基于矩方法的宽带RCS计算神经网络方法(适用于大入射角情况)
作者:Woongi Bin、Sanghyuk An 和 Wonzoong Chung
《Applied Sciences》:Neural Network Approach for Wideband RCS Computation with Wide Incident Angles via Method of Moments
Woongi Bin,
Sanghyuk An and
Wonzoo Chung
【字体:
大
中
小
】
时间:2026年03月06日
来源:Applied Sciences 2.5
编辑推荐:
宽频带多入射角雷达散射截面计算方法及深度神经网络模型WBRCS-Net的提出与验证,通过最小化均方误差损失规避传统方法矩的数值不稳定问题,仅需频率和入射角作为输入即可实现宽域预测,并在PEC球体和立方体上验证模型误差低于万分之一,优于Maehly近似方法。
>
摘要
在本文中,我们提出了一种基于深度神经网络的方法,用于计算宽频带和广泛入射角范围内的雷达截面(RCS)。所提出的网络称为WBRCS-Net,其设计目的是通过最小化均方残差损失来收敛到矩方法(MoM)的解,而无需显式求解MoM线性系统,从而避免了传统迭代求解器中常见的数值不稳定问题。此外,由于仅使用频率和入射角作为输入,WBRCS-Net能够在广泛的入射角范围内实现宽带RCS预测,同时大幅简化了网络架构。WBRCS-Net的性能在完美导电(PEC)球体和立方体上进行了评估,并与基于切比雪夫多项式的Maehly近似方法进行了比较,比较范围为2–12 GHz的频率范围和0 °~90 °的入射角范围内。实验结果表明,一旦训练完成,WBRCS-Net能够在广泛的入射角范围内实现稳定的宽带RCS计算,并具有即时推理速度,其最小均方误差(MSE)相对于参考MoM解而言,达到了1?14的数量级。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号