Reconstrucción superresolutiva del campo eléctrico para la evaluación de la exposición a ondas milimétricas basada en una red generativa adversarial guiada por gradiente y representación integral de ondas planas

Shiwei YI ,  

Congsheng LI ,  

Tongning WU ,  

Abstract

En los últimos años, la evaluación precisa del nivel de exposición humana a las ondas milimétricas (mmWave) en el campo eléctrico (E-field) se ha vuelto crucial para la salud y seguridad públicas. Según las normas de la Comisión Electrotécnica Internacional (IEC) y el Instituto de Ingenieros en Electricidad y Electrónica (IEEE) (norma IEC/IEEE 63195-2), la evaluación de la exposición electromagnética milimétrica requiere datos de distribución del campo eléctrico con alta resolución espacial. Este estudio propone una red generativa adversarial (GAN) que combina la pérdida de gradiente del campo eléctrico, llamada EFGraGAN, para la reconstrucción superresolutiva del campo eléctrico de ondas milimétricas. La introducción de la pérdida de gradiente del campo eléctrico permite que la red aprenda simultáneamente la amplitud local de la intensidad del campo y la estructura espacial, mejorando la precisión de la reconstrucción del mapa del campo eléctrico y enriqueciendo los detalles estructurales. Para mejorar la capacidad de generalización del modelo en diferentes tipos de antenas, se utilizó la representación integral de ondas planas (PWIR) y la generación de incidencia parametrizada aleatoria para crear un conjunto de datos de entrenamiento que simula diversas distribuciones de campo. Combinado con interpolación bilineal, este método logra reconstrucción de alta resolución en las bandas de frecuencia de 30 GHz y 60 GHz, cumpliendo con los requisitos de la norma IEC/IEEE 63195-2 para la evaluación de la exposición. Los resultados de las simulaciones numéricas muestran que, en un escenario de matriz de dipolos 4×4 (frecuencia hasta 60 GHz), el error relativo medio máximo (MRE) en la reconstrucción de la distribución del campo en un modelo de piel es inferior al 9% con EFGraGAN, superando los métodos tradicionales de interpolación lineal y modelos GAN. Además, este método demuestra una fuerte robustez al ruido, lo que promete apoyar los sistemas de medición existentes para lograr una evaluación precisa y eficiente de la exposición a ondas milimétricas.

Keywords

reconstrucción de campo; red generativa adversarial (GAN); exposición a ondas milimétricas (mmWave)

READ MORE

以上内容由讯飞翻译自动生成,翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果,本网站不承担任何商业和法律责任。

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website