穿墙雷达成像中对墙体参数的估计方法
专利汇可以提供穿墙雷达成像中对墙体参数的估计方法专利检索，专利查询，专利分析的服务。并且本 申请 涉及穿墙雷达技术领域，公开了穿墙雷达成像中对墙体参数的估计方法，该方法包括采集 训练数据 、建立模型和训练模型三个步骤；首先，获取墙体参数真实值，然后进行 采样 并构建数据集，将从接收机中得到的 信号 进行处理，处理后的信号数据与墙体参数真实值放在一起作为训练数据构成训练样本，建立基于多项式回归的训练模型，并利用训练样本中的训练数据对所述模型进行训练，获得最优模型，最后利用最优模型即可得到解墙体参数估计值。本申请利用多项式回归的特点，通过手动调节最高项次数，有效的避免了过拟合问题，同时模型计算量小，还满足了对时效性的要求。，下面是穿墙雷达成像中对墙体参数的估计方法专利的具体信息内容。
1.穿墙雷达成像中对墙体参数的估计方法，其特征在于：该方法包括采集训练数据、建立模型和训练模型三个步骤；首先，获取墙体参数真实值，然后进行采样并构建数据集，将从接收机中得到的信号进行处理，处理后的信号数据与墙体参数真实值放在一起作为训练数据构成训练样本，建立基于多项式回归的训练模型，并利用训练样本中的训练数据对所述模型进行训练，获得最优模型，最后利用最优模型即可得到解墙体参数估计值。
2.根据权利要求1所述的一种穿墙雷达成像中对墙体参数的估计方法，其特征在于：该方法是通过以下步骤实现的：
步骤1、采集训练数据：
步骤1.1、获取墙体参数真实值；
步骤1.2、在墙体的一侧设置目标，墙体的另一侧设置天线，天线平行于墙体直线移动，设置天线的采样位置等间隔。
步骤1.3、利用信号接收机逐个在采样位置发射并接收信号；
步骤1.4、通过背景相减法得到其中的目标散射信号；
步骤1.5、对目标散射信号进行特征提取，即得到表征信号的特征矢量；
步骤1.6、把特征矢量和墙体参数真实值作为训练数据放在一起构成训练样本；
步骤2、建立模型：
步骤2.1、建立基于多项式回归的训练模型，记该模型如式(1)所示：
其中，yi为墙体参数估计值，(θ0......θn)为待拟定参数，x为特征矢量，q为多项式最高项次数，i为样本编号，m总样本数，C代表常数项；
步骤3、训练模型：
步骤3.1、将训练样本按照4:1的比例随机分为训练集和交叉验证集；
步骤3.2、根据步骤2.1中，式(1)现有的最高项次数，通过求解式(2)找出使得代价函数最小的待拟定参数；
其中，θ代表待拟定参数，j代表待拟定参数个数；
步骤3.3、将步骤3.2中求得的待拟定参数带入式(1)，得到具体的结构模型，并将模型在交叉验证集上检验，计算平均误差；
步骤3.4、返回步骤3.1，重新划分数据集，使用新的数据再次训练，直到所有训练样本中的数据都作为交叉验证集使用过；
步骤3.5、计算五次训练的平均误差，若平均误差满足要求则结束训练，若不满足要求则返回步骤3.2，令最高项次数加1，再重新进行训练；
步骤3.6、训练结束后，选取误差率最低的模型为最优模型；
步骤3.7、利用步骤3.6得到的最优模型求解墙体参数估计值。
3.根据权利要求2所述的一种穿墙雷达成像中对墙体参数的估计方法，其特征在于：所述步骤1.5中，特征矢量包括最大振幅值和最大振幅对应的时间。
4.根据权利要求2所述的一种穿墙雷达成像中对墙体参数的估计方法，其特征在于：所述步骤3.2中，代价函数的定义如下：
其中，(θ0......θn)为待拟定参数，m为总样本数，hθ(xi)代表单个样本的假设函数，y(i)代表墙体参数真实值。
5.根据权利要求2所述的一种穿墙雷达成像中对墙体参数的估计方法，其特征在于：所述步骤3.2中，多项式模型最高项次数初始值为2。
