UAV角域RCS角反射器组合拟合实验
更新时间：2026-05-22 22:30:04
实验设置
- 数据源：
outputs\hfss_exports\uav_phi_cut_rcs_db.csv - 数据性质：目标曲线来自 HFSS 仿真导出；散射体组合曲线来自 Python 解析数值模型拟合，尚不是 HFSS 真实角反几何再仿真。
- 频率：10 GHz
- 固定俯仰角：90 deg
- 对比方位范围：-90.0 deg 到 90.0 deg
- 方位采样点数：92
- 最佳角反射器数量：K=4
- 拟合整体dB偏置：17.3455 dB
目标几何外观
指标
| k | mae_db | rmse_db | max_abs_db | similarity_percent | dynamic_range_db |
|---|---|---|---|---|---|
| 4.0 | 2.4928904524276096 | 3.3207669857024333 | 11.655870612017559 | 92.37576917526685 | 32.69694359646912 |
当前拟合算法
当前散射体组合曲线来自 Python 解析数值模型，不是 HFSS 真实角反几何再仿真。每个散射体被建模为一个等效角反/散射中心，参数包含方位指向角、俯仰指向角、等效强度、初始相位、平面位置和方向瓣宽。
每个散射体的角域响应第一版用高斯方向瓣近似：
pattern_i(phi, theta) = exp(-0.5 * angular_error_i^2 / beam_width_i^2)单站相位包含散射体位置引起的往返传播相位：
phase_position_i = -4*pi*projected_range_i / wavelength总散射场按复数相干叠加：
field_total(phi) = sum_i amplitude_i * pattern_i(phi) * exp(j*(phase_i + phase_position_i))
RCS_dB(phi) = 10*log10(|field_total(phi)|^2)优化流程是对散射体数量 K 从 1 到 Kmax 扫描；每个 K 先用 scipy.optimize.differential_evolution 做全局搜索，再用 scipy.optimize.least_squares 局部精修，最后按 MAE 最小选择最佳 K。当前实验允许整体 dB 偏置，目的是优先比较曲线形状，而不是强行匹配绝对标定。
最佳角反射器参数
| index | azimuth_deg | elevation_deg | amplitude_db | phase_rad | x_m | y_m | beam_width_deg |
|---|---|---|---|---|---|---|---|
| 1.0 | 171.6145804232607 | 43.480129613230005 | -3.792269623538157 | -3.1415926535897927 | 0.19186949073285137 | 0.12484472372325368 | 42.535487310678526 |
| 2.0 | -3.1321370424529364 | 99.93275878240034 | -31.477482134878677 | 3.1415926535897927 | -1.4341648952502786 | -0.3468210833531569 | 22.26880585111951 |
| 3.0 | -8.743389213786541 | 66.61784778928431 | -14.332230339571355 | 3.1415926535897927 | -1.9599415515625385 | -1.9958612415034043 | 11.67409094060588 |
| 4.0 | -171.349036290756 | 4.699430770341743 | -13.930300811923857 | -0.4486774012174272 | 0.6405183993314417 | -1.9039415879265662 | 60.11356944699987 |
清晰对比图
散射体二维排布
散射体三维排布
RCS目标-散射体组合对比（dB）
- 拟合曲线：
G:\ly\Labproject\RCS_Angular\outputs\uav_fit_phi90\figures\best_fit_db.png - 线性幅度曲线：
G:\ly\Labproject\RCS_Angular\outputs\uav_fit_phi90\figures\best_fit_linear_amplitude.png - 阶数扫描：
G:\ly\Labproject\RCS_Angular\outputs\uav_fit_phi90\figures\model_order_scan.png - 二维排布：
G:\ly\Labproject\RCS_Angular\outputs\uav_fit_phi90\figures\scatterer_layout.png - 三维排布：
G:\ly\Labproject\RCS_Angular\outputs\uav_fit_phi90\figures\scatterer_layout_3d.png
RCS目标-散射体组合对比（线性幅度）
阶数扫描
输出文件
- 参数 CSV：
outputs\uav_fit_phi90\results\best_reflectors.csv - 指标 CSV：
outputs\uav_fit_phi90\results\best_metrics.csv - 阶数扫描 CSV：
outputs\uav_fit_phi90\results\scan_metrics.csv - JSON：
outputs\uav_fit_phi90\results\best_result.json
结论
当前解析角反射器库可以用有限个相干散射单元近似 1D 方位 RCS 曲线。当前结果用于验证“幅度形状是否能拟合”，不是最终的角反实体仿真。下一步应把拟合出的角反位置、尺寸和朝向自动建模到 HFSS 中，仿真真实角反组合体后再与 UAV 目标曲线对比。
HFSS真实角反组合仿真对比
本节加入真实 HFSS 角反组合仿真结果。角反几何由官方 TriHedral_RCS.aedt 模板生成，使用拟合出的 4 个散射体位置和朝向，采用 PTD setup 求解。为比较曲线形状，HFSS 角反组合曲线额外做了整体 dB 偏置对齐。
{
"python_fit": {
"mae_db": 4.199972334294669,
"rmse_db": 5.542475820862597,
"max_abs_db": 17.014765841174693,
"similarity_percent": 92.51013339600522,
"dynamic_range_db": 56.075395682675804
},
"hfss_trihedral_ptd_aligned": {
"mae_db": 9.68291457784024,
"rmse_db": 12.110417674839548,
"max_abs_db": 30.99967399438892
},
"hfss_trihedral_offset_db": -23.94082319206192,
