一种平移不变结构电磁散射特征分离方法技术

本发明专利技术公开了一种平移不变结构电磁散射特征分离方法，以典型结构件的电磁散射特征复图像作为基础数据构造电磁特征散射分离数学模型，利用深度学习中的目标检测技术实现对复杂目标中各结构件散射特征的位置估计，利用估计位置构造平移不变结构散射特征分离方程，实现复杂目标中各结构件的电磁散射特征分离。本发明专利技术的方法采用深度学习中的目标检测技术，能避免大规模矩阵求逆等复杂操作，提高算法的效率和可靠性，与现有技术相比，直接采用了目标典型结构散射复图像构造分离模型，能更精确的描述复杂目标电磁散射过程，提高散射特征分离精度，用于复杂目标散射特征测量与雷达图像目标精细化识别等工作。标精细化识别等工作。标精细化识别等工作。

【技术实现步骤摘要】
一种平移不变结构电磁散射特征分离方法


[0001]本专利技术属于电磁散射测量
，具体涉及一种平移不变结构电磁散射特征分离方法。

技术介绍

[0002]电磁散射测量技术是电磁兼容测量领域的重要问题之一，对于改善电子设备、天线、以及提升人们对复杂目标电磁散射特性的理解具有重要意义。文献“张磊.复杂目标电磁散射中心建模及其在SAR目标解译识别中的应用.武汉大学，2019.”和文献“蒋文，李王哲.基于幅相分离的属性散射中心参数估计新方法.雷达学报，2019，8(05)”就对散射中心分离相关技术进行了研究，并将其用于雷达目标识别等领域
[0003]目前，电磁散射中心参数估计研究思路主要采用稀疏重建方法，通过构造散射测量过程的观测方程，构建散射中心和散射测量图像之间的线性方程组，并通过求解该线性方程组得到散射中心的估计量。但是，此类方法观测方程构造困难且模型求解过程基于高频散射中心模型假设，导致散射中心估计精度受限。另外，在处理较大场景时，此类方法需要解决大维度矩阵稳定求逆等问题，导致计算效率较低，算法不稳定等问题。

