基于PCNN的海冰SAR图像分类系统

简化和改进了脉冲耦合神经网络(PCNN),建立了基于时间索引图的脉冲耦合神经网络海冰 SAR 图像分类器,用于海冰 SAR 图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测,结果表明这个分类器能够区分海冰和海水,识别不同海冰类型,且具有高效率。为了选择适合辽东湾海冰分类的 PCNN 参数,分析了链接半径、链接强度和索引图等级等参数,给出了各参数合适的取值范围及调节原则。

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,FrFT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。

基于BP神经网络的圆形孔缝耦合截面预测

在对电磁波经孔缝传输/泄露的分析中,孔缝耦合截面的获取十分重要。针对现有公式无法准确获取谐振频段圆形孔缝耦合截面的问题,将BP神经网络应用于圆孔耦合截面的快速获取,该模型适用于电尺寸(半径波长比)在[0.08,3]之间的圆形孔缝。在不同入射角度和极化角度的入射波辐照下,用全波分析软件计算无限大理想导体平板上不同电尺寸圆孔的耦合截面,用圆孔的耦合截面除以其几何面积得到圆孔的归一化耦合截面。利用这些数据训练神经网络,建立了一个以圆形孔缝的电尺寸、入射波的入射角度和极化角度为输入参数,孔缝的归一化耦合截面为输出参数的BP神经网络模型。通过与全波分析的对比可知,该模型能够快速准确地预测任意入射角与极化角平面波辐照下电尺寸在[0.08,3]之间的圆形孔缝的归一化耦合截面。

基于BP神经网络的六边形孔阵耦合截面的预测

孔缝耦合截面作为度量电磁能量经孔缝泄漏强弱的重要参数,一直没有一个普适快速且精度较高的获取方法。针对六边形孔阵归一化耦合截面的获取问题,分析了垂直入射条件下各因素对六边形孔阵耦合截面的影响,选择合适的参数并使用全波分析法共获取13 820组耦合截面数据。对部分输入参数进行预处理后输入神经网络进行训练,构建了一个以孔单元电尺寸、行/列数、行/列间距电尺寸、孔壁厚度电尺寸、入射波极化角度等7个参数为输入,归一化耦合截面为输出的BP神经网络模型。该模型在预测电尺寸为[0.1, 1.2]时的归一化耦合截面平均相对误差为3.8%。选取未出现在神经网络训练集与测试集中的输入参数,比较全波分析法计算值和神经网络预测值共480组数据,其平均相对误差为7.27%。最后通过实验测量,进一步验证了该模型的普适性和有效性。

基于神经网络的圆孔阵列垂直入射耦合截面预测

为了分析电子系统金属屏蔽外壳上孔阵的耦合截面,引入神经网络建模方法。分析了垂直入射条件下一些特征参数对圆孔阵列耦合截面的影响,用全波分析法计算了不同特征参数下的孔阵归一化耦合截面,将获得的6000组样本数据输入神经网络进行训练,获得根据孔单元的电尺寸、行/列数、行/列间距电尺寸及入射波的极化角度6个参数预测孔阵归一化耦合截面的神经网络模型;将样本按比例随机分为训练集和测试集,得出最少约3000组数据就能使神经网络模型达到较高的预测精度。为了进一步验证神经网络模型的普适性和有效性,选取了2组没有在训练集和测试集中出现的特征参数,分别用全波分析法和该神经网络模型进行预测,发现基于神经网络的预测结果和全波分析法的计算结果吻合良好。

基于BP神经网络的矩形窗电磁耦合分析

窗耦合是外界电磁干扰进入电子系统的主要途经之一,研究窗耦合对于电子系统电磁兼容性研究具有重要意义.传统的解析法、全波分析、实验研究等方法在对复杂电子系统电磁窗耦合分析中存在一定局限性.本文探讨了基于BP神经网络的矩形窗电磁耦合分析方法,利用试验测试数据结合BP神经网络建立窗耦合分析模型,获得在外界电磁波辐射下耦合到屏蔽腔中的功率与入射波功率大小、窗尺寸、腔体中位置及入射波极化方式的关系.利用该模型预测的结果与实验结果一致,该模型易于推广到的非规则窗或其他边界复杂的窗耦合问题中.

基于人工神经网络的圆孔电磁藕合预测

孔缝电磁耦合问题历来是电磁兼容领域中的一个重要部分,多年来人们已经采用多种方法对孔缝电磁耦合问题进行了深入研究.随着电子系统的日益复杂,无论是全波分析还是解析方法在孔缝电磁耦合问题研究中都存在很大的局限性.为了更好的解决这个问题,本文探讨了人工神经网络用于孔缝耦合分析的可行性.以大量数值计算结果为训练样本,建立了适用于分析任意大小圆孔电磁耦合的人工神经网络模型.该模型以圆孔半径的电尺寸为输入参数,等效散射面积为输出参数.利用该模型预测其他尺寸圆孔的电磁耦合,结果证明采用基于人工神经网络的圆孔电磁耦合预测是可行的、高效的.该方法可以推广到更为复杂的腔体孔缝电磁耦合的分析中.