关键词： 电磁逆散射成像算法   深度学习   CUnet   UnetPlus   数据集  

摘要： 逆散射在众多领域有着广泛的应用,基于深度学习的逆散射算法更是成为研究的热点。但现有的成像方法存在复值数据利用不充分,算法模型抗噪声不高等问题。本文从两方面出发研究了基于深度学习的逆散射成像方法。一方面,从改善网络结构的角度入手,提出了基于复数卷积网络模型的成像算法和基于UnetPlus模型的成像算法。另一方面,从提高训练集质量以及结合传统逆散射方法的角度入手,提出了散射电场数据集和伪谱数据集,主要内容如下:首先,概述了基于迭代和非迭代的传统逆散射成像方法及其利弊,然后介绍了深度学习在逆散射领域的取得最新进展,并阐明了本文的研究意义。其次,从逆散射成像原理的角度出发介绍了波恩近似法、反向传播法、波恩迭代法、对比源法和子空间优化法五种典型的逆散射成像方法,从深度学习网络结构模型的角度出发,介绍了卷积神经网络的计算原理及其引申得到的卷积神经网络、全卷积神经网络等卷积网络以及三种已有的基于U型网络模型的逆散射成像方法。为解决实数U型网络模型中必须抛弃实部或者虚部从而导致信息丢失的问题,提出了基于复值U型网络模型的逆散射成像方法。复值U型网络的核心在于采用实部和实部、实部和虚部、虚部和实部、虚部和虚部计算代替实数卷积计算,除此之外,可以添加复值归一化、复值初始化和节点失活等函数层提高成像质量。为进一步提升网络性能,减少噪声导致成像效果不理想的问题,提出了基于迭代卷积U型网络模型的逆散射成像方法。采用嵌套卷积结构代替连接层结构,由于U型网络编码和解码的数据特征存在较大的偏差,嵌套卷积结构通过多重卷积和激活函数的修正,不断拟合数据之间的差异,减少编码器和解码器特征映射的语义间隙。然后,从电磁算法和深度学习相结合的角度出发,提出了高质量的散射电场数据集和伪谱数据集。基于散射电场数据集的复值U型网络模型解决了成像伪影问题,并且提升了成像效果,尤其适用于多散射体介质的情况下。基于伪谱数据集的迭代卷积U型网络模型将相对误差由14.234下降到5.021,能良好的恢复散射介质的轮廓并细化不同散射介质之间的差异,具备了较强的抗噪性。最后,总结了全文的内容,并从五个方面给出了下一步的工作展望。

关键词： 电磁逆散射   超分辨成像   非均匀背景成像   正则化   三维成像  

摘要： 随着社会和计算机科学技术的发展,在日常生活和军事领域,微波成像技术越来越被频繁地使用。然而,传统的电磁成像方法的局限性日益突出,因此开展能够获得分辨率更高、性能更优的成像方法与技术的研究,无论是对国防的军事现代化还是社会工业的进一步发展,都具有重大意义。电磁逆散射成像是学术研究领域中非常具有挑战性的课题之一,可以突破已有的电磁衍射极限,实现对探测区域的超分辨率成像,电磁逆散射成像是逆问题的一个重要分支,在众多领域都拥有广阔的应用前景,但同时又遭遇了两大挑战:病态性与非线性,如何有效地提升成像质量,同时更加快速地反演参数目标,是本论文的主要研究内容。首先,本论文针对非均匀背景下成像质量效果差的问题,提出了一种新型的基于差分积分方程模型框架下的快速成像方法,即差分形式的电磁Lippmann-Schwinger积分方程(difference Lippmann-Schwinger integral equation,D-LSIE),该方程能够有效地将已知背景的先验信息与未知散射体的信息分离开来。在优化求解的过程中,采用了改进的Levenberg-Marquardt算法(modified enhanced Levenberg-Marquardt,ME-LM)。特别地,为了使算法能够稳定地反演,使用了一种基于广义交叉验证(generalized cross-validation,GCV)和截断奇异值分解(truncated singular value decomposition,TSVD)混合的正则化技术,该策略能够使算法更加稳定,提升算法解决高非线性电磁逆散射问题的能力。其次,本论文基于子空间优化(Subspace-based Optimization method,SOM)类的优化算法,提出了一种新颖的结合了乘性正则化技术的背景介质迭代更新的电磁波成像方法(multiplicatively regularized iterative updating background method,MR-IUBM)。通过采用乘性正则化技术,将正则化函数和损失函数有机结合,避免了单独为正则化参数手动选择的困难,同时也使得算法更加稳定,抗噪声能力强,同时使得重构的图形边缘信息更加清晰,数值仿真和实验测试的相关结果均验证了该算法的有效性。最后,在已有的二维电磁成像方法研究的基础上,本论文针对三维电磁逆散射成像问题,进行了系统性的研究,通过联合采用子空间优化技术和变形Born迭代方法(Distorted Born Iterative Method,DBIM),提出了一种基于子空间正则化的DBIM三维场景下的快速成像算法,通过对多种场景进行数值仿真测试,实现了不同场景下的三维成像,验证了算法的有效性。

