CN116430126B - 一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备 - Google Patents
一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN116430126B CN116430126B CN202310329579.5A CN202310329579A CN116430126B CN 116430126 B CN116430126 B CN 116430126B CN 202310329579 A CN202310329579 A CN 202310329579A CN 116430126 B CN116430126 B CN 116430126B
- Authority
- CN
- China
- Prior art keywords
- electromagnetic
- field
- representing
- target
- monitoring area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 88
- 230000019771 cognition Effects 0.000 title claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 102
- 230000005672 electromagnetic field Effects 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 43
- 230000008447 perception Effects 0.000 claims abstract description 40
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000004891 communication Methods 0.000 claims description 22
- 230000008569 process Effects 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 14
- 230000007246 mechanism Effects 0.000 claims description 14
- 230000000704 physical effect Effects 0.000 claims description 13
- 238000004613 tight binding model Methods 0.000 claims description 13
- 230000005684 electric field Effects 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 8
- 239000013535 sea water Substances 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 3
- 241001274197 Scatophagus argus Species 0.000 description 10
- 230000008859 change Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010287 polarization Effects 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R29/00—Arrangements for measuring or indicating electric quantities not covered by groups G01R19/00 - G01R27/00
- G01R29/08—Measuring electromagnetic field characteristics
- G01R29/0864—Measuring electromagnetic field characteristics characterised by constructional or functional features
- G01R29/0878—Sensors; antennas; probes; detectors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/30—Assessment of water resources
Landscapes
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备，涉及电磁静默目标探测技术领域。所述方法是在获取对监测区域实时采集的电磁场监测数据后，先根据电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，然后识别出电磁背景场和电磁总场，并将电磁总场与电磁背景场的差异认识为由潜在目标引发的电磁散射场，再然后根据电磁散射场，结合检测目标与电磁背景场的关联模型，构建用于求解得到潜在目标的感知信息的欠定方程组，最后应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息，如此可提升对电磁环境异常的发现能力和对电磁静默目标的识别能力。
Description
技术领域
本发明属于电磁静默目标探测技术领域，具体涉及一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备。
背景技术
随着电子技术的发展和电子对抗的升级，由各类传感器、通信和雷达及其相关信息所构成的电磁空间愈发复杂，将面临难以有效分离和识别电磁背景与目标信号的困境，从而影响对电磁静默(指在装有无线电收发设备的前提下，暂时关闭所有发射装置，导致敌方的无线电侦测设备无法检测到无线电信号进行测向和定位，是在重大军事行动开始前的进攻方关闭无线电联络以避免大规模部队集结和联络造成敌人发现意图的行动)目标的准确检测和识别。对电磁静默目标的检测识别，在采用雷达等主动手段(即通过信号处理的手段，一般将电磁背景视为电磁污染和噪声，缺乏对电磁背景场的知识积累和学习利用，从而影响对目标的检测和识别，以及影响对电磁动态变化的目标关联和变化预测)基础上，需要通过被动方式提升目标的检测和识别能力。前述的被动方式一般是先通过布设特定区域、航线以及航道的分布式电磁感知网络，获取对应区域的时变电磁场分布信息，然后不依赖于信号的解析，从环境电磁场的动态变化中反演目标信息。
