本發(fā)明涉及雷達(dá)領(lǐng)域，尤其是一種基于生成對(duì)抗網(wǎng)絡(luò)的渦旋電磁波逆散射方法和系統(tǒng)。

背景技術(shù)：

1、通過(guò)目標(biāo)電磁散射特性來(lái)反演目標(biāo)的結(jié)構(gòu)和尺寸是電磁散射領(lǐng)域重要的課題。近年來(lái)隨著深度學(xué)習(xí)技術(shù)的發(fā)展，許多學(xué)者將深度學(xué)習(xí)技術(shù)融入到該問(wèn)題的求解之中。目前該方向的研究多基于平面電磁波，而渦旋電磁波由于其獨(dú)特的螺旋相位相位分布和幅度特性，使用渦旋電磁波來(lái)進(jìn)行目標(biāo)探測(cè)已經(jīng)成為了近年來(lái)的一個(gè)研究熱點(diǎn)。為了將渦旋電磁波廣泛地應(yīng)用于雷達(dá)探測(cè)、識(shí)別等領(lǐng)域，基于深度學(xué)習(xí)的渦旋電磁波逆散射特性反演已經(jīng)發(fā)展成為了一個(gè)重要的研究課題。

2、電磁逆散射問(wèn)題是一個(gè)具有重大意義的科學(xué)問(wèn)題，它的研究始于二十世紀(jì)四十年代。在此期間，由于雷達(dá)、聲納等手段對(duì)物體進(jìn)行檢測(cè)與定位，人們也就提出了利用電磁波來(lái)探測(cè)更多的物體或背景等問(wèn)題。近年來(lái)，國(guó)內(nèi)外學(xué)者對(duì)電磁逆散射進(jìn)行了大量的研究，并取得了一定的進(jìn)展。對(duì)電磁場(chǎng)逆問(wèn)題的研究，一般有兩類：一類是線性的，一類是非線性的。傳統(tǒng)的逆散射理論只能對(duì)線性模式及其相互聯(lián)系進(jìn)行求解，這只能得到近似的解，比如經(jīng)典的born近似迭代算法。線性方法只能用來(lái)解決比較簡(jiǎn)單的目標(biāo)的逆散射求解。而非線性方法將多重散射問(wèn)題引入到非線性積分方程中，可以有效地反演散射物體及媒質(zhì)的物性參數(shù)。非線性逆散射可以歸納為三種：1)以正則化為基礎(chǔ)的確定性算法，如改進(jìn)的born迭代方法；2)具備全局搜索能力的隨機(jī)性算法，如遺傳算法和粒子群算法；3)適合于神經(jīng)網(wǎng)絡(luò)的算法。

3、在求解一般的非線性反演問(wèn)題時(shí)遇到了兩個(gè)難題：一是當(dāng)待反演參數(shù)維數(shù)增大時(shí)，常規(guī)反演算法難以應(yīng)對(duì)其中的復(fù)雜非線性問(wèn)題。其次，某些逆散射模型雖然在特定情形下表現(xiàn)良好，但其魯棒性卻無(wú)法滿足更廣泛的應(yīng)用需求，尤其是對(duì)抗噪聲的能力較差。伴隨著機(jī)器學(xué)習(xí)方法的快速發(fā)展，對(duì)電磁場(chǎng)反演問(wèn)題的研究也有了一些新的探索。機(jī)器學(xué)習(xí)被證明在解決上述兩個(gè)問(wèn)題上都有其獨(dú)到的優(yōu)點(diǎn)，而基于前向建模產(chǎn)生的數(shù)據(jù)集，可以很好地克服現(xiàn)有研究中存在的不足；例如，bermani等人采用支持向量機(jī)的方法，研究了二維物體位置和電磁性參數(shù)的反演。魏準(zhǔn)等人則通過(guò)u-net結(jié)構(gòu)研究了散射體與散射場(chǎng)之間對(duì)應(yīng)的規(guī)律。在遙感領(lǐng)域，張清河等人利用svm與bp神經(jīng)網(wǎng)路建立正向模式，對(duì)海面風(fēng)速及土壤水分等特征參量進(jìn)行了反演和重構(gòu)。但電磁波逆散射的非線性求解會(huì)增加目前這些機(jī)器學(xué)習(xí)算法的復(fù)雜度，即目前在電磁波逆散射求解的速度上表現(xiàn)欠佳，并且可靠性也仍需進(jìn)一步提升。

