UNIVERSITA’ DEGLI STUDI DI NAPOLI “FEDERICO II”
Facoltà di Ingegneria
Corso di Laurea Specialistica in
Ingegneria delle Telecomunicazioni
TESI DI LAUREA
IN
TELERILEVAMENTO E DIAGNOSTICA
ELETTROMAGNETICA
INVERSIONE DI PARAMETRI DI SUPERFICI CLASSICHE E
FRATTALI DA MISURE DI CAMPO DIFFUSO
RELATORE CANDIDATO
Ch.mo Prof. Daniele Riccio
De Rosa Nicola
CO-RELATORE matr. 887/ 34
Ing. Giuseppe Ruello
SOMMARIO
SOMMARIO
• Modello di inversione
• Risultati ottenuti
Problemi diretti ed inversi
Problemi diretti ed inversi
Problemi diretti:
Modello di superficie diffondente +
Parametri dielettrici +
Modello di scattering
elettromagnetico
Problemi inversi:
MISURE DI
Campo
diffuso
STIMA DEI
PARAMETRI
DIELETTRICI E DI
RUGOSITA’
Campo
diffuso
Modello di
inversione
• La superficie frattale usata nelle simulazioni dirette ed i cui
parametri devono essere recuperati nel processo inverso, è stata
costruita artificialmente sovrapponendo strati di cartone, resa
rugosa tramite copertura con alluminio, e circolare per minimizzare
gli effetti di bordo durante le misure.
PARAMETRI
k0 [m-1] 5.71 B [m] 0.011 H 0.7 ν 0.5e s [m1-H] 0.0574894 S0 [m2-2H ] 0.010Problemi diretti ed inversi
• Algoritmo dei minimi quadrati:
Modello di inversione
Modello di inversione
N
i
i
MISURATO
i
TEORICO
f
1
2
0
0
,
H,
s
s
H,
0
,
H
VERO,
s
VERO
;
0 i TEORICO i MISURATO
• Con dati simulati
• Presuppone la disponibilità di misure multi-angolo;
• La funzione da minimizzare viene campionata con differenti passi al
variare della coppia (H,s) in intervalli predefiniti e messa in forma
matriciale;
• La posizione del minimo di tale matrice consente di ottenere di
volta in volta le stime dei parametri di interesse;
• L’algoritmo in generale è esaustivo-multiscala: le stime sono
ottenute per raffinamenti successivi.
Algoritmo di inversione per dati
Algoritmo di inversione per dati
simulati
simulati
≥ soglia
SI
NO
[H
2 min, H
2max, Δ
2H]
[s
2 min, s
2max, Δ
2s]
[H
1 min,H
1max, Δ
1H]
[s
1 min, s
1max, Δ
1s]
[H
3 min, H
3max, Δ
3H]
[s
3 min, s
3max, Δ
3s]
Algoritmo
H
2,
s
2
H
H
31,
,
s
s
31
1s 2s 1H 2H 1s 1 2 max 1s 1 2 min 1H 1 2 max 1H 1 2 min0.1Δ
Δ
0.1Δ
Δ
Δ
s
s
,
Δ
s
s
Δ
H
H
,
Δ
H
H
2s 3s 2H 3H 2s 2 3 max 2s 2 3 min 2H 2 3 max 2H 2 3 min0.1Δ
Δ
0.1Δ
Δ
Δ
s
s
,
Δ
s
s
Δ
H
H
,
Δ
H
H
1 STIMA 1 STIMAs
s
H
H
3 STIMA 3 STIMAs
s
H
H
2 VERO 1 1s 2 VERO 1 1Hs
s
err
H
H
err
2 VERO 2 2s 2 VERO 2 2Hs
s
err
H
H
err
2 STIMA 2 STIMAs
s
H
H
Algoritmo
Algoritmo
generale
generale
di inversione
di inversione
≥ soglia
SI
NO
[H
2 min, H
2max, Δ
2H]
[s
2 min, s
2max, Δ
2s]
[H
1 min,H
1max, Δ
1H]
[s
1 min, s
1max, Δ
1s]
[H
3 min, H
3max, Δ
3H]
[s
3 min, s
3max, Δ
3s]
Algoritmo
[H
1 min, H
1max, Δ
0H]
[s
1 min, s
1max, Δ
0s]
Algoritmo
H
1,
s
1
H
H
32,
,
s
s
32
1s 2s 1H 2H 1s 1 2 max 1s 1 2 min 1H 1 2 max 1H 1 2 min0.1Δ
Δ
0.1Δ
Δ
Δ
s
s
,
Δ
s
s
Δ
H
H
,
Δ
H
H
2s 3s 2H 3H 2s 2 3 max 2s 2 3 min 2H 2 3 max 2H 2 3 min0.1Δ
Δ
0.1Δ
Δ
Δ
s
s
,
Δ
s
s
Δ
H
H
,
Δ
H
H
1 STIMA 1 STIMAs
s
H
H
2 STIMA 2 STIMAs
s
H
H
3 STIMA 3 STIMAs
s
H
H
1 0
2 1s 2 0 1 1Hs
s
err
H
H
err
2 1
2 2s 2 1 2 2Hs
s
err
H
H
err
H
0,
s
0
Risultati ottenuti nel caso frattale
Risultati ottenuti nel caso frattale
CONFRONTO TRA COEFFICIENTE DI BACKSCATTERING
TEORICO E MISURATO
•
I dati misurati sono stati ricavati mettendo la superficie costruita
artificialmente su un rotore in camera anecoica;
• Fino a 25° il modello di Kirchhoff verifica le misure come ci si
aspetta.