通过电磁场地理分布的动态变化反演目标，本质上是电磁逆散射问题(可以理解为解决电磁反问题，也就是知道了一定空间区域的电磁场分布，然后计算该空间区域中的源分布，该源分布可以是物体的介电常数或者导电率分布)，即在已知背景场及地理模型的情况下，如何通过测量相应的散射场来确定目标的物理属性和几何特征。目前，针对前述电磁逆散射问题的求解，还面临着全波散射方程的高度非线性难题，虽然学者们提出了一系列的近似方案，但是仍然面临着目标函数求解复杂度高和难以适应电磁空间大尺寸场景的瓶颈问题，使得如何提高对电磁静默目标的探测能力，是本领域技术人员亟需研究的课题。
发明内容
本发明的目的是提供一种基于电磁背景认知的电磁静默目标检测方法、装置、计算机设备及计算机可读存储介质，用以揭示电磁静默目标对电磁场地理分布的影响，并基于分布式电磁感知网络的采样点布置结果，提升对电磁环境异常的发现能力和对电磁静默目标的识别能力。
为了实现上述目的，本发明采用以下技术方案：
第一方面，提供了一种基于电磁背景认知的电磁静默目标检测方法，包括：
获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据，其中，所述分布式电磁感知网络包括有在所述监测区域预先布置的多个数据采样点；
根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，其中，所述地理模型是指预先对在所述监测区域中的且会影响电磁波空间传播的所有地理要素进行几何结构及物理属性建模的结果；
在确定所述监测区域中无任何检测目标时，将计算所得的当前电磁场地理分布结果认识为电磁背景场；
在确定所述监测区域中出现有潜在目标时，将计算所得的当前电磁场地理分布结果认识为电磁总场，并将所述电磁总场与所述电磁背景场的差异认识为由所述潜在目标引发的电磁散射场；
根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，其中，所述关联模型预先基于检测目标与电磁背景场的相互作用机理构建得到，所述感知信息包含有所在位置、物理属性和/或几何属性；
应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息。
基于上述发明内容，提供了一种基于电磁背景认知结果进行电磁静默目标检测的新方案，即在获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据后，先根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，然后识别出电磁背景场和电磁总场，并将电磁总场与电磁背景场的差异认识为由潜在目标引发的电磁散射场，再然后根据所述电磁散射场，结合检测目标与电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，最后应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息，如此可以隐身、电磁静默为特征进行目标被动检测与识别，并通过电磁背景场与目标自身物理属性、运动和行为的关联属性，可揭示电磁静默目标对电磁场地理分布的影响，提升对电磁环境异常的发现能力和对电磁静默目标的识别能力，便于实际应用和推广。
在一个可能的设计中，所述监测区域中分布式部署有长期稳定工作的辐射源，其中，所述辐射源采用能够从各个角度照射所述监测区域的辐射天线。
在一个可能的设计中，所述分布式电磁感知网络中的多个数据采样点预先采用如下步骤S101～S103在所述监测区域中进行布置：
S101.针对在所述监测区域中的各个已布置采样点，按照如下公式计算得到对应的感知需求指数值：
式中，表示当前的循环次数，/>表示在第/>次循环时的任一已布置采样点，表示所述任一已布置采样点的感知需求指数值，/>表示所述任一已布置采样点的所在区域的采样点数量，/>表示所述任一已布置采样点的梯度估计结果；
S102.针对所述各个已布置采样点，若对应的感知需求指数值未满足对应的所在区域的感知需求条件，则在对应的所在区域再增加布置至少一个新采样点；
S103.判断是否有增加布置的新采样点，若有，则使循环次数自加1，并返回执行步骤S101，否则完成采样点布置。
在一个可能的设计中，所述分布式电磁感知网络中的多个数据采样点包括有固定监测站和移动式测量设备，其中，所述移动式测量设备包括有车载平台式测量设备、背包装载式测量设备和/或无人机机载式测量设备。
在一个可能的设计中，所述所有地理要素包括有山体、植被、草地、河流、建筑物和海水中任意一个或它们的任意组合。
在一个可能的设计中，所述关联模型预先采用如下步骤构建得到：
基于检测目标与电磁背景场的相互作用机理Etot＝Einc+Escat，得到当检测目标存在时，在监测区域中的电场与散射场Escat所满足的如下方程：
式中，▽表示梯度算子，k0表示空气传播常数，i表示虚数单位，ω表示电磁波频率，μ0表示真空磁导率，表示单位对角矩阵，k表示传播常数，J表示电流密度，Etot表示总场，Einc表示背景场；
利用并矢格林函数求解所述方程，得到如下的方程解：
式中，r表示场点矢径，Escat(r)表示在场点矢径r处的散射场，D表示关注区域，r′表示源点矢径，G(r,r′)表示关于所述场点矢径r和源点矢径r′的并矢格林函数，J(r′)表示在所述源点矢径r′处的感应电流；
将所述相互作用机理和感应电流J(r′)与在源点矢径r′处的总场Etot(r′)的关系J(r′)＝τ(r′)×Etot(r′)导入所述方程解，得到如下的所述关联模型：
式中，Etot(r)表示在所述场点矢径r处的总场，Einc(r)表示在所述场点矢径r处的背景场，τ(r′)表示在所述源点矢径r′处的感知信息，j表示虚部，ε0表示空气的相对介电常数，εR(r′)表示在所述源点矢径r′处的相对介电常数，σ(r′)表示在所述源点矢径r′处的电导率。
在一个可能的设计中，根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，包括：
将所述监测区域的离散网格剖分，同时利用线性Born近似法，将所述电磁散射场导入所述检测目标与所述电磁背景场的关联模型，并写成如下形式的且用于求解得到所述潜在目标的感知信息的欠定方程组：
[Escat]＝[Etot]-[Einc]＝[Gint][τ][Etot]
式中，[Escat]表示所述电磁散射场的矩阵形式，[Etot]表示所述电磁总场的矩阵形式，[Einc]表示所述电磁背景场的矩阵形式，[Gint]表示所述并矢格林函数的矩阵形式，[τ]表示所述感知信息的矩阵形式，所述感知信息包含有所在位置、物理属性和/或几何属性。