4、總的來(lái)講，從數(shù)學(xué)的角度來(lái)看，電磁反演問(wèn)題有不適定性和非線性兩個(gè)特點(diǎn)。不適定性指的是當(dāng)實(shí)際測(cè)量的維數(shù)比重建的參量維數(shù)更低時(shí)，不能保證各參數(shù)值的空間值都能夠精確地預(yù)測(cè)。這種情況常見(jiàn)于實(shí)際問(wèn)題中，如地質(zhì)勘探和醫(yī)學(xué)成像等領(lǐng)域。解決不適定性問(wèn)題的方法包括增加觀測(cè)數(shù)據(jù)量、引入先驗(yàn)信息和采用正則化技術(shù)，但這些方法往往需要根據(jù)具體問(wèn)題進(jìn)行相應(yīng)的改變。另一方面，電磁反演問(wèn)題通常涉及到非線性關(guān)系，因?yàn)槲矬w與電磁波的相互作用往往是復(fù)雜而非線性的。這使得傳統(tǒng)的線性求解方法不再適用，而需要借助于高級(jí)的數(shù)值優(yōu)化和機(jī)器學(xué)習(xí)技術(shù)來(lái)解決。非線性性質(zhì)導(dǎo)致了問(wèn)題的復(fù)雜度增加，挑戰(zhàn)了傳統(tǒng)算法的處理能力，致使傳統(tǒng)的非線性方法難以滿足對(duì)電磁反演速度的要求。另外，傳統(tǒng)算法多是針對(duì)平面電磁波的研究，對(duì)于渦旋電磁波的研究鮮有見(jiàn)聞。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的發(fā)明目的在于：針對(duì)上述存在的全部或部分問(wèn)題，提供一種基于生成對(duì)抗網(wǎng)絡(luò)的渦旋電磁波逆散射方法和系統(tǒng)，以針對(duì)電磁波逆散射反演的不適定性和非線性問(wèn)題，快速、可靠地實(shí)現(xiàn)對(duì)渦旋電磁波逆散射的反演。

2、本發(fā)明采用的技術(shù)方案如下：

3、一種基于生成對(duì)抗網(wǎng)絡(luò)的渦旋電磁波逆散射方法，其包括：

4、將散射目標(biāo)的雷達(dá)散射截面輸入到已訓(xùn)練的生成對(duì)抗網(wǎng)絡(luò)，生成目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)；其中，

5、所述生成對(duì)抗網(wǎng)絡(luò)包括生成器和判別器；

6、所述生成器被配置為：根據(jù)輸入的雷達(dá)散射截面及隨機(jī)噪聲，生成目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)；

7、所述判別器被配置為：對(duì)輸入的訓(xùn)練樣本數(shù)據(jù)或所述生成器生成的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)進(jìn)行真?zhèn)闻袆e，所述訓(xùn)練樣本數(shù)據(jù)為樣本雷達(dá)散射截面及對(duì)應(yīng)的真實(shí)的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)；

8、所述生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練過(guò)程包括：

9、訓(xùn)練判別器：固定所述生成器的網(wǎng)絡(luò)參數(shù)，以訓(xùn)練樣本數(shù)據(jù)中的真實(shí)的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)作為真實(shí)樣本，以所述生成器在訓(xùn)練樣本數(shù)據(jù)中的樣本雷達(dá)散射截面為輸入下生成的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)作為虛假樣本，將真實(shí)樣本和虛假樣本按照預(yù)定比例結(jié)合后，輸入到所述判別器進(jìn)行迭代訓(xùn)練直至達(dá)到訓(xùn)練結(jié)束條件；

10、訓(xùn)練生成器：固定所述判別器的網(wǎng)絡(luò)參數(shù)，以所述生成器生成的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)作為真實(shí)樣本，輸入到所述判別器中進(jìn)行迭代訓(xùn)練直至達(dá)到訓(xùn)練結(jié)束條件。

11、進(jìn)一步的，訓(xùn)練判別器時(shí)，真實(shí)樣本和虛假樣本的比例為1:1。

12、進(jìn)一步的，所述訓(xùn)練樣本數(shù)據(jù)中，通過(guò)測(cè)量給定目標(biāo)得到目標(biāo)參數(shù)，通過(guò)建模仿真給定渦旋電磁波參數(shù)的渦旋電磁波入射到該給定目標(biāo)得到對(duì)應(yīng)的雷達(dá)散射截面。

13、進(jìn)一步的，所述生成對(duì)抗網(wǎng)絡(luò)的訓(xùn)練過(guò)程中，使用隨機(jī)梯度下降法更新網(wǎng)絡(luò)參數(shù)。

14、進(jìn)一步的，真實(shí)樣本和虛假樣本的標(biāo)記通過(guò)對(duì)樣本數(shù)據(jù)的標(biāo)簽進(jìn)行二值化標(biāo)記實(shí)現(xiàn)。

15、本發(fā)明還提供了一種基于生成對(duì)抗網(wǎng)絡(luò)的渦旋電磁波逆散射系統(tǒng)，其包括數(shù)據(jù)輸入模塊、模型訓(xùn)練模塊和模型預(yù)測(cè)模塊，其中：

16、所述數(shù)據(jù)輸入模塊被配置為：接收散射目標(biāo)的雷達(dá)散射截面，以及訓(xùn)練樣本數(shù)據(jù)，所述訓(xùn)練樣本數(shù)據(jù)為樣本雷達(dá)散射截面及對(duì)應(yīng)的真實(shí)的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)；

