(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211113355.2 (22)申请日 2022.09.14 (71)申请人 电子科技大 学长三角研究院 （湖州） 地址 313000 浙江省湖州市西塞山路819号 南太湖科技创新综合体B2幢8层 (72)发明人 王任　叶毓祺　刘欣　梁木生　 王秉中　 (74)专利代理 机构 重庆中之信知识产权代理事 务所(普通 合伙) 50213 专利代理师 杨豪斌 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G01V 3/12(2006.01) (54)发明名称 使用SISO天线在复杂环境中识别、 定位微小 物体的方法 (57)摘要 本发明提供了一种使用SISO天线在复杂环 境中识别、 定位微小物 体的方法， 包括以下步骤： S1.建立立方体真空共振腔， 并放置隔板； S2.在 立方体真空共振腔的内部设置两个端口S3.端口 一馈电发送信号， 此时端口二用于接收信号； S4. 将端口二的接收信号导出， 进行时间反演操作， 并将时间反演后的信号延长一倍； S5.在立方体 真空共振腔内放置金属块， 使用处理后的信号激 励端口二， 此时端口一用来接收端口二发送的信 号； S6.得到时间反演相位纹图像； S7.得到不同 形状物体、 不同位置的时频图像； S8.训练由分类 网络和定位网络组成的级联神经网络； S9.测试 神经网络的准确率， 以评估神经网络的健壮性。 权利要求书1页 说明书3页 附图6页 CN 115544730 A 2022.12.30 CN 115544730 A 1.使用SISO天线在复杂环境中识别、 定位微小物体的方法， 其特征在于： 包括以下步 骤： S1.建立立方体真空共振腔， 并在立方体真空共振腔内部的上部偏离正中间的位置， 放 置隔板； S2.在立方体真空共振腔的内部设置两个端口， 分别为端口一和端口二， 且端口一和端 口二分别位于隔板的两侧； S3.设定每个端口类型为离散端口中的S ‑Parameter类型， 端口一馈电发送信号， 此时 端口二用于 接收信号， 仿真10 0ns后， 得到端口二的接收信号； S4.将端口二的接收信号导出， 进行时间反演操作， 并将时间反演后的信号延长一倍， 延长的信号 值设置为0， 得到处 理后的信号； S5.在立方体真空共振腔内放置金属块， 使用处理后的信号激励端口二， 此时端口一用 来接收端口二发送的信号， 仿真20 0ns后， 即得到端口一的接收信号； S6.导出并计算端口一的接收信号， 得到时间反演相位纹图像； S7.改变金属块的形状和放置位置， 并重复S5和S6步骤， 得到不同形状物体、 不同位置 的时频图像； S8.使用S7中一部分的时频图像， 训练由分类网络和定位网络组成的级联神经网络； S9.使用S7中另一部分的时频图像， 测试神经网络的准确率， 以评估神经网络的健壮 性。 2.如权利要求1所述的使用SISO天线在复杂环境中识别、 定位微小物体的方法， 其特征 在于： 步骤S1中， 放置的隔板为理想状态的无厚度隔板 。 3.如权利要求1所述的使用SISO天线在复杂环境中识别、 定位微小物体的方法， 其特征 在于： 步骤S4中， 通过时间次序不变、 信号反转 来进行时间反演操作。权　利　要　求　书 1/1 页 2 CN 115544730 A 2使用SISO天线在复杂环境中 识别、 定位微小物体的方 法 技术领域 [0001]本发明涉及无线信号的监测和神经网络技术领域， 尤其涉及一种使用SISO天线在 复杂环境中识别、 定位 微小物体的方法。 背景技术 [0002]非合作目标的感知在安防、 反恐、 健康监测等领域具有重要作用。 实现非合作目标 感知的方法有视频监控、 红外线监测、 射频身份(RFID)监测、 基于无线信号的监测等。 其中， 基于无线信号的监测方法通过分析无线电信号传播特性的变化， 可以在复杂环境中对非合 作目标进 行感知， 具有其他方法所不具备的抗多径性能。 然而， 传统基于无线信号的监测方 法难以对亚波长(尤其是深度亚波长)的非合作目标进 行感知。 因此亟需一种方法来对亚波 长(尤其是深度亚波长)的非合作目标进行感知并且同时解决对大量数据的拟合或者回归 问题。 发明内容 [0003]针对现有技术中所存在的不足， 本 发明提供了一种使用S ISO天线在复杂环境中识 别、 定位微小物体的方法， 能够对亚波长(尤其是深度亚波长)的非合作目标进行感知并且 同时解决对大量数据的拟合或者回归问题。 [0004]本发明的上述 技术目的是通过以下技 术方案得以实现的： [0005]使用SISO天线在复杂环境中识别、 定位 微小物体的方法， 包括以下步骤： [0006]S1.建立立方体真空共振腔， 并在立方体真空共振腔内部的上部偏离正中间的位 置， 放置隔板； [0007]S2.在立方体真空共振腔的内部设置两个端口， 分别为端口一和端口二， 且端口一 和端口二分别位于隔板的两侧； [0008]S3.设定每个端口类型为离散端口中的S ‑Parameter类型， 端口一馈电发送信号， 此时端口二用于 接收信号， 仿真10 0ns后， 得到端口二的接收信号； [0009]S4.将端口二的接收信号导出， 进行时间反演操作， 并将时间反演后的信号延长一 倍， 延长的信号 值设置为0， 得到处 理后的信号； [0010]S5.在立方体真空共振腔内放置金属块， 使用处理后的信号激励端口二， 此时端口 一用来接收端口二发送的信号， 仿真20 0ns后， 即得到端口一的接收信号； [0011]S6.导出并计算端口一的接收信号， 得到时间反演相位纹图像； [0012]S7.改变金属块的形状和放置位置， 并重复S5和S6步骤， 得到不同形状物体、 不同 位置的时频图像； [0013]S8.使用S7中一部分的时频图像， 训练由分类网络和定位网络组成的级联神经网 络； [0014]S9.使用S7中另一部分的时频图像， 测试神经 网络的准确率， 以评估神经 网络的健 壮性。说　明　书 1/3 页 3 CN 115544730 A 3