[发明专利]一种基于深度学习的目标电磁散射特性快速预测方法

说明书

本发明公开了一种基于深度学习的目标电磁散射特性快速预测方法，包括以下步骤：S1：建立目标电磁仿真模型；S2：确定影响目标电磁散射特性的因素；S3：在影响因素取不同值的条件下对目标模型进行仿真得其远场RCS，建立训练集和测试集；S4：利用BP神经网络算法构建BP神经网络模型；S5：利用训练集对BP神经网络模型训练；S6：利用测试集对训练得到的BP神经网络模型进行测试，若测试达标，则进入步骤S7,若测试不达标，则返回步骤S4；S7：利用测试达标的BP神经网络模型进行电磁散射特性的快速预测。本发明有效解决了现有方法计算量大、求解效率低等难题，满足高动态目标电磁散射特性快速预测的需求。

技术领域

本发明涉及计算电磁学，特别是涉及一种基于深度学习的目标电磁散射特性快速预测方法。

背景技术

随着智能技术、自组网技术的快速发展，集群化、智能化的协同体系已成为电子信息系统工作的必然趋势。对于探测类电子设备，通过发射电磁波对目标进行照射，并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率(径向速度)、方位、高度等信息。

目标的散射回波是探测类电子设备工作的基础，对于大尺度的复杂目标，传统的数值方法计算量大，求解速度较慢，对于高速运动的目标，其角度、姿态等都在不断变化，目标的电磁散射特性也在随之变化，单纯采用传统数值方法逐帧计算的方式无法满足目标RCS快速预测的需求，因此对高动态目标电磁散射特性的快速预测，日益成为影响电子设备性能正常发挥的重要因素。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于深度学习的目标电磁散射特性快速预测方法，有效解决了现有方法计算量大、求解效率低等难题，满足高动态目标电磁散射特性快速预测的需求。

本发明的目的是通过以下技术方案来实现的：一种基于深度学习的目标电磁散射特性快速预测方法，包括以下步骤：

S1：建立目标电磁仿真模型；

S2：确定影响目标电磁散射特性的因素；

S3：在影响因素取不同值的条件下对目标模型进行仿真得其远场RCS，建立训练集和测试集；

S4：利用BP神经网络算法构建BP神经网络模型；

S5：利用训练集对BP神经网络模型训练；

S6：利用测试集对训练得到的BP神经网络模型进行测试，若测试达标，则进入步骤S7,若测试不达标，则返回步骤S4；

S7：利用测试达标的BP神经网络模型进行电磁散射特性的快速预测。

本发明的有益效果是：本发明通过引入深度学习，提出一种“提前生成，现场调用”的基于先验知识的快速预测思路，可以有效解决现有方法计算量大、求解效率低等难题，满足高动态目标电磁散射特性快速预测的需求。

附图说明

图1为本发明的方法流程图；

图2为影响目标电磁散射特性的因素示意图；

图3为实施例中BP神经网络的拓扑结构示意图；

图4为实施例中单个三棱锥的电磁仿真模型示意图；

图5为实施例中两个三棱锥的电磁仿真模型示意图；

图6为实施例中θ＝105.77°，MAE＝0.6103时预测RCS与真实RCS随变化的曲线示意图；

图7为实施例中θ＝115.33°，MAE＝0.7727时预测RCS与真实RCS随变化的曲线示意图；

图8为实施例中θ＝140.03°，MAE＝0.6569时预测RCS与真实RCS随变化的曲线示意图；