"phi_min": -120.0,
"phi_max": 120.0
}峰值优先分层角反真实PTD验证（2026-05-13 21:08:05）
- 实验时间：
2026-05-13 21:08:05
这轮把“峰值优先 + 大小角反分层”的数值候选转成真实 HFSS 三面角反模型进行 PTD 验证。
实验设置：
- 目标：真实 UAV 放大
10x后的 HFSS RCS。 - 对比角域：
-120 deg ~ 120 deg。 - 角反数量：
7。 - 大角反：
3个，分别对应-90 deg、0 deg、90 deg主峰。 - 小角反：
4个，用于背景补偿。 - 边长映射：
rcs_log。 - 边长范围：
0.15 m ~ 1.00 m。 - 三维朝向：
orientation=full。 - 位置尺度：
position-scale=2。原始尺度下 C1/C2 会重叠，因此放大位置尺度并启用不重叠检查。 - 不重叠检查：通过。
真实 PTD 峰值复现指标：
- 主峰平均角度误差：
1.0000 deg - 主峰平均高度误差：
2.6454 dB -90 deg峰：角度误差-0.5 deg，高度误差-1.59 dB0 deg峰：角度误差0.5 deg，高度误差0.85 dB90 deg峰：角度误差-2.0 deg，高度误差-5.50 dB
全曲线对齐指标：
- HFSS PTD 对齐 MAE：
9.6829 dB - HFSS PTD 对齐 RMSE：
12.1104 dB - HFSS PTD 最大误差：
30.9997 dB
观察：
这轮说明“先用大角反复现尖峰”是有效的：三个主峰在真实 HFSS PTD 中都出现了，角度和高度都已经比较接近。问题是背景被抬得太高，说明大角反旁瓣和小角反背景贡献需要进一步约束。
下一步建议：
- 固定三个大角反的方位和大致边长，只微调姿态和位置。
- 降低或重新优化小角反边长，避免把背景整体抬高。
- 目标函数分成峰值项和背景惩罚项：
其中 (J_{peak}) 主要控制主峰角度和高度，(J_{background}) 只在非峰值窗口计算，避免为了尖峰牺牲全部背景。
图表
真实角反宽峰与相干叠加诊断（2026-05-13 21:24:15）
- 实验时间：
2026-05-13 21:24:15
这轮图里橙色曲线不是针状尖峰，而是宽的椭圆峰，原因主要有三点：
- 真实三面角反的方向图不是 delta 函数，也不是当前理论模型里的理想尖峰。边长
0.75 m ~ 1.00 m的大角反在 PTD 仿真里会形成较宽主瓣，并且旁瓣/平台会把背景抬高。 - 多个角反不是简单独立 dB 相加，而是电磁场相干叠加。相位、位置和多角反之间的耦合会造成峰宽变宽、局部振荡和谷值。
- 当前三维图之前显示的是未乘
position-scale=2的坐标，视觉上会显得更近。实际仿真坐标中 C1-C2 中心距约2.456 m，不重叠检查要求约2.025 m，余量约0.431 m，几何上没有重叠，但大角反之间仍然比较近，耦合和宽主瓣影响可能较强。
角反组合的叠加方式需要明确区分：
解析模型中使用相干场叠加：
每个角反/散射中心的场近似为：
最终 RCS 是总场取模平方：
也就是说不能把每个角反的 dB 曲线直接相加：
真实 HFSS/PTD 中更复杂：求解器直接对整个多角反几何求散射场，天然包含相干叠加、相位差、遮挡/耦合和多次散射近似。因此真实仿真曲线和理论公式差距较大是合理的。
当前判断：
- 复现主峰角度是成功的。
- 主峰形态不是尖峰，而是宽峰，说明真实角反单元方向图需要标定。
- 背景偏高，说明大角反旁瓣和小角反贡献需要压制。
- 下一步应该先做单个角反 HFSS 方向图标定，确认单角反在
10 GHz、不同边长、不同姿态下到底能产生多窄的峰。
图表
单角反HFSS方向图边长标定（2026-05-13 21:37:35）
- 实验时间：
2026-05-13 21:37:35
这轮做单个三面角反 HFSS/PTD 标定，目的是确认真实角反单元能否产生 UAV RCS 中那种很窄的尖峰。
实验设置：
- 单元：单个三面角反
- 求解：HFSS PTD
- 频率：
10 GHz - 切面：
IWaveTheta=90 deg - 指向：
azimuth=0 deg, elevation=90 deg - 扫描边长：
0.2, 0.4, 0.6, 0.8, 1.0 m - 对比角域：
-120 deg ~ 120 deg
标定结果：
| side_m | peak_phi_deg | peak_db | half_power_width_deg | background_median_db | peak_to_bg_median_db |
|---|---|---|---|---|---|
| 0.2 | 0.5 | 9.19 | 37.0 | -29.05 | 38.24 |
| 0.4 | 2.0 | 20.77 | 40.0 | -31.15 | 51.92 |
| 0.6 | -1.5 | 27.82 | 39.0 | -30.30 | 58.12 |
| 0.8 | 0.0 | 32.93 | 39.0 | -29.89 | 62.81 |
| 1.0 | 0.0 | 36.70 | 39.0 | -29.88 | 66.58 |
关键观察：
- 边长增大主要提升峰值电平，
0.2 m -> 1.0 m峰值从约9.2 dB增至约36.7 dB。 - 半功率宽度基本维持在
37 deg ~ 40 deg，没有随边长显著变窄。 - 因此，在当前三面角反几何、姿态和 PTD 设置下，单个角反天然是宽主瓣，不可能直接产生 UAV 目标中的几度级针状尖峰。
- 多角反组合中的“尖峰”如果出现，更可能来自相干干涉/阵列效应，而不是单角反自身方向图足够窄。
这解释了上一轮真实角反组合为什么出现椭圆峰：真实单角反方向图本来就宽，组合后大角反主瓣和旁瓣会把背景抬高。
后续策略建议：
- 如果坚持用三面角反实体，应该把目标从“复现针尖峰形状”改为“复现主峰角度和大致峰值电平”，背景用小角反或阵列相消去压。
- 若必须要窄尖峰，需要考虑阵列相干干涉设计，而不是单个角反方向图。
- 后续优化目标应增加背景惩罚，避免大角反宽主瓣把非峰区域整体抬高。
图表
三大角反位置半径扫描PTD实验（2026-05-13 21:53:44）
- 实验时间：
2026-05-13 21:53:44
这轮做“三个大角反位置半径扫描”，目的是测试是否可以通过拉开大角反间距，让相干/阵列效应压低非峰背景。
实验设置：
- 角反数量：
3 - 指向角：
-90 deg、0 deg、90 deg - 边长：统一
1.0 m - 半径扫描：
R = 4, 6, 8, 10, 12 m - 求解：HFSS PTD
- 对比角域：
-120 deg ~ 120 deg
结果：
| radius_m | mean_abs_peak_phi_error_deg | mean_abs_peak_height_error_db | background_median_db | background_p90_db |
|---|---|---|---|---|
| 4 | 0.000 | 2.070 | 31.552 | 35.671 |
| 6 | 0.667 | 2.080 | 31.551 | 35.670 |
| 8 | 0.000 | 2.070 | 31.549 | 35.671 |
| 10 | 0.000 | 2.070 | 31.545 | 35.671 |
