[發明專利]一種提高裝備電磁特性測量精度的方法及裝置

在審

• 申請號: 202210194689.0
• 申請日: 2022-03-01
• 公開（公告）號: CN114611387A
• 公開（公告）日: 2022-06-10
• 發明（設計）人: 劉子源;王海峰;包凱君;錢旭;張弘
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G06F17/13;G06F111/10;G06F111/04
• 代理公司: 北京卓嵐智財知識產權代理事務所(特殊普通合伙) 11624
• 代理人: 郭智

本發明實施例提供了一種提高裝備電磁特性測量精度的方法及裝置，所述方法包括以下步驟：基于電磁方程的深度學習求解模型，結合神經網絡建立Maxwell方程的神經網絡模型，具體包括：接收發射源數據和電磁方程的深度學習求解模型所求的空間電磁特性分布值；將發射源數據和空間電磁特性分布值輸入到神經網絡中；利用神經網絡對發射源數據和空間電磁特性分布值進行結合，建立Maxwell方程的神經網絡模型；利用Maxwell方程的神經網絡模型對裝備空間的電磁特性分布進行求解；通過Maxwell方程的神經網絡模型對所述解進行修正。與當前主流電磁散射和逆散射數值方法相比，效率提升20％以上，實現對探測目標結構超分辨重建，逆散射成像分辨率整體優于主流方法。

技術領域

本發明涉及探測技術領域，尤其涉及一種提高裝備電磁特性測量精度的方法及裝置。

背景技術

電磁散射和逆散射是電磁隱形裝備設計、目標電磁成像識別等前沿技術的核心問題，其數學模型的強耦合性、強非線性、多尺度、強病態，及信號采集時噪聲干擾、非合作目標關鍵技術指標的情報空白等問題所帶來的復雜性，一直制約著高效數值算法和模擬工具的發展。電磁散射問題方面，傳統低頻數值方法求解效率低，不適用于電大尺寸模擬；高頻近似方法計算快，便于求解電大尺寸問題，卻存在精度差、僅適合簡單結構目標；電磁逆散射方面，現有的算法存在算法精度低、求解慢、成像模糊、不適用于高對比度目標等局限性。

申請人發現現有技術中至少存在如下問題：電磁正逆散射求解的效率和精度不高。

發明內容

本發明實施例所解決的技術問題是如何提高電磁正逆散射求解的效率和精度的問題。

為達上述目的，一方面，本發明實施例提供了一種提高裝備電磁特性測量精度的方法，包括以下步驟：

基于電磁方程的深度學習求解模型，結合神經網絡建立Maxwell方程的神經網絡模型，具體包括：

接收發射源數據和所述電磁方程的深度學習求解模型所求的空間電磁特性分布值；

將所述發射源數據和所述空間電磁特性分布值輸入到神經網絡中；

利用神經網絡對所述發射源數據和所述空間電磁特性分布值進行結合，建立Maxwell 方程的神經網絡模型；

利用所述Maxwell方程的神經網絡模型對裝備空間的電磁特性分布進行求解；

通過所述Maxwell方程的神經網絡模型對所述解進行修正。

另一方面，本發明實施例提供了一種提高裝備電磁特性測量精度的裝置，包括：

融合單元，基于電磁方程的深度學習求解模型，用于結合神經網絡建立Maxwell方程的神經網絡模型，具體包括：

接收模塊，用于接收發射源數據和所述電磁方程的深度學習求解模型所求的空間電磁特性分布值；

輸入模塊，用于將所述發射源數據和所述空間電磁特性分布值輸入到神經網絡中；

構建模塊，用于利用神經網絡對所述發射源數據和所述空間電磁特性分布值進行結合，建立Maxwell方程的神經網絡模型；

計算單元，用于利用所述Maxwell方程的神經網絡模型對裝備空間的電磁特性分布進行求解；

修正單元，用于通過所述Maxwell方程的神經網絡模型對所述解進行修正。