17、所述模型訓(xùn)練模塊被配置為：對(duì)配置的生成對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其中，所述生成對(duì)抗網(wǎng)絡(luò)包括生成器和判別器；

18、所述生成器被配置為：根據(jù)輸入的雷達(dá)散射截面及隨機(jī)噪聲，生成目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)；

19、所述判別器被配置為：對(duì)輸入的訓(xùn)練樣本數(shù)據(jù)或所述生成器生成的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)進(jìn)行真?zhèn)闻袆e；

20、所述模型訓(xùn)練模塊根據(jù)以下配置對(duì)生成對(duì)抗網(wǎng)絡(luò)進(jìn)行訓(xùn)練：

21、訓(xùn)練判別器：固定所述生成器的網(wǎng)絡(luò)參數(shù)，以訓(xùn)練樣本數(shù)據(jù)中的真實(shí)的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)作為真實(shí)樣本，以所述生成器在訓(xùn)練樣本數(shù)據(jù)中的樣本雷達(dá)散射截面為輸入下生成的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)作為虛假樣本，將真實(shí)樣本和虛假樣本按照預(yù)定比例結(jié)合后，輸入到所述判別器進(jìn)行迭代訓(xùn)練直至達(dá)到訓(xùn)練結(jié)束條件；

22、訓(xùn)練生成器：固定所述判別器的網(wǎng)絡(luò)參數(shù)，以所述生成器生成的目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)作為真實(shí)樣本，輸入到所述判別器中進(jìn)行迭代訓(xùn)練直至達(dá)到訓(xùn)練結(jié)束條件；

23、所述模型預(yù)測(cè)模塊被配置為：將所述數(shù)據(jù)輸入模塊接收的散射目標(biāo)的雷達(dá)散射截面輸入到所述模型訓(xùn)練模塊訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)，預(yù)測(cè)出目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)。

24、進(jìn)一步的，所述模型訓(xùn)練模塊在訓(xùn)練判別器時(shí)，配置的真實(shí)樣本和虛假樣本的比例為1:1。

25、進(jìn)一步的，所述訓(xùn)練樣本數(shù)據(jù)中，通過(guò)測(cè)量給定目標(biāo)得到目標(biāo)參數(shù)，通過(guò)建模仿真給定渦旋電磁波參數(shù)的渦旋電磁波入射到該給定目標(biāo)得到對(duì)應(yīng)的雷達(dá)散射截面。

26、進(jìn)一步的，所述模型訓(xùn)練模塊在訓(xùn)練生成對(duì)抗網(wǎng)絡(luò)的過(guò)程中，使用隨機(jī)梯度下降法更新網(wǎng)絡(luò)參數(shù)。

27、進(jìn)一步的，所述模型訓(xùn)練模塊通過(guò)對(duì)樣本數(shù)據(jù)的標(biāo)簽進(jìn)行二值化標(biāo)記實(shí)現(xiàn)對(duì)真實(shí)樣本和虛假樣本的標(biāo)記。

28、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

29、1、現(xiàn)有技術(shù)多是解決平面電磁波照射下的電磁反演問(wèn)題，并不適用對(duì)渦旋電磁波電磁逆散射反演問(wèn)題的求解。本發(fā)明填補(bǔ)了渦旋電磁波逆散射反演的空白，為將渦旋電磁波廣泛地應(yīng)用于雷達(dá)探測(cè)、識(shí)別等領(lǐng)域提供了基礎(chǔ)。

30、2、相較于傳統(tǒng)的電磁反演方法，本發(fā)明通過(guò)使用神經(jīng)網(wǎng)絡(luò)可以快速有效得對(duì)目標(biāo)參數(shù)和/或渦旋電磁波參數(shù)(即波源信息)進(jìn)行反演，避開了傳統(tǒng)電磁反演方法中的迭代的復(fù)雜性問(wèn)題，可以快速有效地建立目標(biāo)的雷達(dá)散射截面(即散射特性)和目標(biāo)參數(shù)、渦旋電磁波參數(shù)之間的聯(lián)系，在更短的時(shí)間內(nèi)實(shí)現(xiàn)了目標(biāo)參數(shù)的反演，提高了反演的效率，降低了成本。

31、3、本發(fā)明通過(guò)使用生成對(duì)抗網(wǎng)絡(luò)，可以在不直接依賴傳統(tǒng)前向模型的情況，從測(cè)量數(shù)據(jù)中學(xué)習(xí)并重建出目標(biāo)的特征，實(shí)現(xiàn)對(duì)未知目標(biāo)的更為準(zhǔn)確的預(yù)測(cè)，這種基于生成對(duì)抗網(wǎng)絡(luò)的方法不僅提高了逆散射的求解效率，同時(shí)還能更好地保留數(shù)據(jù)中的細(xì)節(jié)信息，從而產(chǎn)生更加可靠的重建結(jié)果。