This paper investigates the inverse scattering problems using sampling methods with near field measurements. The near field measurements appear in two classical inverse scattering problems: the inverse scattering for obstacles and the interior inverse scattering for cavities. We propose modified sampling methods to treat these two classical problems using near field measurements without making any asymptotic assumptions on the distance between the measurement surface and the scatterers. We provide theoretical justifications based on the factorization of the near field operator in both symmetric factorization case and non-symmetric factorization case. Furthermore, we introduce a data completion algorithm which allows us to apply the modified sampling methods to treat the limited-aperture inverse scattering problems. Finally numerical examples are provided to illustrate the modified sampling methods with both full- and limited- aperture near field measurements.


翻译:本文用近场测量的取样方法调查反向散射问题。近场测量显示有两个典型的反向散射问题:障碍的反向散射和洞穴的内部反向散射。我们建议采用修改的取样方法,使用近场测量方法处理这两个典型问题,而不对测量表面与散射器之间的距离作任何无症状的假设。我们根据对称系数化和非对称系数化的近场操作员的乘数提供了理论依据。此外,我们引入了数据完成算法,使我们能够采用修改的取样方法处理有限的孔径反散射问题。最后提供了数字例子,以说明经过修改的采样方法,同时进行全孔和近场的孔径测量。

0
下载
关闭预览

相关内容

机器学习组合优化
专知会员服务
108+阅读 · 2021年2月16日
专知会员服务
50+阅读 · 2020年12月14日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
195+阅读 · 2020年5月2日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
11+阅读 · 2021年3月25日
VIP会员
相关VIP内容
机器学习组合优化
专知会员服务
108+阅读 · 2021年2月16日
专知会员服务
50+阅读 · 2020年12月14日
【经典书】机器学习高斯过程,266页pdf
专知会员服务
195+阅读 · 2020年5月2日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
相关资讯
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
计算机视觉近一年进展综述
机器学习研究会
9+阅读 · 2017年11月25日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
【推荐】卷积神经网络类间不平衡问题系统研究
机器学习研究会
6+阅读 · 2017年10月18日
【推荐】决策树/随机森林深入解析
机器学习研究会
5+阅读 · 2017年9月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员