关键词： 电磁场逆散射   物理模型驱动的深度网络   非线性病态问题  

摘要： 电磁逆散射问题是根据测量的散射场数据和一些先验信息,对探测区域的物理属性进行重构的问题。由于电磁逆散射成像具有无损特性,广泛应用于军事、遥感、无损探测等领域,但该问题本质上具有非线性与病态性。传统的迭代优化方法求解电磁逆散射问题,有着重构精度高和保证目标函数收敛的优势,但也存在着可能会陷入局部极小值,存在人工过多干预正则化函数与参数问题,反演时间长和计算代价高等问题。针对这些问题,本文提出了一种电磁逆散射与深度学习相结合的成像方法,以期望该方法具有较高抗噪性与鲁棒性、相关参数是可学习的、能够实现实时重构以及减小计算代价。首先,本文的研究场景是二维的横磁波问题。在前向模型中,根据电磁波的传播过程以及测量的物理模型,将其中的非线性积分方程进行离散化,将之转换为矩阵公式,通过有限差分法/矩量法等方法获得散射场的数据。其次,针对电磁逆散射由于存在多次散射效应使得测量的散射场和目标散射体的电性能参数之间的非线性问题,本文提出了融合物理模型驱动与深度网络结构的线性电磁逆散射方法。该算法首先是忽略电磁间的耦合作用,然后获得介电常数的初始值,虽然初始值和实际数值相差较大,但是由于初始值中已经含有目标的特征信息,再使用这个初始值进行网络优化可以获得较好的重构。但该算法只适用于弱散射体。当目标是强散射体时,目标间的相互作用就不可忽略,这使得线性病态问题转变为非线性病态问题。针对非线性病态问题,在线性方法的基础上,提出了融合物理模型驱动与深度网络结构的非线性电磁场逆散射方法。该方法首先是根据电磁逆散射的数据方程获得介电常数的初始值,之后通过网络优化与不断的更新总场,使重构的介电常数更精确。最后,针对电磁逆散射的问题,本文创新性地将电磁逆散射的物理模型与卷积神经网络方法相融合,并且将网络结构等的参数转化为可学习变量,从而减小了计算代价以及实现了实时或准实时的电磁逆散射成像。实验结果不仅表明该方法在成像时的高效性和准确性,对于噪声还有良好的鲁棒性。

摘要： 电磁散射与逆散射作为雷达共性基础技术,对雷达探测、成像与识别等技术的研究和发展具有重要的支撑作用。为了及时总结国内在电磁散射与逆散射研究方面的最新进展,推动相关技术的进步,《系统工程与电子技术》(EI收录)计划推出"电磁散射与逆散射"专栏。现面向该领域专家学者征集研究论文,欢迎投稿。

关键词： 电磁逆散射   太赫兹电磁波   GPU加速技术   高分辨率   对比源反演算法  

摘要： 电磁逆散射成像技术是一种有效的无损检测技术,被广泛的应用在生物医学、国防安全、地质检测等多个领域,该技术可以实现亚波长级别的目标体重建。目前,逆散射成像技术中常选用的电磁波为频率在100M-100G Hz间的微波频段。该频段的电磁波频率较低,存在提高成像结果的分辨率的困难。另外,在现有的电磁逆散射成像算法中,以对比源反演(Contrast Source Inversion,CSI)为代表的基于矩量法的迭代类算法,反演过程计算量大且对计算机的资源要求较高,存在计算效率低的问题。针对现阶段电磁逆散射检测技术在成像分辨率和成像效率上的局限,本论文探索了基于图形处理器(Graphics Processing Unit,GPU)并行加速的太赫兹电磁逆散射成像方法。本论文的主要工作如下:(1)介绍了二维情况下TM电磁波逆散射问题的基础理论知识。详细研究了格林函数法、共轭梯度法、有限差分法三种电磁逆散射正演问题的求解方法,并分析了各数值正演计算方法的实现效果和适用范围。(2)研究了基于积分方程的乘性正则化对比源反演(Multiplicative Regularized Contrast Source Inversion,MRCSI)成像算法、基于有限差分法的乘性正则化反演成像算法(Finite Difference Multiplicative Regularized Contrast Source Inversion,FD-MRCSI)的原理和计算流程。并且从理论上,提出了具有更优性能的增量乘性正则化对比源反演成像算法(Incremental Distroted Multiple Regularized Contrast Source Inversion,ID-MRCSI)。(3)将频段在0.1-10THz之间的太赫兹电磁波,应用在反演成像算法中。通过仿真计算验证了,MRCSI、FD-MRCSI和ID-MRCS三种算法的可行性。并且通过设置不同的仿真条件,分别从成像分辨率、抗干扰性和在复杂背景下的重建效果三方面对比了这三种反演成像算法。对比结果显示,ID-MRCSI的成像分辨率最高,在6.4mm×6.4mm的目标区域内,能够达到0.1mm的分辨率;在抗噪声和对复杂目标体重建方面,其成像效果也是最优的。(4)开发了可实现人机交互的太赫兹电磁逆散射成像系统。将正演和反演计算过程整合为便捷高效的用户界面,极大地简化了操作流程。(5)介绍了并行计算技术的优势,在Matlab平台上实现了电磁逆散射的GPU并行加速方法。并比较了在普通串行计算和并行计算方式下,各反演计算方法在程序执行效率的变化。结果表明,并行计算的加速效果显著,最优情况下计算效率可提升10倍以上。