第二方面，提供了一种基于电磁背景认知的电磁静默目标检测装置，包括有监测数据获取模块、电磁分布计算模块、背景场识别模块、散射场识别模块、欠定方程构建模块和方程组求解模块；
所述监测数据获取模块，用于获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据，其中，所述分布式电磁感知网络包括有在所述监测区域预先布置的多个数据采样点；
所述电磁分布计算模块，通信连接所述监测数据获取模块，用于根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，其中，所述地理模型是指预先对在所述监测区域中的且会影响电磁波空间传播的所有地理要素进行几何结构及物理属性建模的结果；
所述背景场识别模块，通信连接所述电磁分布计算模块，用于在确定所述监测区域中无任何检测目标时，将计算所得的当前电磁场地理分布结果认识为电磁背景场；
所述散射场识别模块，分别通信连接所述电磁分布计算模块和所述背景场识别模块，用于在确定所述监测区域中出现有潜在目标时，将计算所得的当前电磁场地理分布结果认识为电磁总场，并将所述电磁总场与所述电磁背景场的差异认识为由所述潜在目标引发的电磁散射场；
所述欠定方程构建模块，通信连接所述散射场识别模块，用于根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，其中，所述关联模型预先基于检测目标与电磁背景场的相互作用机理构建得到，所述感知信息包含有所在位置、物理属性和/或几何属性；
所述方程组求解模块，通信连接所述欠定方程构建模块，用于应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息。
第三方面，本发明提供了一种计算机设备，包括有依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面所述的电磁静默目标检测方法。
第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的电磁静默目标检测方法。
第五方面，本发明提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面所述的电磁静默目标检测方法。
上述方案的有益效果：
(1)本发明创造性提供了一种基于电磁背景认知结果进行电磁静默目标检测的新方案，即在获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据后，先根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，然后识别出电磁背景场和电磁总场，并将电磁总场与电磁背景场的差异认识为由潜在目标引发的电磁散射场，再然后根据所述电磁散射场，结合检测目标与电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，最后应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息，如此可以隐身、电磁静默为特征进行目标被动检测与识别，并通过电磁背景场与目标自身物理属性、运动和行为的关联属性，可揭示电磁静默目标对电磁场地理分布的影响，提升对电磁环境异常的发现能力和对电磁静默目标的识别能力，便于实际应用和推广。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的基于电磁背景认知的电磁静默目标检测方法的流程示意图。
图2为本申请实施例提供的在检测目标出现前后的场分布变化特点示例图，其中，图2(a)示出了在无检测目标出现时的电场分布情况，图2(b)示出了在有检测目标出现时的电场分布情况，图2(c)示出了在有检测目标出现时的散射场分布情况。
图3为本申请实施例提供的基于电磁背景认知的电磁静默目标检测装置的结构示意图。
图4为本申请实施例提供的计算机设备的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将结合附图和实施例或现有技术的描述对本发明作简单地介绍，显而易见地，下面关于附图结构的描述仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在此需要说明的是，对于这些实施例方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
应当理解，尽管本文可能使用术语第一和第二等等来描述各种对象，但是这些对象不应当受到这些术语的限制。这些术语仅用于区分一个对象和另一个对象。例如可以将第一对象称作第二对象,并且类似地可以将第二对象称作第一对象，同时不脱离本发明的示例实施例的范围。
应当理解，对于本文中可能出现的术语“和/或”，其仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A、单独存在B或者同时存在A和B等三种情况；又例如，A、B和/或C，可以表示存在A、B和C中的任意一种或他们的任意组合；对于本文中可能出现的术语“/和”，其是描述另一种关联对象关系，表示可以存在两种关系，例如，A/和B，可以表示：单独存在A或者同时存在A和B等两种情况；另外，对于本文中可能出现的字符“/”，一般表示前后关联对象是一种“或”关系。
实施例：
如图1所示，本实施例第一方面提供的且基于电磁背景认知的电磁静默目标检测方法，可以但不限于由具有一定计算资源的计算机设备执行，例如由平台服务器、个人计算机(Personal Computer，PC，指一种大小、价格和性能适用于个人使用的多用途计算机；台式机、笔记本电脑到小型笔记本电脑和平板电脑以及超级本等都属于个人计算机)、智能手机、个人数字助理(Personal Digital Assistant，PDA)或可穿戴设备等电子设备执行。如图1所示，所述电磁静默目标检测方法，可以但不限于包括有如下步骤S1～S6。
S1.获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据，其中，所述分布式电磁感知网络包括有在所述监测区域预先布置的多个数据采样点。
