买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：上海师范大学

摘要：本发明涉及一种基于U‑Net神经网络的混合电磁目标重构方法，包括：S1、将目标成像区域划分成正方形的网格；S2、改变目标成像区域网格中介电常数的分布，得到成像区域介电常数分布矩阵，根据成像区域介电常数分布矩阵生成随机散射体；S3、根据积分算法计算得到每个散射体对应的散射场数据；S4、根据衍射层析成像算法对散射场数据进行求解，得到散射体的近似解；S5、将散射体的近似解作为U‑net卷积神经网络的输入，成像区域介电常数分布矩阵作为输出，训练U‑net卷积神经网络；S6、使用训练好的U‑net卷积神经网络对未知散射场进行预测，重构未知散射体。与现有技术相比，本发明具有提高未知散射体的重构效率和精度，同时提高神经网络的泛化能力等优点。

主权项：1.一种基于U-Net神经网络的混合电磁目标重构方法，其特征在于，具体包括以下步骤：S1、将目标成像区域划分成正方形的网格；S2、改变目标成像区域网格中介电常数的分布，得到成像区域介电常数分布矩阵，根据成像区域介电常数分布矩阵生成随机散射体；S3、根据积分算法计算得到每个散射体对应的散射场数据；S4、根据衍射层析成像算法对散射场数据进行求解，得到散射体的近似解；S5、将散射体的近似解作为U-net卷积神经网络的输入，成像区域介电常数分布矩阵作为U-net卷积神经网络的输出，训练U-net卷积神经网络；S6、使用训练好的U-net卷积神经网络对未知散射场中散射体的近似解进行预测，重构未知散射体；所述步骤S3中计算散射体对应的散射场数据的积分算法包括正向电磁积分算法和逆向电磁积分算法；所述正向电磁积分算法的公式具体如下所示： 所述逆向电磁积分算法的公式具体如下所示： 其中，Et是总电场，Ei是发射天线发射的入射电场，x,y∈D，D为成像区域，Es是在观察区域S上的点x,y处的散射场，x,y∈S，gx,y；x',y'是自由空间中的二维格林函数，k0是背景波数，Ox,y＝εx,y-1是对比度，相应的值是相对介电常数值减1，坐标x,y表示观察点的位置，坐标x′,y′表示求解区域内任意一点的位置；所述步骤S4中衍射层析成像算法具体过程为通过参数变换的方式，将散射场的计算公式变换成符合傅里叶变换的形式；所述衍射层析成像算法中散射场的正向电磁公式如下所示：EtρR,ρT＝EiρR,ρT+∫DgρR,ρ'；k0kρ'Etρ',ρTdD' 其中，ρT和ρR表示二维空间中发射天线和接收天线的位置矢量，ρ'表示成像区域D中任意一点的位置矢量，kρ'表示成像区域中单个点的波数的平方和背景介质中的波数的平方的差值；所述衍射层析成像算法中散射场的逆向电磁的傅里叶变换如下所示： 其中，K是kρ'的傅里叶变换；所述U-net卷积神经网络包括依次连接的第一卷积单元、第二卷积单元、第三卷积单元、第四卷积单元和第五卷积单元；所述第一卷积单元、第二卷积单元、第三卷积单元和第四卷积单元中设有第一卷积层，所述第五卷积单元中设有第一卷积层和第二卷积层，所述第一卷积层的卷积核为3*3，所述第二卷积层的卷积核为1*1；所述第一卷积单元和第二卷积单元之间、第二卷积单元和第三卷积单元之间均设有池化层，所述第三卷积单元和第四卷积单元之间、第四卷积单元和第五卷积单元之间均设有上采样层；所述第一卷积单元和第五卷积单元之间设有跳级结构，所述第二卷积单元和第四卷积单元之间设有跳级结构。

全文数据：

权利要求：

百度查询： 上海师范大学 一种基于U-Net神经网络的混合电磁目标重构方法