| 12 | 0.000 | 2.070 | 31.548 | 35.671 |
观察：
- 主峰高度误差约
2.07 dB，说明三个 1 m 大角反可以稳定复现三个主峰的峰值电平。 - 半径从
4 m到12 m基本不改变背景水平，也几乎不改变曲线形状。 - 非峰背景仍然很高，
background_median约31.55 dB，background_p90约35.67 dB。 - 这说明当前背景高主要来自单角反宽主瓣，而不是简单靠拉开阵列间距就能压下去。
结论：
拉开三个大角反的位置半径不是有效的背景压制手段。下一步应该转向：
- 调整大角反姿态，使主峰仍在目标角度，但主瓣平台避开非峰区域；
- 降低大角反边长，并用多个角反/阵列相干把峰值补回来；
- 或换散射体类型，寻找更窄方向图的单元。
图表
PTD与SBR单角反及角反阵列对比（2026-05-13 22:29:04）
- 实验时间：
2026-05-13 22:29:04
这轮对比 PTD 与 SBR，对象包括：
- 单个
L=1.0 m三面角反； - 峰值优先分层的
7个三面角反阵列。
实验设置：
- 频率：
10 GHz - 切面：
IWaveTheta=90 deg - 角域：
-120 deg ~ 120 deg - 几何：同一套三面角反 PEC 面片
- 对比：分别使用
PTDsetup 和SBRsetup 导出dB(MonostaticRCSTotal)
结果：
单角反：
- PTD 与 SBR 曲线完全一致；
- 峰值、半功率宽度、背景统计完全一致；
SBR - PTD的 MAE/RMSE/MaxAbs 均为0 dB。
7 角反阵列：
- PTD 与 SBR 曲线也完全一致；
SBR - PTD的 MAE/RMSE/MaxAbs 均为0 dB。
这说明在当前 AEDT 2021R1 官方 TriHedral_RCS 模板、当前 PEC 三面角反几何和导出表达式下，PTD 与 SBR 得到的是同一套结果，至少本实验中二者没有可见差异。
判断：
- 当前“宽峰/背景高”的现象不是 PTD 和 SBR 选择造成的；
- 主要原因仍然是三面角反自身方向图宽，以及多角反组合后的宽主瓣/旁瓣；
- 后续如果要提高准确性，更应该关注单元几何、姿态、散射体类型和优化目标，而不是先纠结 PTD/SBR。
注意：
这不代表 PTD 和 SBR 在所有问题中都等价。一般来说：
- SBR 更偏几何光学/射线追踪，适合大电尺寸目标；
- PTD 会补充边缘绕射项，在边缘/尖角散射明显的问题中可能更有意义；
- 但本项目当前模板导出结果显示二者一致，可能是 AEDT setup 内部配置或该模板对两者处理路径一致。
图表
简单散射体形状方向图对比（2026-05-14 13:18）
- 实验时间：
2026-05-14 13:18
这轮实验用于验证：当三面角反的角域响应过宽、难以复现 UAV RCS 的窄尖峰时，是否存在更简单且方向图更窄的 PEC 散射体单元。
实验设置：
- 求解器：HFSS 2021R1 / PTD
- 频率：
10 GHz - 切面：
IWaveTheta = 90 deg - 指向：
azimuth = 0 deg, elevation = 90 deg - 尺寸：统一
1.0 m - 对比角域：
-120 deg ~ 120 deg - 散射体：单平板
plate、二面角dihedral、三面角trihedral
结果：
| shape | peak_phi_deg | peak_db | half_power_width_deg | background_median_db | background_p90_db | peak_to_bg_p90_db |
|---|---|---|---|---|---|---|
| plate | 0.0 | 41.456 | 1.0 | -16.428 | -3.827 | 45.283 |
| dihedral | 0.0 | 44.440 | 30.0 | -0.470 | 36.019 | 8.421 |
| trihedral | 0.0 | 36.695 | 39.0 | -29.884 | 28.195 | 8.501 |
观察：
- 单平板给出了最窄响应，半功率宽度只有
1 deg，明显优于二面角和三面角。 - 二面角峰值最高，但主瓣仍然较宽，半功率宽度为
30 deg，适合做强峰但不适合做很窄尖峰。 - 三面角半功率宽度约
39 deg，与前一轮单角反标定一致，说明宽峰问题来自单元自身方向图。 - 平板的峰值到背景 P90 差值为
45.28 dB，角域选择性显著强于二面角和三面角。
结论：
如果目标是复现 UAV RCS 中的窄尖峰，单平板类镜面散射体比三面角反更合适。后续建模策略建议改成混合单元：
- 用平板/小平板阵列承担窄尖峰；
- 用二面角承担需要较高峰值但允许一定角宽的局部响应；
- 保留三面角或其他弱散射体做宽背景补偿。
下一步应尝试把当前“峰值优先”三角反方案替换为“定向平板峰值单元 + 背景补偿单元”，并对平板尺寸、姿态误差和多平板相干叠加做参数扫描。
图表
不同俯仰响应库与目标RCS组合拟合（2026-05-14）
本轮实验把简单 PEC 散射体扩展到不同俯仰角，并用真实 HFSS/PTD 导出的单元响应库来组合 UAV 放大 10x 后的角域 RCS。
响应库设置：
- 求解器：HFSS 2021R1 / PTD
- 频率：
10 GHz - 切面：
IWaveTheta = 90 deg - 单元尺寸：
1.0 m - 方位指向：
azimuth = 0 deg - 俯仰扫描：
60, 75, 90, 105, 120 deg - 单元类型：
plate, dihedral, trihedral - 响应库规模：
15条 HFSS 单元方向图
单元俯仰观察：
| shape | elevation_deg | peak_phi_deg | peak_db | half_power_width_deg | peak_to_bg_p90_db |
|---|---|---|---|---|---|
| plate | 60 | 0.0 | -1.116 | 1.0 | 45.427 |
| plate | 75 | 0.0 | 3.886 | 1.0 | 43.429 |
| plate | 90 | 0.0 | 41.456 | 1.0 | 45.283 |
| plate | 105 | 0.0 | 3.886 | 1.0 | 43.429 |
| plate | 120 | 0.0 | -1.116 | 1.0 | 45.427 |
| dihedral | 90 | 0.0 | 44.440 | 30.0 | 8.421 |
| trihedral | 90 | 0.0 | 36.695 | 39.0 | 8.501 |
拟合方法：
- 读取
15条 HFSS 单元响应。 - 假设方位旋转近似成立，把每条
0 deg响应按候选中心角平移到-120 deg ~ 120 deg。 - 将 dB 响应转成功率域。
- 使用非负最小二乘做功率叠加，最多保留
8个响应原子。
注意：这个模型是不含相位的非相干功率叠加，适合作为单元筛选和一阶组合设计，不等价于最终真实几何阵列的相干 HFSS 结果。
拟合结果：
- MAE：
5.322 dB - RMSE：
7.377 dB - MaxAbs：
23.811 dB - Similarity：
90.509 %
选中的主要响应原子：