在所述步骤S1中，所述监测区域即为对电磁静默目标进行检测的空间区域，为了后续能够构建有利于对特定检测目标进行探测的电磁背景场，优选的，所述监测区域中分布式部署有长期稳定工作的辐射源，其中，所述辐射源采用能够从各个角度照射所述监测区域的辐射天线。所述电磁场监测数据包含但不限于有磁场强度和/或电场强度等，可具体通过部署在所述分布式电磁感知网络中各个数据采样点上的磁传感器和/或电场传感器等现有传感器采集得到。同时考虑出现电磁异常或突变的区域需要比电磁平稳的区域部署有更多的数据采样点，并且显而易见地，数据采样点越多越能准确地表达研究区域的电磁场信息，但是采样负担和资源浪费也会随之增加，因此，可利用电磁优化自适应采样法来对数据采样点进行选取：首先，在所述监测区域进行高度欠采样，此时的采样点数量是远远不能够满足感知需求的，这些数据采样点只能起到初始化感知的作用，还需要在某些区域增加采样点个数，可具体采用循环迭代增加的优化方式，即优选的，所述分布式电磁感知网络中的多个数据采样点预先但不限于采用如下步骤S101～S103在所述监测区域中进行布置。
S101.针对在所述监测区域中的各个已布置采样点，按照如下公式计算得到对应的感知需求指数值：
式中，表示当前的循环次数，/>表示在第/>次循环时的任一已布置采样点，表示所述任一已布置采样点的感知需求指数值，/>表示所述任一已布置采样点的所在区域的采样点数量，/>表示所述任一已布置采样点的梯度估计结果。
在所述步骤S101中，所述采样点数量的具体统计算法和所述梯度估计结果的具体估计算法，可采用现有的常规对应算法实现。
S102.针对所述各个已布置采样点，若对应的感知需求指数值未满足对应的所在区域的感知需求条件，则在对应的所在区域再增加布置至少一个新采样点。
在所述步骤S102中，所述感知需求条件可以具体为一个预设的指数阈值，一旦感知需求指数值达到该指数阈值，即可认定满足条件。
S103.判断是否有增加布置的新采样点，若有，则使循环次数自加1，并返回执行步骤S101，否则完成采样点布置。
由此通过上述步骤S101～S103的依次迭代执行，可最终使所有数据采样点的感知需求都得到满足，进而可以实现在最少量传感器资源下感知到足够多的电磁异常变化信息的目的。
在所述步骤S1中，具体的，所述分布式电磁感知网络中的多个数据采样点包括但不限于有固定监测站和移动式测量设备，其中，所述移动式测量设备包括但不限于有车载平台式测量设备、背包装载式测量设备和/或无人机机载式测量设备等。即监测平台采用了固定和移动相结合的方式：前述的固定监测站主要用于在同一个采样点测量电磁场在时间和频率上的变化规律，而前述的移动式测量设备主要用于获取电磁场在一定时间、频率和地理空间上的分布特点，可采用多种手段以空地相结合的测量方式。例如在地面上的大尺度范围可采用车载平台，而在小区域或者车辆难以进入的区域则可利用背包装载，另外针对空中电磁环境监测，则可采用无人机机载的方式。此外，所述电磁场监测数据具体可采用常规的无线通信方式来实时进行获取。
S2.根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，其中，所述地理模型是指预先对在所述监测区域中的且会影响电磁波空间传播的所有地理要素进行几何结构及物理属性建模的结果。
在所述步骤S2中，所述地理模型的具体建立过程为：一方面建立地理信息(比如地形起伏和建筑物分布等)的几何模型，另一方面建立物理属性(即材质特性，如介电常数和电导率，用于确定地理环境作为传播介质对电磁波的反射、透射等特性)的描述模型。具体的，所述所有地理要素包括但不限于有山体、植被、草地、河流、建筑物和海水等中任意一个或它们的任意组合。此外，由于所述射线跟踪模型是一种被广泛用于移动通信和个人通信环境中的预测无线电波传播特性的技术，可以用来辨认出多径信道中收发之间所有可能的射线路径；一旦所有可能的射线被辨认出后，就可根据电波传播理论来计算每条射线的幅度、相位、延迟和极化，然后结合天线方向图和系统带宽就可得到接收点的所有射线的相干合成结果，因此具体计算过程可常规推导得到，即在辐射天线工作参数已知的情况下，利用射线跟踪法对监测区域的电磁场分布进行计算，并对于非视距传播环境，从天线出发，沿着射线路径进行推进计算，考虑反射、透射和绕射的影响，直至到达接收点，以求得此条射线路径在接收点处对总场强的贡献。
S3.在确定所述监测区域中无任何检测目标时，将计算所得的当前电磁场地理分布结果认识为电磁背景场。
在所述步骤S3中，所述检测目标即为处于电磁静默状态的重点关注对象，可以是诸如飞行器或车辆等单体对象的形式，也可以是基于多个前述单体对象的集群形式。在所述监测区域中无任何检测目标的具体确定方式为其它方式，例如人工确认方式。
S4.在确定所述监测区域中出现有潜在目标时，将计算所得的当前电磁场地理分布结果认识为电磁总场，并将所述电磁总场与所述电磁背景场的差异认识为由所述潜在目标引发的电磁散射场。
在所述步骤S4中，所述潜在目标即为可能处于电磁静默状态的潜在检测目标，具体可将不能唯一确定所述监测区域中无任何检测目标时作为确定所述监测区域中出现有潜在目标时。在电磁静默目标出现时，由于电磁波作用于该目标时所形成电磁散射场的规律和特点：目标的电磁散射特性与目标的体积、形状和表面材料等物理属性特征以及位置、速度和姿态等状态特征密切相关，此时传感器测量到的所述监测区域中的场是背景场和散射场的叠加，称之为总场，因此一旦构建了研究区域的总场和背景场，就能够得到目标的散射场，也就是二者的差，进而就可以反演出目标的物理属性和状态特征。举例的，根据传感器测量到的且在x、y和z三个方向上的背景场有：Einc_x、Einc_y和Einc_z，如图2(a)所示；根据传感器测量到的且在x、y和z三个方向上的总场有Etot_x、Etot_y和Etot_z，如图2(b)所示；如此可分别在这三个方向上对总场和背景场求差，得到在这三个方向上的散射场，如图2(c)所示，即有Edif_x、Edif_y和Edif_z，分别如下：
然后对在x、y和z三个方向上的散射场进行合成，就可以得到总的散射场：此外，为了获取在目标移动时的场分布变化特征，也可以将目标在所述监测区域中出现时，在原始位置时的场分布看成背景场，以便一旦目标移动，此时的散射场的时变特征就会与目标的移动轨迹有直接的关联。
S5.根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，其中，所述关联模型预先基于检测目标与电磁背景场的相互作用机理构建得到，所述感知信息包含但不限于有所在位置、物理属性和/或几何属性等。
在所述步骤S5中，具体的，所述关联模型预先采用如下步骤S51～S53构建得到。
S51.基于检测目标与电磁背景场的相互作用机理Etot＝Einc+Escat(即总场是背景场和散射场的叠加，其中，所述背景场即是指在散射体不存在的情况下区域中的电场，所述散射场即是由于因散射体的出现而对区域原有电场散射形成的电场，也可以将散射体等效为辐射源，由该等效辐射源产生的电场)，得到当检测目标存在时，在监测区域中的电场与散射场Escat所满足的如下方程：
式中，▽表示梯度算子，k0表示空气传播常数，i表示虚数单位，ω表示电磁波频率，μ0表示真空磁导率，表示单位对角矩阵，k表示传播常数，J表示电流密度，Etot表示总场，Einc表示背景场。
