大规模三维介质体的逆散射算法.pdfVIP

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
大规模三维介质体的逆散射算法

人蒯模三维介质体的逆散射算法 摘要 自上个世纪八十年代以来,电磁逆散射在传感和遥感等多个领域得到了快速发展和广泛应用, 诸如无埙检测、地质探测、医学成像以及本文将要讨论的埋在地下物体的探{91|l等。但是逆散射问题 所|舌|有的jE唯一性和非线性使得逆散射问题的求解非常困难。 目前已发展出来的逆散射算法分为非线性逆散射和线性逆散射两类。非线性逆散射算法因为考 虑了多次散射效应,可以精确得到被测物体的几何和物理性质。但是由于汁算机的内存限制,它们 无法处理人范围的三维问题。因此更为实用的是线性逆散射算法。本文目的就是基于线性逆散射理 论,寻找适用于大规模埋地介质体的逆散射算法。主要工作包括: 1. 采_}fj 过数值算例的比较,发现新正则化方法可以明显改善成像分辨率;变换目标与背景的对比度验 证了波恩近似适用下弱散射的理论;并得出基于LUD的波恩近似法可以达到超分辨率的结论。 2 端坐标的关系从散射场和目标函数的关系式中推导出二维卷积,使之用FFT来求解。并计算了 未知数超过10000的大问题,计算时间是传统算法的几十倍,证明了该算法的快速性和实用性。 3. 分析了三维地下成像的分辨率。利用DT算法的解析分析发现测量域位于近场时的分辨率可以 成像中的分辨率不会超过0.033个波K。并验证了凋落波是产生超分辨率的关键囚素。 关键坷一逆散射,Lu分解,共轭梯度法,FFll,分辨率。 丈规模三维介质体的逆散射算法 Abstract The inverse methodshavebeen sincethe electromagneticscattering developedrapidly 1980s,which have been usedin andremote isaratherdifficulttaskfor widely sensing sensing applications.However,it theinversionofbtmed inverse Call be into objects.Generally,thescatteringtheoryroughlycategorized linearinverse andnonlinearinverse of isto theory theory.The thisthesis find scattering scattering purpose afast fortheinversionof structuresburiedunderthe main algorithm large—scale ground.Tile of出ethesisarelisledasfollows, and 1.Thelower withconventionalTikhonov and upperdecomposition(LUD)methodregularization modifiedTikhonov hasbeenusedtosolvesmall—sizedinversion regularization haveshownthatthemodifiedTikhonov abetter resolution experiments regularizationprovides

文档评论(0)

qianqiana + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

版权声明书
用户编号:5132241303000003

1亿VIP精品文档

相关文档