[发明专利]一种利用复数域神经网络快速求解非线性电磁逆散射问题的方法

摘要

本发明提出了利用复数域多模块串联神经网络结构，实现针对非线性电磁逆散射问题快速高精度求解；在现有神经网络框架下，将现有求解范围从实数域扩展到复数域；本发明的非线性电磁逆散射求解方法适用于常用的各种雷达系统；本发明的复数域神经网络适用于目前所有的网络训练算法；本发明的复数域神经网络适用于任意复数域电磁场景。本发明通过样本学习可以对介电常数较大目标实现超分辨成像。本发明所提出的一种利用复数域神经网络求解非线性电磁逆散射问题具有计算效率高，时延低、结构简单、泛化能力强等特性，为实现非线性电磁逆散射问题的快速、高精度求解奠定了基础。

主权项

一种利用复数域神经网络快速求解非线性电磁逆散射问题的方法，其特征在于，所述预测方法包括以下步骤：1)获取训练样本：电磁雷达系统包括T(T≥1的自然数)个发射机，M(M≥1的自然数)个接收机，发射机依次向目标区域发射信号，并由全部接收机接收目标区域的散射场；将获取的散射场数据利用后向投影成像算法获得后向投影成像结果；后向投影成像结果和对应目标的反射率形成一组样本；多组样本数据被随机划分为三部分：其中第一部分样本称为训练样本，用于训练神经网络参数；第二部分样本称为验证样本，用于验证神经网络的精度；第三部分样本称为测试样本，用于测试神经网络的泛化能力；2)构建复数域神经网络：以串联模块方式构建复数域神经网络；构建的串联的神经网络结构中单个神经网络模块包含一层或一层以上的复数域神经网络层；每一复数域神经网络层包括实部‑虚部两部分神经网络；神经网络输出的实部和虚部分别由输入的实部与虚部和卷积核的实部与虚部交叉卷积得到；3)训练复数域神经网络：a)将步骤1)中获取的训练样本中的后向投影成像结果作为神经网络的输入，将对应目标的反射率作为神经网络的输出，训练神经网络；b)将步骤1)中获取的验证样本中的后向投影成像结果作为神经网络的输入，将对应目标的反射率作为神经网络的标准输出，检验神经网络，如果误差在标准范围内，则神经网络训练完成，进入步骤4)，如果误差超过标准范围，则返回步骤a)重新训练网络，直至误差在标准范围内，训练网络结束，进入步骤4)；4)非线性电磁逆散射问题预测：将测试样本的电磁逆散射问题的后向投影成像结果作为步骤3)中神经网络的输入，则神经网络的输出结果即为预测的对应非线性电磁逆散射问题的目标区域的成像结果。