一种基于微波反射法的深度神经网络瞬态等离子体特征参数反演方法

本发明属于等离子体诊断领域，具体提供一种基于微波反射法的深度神经网络瞬态等离子体特征参数反演方法，用以解决现有技术反演速度慢的问题。本发明将深度学习神经网络运用于激波管时变等离子体特征参数反演问题中；首先，使用MATLAB构建了设定范围内介电常数的数据集，并由激波管传输线模型得到下一时刻的反射幅度和反射相位；然后，构建预测介电常数的深度神经网络模型，使用数据集对模型进行训练和调参；最后，利用神经网络模型预测激波管时变等离子体的介电常数，再计算得到电子密度和碰撞频率的变化曲线；综上所述，本发明在解决反演多值问题的前提下，实现了激波管时变等离子体特征参数的快速高精度反演，大幅提升了反演效率。