| shape | elevation_deg | center_deg | coefficient_power_scale |
|---|---|---|---|
| plate | 60 | -90 | 8060.326 |
| plate | 90 | 0 | 0.141 |
| dihedral | 120 | -90 | 15.267 |
| dihedral | 75 | -90 | 0.146 |
| trihedral | 60 | -45 | 0.009 |
| trihedral | 75 | 45 | 0.001 |
| trihedral | 120 | 60 | 0.001 |
结论：
响应库组合比之前真实三面角阵列对齐结果更好。此前三面角阵列对齐 MAE 约 9.68 dB，本轮响应库拟合 MAE 降到 5.32 dB，说明“平板承担窄尖峰 + 二面角/三面角补偿局部宽项”的混合单元路线是有效的。
下一步应把响应库拟合结果转成真实 HFSS 几何阵列，优先验证：
plate el60 @ -90 deg对-90 deg主峰的复现能力；plate el90 @ 0 deg对0 deg主峰的复现能力；- 少量二面角/三面角补偿项是否会重新抬高非峰背景；
- 响应库的非相干功率叠加结果与真实相干几何阵列之间的误差。
图表
响应库混合散射体真实HFSS阵列验证（2026-05-14）
本轮把响应库拟合选出的 plate / dihedral / trihedral 原子转成真实 HFSS PEC 几何阵列，验证非相干响应库组合在真实相干电磁仿真中是否仍然有效。
几何生成方法：
- 输入原子：
outputs/response_library_fit/selected_response_atoms.csv - 几何类型：
plate / dihedral / trihedral - 尺寸映射：
size_m = coefficient_power_scale ** 0.25 - 尺寸范围：
0.05 m ~ 10.0 m - 布置半径：
25 m - 求解：HFSS 2021R1 / PTD
- 频率：
10 GHz - 切面：
IWaveTheta = 90 deg
尺寸映射依据：响应库拟合在功率域给出系数；对同形 PEC 面片，峰值功率近似随特征尺寸的四次方变化，因此先用四次根做一阶尺寸估计。
真实阵列原子：
| shape | azimuth_deg | elevation_deg | coefficient_power_scale | size_m |
|---|---|---|---|---|
| dihedral | -90 | 120 | 15.267 | 1.977 |
| dihedral | -90 | 75 | 0.146 | 0.618 |
| dihedral | 0 | 90 | 0.001 | 0.164 |
| plate | -90 | 60 | 8060.326 | 9.475 |
| plate | 0 | 90 | 0.141 | 0.613 |
| trihedral | 60 | 120 | 0.001 | 0.186 |
| trihedral | -45 | 60 | 0.009 | 0.308 |
| trihedral | 45 | 75 | 0.001 | 0.165 |
对比结果：
非相干响应库拟合：
- MAE：
5.322 dB - RMSE：
7.377 dB - MaxAbs：
23.811 dB - Similarity：
90.509 %
真实混合几何 HFSS/PTD，均值对齐：
- MAE：
6.732 dB - RMSE：
9.050 dB - MaxAbs：
31.960 dB - Similarity：
87.995 % - 对齐偏置：
-2.278 dB
真实混合几何 HFSS/PTD，不做对齐：
- MAE：
7.393 dB - RMSE：
9.333 dB - MaxAbs：
29.681 dB - Similarity：
86.817 %
结论：
混合响应库方案在真实 HFSS 几何中仍然有效。虽然真实相干阵列比非相干响应库拟合差一些，但对齐后 MAE 为 6.73 dB，仍明显优于此前纯三面角真实阵列的约 9.68 dB。
这说明：
- 用平板承担窄尖峰是有效的；
- 二面角/三面角作为补偿项不会让方案完全失效；
- 响应库非相干叠加可作为快速设计器，但最终仍必须经过真实 HFSS 相干阵列校正；
- 当前主要风险是多个
-90 deg原子共点布置，可能引入局部耦合或几何交叠，后续应对同角度原子做小尺度错位或分层验证。
下一步建议：
- 只保留两个主平板原子，验证主峰复现能力；
- 对同一方位的
plate / dihedral原子做局部错位，降低共点耦合； - 对最大平板尺寸做扫描，例如
6 m, 8 m, 9.5 m, 11 m，寻找-90 deg峰值和背景之间的折中。
图表
补充：本轮真实混合散射体阵列三维布局图如下。后续每轮真实 HFSS 几何验证均同步输出阵列三维图。
三平板主峰与二三面角背景真实HFSS验证（2026-05-14）
本轮按“平板负责主峰，其他简单散射体负责背景”的思路重新设计阵列：三个 plate el90 分别指向 -90, 0, +90 deg，只承担三处主尖峰；背景项只从 dihedral / trihedral 响应库中挑选。
阵列设置：
- 输入原子：
outputs/plate_background_array_ptd/selected_atoms.csv - 几何类型：
plate / dihedral / trihedral - 尺寸映射：
size_m = coefficient_power_scale ** 0.25 - 布置半径：
25 m - 求解：HFSS 2021R1 / PTD
- 频率：
10 GHz - 切面：
IWaveTheta = 90 deg
真实阵列原子：
| role | shape | azimuth_deg | elevation_deg | coefficient_power_scale | size_m |
|---|---|---|---|---|---|
| main_peak | plate | -90 | 90 | 0.452 | 0.820 |
| main_peak | plate | 0 | 90 | 0.142 | 0.614 |
| main_peak | plate | 90 | 90 | 0.441 | 0.815 |
| background | dihedral | 0 | 90 | 0.0004 | 0.143 |
| background | trihedral | 30 | 105 | 0.0010 | 0.179 |
| background | trihedral | -30 | 105 | 0.0008 | 0.169 |
| background | dihedral | 90 | 75 | 0.209 | 0.676 |
| background | dihedral | -90 | 75 | 0.185 | 0.656 |
| background | trihedral | -45 | 75 | 0.0004 | 0.144 |
真实混合几何 HFSS/PTD，均值对齐：
- MAE：
5.260 dB - RMSE：
6.695 dB - MaxAbs：
17.175 dB - Similarity：
