[发明专利]一种基于深度学习的目标电磁散射特性快速预测方法

权利要求书

1.一种基于深度学习的目标电磁散射特性快速预测方法，其特征在于：包括以下步骤：

S1：建立目标电磁仿真模型；

S2：确定影响目标电磁散射特性的因素；

S3：在影响因素取不同值的条件下对目标模型进行仿真得其远场RCS，建立训练集和测试集；

所述步骤S3包括以下子步骤：

S301.构建单目标电磁散射特性下的训练集和测试集：

对于单目标的电磁散射特性，考虑入射波的方位角和入射波的俯仰角θ因素，在取值范围为采样间隔为θ取值范围为θ1～θ2，采样间隔为Δθ1的条件下，利用仿真软件仿真，得到单目标的远场单站RCS值σ₁，进行转化得到RCS转化值σ′₁＝10lgσ₁，和θ不同取值及其对应的RCS转化值σ′₁构成了单目标训练集；

考虑入射波的方位角和入射波的俯仰角θ因素，在取值范围为采样间隔为θ取值范围为θ3～θ4，θ可在范围内随机取值或等间隔Δθ2采样的条件下利用仿真软件仿真，得到单目标的远场单站RCS值σ₂，进行转化得到RCS转化值σ′₂＝10lgσ₂，和θ不同取值及其对应的RCS转化值σ′₂构成了单目标测试集；

S302.构建群目标电磁散射特性下的训练集和测试集：

对于群目标的电磁散射特性，考虑目标之间的距离r、入射波的方位角和入射波的俯仰角θ因素，在r取值范围为r1～r2，采样间隔为Δr1，取值范围为采样间隔为θ取值范围为θ1′～θ2′，θ的采样间隔为Δθ1′的条件下利用仿真软件仿真，得到群目标的远场单站RCS值σ₃，进行转化得到σ₃′＝10lgσ₃，r、和θ不同取值及对应条件下的RCS转化值σ₃′构成了群目标训练集；

考虑目标之间的距离r、入射波的方位角和入射波的俯仰角θ因素，在r取值范围为r3～r4，采样间隔为Δr2，取值范围为采样间隔为θ取值范围为θ3′～θ4′，θ可在范围内随机取值或等间隔Δθ2′的条件下利用仿真软件仿真，得到群目标的远场单站RCS值σ₄，进行转化得到σ₄′＝10lgσ₄，r、和θ不同取值及对应条件下的RCS转化值σ₄′构成了群目标测试集；

S4：利用BP神经网络算法构建BP神经网络模型；

S5：利用训练集对BP神经网络模型训练；

S6：利用测试集对训练得到的BP神经网络模型进行测试，若测试达标，则进入步骤S7,若测试不达标，则返回步骤S4；

S7：利用测试达标的BP神经网络模型进行电磁散射特性的快速预测。

2.根据权利要求1所述的一种基于深度学习的目标电磁散射特性快速预测方法，其特征在于：所述步骤S1中，目标电磁仿真模型是指能够用于电磁仿真计算的模型，包括在仿真软件中设置的目标几何结构、结构材料、仿真频率、边界条件、激励方式和网格剖分方式；所述网格剖分方式是指在仿真过程中，将目标几何结构剖分为网格单元的方式。

3.根据权利要求1所述的一种基于深度学习的目标电磁散射特性快速预测方法，其特征在于：所述步骤S2中，影响目标电磁散射特性的因素包括：影响单目标电磁散射特性的因素和影响群目标电磁散射特性的因素，其中：

影响单目标电磁散射特性的因素包括：材料特性、工作频率、入射波的方位角和入射波的俯仰角；

影响群目标电磁散射特性的因素包括：材料特性、工作频率、入射波的方位角、入射波的俯仰角、群目标之间的距离，以及群目标之间的相对位置。