基于支持向量机的电磁逆散射方法

王芳芳; 张业荣

doi:10.7498/aps.61.084101

摘要

为解决电磁逆散射问题,提出了一种实时逆散射方法,该方法利用支持向量机(SVM)将逆散射问题转化为一个回归估计问题. 基于SVM的电磁逆散射方法成功地解决了逆散射问题中的非线性和不适定性.利用穿墙问题测试了该方法的可行性和有效性, 测试结果表明,不论是无噪声还是有噪声的情况,该方法都能很好地对墙后目标进行探测与定位.此外, 在穿墙环境下用SVM预测模型讨论了接收天线的采样位置数对预测结果的影响.最后对多源设置下的预测误差进行了分析和研究, 研究表明,相比于单源情况多源设置有利于对墙后目标的识别.

关键词:

Abstract

In order to solve electromagnetic inverse scattering problem, a real-time inverse scattering method is proposed. This technique converts the inverse scattering problem into a regressed one using support vector machine (SVM). Electromagnetic inverse scattering method based on the SVM deals with nonlinearity and ill-posedness inherent in the inverse scattering problem successfully. The feasibility and the validity are tested by making use of simulating through-wall problem, and the results demonstrate that this approach can detect and position the targets behind the wall, no matter whether there exists noise or not. In the through-wall scenario, the influence of the number of sampling positions of receiving antenna on the predicted results is discussed using the predicted model of SVM. In the end, the predicted errors are analyzed and investigated in the multiple source scenario. The results show that this kind of setting is helpful for target identification in through-wall problem.

Keywords:

作者及机构信息

1.
南京邮电大学电子科学与工程学院, 南京 210003

基金项目: 国家自然科学基金(批准号: 61071022)和江苏省高等学校研究生科研创新计划(批准号: CXZZ11-0381)资助的课题.

Authors and contacts

1.
School of Electronic Science and Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China

Funds: Project supported by the National Natural Science Foundation of China (Grant No. 61071022) and the Scientific Research and Innovation Program for the Graduate Students in Institution of Higher Education of Jiangsu Province, China (Grant No. CXZZ11-0381).

参考文献

[1]	Zhang Y R, Nie Z P, Ruan Y Z 1996 J. Univ. Electron. Sci. Techn. China 25 589 (in Chinese) [张业荣, 聂在平, 阮颖铮 1996 电子科技大学学报 25 589]
[2]	Liu G D, Zhang Y R 2010 Acta Phys. Sin. 59 6969 (in Chinese) [刘广东, 张业荣 2010 物理学报 59 6969]
[3]	Zhang Q H, Xiao B X, Zhu G Q 2006 Acta Geophys. Sin. 49 1546 (in Chinese) [张清河, 肖柏勋, 朱国强 2006 地球物理学报 49 1546]
[4]	Soldovieri F, Solimene R 2007 IEEE Geosci. Remote Sens. Lett. 4 513
[5]	Chew W C, Wang Y M 1990 IEEE Trans. Med. Imag. 9 218
[6]	Cui T J, Chew W C, Aydiner A A, Chen S Y 2001 IEEE Trans. Geosci. Remote Sens. 39 339
[7]	Rekanos I T, Yioultsis T V, Tsiboukis T D 1999 IEEE Trans. Microwave Theory Techn. 47 336
[8]	Song L P, Yu C, Liu Q H 2005 IEEE Trans. Geosci. Remote Sens. 43 2793
[9]	Ahmad F, Amin M G, Kassam S A 2005 IEEE Trans. Aerosp. Electron. Syst. 41 271
[10]	Kim Y, Ling H 2009 IEEE Trans. Antennas Propag. 57 2116
[11]	Sukens J A K 2000 Neural Network World 10 29
[12]	Cui W Z, Zhu C C, Bao W X, Liu J H 2004 Acta Phys. Sin. 53 3303 (in Chinese) [崔万照, 朱长纯, 保文星, 刘君华 2004 物理学报 53 3303]
[13]	Vapnik V N 1995 The Nature of Statistical Learning Theory (New York: Springer-Verlag )
[14]	Wang F F, Zhang Y R 2011 J. Electromagn. Waves Appl. 25 75
[15]	Jiang B, Wang H Q, Li X, Guo G R 2006 Acta Phys. Sin. 55 3985 (in Chinese) [姜斌, 王宏强, 黎湘, 郭桂蓉 2006 物理学报 55 3985]
[16]	Wu S Y, Wang Y J, Li L, Hu J S, Feng G Z, Yan H J 2007 Prog. Geophys. 22 1611 (in Chinese ) [邬世英, 王延江, 李莉, 胡加山, 冯国志, 阎汉杰 2007 地球物理学进展 22 1611]
[17]	Zhang X, Liu X M, Xiao X L, Hu W B 2005 Chin. J. Eng. Geophys. 2 191 (in Chinese) [张翔, 刘晓敏, 肖小玲, 胡文宝 2005 工程地球物理学报 2 191]
[18]	Wang F F, Zhang Y R 2011 Prog. Electromagn. Res. Lett. 23 119

施引文献

[1]	Zhang Y R, Nie Z P, Ruan Y Z 1996 J. Univ. Electron. Sci. Techn. China 25 589 (in Chinese) [张业荣, 聂在平, 阮颖铮 1996 电子科技大学学报 25 589]
[2]	Liu G D, Zhang Y R 2010 Acta Phys. Sin. 59 6969 (in Chinese) [刘广东, 张业荣 2010 物理学报 59 6969]
[3]	Zhang Q H, Xiao B X, Zhu G Q 2006 Acta Geophys. Sin. 49 1546 (in Chinese) [张清河, 肖柏勋, 朱国强 2006 地球物理学报 49 1546]
[4]	Soldovieri F, Solimene R 2007 IEEE Geosci. Remote Sens. Lett. 4 513
[5]	Chew W C, Wang Y M 1990 IEEE Trans. Med. Imag. 9 218
[6]	Cui T J, Chew W C, Aydiner A A, Chen S Y 2001 IEEE Trans. Geosci. Remote Sens. 39 339
[7]	Rekanos I T, Yioultsis T V, Tsiboukis T D 1999 IEEE Trans. Microwave Theory Techn. 47 336
[8]	Song L P, Yu C, Liu Q H 2005 IEEE Trans. Geosci. Remote Sens. 43 2793
[9]	Ahmad F, Amin M G, Kassam S A 2005 IEEE Trans. Aerosp. Electron. Syst. 41 271
[10]	Kim Y, Ling H 2009 IEEE Trans. Antennas Propag. 57 2116
[11]	Sukens J A K 2000 Neural Network World 10 29
[12]	Cui W Z, Zhu C C, Bao W X, Liu J H 2004 Acta Phys. Sin. 53 3303 (in Chinese) [崔万照, 朱长纯, 保文星, 刘君华 2004 物理学报 53 3303]
[13]	Vapnik V N 1995 The Nature of Statistical Learning Theory (New York: Springer-Verlag )
[14]	Wang F F, Zhang Y R 2011 J. Electromagn. Waves Appl. 25 75
[15]	Jiang B, Wang H Q, Li X, Guo G R 2006 Acta Phys. Sin. 55 3985 (in Chinese) [姜斌, 王宏强, 黎湘, 郭桂蓉 2006 物理学报 55 3985]
[16]	Wu S Y, Wang Y J, Li L, Hu J S, Feng G Z, Yan H J 2007 Prog. Geophys. 22 1611 (in Chinese ) [邬世英, 王延江, 李莉, 胡加山, 冯国志, 阎汉杰 2007 地球物理学进展 22 1611]
[17]	Zhang X, Liu X M, Xiao X L, Hu W B 2005 Chin. J. Eng. Geophys. 2 191 (in Chinese) [张翔, 刘晓敏, 肖小玲, 胡文宝 2005 工程地球物理学报 2 191]
[18]	Wang F F, Zhang Y R 2011 Prog. Electromagn. Res. Lett. 23 119

