基于深度学习的RCS预测方法、计算机设备和可读存储介质

本发明提供了一种基于深度学习的RCS预测方法、计算机设备和可读存储介质。该方法首先构建目标的电磁仿真模型，并解算得到不同入射波角度对应的无噪声RCS样本数据。接着引入模拟误差形成带噪声样本数据。然后构建卷积自编码器网络作为RCS去噪模型，利用带噪声和无噪声样本数据对其进行训练。随后基于灰狼算法搭建深度神经网络模型作为RCS预测模型，并使用训练好的去噪模型对训练数据集进行预处理，再对预测模型进行训练，最终实现对目标RCS值的预测。本发明通过构建GWO‑DNN深度学习模型进行预测，降低了对物理机理的依赖和人工调参成本。同时，通过CDAE对实际测量的RCS结果进行降噪预处理，克服了测量误差对预测结果的过高影响，提高了RCS预测的精度。