6.根据权利要求2所述的一种穿墙雷达成像中对墙体参数的估计方法，其特征在于：所述步骤3.5中，若墙体相对介电常数估计值的平均误差在0.1之内，且墙体厚度估计值的平均误差在0.005m之内，则满足训练要求可以结束训练，否则返回步骤3.2，令最高项次数加
1，再重新进行训练。
穿墙雷达成像中对墙体参数的估计方法
技术领域
背景技术
的方法，主要包括两种方法，一种是从墙体前后表面回波中提取包含墙体参数的信息，通过相关函数公式推算确定墙体参数；而另外一种则是采集墙后目标回波数据并对其进行成像
定位，通过多次图像质量评估、定位修正寻求最优墙体参数。
发明内容
训练样本，建立基于多项式回归的训练模型，并利用训练样本中的训练数据对所述模型进
行训练，获得最优模型，最后利用最优模型即可得到解墙体参数估计值。
具体实施方式
在穿墙问题中，假设墙体是单层、均匀的媒质，其厚度、相对介电常数和电导率这三个墙体参数分别为d、ε和σ，通常情况下，墙体材料为混凝土、砖、石灰石等，这些材料的ε∈[3，7]，d∈[0.1m，0.3m]。墙体参数未知时，设σ＝0，而ε和d则按照以下的方式递增：
目标散射信号的特征矢量，所有采样位置处的特征矢量构成一个矢量集合，最后将特征矢
量和墙体参数真实值作为训练数据放在一起构成训练样本，墙体参数真实值在运算过程中
起到标签的作用。训练样本中的特征矢量可以由部分样本的特征矢量构成，也可以由全部
样本的特征矢量构成。
数，通过求解式(2)找出使得代价函数最小的待拟定参数，初始时，训练模型的最高项次数为2；
误差，也就是说将交叉验证集中的每个样本的特征矢量带入上述具体的模型结构中进行计
算，得到墙体参数估计值，将其和墙体参数真实值相减取绝对值作为该样本的误差，然后将本次训练的所有样本的误差求平均值，之后再返回到训练模型步骤中的初始步骤，即按照
比例重新划分数据集，使用新的数据再次训练，保证训练样本中的数据都作为交叉验证集
使用过，然后计算5次训练的平均误差，若平均误差满足要求则结束训练，若不满足要求则返回建立训练模型过程中的第三个步骤，令最高项次数加1，再重新进行训练。在本申请中，如果5次训练完成后，墙体厚度估计值的平均误差在0.005m 之内，且墙体相对介电常数估
计值的平均误差在0.1之内则满足训练要求，可以结束训练，否则需返回重新进行训练。训练结束后，选取5次训练过程中误差率最低的模型为最优模型。墙体参数估计值包括厚度估计值和相对介电常数估计值，在计算过程中，上述两个墙体参数均采用式(1)所表达的具体模型结构进行估算，只是在训练过程中，针对上述两个墙参估计值分开训练不同的参数。
范围的限制。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种用于合成新的空调运行模式的方法、系统及智能终端 | 2021-03-18 | 3 |
| 一种新型桡动脉压迫装置 | 2021-12-29 | 2 |
| 汽车车内双耳异响时变噪声响度评价方法 | 2022-12-26 | 2 |
| 一种用于牙医操作姿势评估的方法 | 2021-07-06 | 0 |
| 一种便于携带的医用骨科绑扎固定结构 | 2020-09-13 | 0 |
| 抗EGFR抗体药物偶联物 | 2022-06-05 | 1 |
| 一种摆盘式用于精密模块自动装配带纠正的设备 | 2023-07-14 | 0 |
| 一种同步带驱动式升降搬运装置 | 2021-09-28 | 1 |
| 一种具有自动清理功能的蜂蜜杀菌设备 | 2020-05-21 | 2 |
| 一种眼科硅油抽取装置 | 2020-09-11 | 2 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
