[论文解读] Recovering of dielectric constants of explosives via a globally strictly convex cost functional
该论文提出了一种全局收敛的数值方法,通过拉普拉斯变换和卡勒曼加权代价泛函,从边界测量中恢复爆炸物的介电常数。通过利用拉盖尔函数和卡勒曼权函数构造严格凸泛函,该方法确保了基于梯度的优化全局收敛,即使从较差的初始猜测出发也能实现可靠重构,1D数值实验验证了其在间断和连续系数情况下的有效性。
The inverse problem of estimating dielectric constants of explosives using boundary measurements of one component of the scattered electric field is addressed. It is formulated as a coefficient inverse problem for a hyperbolic differential equation. After applying the Laplace transform, a new cost functional is constructed and a variational problem is formulated. The key feature of this functional is the presence of the Carleman Weight Function for the Laplacian. The strict convexity of this functional on a bounded set in a Hilbert space of an arbitrary size is proven. This allows for establishing the global convergence of the gradient descent method. Some results of numerical experiments are presented.
研究动机与目标
- 为解决利用探地雷达检测爆炸物时,传统方法因目标泛函非凸而导致局部收敛的系数反问题挑战。
- 通过开发一种用于双曲波方程系数估计的全局收敛算法,消除对精确初始猜测的依赖。
- 通过在 $L_2(\underline{s}, \infty)$ 中使用正交函数的级数展开,替代拉普拉斯域公式中无限积分的截断。
- 在希尔伯特空间的任意有界集上建立代价泛函的严格凸性,确保梯度下降的全局收敛性。
- 通过1D数值实验展示计算可行性与改进的精度,将混合方法与局部收敛求解器进行比较。
提出的方法
- 将反问题表述为双曲PDE的系数反问题,利用散射电场分量的边界测量。
- 对时变波方程应用拉普拉斯变换,将其转化为拉普拉斯域中的非线性椭圆方程组。
- 在拉普拉斯域中,使用拉盖尔函数将解表示为级数展开,构成 $L_2(\underline{s}, \infty)$ 中的正交基。
- 通过引入卡勒曼权函数(CWF)构造最小二乘代价泛函,以在希尔伯特空间的任意有界集上实现严格凸性。
- 证明当参数 $\lambda$ 足够大时,CWF 确保了泛函的严格凸性,从而实现梯度法的全局收敛。
- 采用两阶段算法:首先,使用全局收敛方法获得良好的初始近似;其次,使用局部收敛方法(SQP)进行精炼。
实验结果
研究问题
- RQ1能否为电磁成像中爆炸物的系数反问题构建一种全局收敛方法?
- RQ2是否可以通过在正交基中使用级数展开,避免拉普拉斯域中无限积分的截断?
- RQ3在希尔伯特空间的任意有界集上,代价泛函中包含卡勒曼权函数是否能确保严格凸性?
- RQ4当从较差的初始猜测(如背景介质)开始时,所提方法能否优于局部收敛方法?
- RQ5在1D数值设置下,对间断和连续介电系数的重构精度如何?
主要发现
- 当卡勒曼权函数参数 $\lambda$ 足够大时,代价泛函在希尔伯特空间的任意有界集上为严格凸,从而确保梯度下降的全局收敛。
- 1D数值实验表明,混合算法(结合全局与局部优化)即使在存在大跳跃(如 $c(x) = 1 + 14\chi[0.03,0.1]$)的情况下,也能对分段常数和连续介电系数实现高精度重构。
- 当从均匀背景介质初始化时,仅使用局部收敛方法无法收敛到正确解,而所提混合方法在所有测试案例中均成功。
- 当局部收敛方法从全局收敛第一阶段的输出开始时,重构精度显著提升,如示例1–4所示。
- 即使介电常数低于背景介质,该方法仍能成功恢复目标,如示例3中所示 $c(x) = 1 - 0.5\chi[0.03,0.15]$。
- 该算法对目标位置和系数变化具有鲁棒性,在靠近测量点的位置也获得准确结果,与实际GPR数据预处理结果一致。
更好的研究,从现在开始
从阅读论文到最终审阅,大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成,并经人工编辑审核。