S52.利用并矢格林函数求解所述方程，得到如下的方程解：
式中，r表示场点矢径，Escat(r)表示在场点矢径r处的散射场，D表示关注区域，r′表示源点矢径，G(r,r′)表示关于所述场点矢径r和源点矢径r′的并矢格林函数，J(r′)表示在所述源点矢径r′处的感应电流。
在所述步骤S52中，所述并矢格林函数为现有函数，可以简化求解任意分布源的场，可用以写出未知分布的受激源(如煤质块的极化电流)或未知分布的衍射孔面场的积分方程，以利于用数值方法求解，因此具体求解过程可基于现有技术常规得到。
S53.将所述相互作用机理和感应电流J(r′)与在源点矢径r′处的总场Etot(r′)的关系J(r′)＝τ(r′)×Etot(r′)导入所述方程解，得到如下的所述关联模型：
式中，Etot(r)表示在所述场点矢径r处的总场，Einc(r)表示在所述场点矢径r处的背景场，τ(r′)表示在所述源点矢径r′处的感知信息，j表示虚部，ε0表示空气的相对介电常数，εR(r′)表示在所述源点矢径r′处的相对介电常数，σ(r′)表示在所述源点矢径r′处的电导率。
在所述步骤S53中，由于感知信息τ(r′)包含有在所述源点矢径r′处的相对介电常数和在所述源点矢径r′处的电导率，因此当源点矢径r′为检测目标时，可以用感知信息τ(r′)体现目标的物理属性和状态特征。进一步具体的，根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，包括但不限于有：将所述监测区域的离散网格剖分，同时利用线性Born近似法(其为一种适用于电磁场逆成像研究的现有方法)，将所述电磁散射场导入所述检测目标与所述电磁背景场的关联模型，并写成如下形式的且用于求解得到所述潜在目标的感知信息的欠定方程组：
[Escat]＝[Etot]-[Einc]＝[Gint][τ][Etot]
式中，[Escat]表示所述电磁散射场的矩阵形式，[Etot]表示所述电磁总场的矩阵形式，[Einc]表示所述电磁背景场的矩阵形式，[Gint]表示所述并矢格林函数的矩阵形式，[τ]表示所述感知信息的矩阵形式，所述感知信息包含但不限于有所在位置、物理属性和/或几何属性等。
S6.应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息。
在所述步骤S6中，由于所述欠定方程组的求解过程是一个欠定问题，假设目标几何形状相对于整个分布是稀疏的，因此就可以用到贝叶斯压缩感知技术求解此欠定方程组。此外，所述贝叶斯压缩感知(Bayesian Compressive Sensing,BCS)技术是一种基于贝叶斯理论的信号采集和处理技术，它是信号处理领域里最近几年发展起来的新技术,基本思想是在采样和数字化之前,对信号进行压缩，因此具体求解过程可基于现有技术常规得到。
由此基于前述步骤S1～S6所描述的电磁静默目标检测方法，提供了一种基于电磁背景认知结果进行电磁静默目标检测的新方案，即在获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据后，先根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，然后识别出电磁背景场和电磁总场，并将电磁总场与电磁背景场的差异认识为由潜在目标引发的电磁散射场，再然后根据所述电磁散射场，结合检测目标与电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，最后应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息，如此可以隐身、电磁静默为特征进行目标被动检测与识别，并通过电磁背景场与目标自身物理属性、运动和行为的关联属性，可揭示电磁静默目标对电磁场地理分布的影响，提升对电磁环境异常的发现能力和对电磁静默目标的识别能力，便于实际应用和推广。
如图3所示，本实施例第二方面提供了一种实现第一方面所述的电磁静默目标检测方法的虚拟装置，包括有监测数据获取模块、电磁分布计算模块、背景场识别模块、散射场识别模块、欠定方程构建模块和方程组求解模块；
所述监测数据获取模块，用于获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据，其中，所述分布式电磁感知网络包括有在所述监测区域预先布置的多个数据采样点；
所述电磁分布计算模块，通信连接所述监测数据获取模块，用于根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，其中，所述地理模型是指预先对在所述监测区域中的且会影响电磁波空间传播的所有地理要素进行几何结构及物理属性建模的结果；
所述背景场识别模块，通信连接所述电磁分布计算模块，用于在确定所述监测区域中无任何检测目标时，将计算所得的当前电磁场地理分布结果认识为电磁背景场；
所述散射场识别模块，分别通信连接所述电磁分布计算模块和所述背景场识别模块，用于在确定所述监测区域中出现有潜在目标时，将计算所得的当前电磁场地理分布结果认识为电磁总场，并将所述电磁总场与所述电磁背景场的差异认识为由所述潜在目标引发的电磁散射场；
所述欠定方程构建模块，通信连接所述散射场识别模块，用于根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，其中，所述关联模型预先基于检测目标与电磁背景场的相互作用机理构建得到，所述感知信息包含有所在位置、物理属性和/或几何属性；
所述方程组求解模块，通信连接所述欠定方程构建模块，用于应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息。
本实施例第二方面提供的前述装置的工作过程、工作细节和技术效果，可以参见第一方面所述的电磁静默目标检测方法，于此不再赘述。
如图4所示，本实施例第三方面提供了一种执行如第一方面所述的电磁静默目标检测方法的计算机设备，包括有依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如第一方面所述的电磁静默目标检测方法。具体举例的，所述存储器可以但不限于包括随机存取存储器(Random-Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、闪存(Flash Memory)、先进先出存储器(First Input First Output，FIFO)和/或先进后出存储器(First Input Last Output，FILO)等等；所述处理器可以但不限于采用型号为STM32F105系列的微处理器。此外，所述计算机设备还可以但不限于包括有电源模块、显示屏和其它必要的部件。