Risultati ottenuti
Risultati ottenuti
nel caso KA-fBm
nel caso KA-fBm
con dati simulati
con dati simulati
[H
1 min=0.1, H
1max=0.9, Δ
1H=10
-3]
[s
1 min=0.01, s
1max=0.1, Δ
1s=10
-5]
HSTIMA=0.7 sSTIMA=0.05749 m1-H Polarizzazione HHVersione non iterativa HSTIMA=0.702
sSTIMA=0.058 Versione iterativa HSTIMA=0.702 sSTIMA=0.058 m1-H Polarizzazione HH Versione iterativa
• La procedura è stata applicata nel range [4°,24°];
• Le stime non cambiano se si considera l’intero range [0°,70°].
Tempo di calcolo Decina di ore Tempo di calcolo 10 minuti
[H
1 min=0.1, H
1max=0.9,Δ
1H=10
-1]
[s
1 min=0.01, s
1max=0.1, Δ
1s=10
-1]
Risultati ottenuti
Risultati ottenuti
nel caso KA-fBm
nel caso KA-fBm
con dati simulati affetti da rumore
con dati simulati affetti da rumore
• Introduzione di rumore gaussiano a media nulla e varianza tale da
garantire un fissato SNR;
• Con 200 realizzazioni la soglia di SNR accettabile per ottenere stime
buone è 14dB;
• La soglia si abbassa al crescere del numero di realizzazioni e cresce
col numero di dati considerati.
Polarizzazione HH 200 Realizzazioni HSTIMA=0.719 sSTIMA=0.062 m1-H Polarizzazione HH 20000 Realizzazioni HSTIMA=0.702 sSTIMA=0.058 m1-H
Risultati ottenuti
Risultati ottenuti
nel caso KA-fBm
nel caso KA-fBm
con dati reali
con dati reali
Δ
0H=2*10
-1, Δ
0s=2*10
-1[H
1 min=0, H
1max=1, Δ
1H=10
-1]
[s
1 min=0, s
1max=1, Δ
1s=10
-1]
H
STIMA=0.71
s
STIMA=0.058 m
1-HPolarizzazione HH
H
STIMA=0.69
s
STIMA=0.057 m
1-HPolarizzazione VV
Risultati ottenuti
Risultati ottenuti
nel caso
nel caso
SPM-fBm con dati reali
SPM-fBm con dati reali
Polarizzazione VV
H
STIMA=0.531
S
0STIMA=0.002 m
2-2H• I parametri da recuperare sono (S
0,H);
• La procedura di minimizzazione è analoga al caso KA;
• Si è considerato il range [14°,38°].
Polarizzazione HH
H
STIMA=0.417
S
0STIMA=0.001 m
2-2H[H
1 min=0, H
1max=1, Δ
1H=10
-3]
[S
01 min=0, S
01max=1, Δ
1S0=10
-3]
Risultati ottenuti
Risultati ottenuti
nel caso KA
nel caso KA
con descrizione classica e dati reali
con descrizione classica e dati reali
• I parametri da recuperare sono la deviazione standard del profilo
σ e la lunghezza di correlazione L;
• I valori effettivi sono rispettivamente (σ =0.007m, L=0.033m);
Δ
0σ=2*10
-2, Δ
0L=2*10
-2[σ
1 min=0, σ
1max=1, Δ
1σ=10
-2]
[L
1 min=0, L
1max=1, Δ
1L=10
-2]
Polarizzazione HH σSTIMA=0.01m LSTIMA=0.263m Autocorrelazione Esponenziale Polarizzazione HH σSTIMA=0.0088m LSTIMA=0.072m Autocorrelazione GaussianaRisultati ottenuti
Risultati ottenuti
nel caso KA
nel caso KA
con descrizione classica e dati reali
con descrizione classica e dati reali
• Effettuando la ricerca del minimo in [-1,1] per ambo i parametri con
gli stessi passi si ha:
• Analoghi risultati si hanno per polarizzazione VV ;
• Le stime errate o prive di interpretazione fisica si spiegano col fatto che la descrizione classica dei profili naturali non porta in conto le caratteristiche di non stazionarietà ed autoaffinità degli stessi.