90.620 % - 对齐偏置：
-4.964 dB
真实混合几何 HFSS/PTD，不做对齐：
- MAE：
6.891 dB - RMSE：
8.334 dB - MaxAbs：
22.139 dB - Similarity：
87.711 %
三主峰检查，均值对齐后：
| design_phi_deg | target_peak_phi_deg | hfss_peak_phi_deg | phi_error_deg | peak_error_db |
|---|---|---|---|---|
| -90 | -90 | -90 | 0 | -15.960 |
| 0 | 0 | 0 | -0 | -6.549 |
| 90 | 90 | 90 | 0 | -16.526 |
结论：
这版结构是对的：三个主峰角度全部对齐，整体 MAE 降到 5.26 dB，比上一轮响应库混合阵列真实 HFSS 的 6.73 dB 更好，也明显优于纯三面角阵列。
主要问题变成幅度：三块主平板，尤其两侧平板，真实 HFSS 峰值仍偏低约 16 dB。这说明用 1 m 单平板响应库按四次根直接映射尺寸偏保守，真实阵列中平板峰值没有按理想缩放达到目标。
下一步建议直接做主平板尺寸增益扫描：固定三个平板方位和俯仰，背景二/三面角先保持不变，对两侧平板加尺寸倍率 1.5, 2.0, 2.5, 3.0，中心平板可单独加倍率 1.2, 1.5, 2.0。
图表
补充：重画散射体阵列示意图。新版直接画出简化 PEC 面片：蓝色为平板，橙色为二面角，绿色为三面角；背景小散射体做了最小可视尺寸放大，标签仍保留真实尺寸。
主平板尺寸校准与背景残差重拟合（2026-05-22 22:30:04）
- 实验时间：
2026-05-22 22:30:04
主平板尺寸校准与背景残差重拟合阶段总结
日期：2026-05-22
1. 本阶段目标
固定上一阶段的背景散射体，扫描三块主平板尺寸倍率，优先补齐 -90/0/90 deg 三个主峰高度；随后用校准后三平板的 HFSS/PTD 响应扣除目标曲线，重新拟合二面角/三面角背景残差，并回到 HFSS 做最终验证。
2. 主平板倍率扫描
- 两侧倍率候选：
1.5,2.0,2.5,3.0 - 中心倍率候选：
1.2,1.5,2.0 - 是否左右独立扫描：
False - 最优倍率：左
1.5，中1.5，右1.5
扫描指标按三主峰平均绝对误差为主、整体 MAE 为辅排序。
| left_scale | center_scale | right_scale | objective_db | peak_abs_mean_db | mae_db | similarity_percent |
|---|---|---|---|---|---|---|
| 1.500 | 1.500 | 1.500 | 3.543 | 2.085 | 5.831 | 89.602 |
| 2.000 | 1.500 | 2.000 | 3.939 | 2.355 | 6.337 | 88.698 |
| 1.500 | 1.200 | 1.500 | 4.852 | 3.460 | 5.568 | 90.071 |
| 2.000 | 1.200 | 2.000 | 5.097 | 3.598 | 5.996 | 89.307 |
| 2.000 | 2.000 | 2.000 | 5.516 | 3.800 | 6.863 | 87.762 |
| 1.500 | 2.000 | 1.500 | 5.516 | 3.938 | 6.310 | 88.747 |
| 2.500 | 1.500 | 2.500 | 6.801 | 5.008 | 7.172 | 87.211 |
| 2.500 | 2.000 | 2.500 | 7.180 | 5.349 | 7.324 | 86.938 |
3. 校准后背景残差重拟合
用校准后三平板的 HFSS/PTD 曲线计算功率域残差：
然后只用 dihedral/trihedral 响应库做 NNLS，并保留贡献最大的背景原子。
4. 最终 HFSS 验证指标
| 方案 | MAE | RMSE | 最大误差 | 相似度 |
|---|---|---|---|---|
| 校准后 HFSS，均值对齐 | 7.256 dB | 9.187 dB | 22.427 dB | 87.061 % |
| 校准后 HFSS，无对齐 | 8.643 dB | 10.954 dB | 28.393 dB | 84.587 % |
| HFSS 平板残差响应库重拟合 | 8.105 dB | 10.666 dB | 26.188 dB | 85.546 % |
三主峰检查，均值对齐后：
| 主峰中心 | 目标峰位 | HFSS 峰位 | 峰值误差 |
|---|---|---|---|
| -90 deg | -90 deg | -90 deg | 0.846 dB |
| 0 deg | 0 deg | 0 deg | 0.712 dB |
| 90 deg | 90 deg | 90 deg | 0.773 dB |
5. 输出文件
- 倍率扫描表：
outputs\plate_background_calibrated_ptd\plate_scale_sweep_metrics.csv - 校准后原子表：
outputs\plate_background_calibrated_ptd\calibrated_refit_atoms.csv - 最终指标：
outputs\plate_background_calibrated_ptd\calibrated_final_metrics.json - 对比图：
outputs\plate_background_calibrated_ptd\calibrated_final_comparison_mean.png - 阵列布局：
outputs\plate_background_calibrated_ptd\mixed_scatterer_layout.csv
6. 阶段结论
本阶段把主峰问题从结构选择推进到尺寸校准：主平板倍率由 HFSS 扫描确定，背景项则在扣除真实三平板响应后重新拟合，因此比上一阶段更接近真实相干阵列的闭环流程。
图表
扩展物理散射原子库首轮筛选（2026-05-25）
- 实验时间：
2026-05-25
本轮按照前述 BASC 典型散射机理扩库思路，在原有 plate / dihedral / trihedral 单体响应库之外，新增 wedge、cylinder 和 plane_cylinder 三类有限 PEC 结构，并完成 60, 75, 90, 105, 120 deg 五个俯仰角下的 HFSS/PTD 单体仿真。新增单体共 15 条，输出位置为 outputs/extended_atom_library/single_atoms。
新增结构在 elevation=90 deg 时的单体方向图显示：wedge 与 plane_cylinder 仍偏向窄峰响应，cylinder 虽略宽但背景抬升明显。受约束三平板主峰方案中，A 组基线（背景只允许 dihedral/trihedral）的全角域 MAE 为 5.198 dB、背景 MAE 为 5.405 dB；加入三类新增原子的 D 组全角域 MAE 为 6.291 dB、背景 MAE 为 6.678 dB。扩展组没有达到“背景 MAE 至少降低 1 dB”的进入真实混合阵列验证条件，因此本轮不继续运行 B-D 的整阵 HFSS。