本实施例第三方面提供的前述计算机设备的工作过程、工作细节和技术效果，可以参见第一方面所述的电磁静默目标检测方法，于此不再赘述。
本实施例第四方面提供了一种存储包含如第一方面所述的电磁静默目标检测方法的指令的计算机可读存储介质，即所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如第一方面所述的电磁静默目标检测方法。其中，所述计算机可读存储介质是指存储数据的载体，可以但不限于包括软盘、光盘、硬盘、闪存、优盘和/或记忆棒(MemoryStick)等计算机可读存储介质，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
本实施例第四方面提供的前述计算机可读存储介质的工作过程、工作细节和技术效果，可以参见如第一方面所述的电磁静默目标检测方法，于此不再赘述。
本实施例第五方面提供了一种包含指令的计算机程序产品，当所述指令在计算机上运行时，使所述计算机执行如第一方面所述的电磁静默目标检测方法。其中，所述计算机可以是通用计算机、专用计算机、计算机网络或者其他可编程装置。
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于电磁背景认知的电磁静默目标检测方法，其特征在于，包括：
获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据，其中，所述分布式电磁感知网络包括有在所述监测区域预先布置的多个数据采样点；
根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，其中，所述地理模型是指预先对在所述监测区域中的且会影响电磁波空间传播的所有地理要素进行几何结构及物理属性建模的结果；
在确定所述监测区域中无任何检测目标时，将计算所得的当前电磁场地理分布结果认识为电磁背景场；
在确定所述监测区域中出现有潜在目标时，将计算所得的当前电磁场地理分布结果认识为电磁总场，并将所述电磁总场与所述电磁背景场的差异认识为由所述潜在目标引发的电磁散射场；
根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，其中，所述关联模型预先基于检测目标与电磁背景场的相互作用机理构建得到并包括有如下步骤：基于检测目标与电磁背景场的相互作用机理，得到当检测目标存在时，在监测区域中的电场与散射场所满足的如下方程：
式中，表示梯度算子，/>表示空气传播常数，/>表示虚数单位，/>表示电磁波频率，/>表示真空磁导率，/>表示单位对角矩阵，/>表示传播常数，/>表示电流密度，/>表示总场，表示背景场；利用并矢格林函数求解所述方程，得到如下的方程解：
式中，表示场点矢径，/>表示在场点矢径/>处的散射场，/>表示关注区域，/>表示源点矢径，/>表示关于所述场点矢径/>和源点矢径/>的并矢格林函数，/>表示在所述源点矢径/>处的感应电流；将所述相互作用机理和感应电流/>与在源点矢径/>处的总场/>的关系/>导入所述方程解，得到如下的所述关联模型：
式中，表示在所述场点矢径/>处的总场，/>表示在所述场点矢径/>处的背景场，/>表示在所述源点矢径/>处的感知信息，/>表示虚部，/>表示空气的相对介电常数，表示在所述源点矢径/>处的相对介电常数，/>表示在所述源点矢径/>处的电导率；
根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，包括：
将所述监测区域的离散网格剖分，同时利用线性Born近似法，将所述电磁散射场导入所述检测目标与所述电磁背景场的关联模型，并写成如下形式的且用于求解得到所述潜在目标的感知信息的欠定方程组：
式中，表示所述电磁散射场的矩阵形式，/>表示所述电磁总场的矩阵形式，表示所述电磁背景场的矩阵形式，/>表示所述并矢格林函数的矩阵形式，/>表示所述感知信息的矩阵形式，所述感知信息包含有所在位置、物理属性和/或几何属性；
应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息。
2.根据权利要求1所述的电磁静默目标检测方法，其特征在于，所述监测区域中分布式部署有长期稳定工作的辐射源，其中，所述辐射源采用能够从各个角度照射所述监测区域的辐射天线。
3.根据权利要求1所述的电磁静默目标检测方法，其特征在于，所述分布式电磁感知网络中的多个数据采样点预先采用如下步骤S101～S103在所述监测区域中进行布置：
S101.针对在所述监测区域中的各个已布置采样点，按照如下公式计算得到对应的感知需求指数值：
式中，表示当前的循环次数，/>表示在第/>次循环时的任一已布置采样点，/>表示所述任一已布置采样点的感知需求指数值，/>表示所述任一已布置采样点的所在区域的采样点数量，/>表示所述任一已布置采样点的梯度估计结果；
S102.针对所述各个已布置采样点，若对应的感知需求指数值未满足对应的所在区域的感知需求条件，则在对应的所在区域再增加布置至少一个新采样点；
S103.判断是否有增加布置的新采样点，若有，则使循环次数自加1，并返回执行步骤S101，否则完成采样点布置。
4.根据权利要求1所述的电磁静默目标检测方法，其特征在于，所述分布式电磁感知网络中的多个数据采样点包括有固定监测站和移动式测量设备，其中，所述移动式测量设备包括有车载平台式测量设备、背包装载式测量设备和/或无人机机载式测量设备。
5.根据权利要求1所述的电磁静默目标检测方法，其特征在于，所述所有地理要素包括有山体、植被、草地、河流、建筑物和海水中任意一个或它们的任意组合。
6.一种基于电磁背景认知的电磁静默目标检测装置，其特征在于，包括有监测数据获取模块、电磁分布计算模块、背景场识别模块、散射场识别模块、欠定方程构建模块和方程组求解模块；
所述监测数据获取模块，用于获取由分布式电磁感知网络对监测区域实时采集的电磁场监测数据，其中，所述分布式电磁感知网络包括有在所述监测区域预先布置的多个数据采样点；
所述电磁分布计算模块，通信连接所述监测数据获取模块，用于根据所述电磁场监测数据，应用地理模型和射线跟踪模型实时计算得到所述监测区域的电磁场地理分布结果，其中，所述地理模型是指预先对在所述监测区域中的且会影响电磁波空间传播的所有地理要素进行几何结构及物理属性建模的结果；
所述背景场识别模块，通信连接所述电磁分布计算模块，用于在确定所述监测区域中无任何检测目标时，将计算所得的当前电磁场地理分布结果认识为电磁背景场；
