基于深度学习的战场伤员穿透聚焦成像研究
柏明浩1
张园园2
赵文彬3
张杨4
吕昊4
安强4
梁福来4
1.空军军医大学基础医学院学员四大队,陕西西安7100322.解放军95966部队,黑龙江哈尔滨1500603.军事科学院军事医学研究院科研保障中心信息保障室,北京 1008504.空军军医大学军事生物医学工程学系医学电子学教研室,陕西西安710032;空军军医大学陕西省生物电磁监测与智能感知重点实验室,陕西西安710032
摘要：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.
关键词：多输入多输出生物雷达穿透聚焦成像生成对抗式网络
分类号：R826(军事医学)TP18(自动化基础理论)TN957.52(雷达)
资助基金：国家自然科学基金(31800822)
论文发表日期：2022-07-28
在线出版日期：2026-08-26（本平台首次上网日期，不代表文献的发表时间）
页数：6( 810-815 )
英文信息