[发明专利]基于GAN网络的有限口径数据恢复为全口径数据的方法

说明书

本发明公开了基于GAN网络的有限口径数据恢复为全口径数据的方法，包括如下步骤：步骤一，准备数据集模拟散射体；步骤二，获取数据集对应的全口径散射场数据步骤三，通过获取中的部分散射场数据，得到有限口径散射场数据将多个成对的和分为训练数据和测试数据；步骤四，构建GAN网络；步骤五，训练GAN网络；步骤六，测试GAN网络；最后，利用训练、测试好的GAN网络的特性补全缺失的数据，便可通过有限口径散射场数据得到全口径散射场数据，节约了硬件成本与时间。

技术领域

本发明涉及神经网络及电磁学技术领域，尤其是涉及了基于GAN网络的有限口径数据恢复为全口径数据的方法。

背景技术

逆问题是指通过散射场数据确定未知散射体的性质，譬如大小、形状、介电常数等信息，传统方法是通过全口径的天线来获取散射场数据，即接收和入射天线均匀的放置在散射体周围，然而，全口径数据的获得，不仅需要耗费较多的收发天线，增加了硬件成本，在工业探测、安检成像等领域，全口径天线的放置也不易实现，即不易直接得到全口径的数据。

发明内容

为解决现有技术的不足，实现保证数据准确性的同时，降低成本，提升可用性的目的，本发明采用如下的技术方案：

基于GAN网络的有限口径数据恢复为全口径数据的方法，包括如下步骤：

步骤一，准备数据集模拟散射体；

步骤二，获取数据集对应的全口径散射场数据

步骤三，通过获取中的部分散射场数据，得到有限口径散射场数据将多个成对的和分为训练数据和测试数据；

步骤四，构建GAN网络；

步骤五，训练GAN网络，将训练带入构建好的GAN网络得到恢复出来的训练全口径散射场数据通过比较训练与训练调整GAN网络的参数，优化权重参数；

步骤六，测试GAN网络，将测试带入训练后的GAN网络得到恢复出来的测试全口径散射场数据通过比较测试与测试调整GAN网络的参数，优化权重参数。

所述的步骤二采用MOM方法计算得到所述的包括如下公式：

r_p表示发射天线位置，r_q表示接收天线的位置，表示位于r_p处的发射天线入射时，在r_q处的接收天线接收到的单个天线的散射场数据，i是复数标志，w是角频率，μ₀是磁导率，G(r_q,r′)表示并矢格林函数，表示感应电流，N是目标区域被剖分后的网格总数，r′是每个网格，d是积分的符号，所述的是单个天线的散射场数据的集合。

所述的步骤三通过天线位置与散射场数据之间的映射关系从所述的数据中获取部分数据，得到所述的所述的天线位置与散射场数据之间的映射关系为Ni根入射天线与Nr根接收天线均匀放置在散射体周围，入射天线产生电磁波照射散射体，接收天线测量到散射场数据，可得到大小为Nr*Ni的散射场数据矩阵，即的矩阵形式，从所述的矩阵中取出部分数据，放入新矩阵，其余数据用0补齐，即得到矩阵形式的

所述的步骤四构建的GAN网络是Pix2Pix网络。由于有限口径的散射场数据与全口径的散射场数据是成对存在的，而Pix2Pix网络更适用于成对的数据。

所述的步骤五中比较训练与训练是通过损失函数计算出的损失值来优化GAN网络的权重参数，再次训练和优化直至目标函数收敛。

所述的GAN网络包括鉴别器和生成器，将所述的训练与所述的训练同时带入鉴别器中对比得到鉴别器的损失值，将所述的鉴别器的损失值反馈至生成器，更新生成器中层与层之间的权重参数。

所述的步骤五，根据所述的损失值构成的损失曲线，调节GAN网络参数，来优化所述的权重参数。