BCGs-FFT结合BP神经网络反演金属介质复合柱体目标参数

利用双共轭梯度-快速傅里叶变换方法（BCGs-FFT）结合BP神经网络技术研究了金属介质复合结构柱体目标的电磁逆散射问题.先用BCGs-FFT方法计算了复合结构目标的正散射问题,得到不同目标参数下的多个观测点上的散射电场,以此作为训练样本提供给BP网络,经过适当的离线训练,再以新的散射电场作为网络的输入,实时重构了金属介质复合结构目标的几何、电磁参数.数值结果显示了该方法的有效性.     

用BP神经网络技术重构介质圆柱体电磁参数

将BP神经网络技术应用于介质圆柱体电磁逆散射问题研究,通过BP神经网络将原逆散射问题转化为一个回归估计问题.设置多个目标散射场观测点,分别以目标不同的电磁参数及其响应下的散射电场的幅值作为BP网络的输出与输入,采用L-M训练算法,经过适当的训练,建立起逆散射模型,再以新的散射电场作为输入,实时重构了自由空间及半空间介质圆柱体的相对介电常数和电导率.数值结果显示了该方法的有效性及准确性,为目标的实时逆散射研究提供了一种高效的方法.     

基于BP神经网络的介质圆柱体逆散射方法研究

将人工智能技术应用于介质圆柱体电磁逆散射问题研究,通过BP神经网络将原逆散射问题转化为一个回归估计问题,重构了目标的几何与电磁参数。在TM波的照射下,设置多个目标散射场的观测点,以散射场的幅值作为BP网络的输入,相应的几何与电磁参数作为输出,经过适当的训练,建立了介质圆柱体逆散射模型,并以此模型重构了已知探测范围内的介质圆柱体的半径、相对介电常数及电导率。比较结果显示了该方法的有效性和准确性,为目标的实时逆散射研究提供了一种有效方法。     

基于支持向量机的介质圆柱体逆散射问题研究

提出一种新的在线逆散射方法-支持向量机,通过支持向量机将原问题转化成一个回归估计问题.该方法可广泛应用于各种逆散射方面,尤其是目标的几何与电磁参数重构.以相对介电常数作为输入,复散射系数作为输出,通过对训练样本的学习,利用支持向量机回归估计了介质圆柱体不同相对介电常数下复散射系数的实部与虚部.同时,以多个观测点的散射电场值作为样本信息,利用支持向量机对已知探测范围内的介质圆柱体的相对介电常数和电导率进行了重构.比较结果显示了该方法的有效性和准确性.     

基于FDTD的二维电磁散射反演方法研究

文章针对有耗电磁介质的重建问题发展了一种新的算法.该方法在反演过程中采用常用的非线性最小二乘法来求解逆问题,通过Tikhonov正则化得到描述散射场与散射体电特性参数之间关系的迭代方程,然后将迭代方程离散化得到适于数值计算的形式,并最终实现了介质双参数的同时反演.在此基础上对有耗介质的反演进行了详细的研究,计算结果表明该方法不仅能实现介质的空间定位,在介质的电磁参数的反演上也能满足精度的要求.     

基于支持向量机的复合柱体目标参数反演

用支持向量机(support vector machine,SVM)结合双共轭梯度-快速傅里叶变换方法(BCG-FFT)重构二维金属/介质复合结构柱体目标参数。采用BCG-FFT方法数值模拟复合结构目标的散射特性,以散射电场作为训练样本提供给支持向量机学习,经过适当的离线训练,建立支持向量机逆散射模型,实时重构了复合柱体目标的几何、电磁参数;在相同的条件下,采用人工神经网络(artificial neural net-works,ANN)方法对复合目标参数也进行了重构;比较分析了训练样本信息的差异对支持向量机重构精度的影响。与ANN方法的结果比较表明:支持向量机方法能有效地用于复合结构目标参数反演,且具有较高的精度。     

玻恩近似下的无相位检测电磁成像方法

提出玻恩近似下用无相位检测数据重建复目标的方法.由电场积分方程推导散射场的实部和虚部之间的关系;在玻恩近似下基于散射场实部虚部关系,利用优化算法由无相位电磁检测数据反演目标散射场的实部和虚部;最后利用标准玻恩反演法对目标进行成像.数值实验显示该方法能有效地对弱散射目标成像.     

