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:中国电波传播研究所(中国电子科技集团公司第二十二研究所);河南省科学院物理研究所;中国海洋大学;东南大学
摘要:本发明公开了一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,包括如下步骤:步骤1,针对非均匀蒸发波导区域里的蒸发波导高度信息,求出非均匀蒸发波导空间模拟的最优结果;步骤2,将计算得出的海杂波功率图和非均匀蒸发波导高度图组成深度学习反演模型所需的训练数据集;步骤3,建立一个基于深度神经网络多头多尾VIT模型的网络模型:步骤4,输出非均匀蒸发波导剖面空间变化图。本发明所公开的方法及装置,将原有的Transformer网络进行优化,提出了多头多尾的网络结构来构建非均匀蒸发波导的全空间变化图和海杂波功率图的非线性映射。
主权项:1.一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法,其特征在于,包括如下步骤:步骤1,针对非均匀蒸发波导区域里的蒸发波导高度信息,以蒸发波导高度的变化作为约束距离,根据参照距离,运用二维马尔科夫链计算模型,对不同值进行实验,求出非均匀蒸发波导空间模拟的最优结果;步骤2,将耦合二维马尔科夫链模型生成的全空间非均匀蒸发波导高度剖面图带入到抛物方程和雷达海杂波功率计算公式,得到对应的360°海杂波功率图数据,将计算得出的海杂波功率图和非均匀蒸发波导高度图组成深度学习反演模型所需的训练数据集;步骤3,建立一个基于深度神经网络多头多尾VIT模型的全方位非均匀蒸发波导反演网络模型:搭建用于提取特征的Transformer编码器、Transformer解码器和把featuremap还原成输出的tails模块;引入对比学习来学习通用特征,对比学习的损失函数Lconstrastive如下: 上式中,i={1,...,N},N是Transformer解码器的数量,为输入xj经过Transformer解码器后输出的两个特征块,xj是从一个训练图像集X中进行选择,X={x1,...,xB},B是输入的总数量,总体损失函数LIPT为:LIPT=λ·Lconstrastive+Lsupervised上式中,参数λ用来调整对比损失函数Lconstrastive和监督损失函数Lsupervised的权重;步骤4,训练模型时,选取sigmoid作为激活函数,RMSE作为损失函数,优化函数选择RMSprop;在利用这些训练数据和参数训练深度神经网络模型后,输入360°海杂波功率,相应的输出就是通过模型预测得到的非均匀蒸发波导剖面空间变化图。
全文数据:
权利要求:
百度查询: 中国电波传播研究所(中国电子科技集团公司第二十二研究所) 河南省科学院物理研究所 中国海洋大学 东南大学 一种基于多头多尾VIT模型的全方位非均匀低空波导剖面反演方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。