关键词： 电磁逆散射   精确重建   轨道角动量   超分辨   联合稀疏   对比度源反演   线性采样方法   差分进化算法  

摘要： 电磁逆散射成像是逆问题的一种,其非适定性和非线性为目标的高质量重建提出了极大挑战。在电磁逆散射问题的实际模型中,只能获取关于目标的有限信息,实现精确重建十分困难,因此开展高分辨精确成像技术研究具有重要意义。本文主要从三个方面开展研究:第一,现有成像算法中缺乏对超分辨成像机理的深入研究,本文提出了一种基于轨道角动量(Orbital Angular Momentum,OAM)电磁波的超分辨成像算法,详细分析了OAM电磁波实现超分辨的物理机理;第二,目前电磁逆散射成像算法中还没有精确成像相关技术,本文提出了一种基于联合稀疏的精确成像方法;第三,为了克服高精度重建中的噪声影响,本文以半空间模型下的埋地目标成像问题为例,提出了一种基于线性采样方法(Linear Sampling Method,LSM)和加权差分进化(Differential Evolution,DE)算法的高精度成像算法。具体而言,本文主要从以下几个方面开展研究。首先,建立了自由空间中电磁逆散射模型,为进一步开展相关成像算法的研究奠定基础。从数学的角度出发,分析了求解电磁逆散射问题所面临的非适定性和非线性等困难。然后,分析了常用的成像方法,主要从线性方法和非线性方法两个方面展开,重点分析了经典的对比度源反演(Contrast Source Inversion,CSI)方法和线性采样方法,并通过数值仿真验证了两种算法的有效性,为接下来基于这些方法开展深入研究奠定了基础。其次,详细分析了求解正向问题的共轭梯度-快速傅里叶变换(CG-FFT)方法。电磁逆散射问题通常由正问题和逆问题组成,一方面,为了测试成像算法,通常采用正向算法产生散射场数据;另一方面,在一些成像算法中还涉及到正向问题的求解。因此开展求解正向问题相关方法的研究同样具有重要意义。从积分方程出发,重点分析了模型的离散化过程以及FFT计算格式的实现,之后分析了共轭梯度迭代算法,数值仿真验证了算法的有效性。然后,针对现有成像算法中分辨率不高的问题,提出了一种基于OAM电磁波的超分辨技术。首先提出了二维情形下产生OAM电磁波的方法,然后深入分析了OAM电磁波照射下实现超分辨的机理,发现由于OAM电磁波的特殊性质,将其作为入射场时,可以将目标的倏逝波信息转化为传输波信息,使得远场测量数据包含更多的谱信息,从而可以提高成像分辨率。继续研究发现,在超分辨成像算法中,一方面要尽可能将更多的关于目标的倏逝波信息转化成传输波,另一方面在成像算法中要能够充分利用转化过来的倏逝波信息,即要能够将这些信息从散射场数据中提取出来,这为后续超分辨成像算法的研究提供了借鉴。最后将OAM超分辨技术与CSI方法结合,提出了OAM-CSI方法,通过将散射场数据中的倏逝波信息提取并参与到后续的非线性CSI方法迭代过程中,实现了对目标的超分辨成像。接下来,为进一步实现精确成像,提出了一种基于联合稀疏理论的精确成像方法。为了使非线性的逆散射问题适用于线性的压缩感知模型,通过定义中间变量对比度源,将非线性问题转化为线性模型,构建起关于对比度源的准确线性模型。为了能够利用不同照射下未知量之间的相关信息,并且进一步考虑到对比度源与真实目标具有相同的支撑集,建立了关于对比度源的多测量矢量(Multiple Measurement Vectors,MMV)模型,采用混合范数方法实现对比度源的重建。从重建对比度源结果确定目标的准确位置信息,再将位置信息编码制成掩模,作为强先验信息加入到CSI方法中,形成一种掩模加持的CSI方法,在掩模信息准确的情况下,实现了目标的完美重建。最后,针对精确重建算法中的噪声问题,以半空间模型下的埋地目标为例,提出了一种基于LSM和加权DE的高精度成像算法。为了建立半空间中的电磁逆散射模型,首先详细推导了平面分层媒质中二维格林函数的表达式,并同样利用CG-FFT方法实现了埋地目标电磁散射的快速计算,针对分层媒质中变量之间的关系既有卷积格式又有相关格式,通过对FFT矩阵的修正使分层媒质中的电磁散射问题同样适用于FFT快速计算。在高精度成像算法中,首先利用LSM鲁棒性先对目标支撑集进行粗略估计,在这个基础上采用DE算法进一步优化从而搜索到与实际位置最相符的支撑集。在实施DE算法时,考虑到LSM求解的指示函数大小对应着该位置属于真实目标的概率大小,对DE基因不同位置元素的交叉概率进行了优化,从而加速了算法的收敛。利用DE搜索到的最优掩模,结合CSI方法便能够实现埋地目标的高精度重建。总之,本文提出的超分辨技术和精确重建技术对电磁逆散射成像问题的进一步深入研究具有一定的借鉴意义。