技术实现思路

[0004]为解决上述技术问题，本专利技术提出了一种平移不变结构电磁散射特征分离方法，以典型结构件的电磁散射特征复图像作为基础数据构造电磁特征散射分离数学模型，利用深度学习中的目标检测技术实现对复杂目标中各结构件散射特征的位置估计，利用估计位置构造平移不变结构散射特征分离方程，实现复杂目标中各结构件的电磁散射特征分离。
[0005]本专利技术采用的技术方案为：一种平移不变结构电磁散射特征分离方法，具体步骤如下：
[0006]步骤1、获取被测件的电磁散射特征复图像；
[0007]利用暗室转台测量系统得到被测件不同角度的电磁散射特征原始复数据，利用标准的转台成像算法对指定角度范围内被测件的电磁散射特征原始复数据进行成像，得到被测件的电磁散射特征复图像。
[0008]步骤2、结构部件电磁散射特征建库；
[0009]将n个典型结构部件放置在暗室转台上，利用步骤1的方法得到n个典型结构部件的电磁散射特征复图像P1，P2……
P
n
，通过对典型结构部件的电磁散射特征复图像P1，P2……
P
n
进行平移变换进行数据扩增，即可得到结构部件电磁散射特征建库S，S的输入变量为不同位置处包含典型结构部件电磁散射特征复图像P1，P2……
P
n
的被测目标的电磁散射特征复图像s，标签为典型结构部件电磁散射特征在被测目标电磁散射特征复图像中的中心位置T1，T2……
T
n
。
[0010]步骤3、构建电磁散射特征中心估计网络；
[0011]采用标准的目标检测网络，利用步骤2得到的结构部件的电磁散射特征建库S对网
络进行训练，得到正确训练的电磁散射特征中心估计网络。
[0012]将步骤1中的被测件的电磁散射特征复图像导入电磁散射特征中心估计网络，得到被测件的电磁散射特征复图像中典型结构部件目标的数量n和各个典型结构部件目标的电磁散射特征中心位置t1，t2……
t
n
。
[0013]步骤4、构建包含典型结构部件电磁散射特征的电磁散射特征复图像组；
[0014]利用步骤3得到的被测目标的电磁散射特征复图像中典型结构部件目标的电磁散射特征中心位置t1，t2……
t
n
，分别与对应的典型结构部件的电磁散射特性原始复数据D1，D2……
D
n
进行二维卷积运算，获得典型结构部件的电磁散射特征复图像A
i
，即进而获得包含典型结构部件的电磁散射特征复图像的电磁散射特征复图像组A。
[0015]其中，表示二维图像卷积。
[0016]步骤5、构建典型结构部件目标的电磁散射特征重建矩阵；
[0017]利用步骤4得到的包含典型结构部件电磁散射特征复图像的电磁散射特征复图像组A，遍历复图像组中的所有复图像A1，A2……
A
n
，每个复图像分别与复数图像组中的所有复图像的共轭图像相乘，将相乘的结果作为典型结构部件目标的电磁散射特征重建矩阵G的一个元素，即G(i,j)＝A
i
×
conj(A
j
)，得到典型结构部件目标的电磁散射特征重建矩阵G。
[0018]其中，conj()表示复数的共轭。
[0019]步骤6、计算不同结构部件电磁散射特征系数向量；
[0020]利用步骤4得到的典型结构部件电磁散射特征复图像的电磁散射特征复图像组A，遍历复图像组中的所有复图像A1，A2……
A
n
，与步骤2获得的结构部件电磁散射特征库S中的不同位置处包含典型结构部件电磁散射特征复图像P1，P2……
P
n
的被测目标的电磁散射特征复图像s的共轭图像相乘，将相乘的结果作为不同结构部件电磁散射特征系数向量Y的一个元素，即Y(i)＝A
i
×
conj(s)，得到不同结构部件电磁散射特征系数向量Y。
[0021]步骤7、计算最优化权重系数向量；
[0022]利用步骤5得到的典型结构部件目标的电磁散射特征重建矩阵G的逆矩阵G
‑1，与步骤6获得的不同结构部件电磁散射特征系数向量Y相乘，相乘的结果取共轭，即W＝conj(G
‑1×
Y)，获得最优化权重系数向量W。
[0023]步骤8、不同结构部件的电磁散射特征分离；
[0024]利用步骤7获得的最优化权重系数向量W，与步骤2获得的典型结构部件的电磁散射特征复图像P1，P2……
P
n
相乘，即P
i
’
＝W(i)
×
P
i
，获得不同典型结构部件目标的图像P1’
，P2’……
P
n
’
，获得复杂目标中典型结构部件的电磁散射特征强度图像，实现复杂目标中典型结构部件的电磁散射特征分离。
[0025]本专利技术的有益效果：本专利技术的方法以典型结构件的电磁散射特征复图像作为基础数据构造电磁特征散射分离数学模型，利用深度学习中的目标检测技术实现对复杂目标中各结构件散射特征的位置估计，利用估计位置构造平移不变结构散射特征分离方程，实现复杂目标中各结构件的电磁散射特征分离。本专利技术的方法采用深度学习中的目标检测技术，能避免大规模矩阵求逆等复杂操作，提高算法的效率和可靠性，与现有技术相比，直接采用了目标典型结构散射复图像构造分离模型，能更精确的描述复杂目标电磁散射过程，提高散射特征分离精度，用于复杂目标散射特征测量与雷达图像目标精细化识别等工作。
附图说明
[0026]图1为本专利技术的一种平移不变结构电磁散射特征分离方法的流程图。
[0027]图2为本专利技术实施例中典型结构部件目标球1的电磁散射本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种平移不变结构电磁散射特征分离方法，具体步骤如下：步骤1、获取被测件的电磁散射特征复图像；利用暗室转台测量系统得到被测件不同角度的电磁散射特征原始复数据，利用标准的转台成像算法对指定角度范围内被测件的电磁散射特征原始复数据进行成像，得到被测件的电磁散射特征复图像；步骤2、结构部件电磁散射特征建库；将n个典型结构部件放置在暗室转台上，利用步骤1的方法得到n个典型结构部件的电磁散射特征复图像P1，P2……
P
n
，通过对典型结构部件的电磁散射特征复图像P1，P2……
P
n
进行平移变换进行数据扩增，即可得到结构部件电磁散射特征建库S，S的输入变量为不同位置处包含典型结构部件电磁散射特征复图像P1，P2……
P
n
的被测目标的电磁散射特征复图像s，标签为典型结构部件电磁散射特征在被测目标电磁散射特征复图像中的中心位置T1，T2……
T
n
；步骤3、构建电磁散射特征中心估计网络；采用标准的目标检测网络，利用步骤2得到的结构部件的电磁散射特征建库S对网络进行训练，得到正确训练的电磁散射特征中心估计网络；将步骤1中的被测件的电磁散射特征复图像导入电磁散射特征中心估计网络，得到被测件的电磁散射特征复图像中典型结构部件目标的数量n和各个典型结构部件目标的电磁散射特征中心位置t1，t2……
t
n
；步骤4、构建包含典型结构部件电磁散射特征的电磁散射特征复图像组；利用步骤3得到的被测目标的电磁散射特征复图像中典型结构部件目标的电磁散射特征中心位置t1，t2……
t
n
，分别与对应的典型结构部件的电磁散射特性原始复数据D1，D2……
D
n
进行二维卷积运算，获得典型结构部件的电磁散射特征复图像A
i
，即进而获得包含典型结构部件的电磁散射特征复图像的电磁散射特征复图像组A；其中，表示二维图像卷积；步骤5、构建典型结构部件目标的电磁散射特征重建矩阵；利用步骤4得到的...

【专利技术属性】
技术研发人员：李志强，廖明亮，郭兰维，师君，宋缘，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：