公开(公告)号：CN115499074A

公开(公告)日：2022-12-20

申请号：CN202211019125.X

申请日：2022-08-24

Applicant: 北京邮电大学

Inventor： 王卫民 ,  程昊 ,  吴永乐

IPC: H04B17/391 ,  H04B10/90 ,  H04B7/22 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于神经网络的太赫兹散射参数预测方法及装置，所述方法的步骤包括：将测试集中的输入参数分别输入到预先完成训练的多个神经网络模型中，获取预测散射参数；将由多个神经网络模型获得的预测散射参数，根据预设条件划分为多个对比组，计算同一对比组的预测散射参数和真实散射参数的平均绝对误差和均方根误差，预设条件包括介质类型；基于平均绝对误差和均方根误差对多个神经网络模型进行筛选，得到对应介质类型的神经网络模型；基于实际测量中的介质在多个神经网络模型中匹配对应的神经网络模型；将实际测量中的介质类型、发射角和接收角组成的输入向量，输入到对应的神经网络模型中，得到实际预测散射参数。

公开(公告)号：CN115499074B

公开(公告)日：2024-11-01

申请号：CN202211019125.X

申请日：2022-08-24

Applicant: 北京邮电大学

Inventor： 王卫民 ,  程昊 ,  吴永乐

IPC: G06F3/14 ,  H04B17/391

Abstract: 本发明提供一种基于神经网络的太赫兹散射参数预测方法及装置，所述方法的步骤包括：将测试集中的输入参数分别输入到预先完成训练的多个神经网络模型中，获取预测散射参数；将由多个神经网络模型获得的预测散射参数，根据预设条件划分为多个对比组，计算同一对比组的预测散射参数和真实散射参数的平均绝对误差和均方根误差，预设条件包括介质类型；基于平均绝对误差和均方根误差对多个神经网络模型进行筛选，得到对应介质类型的神经网络模型；基于实际测量中的介质在多个神经网络模型中匹配对应的神经网络模型；将实际测量中的介质类型、发射角和接收角组成的输入向量，输入到对应的神经网络模型中，得到实际预测散射参数。

公开(公告)号：CN118504516A

公开(公告)日：2024-08-16

申请号：CN202410633786.4

申请日：2024-05-21

Applicant: 北京邮电大学

Inventor： 王卫民 ,  程昊 ,  吴永乐

IPC: G06F30/398 ,  G06N3/084 ,  G06N3/086 ,  G06N3/006 ,  G06N3/0499 ,  G06F115/12

Abstract: 本发明提供一种多层封装电路辐射源重构模型训练方法及辐射源重构方法，训练方法包括：确定被测多层电路所处平面上方不同高度的各扫描平面中多个扫描点的位置坐标，获取各平面中多个扫描点处电场和磁场数据；确定与被测多层电路等效的多个偶极子的位置坐标，基于多个偶极子和每个扫描点的位置坐标、传递函数及多个偶极子在每个扫描点处产生电场和磁场确定每个点对应表示点和偶极子映射关系的电场和磁场传递函数矩阵；将各平面中多个点处电场数据和每个点的电场传递函数矩阵、多个点处磁场数据和每个点的磁场传递函数矩阵分别形成第一训练集和第二训练集；基于第一、第二训练集对预设的神经网络进行训练，得到被测多层封装电路的辐射源重构模型。