关键词： 非线性电磁反演   前向模型   ADMM算法   自适应参数选择   Fast-ADMM算法  

摘要： 电磁逆散射通过发射天线入射电磁波,根据天线的探测数据及电磁波的传播机理,利用电磁反演算法,能够定性并定量的确定探测目标的几何特性及电性能参数,现已广泛应用于生物医学成像、无损探测、微波成像等领域。电磁反演问题是一个典型的非线性且病态性的反问题,通常采用非线性迭代优化算法求解,在每次迭代进程中都涉及到一次或多次的前向问题计算,这导致其计算代价非常高。针对上述问题,本文从电磁场前向数值计算、基于变分框架的非线性逆散射问题建模与数值优化等三个方面开展研究,具体研究内容如下:首先,本文基于电磁波前向传播模型,根据Lippmann-Schwinger方程,构造关于总场与散射场数据的双线性方程,采用共轭梯度法和快速迭代收缩阈值算法对散射场数据进行模拟。通过更新总场进而求解散射场数据,给出了两种算法的实现流程并分析了其计算时间代价。其次,在反演过程中,通过变分框架,利用交替方向乘子方法(Alternating Direction Method of Multipliers,ADMM),将一个复杂的目标函数优化转换成对比源、对比度以及对偶变量三个线性子问题求解的形式。引入增广形式的拉格朗日方法,将约束优化问题转化为无约束目标函数的极值问题。阐述了ADMM算法的迭代过程、算法框架以及流程等。分别采用了仿真数据和实测数据进行反演重建,并从反演重建效果、收敛速度以及抗噪声性能三方面分析验证了ADMM算法的性能。最后,针对ADMM算法在目标散射体的重构质量以及算法的收敛速度两方面进行了改进。传统的ADMM算法中的惩罚项参数的选取普遍是凭经验选择,结合自适应的方法对参数的选取方式进行改进,能够有效的提高ADMM算法的反演重建质量。另外针对算法收敛速度的提升,提出了一种Fast-ADMM算法,此方法在关于近似函数的选择上选取了更好的方式,在计算时间以及收敛速度两方面对比验证了ADMM算法和Fast-ADMM算法。

ISBN: (纸本)9787030575296

关键词： 大尺度   电磁散射   逆散射   深度学习   神经网络  

摘要： 大尺度电磁散射与逆散射一直是科学研究和工程应用的热点和难点,亟待发展将电磁模型与数据挖掘有机融合的高性能求解方法,针对此,提出了一种针对大尺度电磁散射与逆散射问题的深度学习模型.该模型不仅继承了深度神经网络结构简单、运算速度快等优点,而且还能高精度地解决大尺度电磁散射与逆散射问题.实验结果表明:文中提出的深度学习方法可为解决现有大尺度电磁测算融合和电磁逆散射的计算成本昂贵的难题提供新思路、开辟新方向.

关键词： 电磁逆散射   微波成像   线性抽样法   对比度源法  

摘要： 提出了一种基于线性抽样法（Linear Sampling Method,LSM）结合对比度源法（Contrast Source Inversion,CSI）的高效电磁逆散射成像方法。LSM方法用于外形成像具有高效性,用于定量成像只能对较低介电常数成像,而CSI方法对初值选择具有较大的依赖性。因此,采用LSM的外形成像快速确定目标的大致区域,减小计算空间;然后将LSM的定量成像作为CSI成像的初值,进行非线性迭代成像,大大提高了成像精度和成像效率。仿真结果验证了算法的有效性和高效性。