基于散射中心的单静态雷达截面积预测

《Neural Networks》:Scattering Center Guided Mono-static Radar Cross Section Prediction

【字体: 大 中 小 】 时间:2026年05月16日 来源:Neural Networks 6.3

编辑推荐:

  唐泽豪|罗宇轩|张硕|冷彪摘要雷达截面(RCS)是一种基本的电磁特性,用于描述物体如何散射入射的雷达信号。近年来,基于学习的方法在近场电磁计算和RCS估计方面展现出了巨大的潜力。然而,大多数现有方法主要关注捕捉物体的整体结构,往往忽略了表面细节的影响。由于整体几何形状和表面细节都

  
唐泽豪|罗宇轩|张硕|冷彪

摘要

雷达截面(RCS)是一种基本的电磁特性,用于描述物体如何散射入射的雷达信号。近年来,基于学习的方法在近场电磁计算和RCS估计方面展现出了巨大的潜力。然而,大多数现有方法主要关注捕捉物体的整体结构,往往忽略了表面细节的影响。由于整体几何形状和表面细节都会影响RCS,这一局限性阻碍了精确建模。为了解决这个问题,我们提出了一种新方法,该方法结合了散射中心理论,将几何特征明确地分解为结构形状和表面细节表示,从而增强了网络捕捉多尺度信息的能力。我们的网络——**散射中心引导的RCS网络(SC-RNet)**——专门设计用于提取和融合分别与局部纹理和整体结构相对应的浅层和深层特征。实验结果表明,SC-RNet能够更好地模拟局部表面变化对RCS的影响,并在定性和定量评估中均实现了一致且可靠的预测性能。此外,消融研究也证实了所提出每个模块的有效性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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