文档名：基于散射中心模型的目标电磁特性智能生成网络研究
摘要：基于散射中心参数化模型和反向传播(backpropagation,BP)神经网络,构建了一种针对目标全角度、宽频段下的远场电场预测网络,该网络将利用目标的位置、幅度、频率等数据信息实现远场电场实部与虚部的快速预测.首先,将对目标强散射点的位置以及强度等参数进行提取;然后,对二维角域以及频域进行区域划分,构建并联式的智能网络架构,从而建立散射中心参数化模型与高精度远场电场间的关系.该方法能够通过新型并联网络的训练,减小传统散射中心模型的频率、角度依赖性的影响,实现目标远场电场的快速获取.由于在网络设计时,充分借鉴了现有的模型中各散射参数对目标电场的影响,因此该神经网络具有清晰的物理意义以及突出的泛化能力.与传统的基于几何绕射理论(geometricaltheoryofdiffraction,GTD)模型的电场重构方法相比,本文方法具有更高的准确性,实验结果表明提出的并联网络使得预测电场误差下降了18％以上,同时针对目标后向远场电场的预测,其相对均方根误差能够小于5％.
Abstract：Basedonthescatteringcenterparameterizedmodelandbackpropagationneuralnetwork,afar-fieldelectricfieldpredictionnetworkforthetargetinfullanglesandwidefrequencybandisconstructedinthispaper.Thefastpredictionoftherealandimaginarypartsofthefar-fieldelectricfieldisrealizedbyusingthetargetposition,amplitude,frequencyandotherdatainformationthroughthenetwork.Firstly,thepositionandintensityofthestrongscatteringpointsareextracted.Then,thetwo-dimensionalangulardomainandfrequencydomainaredividedintoregions.Aparallelintelligentnetworkarchitectureisconstructedtoestablishtherelationshipbetweenthescatteringcenterparametricmodelandthehigh-precisionfar-fieldelectricfield.Thismethodcanreducethefrequencyandangledependenceofthetraditionalscatteringcentermodelthroughthetrainingofthenovelparallelnetwork.Itrealizestherapidacquisitionofthefar-fieldelectricfieldofthetarget.Becausetheinfluenceofthescatteringparametersintheexistingmodelonthetargetelectricfieldisfullyusedforreferenceintheprocessofnetworkdesign,theneuralnetworkhasclearphysicalsignificanceandoutstandinggeneralizationability.Comparedwiththetraditionalelectricfieldreconstructionmethodbasedongeometricaltheoryofdiffraction(GTD)model,thismethodhashigheraccuracy.Theexperimentalresultsshowthattheproposedparallelnetworkreducesthepredictionerrorofelectricfieldbymorethan18％.Atthesametime,theerroroftheproposedparallelpredictionnetworkforthepredictionofthetargetbackwardfar-fieldelectricfieldcanbelessthan5％.
作者：孙圣凯 何姿 管灵 董纯柱 樊振宏 丁大志 殷红成 Author：SUNShengkai HEZi GUANLing DONGChunzhu FANZhenhong DINGDazhi YINHongcheng
作者单位：南京理工大学电子工程与光电技术学院,南京210094北京环境特性研究所,北京100854
刊名：电波科学学报 ISTICPKU
Journal：ChineseJournalofRadioScience
年，卷(期)：2023, 38(5)
分类号：TN959.1
关键词：散射中心 全角宽带 电场预测 反向传播(BP)神经网络
Keywords：scatteringcenter fullanglesandwidefrequencyband electricfieldprediction parallelBPneuralnetwork
机标分类号：TM734O157.5TP391
在线出版日期：2024年1月4日
基金项目：国家自然科学基金，国家自然科学基金，国家自然科学基金，江苏省自然科学基金，南京理工大学自主科研专项计划项目基于散射中心模型的目标电磁特性智能生成网络研究[
期刊论文] 电波科学学报--2023, 38(5)孙圣凯 何姿 管灵 董纯柱 樊振宏 丁大志 殷红成基于散射中心参数化模型和反向传播(backpropagation,BP)神经网络,构建了一种针对目标全角度、宽频段下的远场电场预测网络,该网络将利用目标的位置、幅度、频率等数据信息实现远场电场实部与虚部的快速预测.首先,将对目标...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于散射中心模型的目标电磁特性智能生成网络研究 Research on intelligent generation network of target electromagnetic characteristics based on scattering center model
基于散射中心模型的目标电磁特性智能生成网络研究.pdf
- 文件大小:
- 15.18 MB
- 下载次数:
- 60
-
高速下载
|
