南京邮电大学学报(自然科学版)

作者：王芳芳,周立京,韩　婉,汪树典,李开敏,张　鑫

单位：南京邮电大学 电子与光学工程学院、柔性电子(未来技术）学院，江苏 南京 210023；南京邮电大学 射频集成与微组装技术国家地方联合工程实验室，江苏 南京 210023；东南大学 毫米波国家重点实验室，江苏 南京 210096南京邮电大学 电子与光学工程学院、柔性电子(未来技术）学院，江苏 南京 210023南京邮电大学 电子与光学工程学院、柔性电子(未来技术）学院，江苏 南京 210023南京邮电大学 电子与光学工程学院、柔性电子(未来技术）学院，江苏 南京 210023南京邮电大学 电子与光学工程学院、柔性电子(未来技术）学院，江苏 南京 210023南京邮电大学 电子与光学工程学院、柔性电子(未来技术）学院，江苏 南京 210023

关键词：电磁逆散射；非线性；不适定；卷积神经网络

基金：国家自然科学基金（61601245）、毫米波国家重点实验室开放课题（K202240）、射频集成与微组装技术国家地方联合工程实验室开放课题（KFJJ20210103）和江苏省高等学校自然科学研究面上项目（20KJB510008）资助项目

电磁反演是一种典型的逆散射问题，该问题具有非线性以及不适定性。目前已有一些算法被提出用来解决该问题，但已有算法在效率和精度上无法同时兼顾。为了实时反演高质量图像，文中提出了一种结合玻恩迭代高斯混合广义近似消息传递（Born Iterative Gaussian Mixture Generalized Approximate Message Passing, BI-GM-GAMP）和卷积神经网络的混合算法，具体为：首先通过BI-GM-GAMP方法获得初步反演图像，随后利用这些图像训练U-Net网络，最后通过训练的U-Net网络实现新的电磁反演任务。仿真实验验证了该方法的有效性。

来源：2023年第03期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2023年第03期