作者：魏腾飞（博士学位论文）
摘要：
已知信息：电磁成像方法具有穿透能力强、衰减小、极化敏感、分辨率高等特点，非常适合复合材料的检测。
问题：复合材料中的缺陷在尺寸上略低于波长，电磁成像方法会遇到问题。
改进思路：从软件上入手，考虑全波散射效应，融合深度学习技术，改进成像算法。
详细改进：
问题1.传统波恩迭代算法计算效率较低，主要是传统算子需要对大尺寸矩阵求逆。
作为替代，本文提出了一种基于波恩序列的快速正向算子，将每一步横向迭代融入了纵向迭代过程中，从而提高了计算效率。
问题2.在基于积分方程模型的成像算法中，格林函数不可或缺，但复杂背景下的格林函数的求解是极其复杂且非常耗时。
基于差分方程，绕开了格林函数。
问题3.迭代过程中正则化因子的合适取值需要变化
提出了一种自适应正则化因子方法，在迭代过程中自动选取。
基于前面仨问，提出了两种新型算法（通过完成两种高阶波恩近似的推导）。
继续改进：
问题1.依旧需要迭代才能完成收敛，成像效率还能再提升（从优化算法角度，收敛速度慢）
提出了一种基于信号子空间的有效近似方法，每一步的迭代可以更加精确。
现在要结合深度学习技术，那么深度学习技术有哪些可以提高的部分呢？
问题1.传统的神经网络输入的数据多为实数，这种限制使散射数据完整信息被部分丢弃，导致成像效果精度不高。
提出了一种复数神经网络
最终结果：
1.成像速度：几乎可以实时成像
2.成像质量和效率：远优于传统迭代算法
索引术语——电磁逆散射，电磁成像，复合材料，深度学习
绪论：
成像检测系统按照信息载体不同可简单分为光学成像、声学成像和电磁成像。 相比于光学成像，电磁成像的穿透性更强、衰减更小；相比于声学成像，电磁成像的极化敏感性、分辨率及目标识别度更高。
而电磁成像按照信息载体不同也可分为很多类，本文主要研究其中的微波成像(Microwave imaging)技术，即以微波作为信息载体的成像技术，其本质是电磁逆散射问题(Inverse scattering problem, ISP)。
展望：