个样本向量的逼近误差∈
P
＝||s(μ
i
)
‑

【专利技术属性】
技术研发人员：郑宇腾，蒲菠，范峻，
申请(专利权)人：宁波德图科技有限公司，
类型：发明
国别省市：