[1]	梁可达, 刘滕飞, 常哲, 张猛, 李志鑫, 黄松松, 王晶. 基于最小二乘法和支持向量机的海洋内孤立波传播速度反演模型. 物理学报, 2023, 72(2): 028301. doi: 10.7498/aps.72.20221633
[2]	张毅军, 慕晓冬, 郭乐勐, 张朋, 赵导, 白文华. 一种基于量子线路的支持向量机训练方案. 物理学报, 2023, 72(7): 070302. doi: 10.7498/aps.72.20222003
[3]	范启蒙, 尹成友. 高对比度目标的电磁逆散射超分辨成像. 物理学报, 2018, 67(14): 144101. doi: 10.7498/aps.67.20180266
[4]	宋堃, 高太长, 刘西川, 印敏, 薛杨. 基于支持向量机的微波链路雨强反演方法. 物理学报, 2015, 64(24): 244301. doi: 10.7498/aps.64.244301
[5]	赵志刚, 张纯杰, 苟向锋, 桑虎堂. 基于粒子群优化支持向量机的太阳电池温度预测. 物理学报, 2015, 64(8): 088801. doi: 10.7498/aps.64.088801
[6]	段晓亮, 王一博, 杨慧珠. 基于逆散射理论的地震波速度正则化反演. 物理学报, 2015, 64(7): 078901. doi: 10.7498/aps.64.078901
[7]	孟庆芳, 陈珊珊, 陈月辉, 冯志全. 基于递归量化分析与支持向量机的癫痫脑电自动检测方法. 物理学报, 2014, 63(5): 050506. doi: 10.7498/aps.63.050506
[8]	于洋, 郝中骐, 李常茂, 郭连波, 李阔湖, 曾庆栋, 李祥友, 任昭, 曾晓雁. 支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用研究. 物理学报, 2013, 62(21): 215201. doi: 10.7498/aps.62.215201
[9]	赵永平, 张丽艳, 李德才, 王立峰, 蒋洪章. 过滤窗最小二乘支持向量机的混沌时间序列预测. 物理学报, 2013, 62(12): 120511. doi: 10.7498/aps.62.120511
[10]	行鸿彦, 祁峥东, 徐伟. 基于选择性支持向量机集成的海杂波背景中的微弱信号检测. 物理学报, 2012, 61(24): 240504. doi: 10.7498/aps.61.240504
[11]	阎晓妹, 刘丁. 基于最小二乘支持向量机的分数阶混沌系统控制. 物理学报, 2010, 59(5): 3043-3048. doi: 10.7498/aps.59.3043
[12]	刘广东, 张业荣. 二维有耗色散介质的时域逆散射方法. 物理学报, 2010, 59(10): 6969-6979. doi: 10.7498/aps.59.6969
[13]	王革丽, 杨培才, 毛宇清. 基于支持向量机方法对非平稳时间序列的预测. 物理学报, 2008, 57(2): 714-719. doi: 10.7498/aps.57.714
[14]	蔡俊伟, 胡寿松, 陶洪峰. 基于选择性支持向量机集成的混沌时间序列预测. 物理学报, 2007, 56(12): 6820-6827. doi: 10.7498/aps.56.6820
[15]	张家树, 党建亮, 李恒超. 时空混沌序列的局域支持向量机预测. 物理学报, 2007, 56(1): 67-77. doi: 10.7498/aps.56.67
[16]	叶美盈. 基于最小二乘支持向量机建模的混沌系统控制. 物理学报, 2005, 54(1): 30-34. doi: 10.7498/aps.54.30
[17]	叶美盈, 汪晓东, 张浩然. 基于在线最小二乘支持向量机回归的混沌时间序列预测. 物理学报, 2005, 54(6): 2568-2573. doi: 10.7498/aps.54.2568
[18]	崔万照, 朱长纯, 保文星, 刘君华. 基于模糊模型支持向量机的混沌时间序列预测. 物理学报, 2005, 54(7): 3009-3018. doi: 10.7498/aps.54.3009
[19]	刘涵, 刘丁, 任海鹏. 基于最小二乘支持向量机的混沌控制. 物理学报, 2005, 54(9): 4019-4025. doi: 10.7498/aps.54.4019
[20]	崔万照, 朱长纯, 保文星, 刘君华. 混沌时间序列的支持向量机预测. 物理学报, 2004, 53(10): 3303-3310. doi: 10.7498/aps.53.3303

计量

文章访问数: 7741
PDF下载量: 912
被引次数: 0

姓名
邮箱
手机号码
标题
留言内容
验证码

搜索

留言板