一种基于物理增强神经网络的高噪声鲁棒性相位反演方法与系统

本发明公开了一种基于物理增强神经网络的高噪声鲁棒性相位反演方法与系统，属于天线测量技术领域，包括以下步骤：S1.预处理：通过高精度射频传感器阵列采集得到#1面和#2面的无相幅值数据，进行尺寸重整，并加入不同类型噪声；S2.模型构建：构建神经网络模型；S3.模型训练：设置训练轮次，当停止训练时提取模型中重构初始值部分的数据，作为后续相位恢复求解算法的初始值；S4.模型精调：使用相位恢复求解算法对神经网络重构的初始值进行精调，即可得到#1面的角谱；S5.相位恢复：使用#1面的角谱，反演得到#1面的相位，并通过近远场变换获取天线的远场特性。本发明需要的数据量少、计算速度快、具有良好的恢复精度。