三维各向异性介质目标电磁散射的MOM-CGM-FFT方法

给出了研究任意形状的三维各向异性介质目标的电磁散射问题一种混合计算方法。该方法以电场作为求知函数建立频域体积分－微分方程，使用脉冲基函数和点匹配函数的矩量法（MOM）将之转化为线性代数方程组。在求解过程中应用共轭梯度法9CGM）和快速富里叶变换（FFT）相结合的方法降低所需计算机内存和CPU时间。与各向同性和各向异性介质球的计算结果和解析结果及其它文献结果相比较，吻合较好。对材料参数为奇异矩阵的介质球的计算结果证明，该计算方法兼容性强，是一种求解三维电磁散射问题的有效途径。     

E-P-AMCBFM分析介质与PEC混合体的电磁散射

使用基于表面积分方程的矩量法来分析介质与理想导体混合体的电磁散射是计算电磁学的一大热点。对理想导体目标体表面建立电场积分方程,在介质目标体表面建立PMCHW方程组,与基于矩阵分块技术的自适应修正特征基函数法结合,对介质涂敷理想导体目标体的电磁散射进行分析,将其称之为EFIE-PMCHW-AMCBFM(E-P-AMCBFM)。并讨论不同参数如基函数阶数,矩阵块间重叠区域等对计算效率的影响,数值结果表明E-P-AMCBFM对于处理介质-理想导体混合体的电磁散射问题具有较高的精度和效率。     

直接反演非均匀介质柱的一种新方法

以往对介质柱的反演基本上都是采用这代优化方法,非常耗时。本文从电磁散射的积分方程出发结合矩量法提出一种直接反演二维非均匀介质柱的方法,即由散射场的测量值,无需迭代或优化而直接反演出介质柱的介电特性参数分布。通过引入正则化方法来改善解的稳定性。理论分析和模拟计算都表明,本文提出的方法计算量小且一般情况下有较高的精度和稳定性。     

卷积神经网络在目标检测中的应用及FPGA实现

针对传统目标检测算法在复杂背景条件下的对红外弱小移动目标的检测能力弱,虚警率高等问题,提出了一种基于卷积神经网络的目标检测方法,分析了卷积神经网络的结构、特点,将卷积神经网络应用到红外弱小目标检测领域,选择卷积神经网络模型,学习训练学习出合适的模型参数,并将算法在以FPGA为核心的硬件平台上进行移植。实验表明,本文的算法实时性好,硬件移植工作量小,在复杂背景下能够得到目标掩码信息、有效检出目标。     

一种红外目标模拟器的大气传输校准方法研究

红外辐射在大气中传输会在大气分子、气溶胶粒子的吸收和散射以及大气自身辐射的影响下发生变化,导致红外辐射测量精度的降低。为消除大气在红外目标模拟器校准中的影响,在基于恒定标准源的宽动态红外辐射测量方法的基础上,提出了一种红外目标模拟器的大气传输校准方法。在水平均匀大气近距离的红外目标模拟器校准中,利用卷积神经网络的数据分析能力建立了不同波段、不同温度、不同距离下的大气透过率和大气程辐射的动态模型,将探测器输出电压作为基于编码器-解码器结构的卷积神经网络的输入,按照训练流程对网络进行训练,在实验环境下预测了大气传输对红外辐射的影响。所建模型能够反映大气透过率和大气程辐射的动态变化规律,并通过红外辐射反演对提出的方法进行了验证。实验结果表明：基于编码器-解码器结构的卷积神经网络算法能够较好地预测大气透过率和大气程辐射,在三个波段下的平均误差为3.078 3%、3.818 6%、5.345 2%,低于传统方法,降低了大气透过率和大气程辐射的影响,从而减小了红外辐射的测量误差,提高了校准精度。     

Localization of the Interfaces of a Slab Hidden Behind a Wall

In this paper, a 1-D inverse-scattering problem laying within the framework of through-wall imaging is addressed. In particular, the problem of localizing the interfaces of a slab hidden behind an obstacle, another slab whose electromagnetic features and thickness are known, is considered. To this end, an approximate linear mathematical relationship between the scattered field and the unknown slab-interface positions is stated. Such an approximate relationship arises from neglecting the multiple-reflections between the two unknown slab's interfaces and between the slab and the obstacle. The unknown locations of the slab's interfaces are represented as the support of Dirac-delta functions, and the problem is cast as the inversion of a linear integral operator whose inversion is achieved by means of the Truncated-Singular-Value-Decomposition (TSVD) inversion scheme. The effect of the parameters of the obstacle on the inversion algorithm and the performances achievable by the solution approach are assessed by exploiting synthetic data. Furthermore, a comparison with the reconstructions obtained under the Born approximation and with the time-backscattered field is achieved. Finally, results obtained by employing experimental data collected owing to a stepped-frequency ground-penetrating radar system are also presented.     

基于卷积神经网络的响应自适应跟踪

针对目标跟踪中的遮挡、旋转、快速运动、形变等问题,本文提出基于卷积神经网络的响应自适应跟踪算法。首先,通过卷积神经网络提取目标的多层卷积特征,利用粒子滤波算法获取目标的多模板响应图,自适应学习目标的期望响应;然后通过构造目标函数的对偶形式解决多模板联合优化问题,计算多模板情况下每层卷积特征的最优滤波参数;最后通过相关滤波算法计算多层滤波响应,通过响应加权融合的方式计算最终响应图,以此估计目标位置。本文利用OTB-2013数据集中的方法测试我们提出的算法,实验表明该算法的整体成功率和精确度为0.884和0.915。本文算法在距离准确度、成功率和平均跟踪误差方面均优于传统的相关滤波跟踪算法,有一定研究价值。     

Subsurface Sensing of Buried Objects Under a Randomly Rough Surface Using Scattered Electromagnetic Field Data

This paper proposes a new inverse method for microwave-based subsurface sensing of lossy dielectric objects embedded in a dispersive lossy ground with an unknown rough surface. An iterative inversion algorithm is employed to reconstruct the geometry and dielectric properties of the half-space ground as well as that of the buried object. B-splines are used to model the shape of the object as well as the height of the rough surface. In both cases, the control points for the spline function represent the unknowns to be recovered. A single-pole rational transfer function is used to capture the dispersive nature of the background. Here, the coefficients in the numerator and denominator are the unknowns. The approach presented in this paper is based on the state-of-the-art semianalytic mode matching forward model, which is a fast and efficient algorithm to determine the scattered electromagnetic fields. Numerical experiments involving two-dimensional geometries and TM incident plane waves demonstrate the accuracy and reliability of this inverse method     

Electromagnetic Modeling for Microwave Imaging of Cylindrical Buried Inhomogeneities

Many diagnostic techniques in geophysics and civil engineering are based on the interaction of electromagnetic waves with objects buried in homogeneous or stratified media. Most of the investigations are concerned with the detection of buried objects, but a few papers have dealt with the problem of identifying the objects. The proposed method is based on the integral representation for a plane wave incident on a lossy half-space containing a cylindrical object of arbitrary cross section and electrical properties. The induced current distribution in the object is obtained from the backscattered field measurement in amplitude and phase. In order to improve the spatial resolution of the image, the scattered field is measured for different plane wave incidence and frequencies. Results of numerical simulations concerning the shape and size of the object for different values of soil electromagnetic parameters are presented in this paper.     

基于卷积神经网络的手势识别

手势识别是人机交互,智能语义识别和远程人机 交流领域的热门研究课题。目前基于 视觉的手势识别问题仍是研究的难点,在多变背景下的手势姿态识别仍然存在较大问题。近 年来,随着深度神经网络技术的快速发展,利用网络自主学习的方法来提取手势姿态有关特 征得到了广泛关注。由于卷积神经网络具有较强的学习能力和个体特征的表达能力,本文针 对传统手势识别算法精度低,鲁棒性差的问题,提出了基于卷积神经网络的TensorFlow框架 下加入扁平卷积模块的FD-CNN网络手势识别算法。在预处理数据集后,基于FD-CNN网络的 手 势识别方法可以直接将预处理后的图像输入网络进行训练,最终输出测试结果的识别精度为 99.0％。与传统方法和经典卷积神经网络方法相比,本文方法提高了 网 络系统对样本数据的多样性和复杂性的有效识别,具有较高的识别率和较好的鲁棒性效果。