所述散射场识别模块，分别通信连接所述电磁分布计算模块和所述背景场识别模块，用于在确定所述监测区域中出现有潜在目标时，将计算所得的当前电磁场地理分布结果认识为电磁总场，并将所述电磁总场与所述电磁背景场的差异认识为由所述潜在目标引发的电磁散射场；
所述欠定方程构建模块，通信连接所述散射场识别模块，用于根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，其中，所述关联模型预先基于检测目标与电磁背景场的相互作用机理构建得到并包括有如下步骤：基于检测目标与电磁背景场的相互作用机理，得到当检测目标存在时，在监测区域中的电场与散射场/>所满足的如下方程：
式中，表示梯度算子，/>表示空气传播常数，/>表示虚数单位，/>表示电磁波频率，/>表示真空磁导率，/>表示单位对角矩阵，/>表示传播常数，/>表示电流密度，/>表示总场，表示背景场；利用并矢格林函数求解所述方程，得到如下的方程解：
式中，表示场点矢径，/>表示在场点矢径/>处的散射场，/>表示关注区域，/>表示源点矢径，/>表示关于所述场点矢径/>和源点矢径/>的并矢格林函数，/>表示在所述源点矢径/>处的感应电流；将所述相互作用机理和感应电流/>与在源点矢径/>处的总场/>的关系/>导入所述方程解，得到如下的所述关联模型：
式中，表示在所述场点矢径/>处的总场，/>表示在所述场点矢径/>处的背景场，/>表示在所述源点矢径/>处的感知信息，/>表示虚部，/>表示空气的相对介电常数，表示在所述源点矢径/>处的相对介电常数，/>表示在所述源点矢径/>处的电导率；
根据所述电磁散射场，结合所述检测目标与所述电磁背景场的关联模型，构建用于求解得到所述潜在目标的感知信息的欠定方程组，包括：
将所述监测区域的离散网格剖分，同时利用线性Born近似法，将所述电磁散射场导入所述检测目标与所述电磁背景场的关联模型，并写成如下形式的且用于求解得到所述潜在目标的感知信息的欠定方程组：
式中，表示所述电磁散射场的矩阵形式，/>表示所述电磁总场的矩阵形式，表示所述电磁背景场的矩阵形式，/>表示所述并矢格林函数的矩阵形式，/>表示所述感知信息的矩阵形式，所述感知信息包含有所在位置、物理属性和/或几何属性；
所述方程组求解模块，通信连接所述欠定方程构建模块，用于应用贝叶斯压缩感知技术求解所述欠定方程组，得到所述潜在目标的感知信息。
7.一种计算机设备，其特征在于，包括有依次通信连接的存储器、处理器和收发器，其中，所述存储器用于存储计算机程序，所述收发器用于收发消息，所述处理器用于读取所述计算机程序，执行如权利要求1～5中任意一项所述的电磁静默目标检测方法。
8.一种计算机可读存储介质，其特征在于,所述计算机可读存储介质上存储有指令，当所述指令在计算机上运行时，执行如权利要求1～5中任意一项所述的电磁静默目标检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310329579.5A CN116430126B (zh) | 2023-03-30 | 2023-03-30 | 一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310329579.5A CN116430126B (zh) | 2023-03-30 | 2023-03-30 | 一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116430126A CN116430126A (zh) | 2023-07-14 |
| CN116430126B true CN116430126B (zh) | 2024-03-22 |
Family
ID=87091949
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310329579.5A Active CN116430126B (zh) | 2023-03-30 | 2023-03-30 | 一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116430126B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116953356B (zh) * | 2023-09-20 | 2023-12-26 | 南京纳特通信电子有限公司 | 地空一体三维空间无线电频谱监测方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107315881A (zh) * | 2017-06-30 | 2017-11-03 | 电子科技大学 | 用于电磁散射仿真模型的半空间格林函数与射线追踪方法 |
| CN107621633A (zh) * | 2017-09-01 | 2018-01-23 | 上海无线电设备研究所 | 电大尺寸隐身目标的爬行波机理研究方法 |
| WO2021143306A1 (zh) * | 2020-01-19 | 2021-07-22 | 浙江大学 | 一种基于时间反转和压缩感知的电磁非视线成像方法 |
| CN113376597A (zh) * | 2021-06-18 | 2021-09-10 | 西安电子科技大学 | 基于数字高程地图和gpu的复杂地形电磁散射快速仿真方法 |
-
2023
- 2023-03-30 CN CN202310329579.5A patent/CN116430126B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107315881A (zh) * | 2017-06-30 | 2017-11-03 | 电子科技大学 | 用于电磁散射仿真模型的半空间格林函数与射线追踪方法 |
| CN107621633A (zh) * | 2017-09-01 | 2018-01-23 | 上海无线电设备研究所 | 电大尺寸隐身目标的爬行波机理研究方法 |
| WO2021143306A1 (zh) * | 2020-01-19 | 2021-07-22 | 浙江大学 | 一种基于时间反转和压缩感知的电磁非视线成像方法 |
| CN113376597A (zh) * | 2021-06-18 | 2021-09-10 | 西安电子科技大学 | 基于数字高程地图和gpu的复杂地形电磁散射快速仿真方法 |
Non-Patent Citations (3)
| Title |
|---|
| 一种隐身目标电磁散射特性的计算方法;张京国 等;电光与控制;20080930;第15卷(第09期);第1-5页 * |
| 基于射线追踪理论的舰船电磁脉冲重构方法研究;杨斌 等;科技创新与应用;20151231(第15期);第1-4页 * |
