图书介绍
机器学习方法在电磁逆散射问题中的应用研究PDF|Epub|txt|kindle电子书版本网盘下载
- 张清河著 著
- 出版社： 北京：科学出版社
- ISBN：9787030575296
- 出版时间：2019
- 标注页数：224页
- 文件大小：27MB
- 文件页数：234页
- 主题词：机器学习－应用－电磁波散射－研究
PDF下载
下载说明
机器学习方法在电磁逆散射问题中的应用研究PDF格式电子书版下载
下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！
（文件页数 要大于 标注页数，上中下等多册电子书除外）
注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具
图书目录
第1章 绪论1
1.1 研究背景和意义1
1.1.1 问题描述1
1.1.2 应用背景1
1.2 电磁场逆问题分类2
1.3 逆散射中的数学问题2
1.4 研究方法3
1.5 研究进展和现状7
1.6 本书的目的、内容和结构安排10
参考文献11
第2章 机器学习方法17
2.1 机器学习方法概述17
2.2 人工神经网络18
2.2.1 神经元模型19
2.2.2 神经网络的结构21
2.2.3 神经网络的学习22
2.2.4 BP网络及其学习算法22
2.2.5 基于L－M原理的BP神经网络研究26
2.2.6 网络的拓扑结构29
2.3 支持向量机31
2.3.1 结构风险最小化原则31
2.3.2 支持向量回归32
2.3.3 核函数36
2.3.4 支持向量机训练算法37
参考文献40
第3章 逆散射问题描述及模型建立43
3.1 逆散射问题描述43
3.2 BP神经网络电磁逆散射模型46
3.3 支持向量机电磁逆散射方法48
3.3.1 支持向量机逆散射模型48
3.3.2 支持向量机参数选择49
3.3.3 支持向量回归电磁逆散射方法的流程55
参考文献55
第4章 机器学习方法在自由空间逆散射中的应用57
4.1 复散射系数回归估计57
4.2 电磁参数重构60
参考文献63
第5章 机器学习方法在埋地目标逆散射问题中的应用65
5.1 埋地目标电磁逆散射模型65
5.2 粗糙面散射理论基础67
5.2.1 随机粗糙面的生成69
5.2.2 入射锥形波72
5.2.3 MoM表面积分方程的推导73
5.3 一维PEC随机粗糙面散射75
5.3.1 电磁散射建模75
5.3.2 数值结果及分析76
5.4 一维介质随机粗糙面散射78
5.4.1 MoM电磁建模78
5.4.2 数值结果及分析80
5.5 介质随机粗糙面与埋地导体复合散射82
5.5.1 MoM电磁建模82
5.5.2 数值结果及分析84
5.6 埋地目标探测及参数反演85
参考文献92
第6章 机器学习方法在各向异性材料参数反演中的应用95
6.1 时域有限差分法简介95
6.1.1 FDTD场域划分96
6.1.2 Yee元胞97
6.1.3 吸收边界条件98
6.1.4 数值色散及稳定性条件98
6.2 各向异性介质FDTD方法99
6.2.1 各向异性介质FDTD差分格式99
6.2.2 各向异性FDTD算法验证102
6.3 各向异性材料电磁参数反演104
参考文献106
第7章 机器学习方法在复合结构目标逆散射中的应用108
7.1 复合结构目标正散射问题108
7.1.1 复合结构目标矩量法方程的建立109
7.1.2 矩量法方程的快速求解方法111
7.1.3 正散射问题数值结果112
7.2 逆散射数值算例114
7.2.1 二维介质覆盖导体圆柱电磁逆散射114
7.2.2 二维复合方柱电磁逆散射120
参考文献123
第8章 机器学习方法在土壤湿度反演中的应用125
8.1 微波遥感土壤湿度研究概况125
8.2 土壤的介电模型129
8.2.1 Wang的四成分模型129
8.2.2经验模型131
8.2.3 Dobson半经验模型132
8.2.4 数值模拟133
8.3 土壤粗糙面微波散射模型134
8.3.1 微扰法136
8.3.2 Kirchhoff近似方法142
8.3.3 积分方程方法147
8.3.4 植被覆盖土壤散射模型151
8.4 土壤粗糙面微波辐射模型152
8.4.1 裸露土壤粗糙表面152
8.4.2 植被覆盖土壤粗糙表面的τ－ω模型155
8.5 敏感性分析156
8.5.1 SPM参数敏感性分析156
8.5.2 IEM相关参数敏感性分析158
8.5.3 Q/H模型土壤发射率参数敏感性分析160
8.5.4 Q/H模型土壤亮温参数敏感性分析161
8.5.5 Qp模型土壤亮温参数敏感性分析163
8.6 机器学习方法反演土壤湿度164
8.6.1 主动微波土壤湿度反演164
8.6.2 被动微波土壤湿度反演170
8.6.3 主动、被动相结合微波土壤湿度反演172
8.6.4 植被覆盖土壤湿度反演175
参考文献178
第9章 机器学习方法在风驱粗糙海面逆散射中的应用181
9.1 海洋微波遥感研究进展181
9.2 海谱及海水介电模型183
9.2.1 海谱模型183
9.2.2 海水介电模型188
9.3 风驱海面散射双尺度模型188
9.4 敏感性分析及反演方案设计192
9.4.1 建模及反演步骤192
9.4.2 雷达参数敏感性分析193
9.4.3 反演方案设计195
9.5 反演结果及分析196
9.5.1 风速反演结果与分析196
9.5.2 盐度反演结果与分析198
参考文献200
第10章 机器学习方法在雪地环境逆散射中的应用202
10.1 分层随机粗糙面微扰法理论203
10.2 雪地环境介质介电模型209
10.2.1 土壤的相对介电常数209
10.2.2 积雪的相对介电常数210
10.3 雪地环境微波散射特性211
10.4 雪地环境参数反演215
10.4.1 步骤及流程215
10.4.2 敏感性分析216
10.4.3 反演方案设计216
10.4.4 反演结果及分析217
参考文献220
第11章 结束语222