这个结果说明当前一阶 wedge/cylinder/plane_cylinder 几何没有改善目标曲线背景，不等于散射机理扩库方向无效。后续更应调整几何参数，使新增单体形成中宽角、低背景的弱散射响应，并把响应库从功率叠加推进到带复场相位的字典。
图表
附件目录整理
本次同步时已将该笔记附件从平铺结构整理为按阶段划分的子目录：00_target_and_analytic_fit、01_trihedral_validation、02_response_library、03_plate_background、04_plate_calibration、05_extended_atom_library 和 99_legacy。笔记内已有图片引用同步改为子目录路径。
单站复场 ASC 散射中心最小验证（2026-05-26）
- 实验时间：启动于
2026-05-26，HFSS 多频重算及结果整理完成于2026-05-27
在功率域扩展原子库未改善背景拟合后，本轮改为从真实 HFSS 复数响应中提取散射中心。该试验使用放大 UAV 工程副本，固定 IWaveTheta=90 deg，分别重算并导出 9, 10, 11 GHz 的 ComplexMonostaticRCSTotal；每个频点包含 181 个方位样本，原始多频复场数据共 543 行。提取时将方位统一映射为 [-180,180] deg，在 [-120,120] deg 角域保留 366 个样本，并令 BASC 模型中的 beta_b=0，作为单站 ASC 退化形式。
使用 DOMP-DE 提取 6 个原子后，复数响应重构能量比为 95.68%，残差能量比为 4.32%，复场残差 RMSE 从 11.5722 降至 2.4049。这说明真实复场数据链和 ASC 提取入口已经贯通，相比继续在功率响应库中盲目扩充结构，这条路线更适合用来定位主导散射机理。
需要保守解读参数：6 个原子中有 5 个达到 alpha=1 上界，另有 2 个达到 gamma=1 上界，共记录 7 个属性边界命中。当前 9/10/11 GHz 仅是最小三频试验，足以验证流程，但不足以将原子参数直接映射为稳定物理结构。因此，本阶段结论是“路线值得继续，参数解释暂不定型”；下一轮应优先增加扫频点数和带宽稳定性检查，再据稳定散射中心反推物理原子库。
输出文件
- 多频复场数据：
outputs/asc_monostatic/multifreq_9_10_11/uav_x10_complex_monostatic_rcs_multifreq.csv - ASC 拟合报告：
outputs/asc_monostatic/fit_multifreq_9_10_11/asc_fit_report.md - 散射中心参数表：
outputs/asc_monostatic/fit_multifreq_9_10_11/results/basc_atoms.csv - 残差历史：
outputs/asc_monostatic/fit_multifreq_9_10_11/results/basc_residual_history.csv
图表
附件整理
本轮新增的散射中心提取图表集中放入 06_asc_monostatic 子目录，沿用前一阶段已经整理好的分阶段附件结构。
对最终 RCS 模拟改善的判定（2026-05-27）
进一步将散射中心步骤放回最终目标考察：在相同 10 GHz、[-120,120] deg 角域下，9/10/11 GHz 联合 ASC 提取后回代 10 GHz 的 dB MAE 为 7.579 dB、相似度为 86.484%；仅使用 9/11 GHz 提取后留一预测 10 GHz 的 MAE 为 11.527 dB、相似度为 79.444%。相比之下，既有三类响应库拟合 MAE 为 5.322 dB，校准后混合实体 HFSS/PTD 对齐 MAE 为 7.256 dB。
因此，当前证据不能支持“加入散射中心提取中间步骤已经改善最终角域 RCS 模拟”。散射中心提取目前更适合用作诊断层：用来寻找稳定主导散射成分，并指导下一轮物理结构或复场原子库设计；只有将这些线索转换为新的可实现结构并通过 HFSS 得到优于 7.256 dB 的同口径结果后，才能认定其对最终模拟有正向作用。
ASC 引导物理结构映射试验（2026-05-27）
进一步尝试将 ASC 原子映射为可仿真的物理单元。直接映射 6 个 ASC 原子的代理 MAE 为 8.733 dB，效果较差；将 ASC 只作为候选方向和类型线索、再经 NNLS 重新定权后，代理 MAE 降为 6.217 dB，因此选该 5 原子组合进入 HFSS/PTD 验证。
真实 HFSS/PTD 结果显示，ASC 引导物理映射在 [-120,120] deg 同口径均值对齐后，MAE 为 6.300 dB，优于既有校准后物理基线 7.256 dB，相似度从 87.061% 提升到 88.765%。这说明散射中心作为中间诊断步骤确实能为物理结构映射提供有效线索。
但该候选不是可直接接受的最终设计：-90 deg 主峰目标为 38.002 dB，HFSS 仅为 19.534 dB，峰值误差 -18.469 dB；0 deg 和 90 deg 主峰误差分别为 -0.315 dB 和 -0.672 dB。因此下一轮必须把三主峰幅值作为硬约束或多目标项，而不能只按全角域 MAE 选择结构。
学习型散射结构反演 L0 基线（2026-05-27）
- 实验时间：
2026-05-27
在 ASC 引导物理映射取得整体 MAE 改善但主峰约束不足之后，本轮启动学习型反演路线的 L0 阶段。目标不是直接从真实 UAV RCS 唯一恢复几何，而是在有限物理原子库下验证“结构组合 → 角域响应 → 网络反推压缩结构标签”的训练链路。
本轮使用 outputs/extended_atom_library/libraries/group_D 的单体响应库，通过方向图平移和功率叠加生成 2000 条低保真代理样本，角域为 [-120,120] deg，步进 2 deg，每条输入为 121 个 RCS dB 采样点。训练/测试划分为 1500/500。第一版模型采用小型 MLP，预测主导结构类型、主导方位、三主峰峰值和背景均值。
测试结果：主导结构类型准确率为 62.6%，多数类基线为 34.4%；balanced accuracy 为 57.7%；主导方位 MAE 为 44.3 deg，中位数方位基线为 58.6 deg。三主峰峰值 MAE 分别为 4.76/5.30/5.18 dB，背景均值 MAE 为 2.53 dB。
这说明低保真代理反演链路是可学的，但方位误差仍较大，固定压缩标签不足以表达多原子、多解结构。下一轮应升级为集合输出或 top-k 候选，并引入少量 HFSS/PTD 样本做多保真校正，同时把三主峰保持写进损失函数或后处理硬约束。
重要边界：本轮是代理数据实验，不能声称网络已经能从真实 UAV RCS 中准确反演物理结构。
输出文件
- 协议：
plan/learning-inverse-design-protocol.md - 数据 manifest：
outputs/learning_inverse_design/l0_dataset/dataset_manifest.json - 样本表：
outputs/learning_inverse_design/l0_dataset/samples.csv - 基线指标：
