基于深度学习的战场伤员穿透聚焦成像研究

目的 探索研究一种基于深度学习的介质补偿生物雷达成像方法,提升伤员搜救性能.方法 首先,通过废墟压埋人体目标的正演仿真,建立人体胸腔的电磁模型,利用时域有限差分技术仿真废墟下伤员目标的超带宽多输入多输出生物雷达回波.采用后向投影算法和自聚焦算法对多输入多输出生物雷达回波成像,对成像进行生命体征微动信号增强后创建数据集;然后,基于TensorFlow深度学习框架构建用于介质补偿的生成对抗式网络模型;最后,利用训练数据进行训练,优化网络模型.结果 本文实现了一种基于生成对抗式网络的介质补偿方法,并初步实现了穿透介质的伤员目标聚焦成像,提高了目标信号的信杂噪比.结论 本研究基于生成对抗式网络的介质补偿方法能够较好地实现穿透介质的伤员目标聚焦成像,为解决生物雷达成像目标散焦和信杂噪比低等问题提供新技术.