| 电磁波与复杂目标/环境的相互作用理论、方法与应用;聂在平 等;中国科学:信息科学;20170131;第47卷(第01期);第1-30页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116430126A (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113064117B (zh) | 一种基于深度学习的辐射源定位方法及装置 | |
| Wu et al. | Convolutional neural network inversion of airborne transient electromagnetic data | |
| CN116430126B (zh) | 一种基于电磁背景认知的电磁静默目标检测方法、装置及计算机设备 | |
| Pan et al. | 3D imaging of moving targets for ultra‐wideband MIMO through‐wall radar system | |
| CN112363122A (zh) | 高频地波雷达电离层噪声中弱谐波信号的提取方法及应用 | |
| Liu et al. | Data‐driven method using DNN for PD location in substations | |
| CN110276094B (zh) | 基于贝叶斯弹性网正则化方法的电流元三维反演方法 | |
| Zhou et al. | Long‐range Loran‐C ground‐wave propagation prediction based on adaptive moving window finite‐difference time‐domain method with compute unified device architecture parallel computing techniques | |
| Yang et al. | A Moving Path Tracking Method of the Thunderstorm Cloud Based on the Three‐Dimensional Atmospheric Electric Field Apparatus | |
| CN117289097A (zh) | 电力设备局部放电检测方法、模型训练方法、装置和设备 | |
| Kang et al. | Robust calibration method for distributed ISAR time‐varying frequency errors based on the contrast maximisation principle | |
| Sardar et al. | ASIN-based UWB radar for sludge monitoring | |
| Yi et al. | Fusion before imaging method for heterogeneous borehole radar subsurface surveys | |
| Gong et al. | A vibration signal denoising method of marine atomic gravimeter based on improved variational mode decomposition | |
| Al-Dujaili | An accurate algorithm for land surface changes detection based on deep learning and improved pixel clustering using SAR images | |
| Chen et al. | 3D representation of radar coverage in complicated environment | |
| Tan et al. | Exploring the spatial correlation in radio tomographic imaging by block‐structured sparse Bayesian learning | |
| Nguyen et al. | Recent advances in FDTD modeling of electromagnetic wave propagation in the ionosphere | |
| Li et al. | Comparison of dynamic differential evolution and asynchronous particle swarm optimization for inverse scattering of a two-dimensional perfectly conducting cylinder | |
| Yao et al. | Deep-Learning-Based Source Reconstruction Method Using Deep Convolutional Conditional Generative Adversarial Network | |
| Poussard et al. | Numerical simulation of LEP Trimpis observed at Poitiers, France, on signals from VLF transmitters | |
| Ling | Exploitation of micro-doppler and multiple scattering phenomena for radar target recognition | |
| CN115902875B (zh) | 基于lod-fdtd的探地雷达正演模拟方法及系统 | |
| Gao et al. | Dynamic Characteristics Analysis and Applications of Electromagnetic Environment Based on Group Perception | |
| Wang et al. | 3D reconstruction and error analysis of multi‐view space‐borne SAR images under different configurations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |