基于电磁仿真的粗糙面上二维目标参数反演

伍海波; 姚菁晶; 何思远; 朱国强

您当前的位置：

首页 >

文章列表页 >

基于电磁仿真的粗糙面上二维目标参数反演

研究论文_计算机科学与电子信息学 | 更新时间：2021-04-02

- 基于电磁仿真的粗糙面上二维目标参数反演
- Parameters Extraction of the Two-Dimensional Object above or on a Rough Surface Based on the Electromagnetic Simulation
- 武汉大学学报（理学版） 2009年55卷第6期页码：705-709
- 作者机构：
  
  武汉大学电子信息学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（60671040）;国家高技术研究发展计划（863）项目（2007AA12Z172）
- DOI：
  中图分类号： TN011
- 纸质出版日期：2009-06-01，
- 稿件说明：
移动端阅览
[1]伍海波,姚菁晶,何思远,朱国强.基于电磁仿真的粗糙面上二维目标参数反演[J].武汉大学学报(理学版),2009,55(06):705-709.

WU HAIBO, YAO JINGJING, HE SIYUAN, et al. Parameters Extraction of the Two-Dimensional Object above or on a Rough Surface Based on the Electromagnetic Simulation. [J]. 2009, 55(6): 705-709.
[1]伍海波,姚菁晶,何思远,朱国强.基于电磁仿真的粗糙面上二维目标参数反演[J].武汉大学学报(理学版),2009,55(06):705-709. DOI：

WU HAIBO, YAO JINGJING, HE SIYUAN, et al. Parameters Extraction of the Two-Dimensional Object above or on a Rough Surface Based on the Electromagnetic Simulation. [J]. 2009, 55(6): 705-709. DOI：

摘要

针对海洋（或陆地）环境中目标电磁逆散射问题开展研究

建立了粗糙面上简单导体目标的电磁散射模型

通过精确的电磁散射建模得到散射回波数据

包括空间分布采样和频率采样

再分别应用BP神经网络（BPNN）和支持向量机（SVM）两种方法反演粗糙面上二维导体目标的特征几何尺寸.在粗糙面上圆柱几何参数反演以及海上舰船尺寸反演过程中需要考虑粗糙面的随机性

因此对散射数据进行了多次统计

实现了随机粗糙面上方目标的特征参数重构.

Abstract

In this paper

the geometric characterization of an object above or on a rough surface is successfully estimated from the simulated back scattered data by the electromagnetic inversion scheme.The inverse model is built based on the EM simulation data computed with a fast forward algorithm considering the multi realization of the random rough surface.Some are desired parameters

the location and the size

of a two-dimensional（2-D） target

like a cylinder above a random rough or a ship on the sea surface is reconstructed by the back propagation neural network（BPNN） and the support vector machine（SVM） respectively.

关键词

电磁逆散射目标与粗糙面BP神经网络（BPNN）支持向量机（SVM）

Keywords

electromagnetic inverse scatteringobject/rough surfaceback propagation neural network（BPNN）support vector machine（SVM）

references

浏览量

209

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于主分量分析的针对QIM-JPEG2000隐写的分析方法