outputs/learning_inverse_design/l0_baseline/baseline_metrics.json - 阶段报告：
outputs/learning_inverse_design/l0_baseline/l0_inverse_baseline_report.md
图表
HFSS L1 数据集 smoke（2026-05-27）
根据“网络只做加速与推荐，最终必须 HFSS 闭环验证”的规则，本轮进一步生成了首批真实 HFSS/PTD 混合结构学习样本。批处理脚本自动为每个样本生成 atoms.csv，调用 HFSS/PTD 求解并导出 RCS，再拼装为结构特征矩阵和响应矩阵。
首批 smoke batch 共 6 个样本，成功 6/6，每个样本耗时约 23-33 s。数据已整理为 features.npy 和 responses_db.npy，统一角域为 [-120,120] deg、121 个采样点。随后训练了一个结构特征到 HFSS/PTD RCS 曲线的 Forward MLP smoke 模型；由于只有 4 个训练样本和 2 个测试样本，测试 MAE 为 16.94 dB，没有超过均值曲线基线 15.86 dB。这个结果只说明接口跑通且样本量不足，不用于判断最终网络能力。
后续需要将 HFSS/PTD 样本扩大到至少 100+，再比较 MLP、随机森林、Transformer 或 Set Transformer。无论代理模型指标如何，最终候选结构仍必须导出为 atoms.csv 并重新运行 HFSS/PTD，与当前物理基线同口径比较后才能声明改善。
HFSS L1 100 样本正向代理（2026-05-27）
在 smoke 成功后，本轮扩充到 100 个真实 HFSS/PTD 混合结构组合样本，成功率 100/100。每个样本是一组完整物理散射结构组合及其 HFSS/PTD 角域 RCS，不是单原子响应。数据已拼装为 100 x 34 的结构特征矩阵和 100 x 121 的 RCS 响应矩阵。
正向代理在 67/33 训练/测试划分上的结果如下：均值曲线 MAE 为 10.962 dB，MLP 为 10.035 dB，Ridge 为 9.587 dB，RandomForest 为 9.643 dB，ExtraTrees 为 9.754 dB。这说明 100 个 HFSS 样本已经能让代理模型超过均值曲线基线，但当前最稳的是 Ridge/RandomForest，复杂网络还没有优势。
另外，长时间 HFSS batch 脚本已加入进度/ETA 输出。后续运行几百个样本时会显示 当前/总数、成功/失败数、单样本耗时、平均耗时和预计剩余时间。
下一步建议扩充到 300-500 个 HFSS/PTD 样本，并改用集合特征或 Set/Transformer 正向代理；网络筛选出的候选结构仍必须重新运行 HFSS/PTD 闭环验证后才能声明改善。
HFSS L1 200 样本正向代理与图表增强（2026-05-27）
继续沿用 seed=100 的连续采样序列，本轮将 L1 HFSS/PTD 学习样本扩充到 200 个，成功率 200/200，没有失败样本。数据已拼装为 200 x 34 的结构特征矩阵和 200 x 121 的 RCS 响应矩阵；训练/测试划分为 134/66。
正向代理结果：均值曲线 MAE 为 12.196 dB，MLP 为 10.826 dB，Ridge 为 10.145 dB，RandomForest 为 9.935 dB，ExtraTrees 为 10.051 dB。当前最好的是 RandomForest，相对均值曲线降低约 2.261 dB。这说明真实 HFSS/PTD 合成阵列数据已经能训练出有效的正向代理，但 34 维压缩统计特征仍不足以表达多原子集合关系，复杂网络暂时没有明显优势。
为便于读图，本轮新增了更丰富的报告图。模型对比图给出 MAE/RMSE；标注曲线图自动选取 Ridge 留出集中的中位难度样本 sample_0050 和最困难样本 sample_0142，并在 -90/0/90 deg 主峰窗口上标出误差解释；角域误差图显示代理模型在哪些方位角仍不稳定。三维部分包含 sample_0050 和 sample_0142 的几何布局图、顶视图，以及从 HFSS 图形视窗回收得到的 sample_0050 模型截图。sample_0142 的 HFSS 视窗导图不稳定，因此报告中使用可追溯的几何布局渲染替代。
边界仍然不变：这一步验证的是 结构参数 -> HFSS/PTD RCS 正向 surrogate，不等于最终 UAV 结构反演成功。下一步应把结构输入升级为原子集合表示，训练 Set/Transformer 类代理；代理筛出的候选结构必须再次进入 HFSS/PTD 闭环，并与当前物理基线 6.300 dB 和 7.256 dB 同口径比较。
HFSS L1 300 样本正向代理（2026-05-27）
在 200 样本阶段的基础上，本轮继续沿用 seed=100 的连续采样序列，将 HFSS/PTD 合成物理结构数据扩展到 300 条，成功率为 300/300。新增 100 条求解耗时约 47m37s，数据最终整理为 300 x 34 结构特征矩阵和 300 x 121 RCS 响应矩阵，训练/测试划分为 200/100。
同口径测试结果：均值曲线 MAE 为 11.554 dB，MLP 为 10.718 dB，Ridge 为 9.681 dB，RandomForest 为 8.783 dB，ExtraTrees 为 8.964 dB。RandomForest 为当前最优正向代理，相对均值曲线降低 2.771 dB，相对 200 样本阶段 RandomForest 的 9.935 dB 进一步改善 1.152 dB。这说明增加真实 HFSS/PTD 合成结构样本对正向代理有明确收益。
另一方面，MLP 仍未超过树模型，说明当前主要限制已经不仅是样本数，还包括结构特征表达。现有输入将多原子结构压缩成 34 维统计量，会损失每个原子的独立方位、形状和相互组合信息；下一轮更适合升级为原子集合输入，并测试 DeepSets / Set Transformer / Transformer，而不是只继续放大普通 MLP。
本轮图表均按最优 RandomForest 选择案例。标注曲线图中的中位难度代表样本为 sample_0016，最困难样本为 sample_0015；后者仅包含三个位于 0 deg 附近的 ASC 引导散射体，呈现稀疏局部强峰，正是当前压缩特征难以表达的情形。图中黄色窗口标示三个需重点保持的主峰角域，配合角域误差图可直接查看模型在哪些方位仍失准。
重要边界：当前改善属于正向 surrogate 对合成物理阵列 HFSS/PTD 响应的预测改善，并不等于真实 UAV 结构已经成功反演。网络后续提出的候选结构仍必须重新进入 HFSS/PTD 闭环，并与物理基线 6.300 dB 和 7.256 dB 比较，才能判断最终 RCS 模拟是否改善。
HFSS L1 300 样本 Atom Transformer 测试（2026-05-27）
为了验证“压缩统计特征是否限制了神经网络”，本轮将输入从 34 维汇总特征改为逐原子 token 集合。每个样本最多 7 个散射原子，每个原子编码为 14 维：shape one-hot、role one-hot、elevation/120、center/120、sin(center)、cos(center)、log10(coefficient)。因此输入张量为 300 x 7 x 14，输出仍为 121 点角域 RCS。
