对比源框架下的多任务贝叶斯压缩感知微波成像方法

针对强散射体微波成像困难问题,本文提出了一种对比源框架下的基于拉普拉斯先验的多任务贝叶斯压缩感知方法,实现了稀疏强散射体的微波成像.在对比源框架下,基于“数据”积分方程并对成像区域网格离散建立稀疏感知模型,前向问题采用矩量法数值模拟;构造基于拉普拉斯先验的贝叶斯压缩感知分层模型;在多入射波情况下,利用多任务贝叶斯压缩感知方法对对比源进行优化求解;最后利用“状态方程”实现了目标函数的重构.本文在考虑噪声情况下,通过对多像素单目标、不均匀目标、多目标的微波成像数值模拟,并与共轭梯度方法、一阶Born近似框架下的多任务贝叶斯压缩感知方法的重构结果比较,验证了本文方法的有效性和鲁棒性.

基于卷积神经网络的色散介质电磁参数重构

色散介质的经验模型适合描述等离子体、水、生物肌体组织等媒介。为了反演色散媒介的电磁参数,提出一种基于卷积神经网络的色散介质电磁参数反演方法。在电磁参数反演的过程中,利用前向算法获得色散介质的散射电场,反演算法通过卷积神经网络将原逆散射问题转化为一个回归估计问题。提取不同频率TM波照射下色散介质的散射电场值的实部和虚部作为样本信息并作为卷积神经网络的输入,色散介质电磁参数作为输出,经过适当的训练,重构出自由空间中色散介质圆柱体电磁参数。经过与BP神经网络反演结果的比较,验证了该方法的有效性及准确性。

一种石墨烯可重构贴片天线电磁响应快速预测方法

针对传统石墨烯可重构天线辐射特性全波模拟耗时问题,将支持向量回归(Support Vector Regression, SVR)这一机器学习方法用于石墨烯贴片天线参数快速重构预测。将石墨烯贴片天线不同参数(贴片尺寸、化学势、频率等)下的电磁响应转化为一个回归估计问题。以天线单元参数为输入,相应S参数为输出,建立回归模型,利用全波模拟仿真软件建立支持向量回归训练数据集和测试数据集,实现石墨烯可重构天线单元电磁响应的快速预测。数值算例中通过对S11参数的预测,并与径向基函数网络方法、全波仿真软件结果进行比较,验证了方法的有效性。