论文部分内容阅读
本文介绍了粗糙面的双向反射分布函数的概念以及一些常用的经验模型,利用矩量法以及粗糙面双站散射系数和双向反射分布函数的关系，计算了微波段中不同频率和不同粗糙度的一维理想导体粗糙面和一维介质粗糙面的双向反射分布函数。从粗糙面双向反射分布函数的参量理论出发，通过遗传算法优化得到双向反射分布函数五参量模型的参量值，利用得到的参量值计算了粗糙面的双向反射分布函数,并将拟合值和理论计算的双向反射分布函数值进行比较，比较结果说明该方法应用在粗糙面微波段双向反射分布函数建模中的正确性和通用性。最后介绍了支持向量机和神经网络在粗糙面参数反演中的应用，分别利用支持向量机和神经网络对高斯粗糙面的均方根高度和相关长度进行了反演。通过仿真结果和误差对比分析，发现在小样本情况下，支持向量机的反演结果比神经网络要好，而在具有大量样本的情况下，神经网络的反演精度会有显著提高，而且反演时间比支持向量机少很多。