介质圆柱的无相位微波成像：一种基于人工神经网络的方法
应用物理
2022-02-04 v1 信号处理
医学物理
摘要
本文提出一种从仅幅度微波信息估计二维无限长圆柱参数（介电特性、位置和半径）的逆方法。为此比较了两种不同的人工神经网络（ANN）拓扑：多层感知机（MLP）和卷积神经网络（CNN）。采用时域有限差分（FDTD）方法进行了若干仿真以求解电磁正问题，并为 ANN 模型生成训练、验证和测试集。估计圆柱位置和尺寸的平均误差幅度对于 MLP 和 CNN 分别高达 (1.9 3.3) mm 和 (0.2 0.8) mm。估计圆柱介电特性的平均百分比相对误差幅度对于 MLP 和 CNN 分别高达 (6.5 13.8) % 和 (0.0 7.2) %。MLP 模型的参数估计误差较低，但 CNN 模型所得误差显著更低。给出一个使用三维仿真的验证示例。给出了均匀和非均匀圆柱的测量示例，旨在证明所述方法的可行性。
引用
@article{arxiv.1908.10424,
title = {Phaseless Microwave Imaging Of Dielectric Cylinders: An Artificial Neural Networks-Based Approach},
author = {Jesús E. Fajardo and Julián Galván and Fernando Vericat and Carlos M. Carlevaro and Ramiro M. Irastorza},
journal= {arXiv preprint arXiv:1908.10424},
year = {2022}
}
备注
19 pages, 7 figures