• Stessi risultati nel caso SPM e descrizione classica.
Polarizzazione HH σSTIMA=-0.01m LSTIMA=0.262m Autocorrelazione Esponenziale Polarizzazione HH σSTIMA=-0.0088m LSTIMA=0.072m Autocorrelazione Gaussiana
• Al crescere del numero di angoli di incidenza considerato le
stime peggiorano perché non sono più soddisfatti i limiti di
validità di KA.
Risultati ottenuti
Risultati ottenuti
nel caso KA al
nel caso KA al
crescere del numero di dati
crescere del numero di dati
Polarizzazione HH
Polarizzazione HH
Polarizzazione HH
• Fino a 38°-40° le stime sono ancora buone; per angoli maggiori
le stime si allontanano dai valori effettivi.
Risultati ottenuti nel caso KA al
Risultati ottenuti nel caso KA al
crescere del numero di dati
crescere del numero di dati
Polarizzazione VV
Polarizzazione VV
• Fino a 30° le stime sono ancora buone; per angoli maggiori
le stime si allontanano dai valori effettivi;
• Analoghi risultati in polarizzazione HH e VV si ottengono usando
la procedura non iterativa.
Considerazioni sull’inversione
Considerazioni sull’inversione
• Ma siamo sicuri che il metodo proposto funzioni in generale?
• E’ un caso che i risultati ottenuti rispettino le aspettative teoriche e
che la procedura di minimizzazione dia i risultati sperati?
• E se la funzione da minimizzare avesse più minimi locali?
• La validità generale della procedura di minimizzazione dipende,
quindi, strettamente dalla forma della funzione da minimizzare;
• Se la funzione è convessa negli intervalli di analisi allora siamo
sicuri di ottenere il minimo globale;
Considerazioni sull’inversione
Considerazioni sull’inversione
• Grafichiamo la funzione da minimizzare nel caso di dati simulati:
Taglio per s=0.0574894
Valore minimo di
s=0.0574894
Taglio per H=0.7
Valore minimo di
H=0.7
Valore minimo di
s=0.0574894
Considerazioni sull’inversione
Considerazioni sull’inversione
•
E con dati misurati sperimentalmente?
•
Considerando i dati in polarizzazione HH nel range [2°,26°] si
ottengono questi tagli della funzione f (H,s), fissato uno dei valori
stimati dalla procedura:
•
Anche in tal caso la convessità dei tagli della funzione da
minimizzare ci assicura di non sbagliare nelle stime.
Taglio per H=0.71
Taglio per s=0.058
Valore minimo di
s=0.058
Valore minimo di
H=0.71
Conclusioni
Conclusioni
E’ stato proposto un algoritmo di recupero di parametri superficiali
a partire da misure di campo diffuso del tutto generale;
E’ stato applicato ad una superficie frattale a nostra disposizione
costruita artificialmente che rispetta i limiti di validità
dell’approccio di Kirchhoff e non dell’SPM ;
I risultati dell’inversione sono stati buoni nel caso KA e non
nell’SPM confermando le aspettative teoriche;
La procedura non funziona nel caso di descrizione classica della
superficie confermando che le complesse forme degli oggetti
naturali possono essere descritte in maniera adeguata solo
attraverso la geometria frattale;
Lo studio della convessità della funzione da minimizzare ha
mostrato che l’algoritmo implementato consente sempre di
FINE PRESENTAZIONE
GRAZIE
PER
Geometria Frattale
Geometria Frattale
• Autoaffinità o autosimilarità:
su differenti scale, i frattali
deterministici (costruiti matematicamente al calcolatore come
la curva di Von Koch) saranno identici, mentre i frattali
aleatori presenteranno le stesse proprietà statistiche;
• Dimensione frattale:
misura il grado di frastagliatura ed
irregolarità di un oggetto; è in generale un numero reale
positivo (ad esempio la dimensione della curva di Von
Koch è 1.2618).
Geometria Frattale: fBm
Geometria Frattale: fBm
Un processo z(x,y) descrive una superficie fBm se per ogni
x, x’,y, y’, i suoi incrementi soddisfano tale relazione:
d
s
s
y
x
z
y
x
z
H
H
2
2
2
2
exp
2
1
,
,
Pr
dove:
• H:coefficiente di Hurst;
•
D=3-H:dimensione frattale;
• s=T
(1-H);
• T :Topotesia.
Geometria Frattale: WM
Geometria Frattale: WM
Una superficie WM è descritta dal procsso z(x,y):
1 0
0
,
M n Hnsin
ncos
nsin
n nn
z x y
B
C
k
x
y
C
ne
ntengono conto del comportamento in’ampiezza e fase di ogni tono;
k
0è il numero d’onda della componente fondamentale;
irrazionale, è il passo della progressione geometrica con cui sono
spaziate le componenti spettrali;
B è un fattore di scala dell’altezza del profilo;
Geometria frattale
Geometria frattale
M=1
M=2
M=3
M=4
Parametri superficiali:
B[m]
L[m]
M
0.03
5
1,2,3,4,5,6
e
Geometria frattale
Geometria frattale
M=5
Coefficiente di backscattering per
Coefficiente di backscattering per
piccole pendenze in KA-fBm
piccole pendenze in KA-fBm
2 2 2 2 0 2 2 2 2 0 2 1 2 2 0 2 2 2 2 1
1
( 1)
( )
(
)
0.5
4
2 ( !)
2
2
2
2
( 1) 2
(1
)
( )
0.5
! (1
)
(
)
n n pq xy pq n n n H z n z n nH pq pq nH n xyn
F
k T
H
T
H
H
n
T
T
n
nH
F
Hk T
H
n
nH
T
Coefficiente di backscattering per
Coefficiente di backscattering per
piccole pendenze in KA-fBm
piccole pendenze in KA-fBm
• F
pqsono i coefficienti di riflessione di Fresnel;
•
•
z
2 cos
;
2sin
;
xy
cos
)
(
2
)
(
0
)
(
)
(
cos
)
(
2
)
(
v
vv
vh
hv
h
hh
R
F
F
F
R
F
2 2 2 2cos
sin
( )
cos
sin
cos
sin
( )
cos
sin
h vR
R
Coefficiente di backscattering per
Coefficiente di backscattering per
superfici classiche in KA
superfici classiche in KA
2 2 2 2 0 2 2 ( ) 1 1 2 2 2 2 2 2 * * ( 1) 0 1 2 1exp
( , )
4
!
exp
Re
(
)
( , )
2
!
n z pq n pq z x y n n z n z z x y x y n
k F
W
n
jk
a
a
a
W
n n
2 2
2 1.5PSD per autocorrelazione esponenziale
,
2
1 (2 sin
)
x y
W
L
k
L
2 2 2 2 2
PSD per autocorrelazione gaussiana
,
exp
sin
x y
Coefficiente di backscattering per
Coefficiente di backscattering per
superfici classiche in KA
superfici classiche in KA
0 0 1 2 0 12
( )cos
polarizzazione HH
0
2
( )sin
2
( )cos
a
R
a
a
a
a
R
R
0 ||0 1 2 ||1 ||02 ( )cos
polarizzazione VV
0
2 ( )cos
2 ( )sin
a
R
a
a
a
a
R
R
0 1 0 2 ||0 ||0 ||1 2( )
( )
2sin
( )
( )
cos
sin
( )
( )
sin
1
( )(1
)
( )
cos
sin
h vR
R
R
R
R
R
R
R
2 2 2 2cos
sin
( )
cos
sin
cos
sin
( )
cos
sin
h vR
R
Coefficiente di backscattering per
Coefficiente di backscattering per
SPM-fBm
SPM-fBm
2 0 4 4 2 4 4 0 2 28
cos
(
,
)
4
cos
(2 sin )
pq pq x y pq Hk
W
S
k
k
2 2 2 2 2 2cos
sin
cos
sin
0
sin
(1 sin )
(
1)
cos
sin
hh hv vh vv
Modelli elettromagnetici: KA-SPM
Modelli elettromagnetici: KA-SPM
APPROCCIO DI KIRCHHOFF
• Approssimazione dell’ottica fisica o del piano tangente: applicabile se il raggio di curvatura medio della superficie è molto più grande della lunghezza d’onda incidente;
• Non tiene in considerazione eventuali fenomeni di multipath e shadowing, per cui non è applicabile per incidenza radente o quasi;
• La superficie considerata è stata costruita rispettando i limiti di validità di Kirchhoff e non dell’SPM;
• Problema: rigorosamente per superfici frattali il raggio medio di curvatura e la varianza della pendenza del profilo non sono definiti!!!!!