本轮测试三种 Atom Transformer。最佳版本为 mean pooling，d_model=96、3 层、训练 500 epoch，测试 MAE 为 9.076 dB，RMSE 为 11.672 dB。更大的 CLS pooling 版本 MAE 为 9.168 dB，更小的 mean pooling 版本 MAE 为 9.487 dB。
同口径比较下，Atom Transformer 明显优于普通 MLP 的 10.718 dB 和 Ridge 的 9.681 dB，说明逐原子集合输入确实比单纯压缩统计更适合神经网络。但它仍未超过 ExtraTrees 的 8.964 dB 和 RandomForest 的 8.783 dB。当前结论是：Transformer 路线有效，但在 300 个 HFSS/PTD 样本规模下，树模型仍是更强、更稳的正向 surrogate。
图中给出完整模型对比，以及 Atom Transformer 与 RandomForest 在相同留出样本上的曲线比较。Atom Transformer 自动选择的中位难度样本为 sample_0294，最困难样本为 sample_0158；后者包含较强的 dihedral、trihedral、plate 和 cylinder，主散射集中在 +94 deg、-91 deg、+98 deg、-79 deg 附近，说明稀疏强峰组合仍是当前模型难点。
下一步不建议直接只加深 Transformer，而是先补两件事：第一，继续扩样到 500+ 后复测；第二，把 center_deg 与输出角域之间的相对角度关系显式加入注意力或解码器，让模型知道“某个原子方向应该影响哪段 RCS 曲线”。最终候选结构仍必须回到 HFSS/PTD 闭环验证。
HFSS L1 500 样本扩充与 Transformer 复测（2026-05-27）
考虑到 Transformer 对数据量更敏感，本轮继续将 HFSS/PTD 合成物理结构样本从 300 扩充到 500。主跑阶段 sample_0302 和 sample_0446 偶发失败，随后使用 --resume 补跑成功，最终成功率为 500/500。数据整理为 500 x 34 结构统计特征、500 x 121 RCS 响应矩阵，以及 500 x 7 x 14 的逐原子 token 张量。
训练/测试划分为 334/166。同口径结果：均值曲线 MAE 11.616 dB，MLP 11.100 dB，Ridge 9.483 dB，RandomForest 9.080 dB，ExtraTrees 8.962 dB，Atom Transformer 9.016 dB。本轮最佳为 ExtraTrees，Atom Transformer 与其仅差 0.054 dB，已经与树模型基本处在同一水平，但尚未稳定反超。
需要注意，300 和 500 样本阶段的留出集规模不同，不能把两阶段数值当成完全相同测试集上的逐点单调比较。不过从 500 样本结果看，逐原子 Transformer 的确更接近树模型了，说明数据量增加对它有帮助。当前更大的瓶颈可能是模型结构：现在 Transformer 只是先汇聚原子集合再一次性输出整条曲线，没有显式建模某个原子的 center_deg 对某段输出角域 phi 的影响。
下一步更建议测试角域条件解码器：
atom tokens + query phi -> RCS(phi)即对每个输出角度单独预测，让网络显式看到 phi - center_deg 这样的相对角度关系。这比继续单纯加深 Transformer 更符合散射方向图的物理结构。最终边界仍然不变：正向 surrogate 只能用于加速筛选，候选结构必须回到 HFSS/PTD 闭环验证，并与物理基线 6.300 dB 和 7.256 dB 同口径比较。
HFSS L1 800 样本扩充与 Atom Transformer 反超（2026-05-28）
为继续检验 Transformer 对数据量的需求，本轮将 HFSS/PTD 合成物理结构样本由 500 扩充到 800。新增 sample_0500 至 sample_0799 共 300 条一次求解成功，耗时约 2h26m41s，最终数据集成功率 800/800。数据整理为 800 x 34 结构统计特征、800 x 121 RCS 响应矩阵，以及 800 x 7 x 14 的逐原子 token 张量。
在 534/266 划分下，同口径结果为：均值曲线 MAE 11.590 dB，MLP 11.404 dB，Ridge 9.375 dB，RandomForest 8.585 dB，ExtraTrees 8.920 dB，Atom Transformer 7.399 dB。这是 Atom Transformer 首次明显超过树模型：相对 RandomForest 降低 1.186 dB，相对 ExtraTrees 降低 1.521 dB；其峰值窗口 MAE 为 8.298 dB，背景 MAE 为 7.210 dB。
这一结果支持此前判断：逐原子 Transformer 更依赖数据规模。300 样本时它仍弱于树模型，500 样本时已经几乎持平，800 样本时表达优势开始转化为明显的预测优势。需要谨慎的是，各阶段测试集规模不同，这属于扩样趋势证据；如果写入论文主结果，仍应固定一个独立测试集，仅增加训练集来绘制严格学习曲线。
图中展示了模型整体对比、Transformer 与 RandomForest 的配对留出曲线，以及代表/困难结构的三维布局。Transformer 的中位难度样本为 sample_0002，最困难样本为 sample_0416；后者仅由三个平板组成，其中一个 +104 deg 附近的强平板主导响应，而两个极弱平板影响谷底，这类强弱悬殊的稀疏结构仍是模型难点。
下一步应从继续盲目扩样转向更有物理结构的网络：实现 atom tokens + query phi -> RCS(phi) 的角域条件解码器，并建立固定测试集学习曲线。在最终目标上，当前仍只是正向 surrogate 的改善；只有网络提出的候选结构重新通过 HFSS/PTD 闭环并优于物理基线，才可以说最终 UAV RCS 模拟得到改善。
HFSS L1 1200 样本扩充与 Atom Transformer 学习趋势（2026-05-28）
本轮继续将 HFSS/PTD 合成物理结构数据由 800 扩展到 1200 条。主跑阶段 sample_0936 偶发失败，随后使用 --resume 补跑成功，最终成功率为 1200/1200。数据整理为 1200 x 34 结构统计特征、1200 x 121 RCS 响应矩阵，以及 1200 x 7 x 14 逐原子 token 张量。
在 800/400 训练/测试划分下，同口径结果为：均值曲线 MAE 11.809 dB，MLP 11.330 dB，Ridge 9.504 dB，RandomForest 8.664 dB，ExtraTrees 8.841 dB，Atom Transformer 6.386 dB。Atom Transformer 相对 RandomForest 降低 2.278 dB，相对 ExtraTrees 降低 2.454 dB，峰值窗口 MAE 为 7.399 dB，背景 MAE 为 6.174 dB。
这一步进一步确认了数据量趋势：逐原子 Transformer 在 300 样本时弱于树模型，500 样本时接近树模型，800 样本时首次明显反超，1200 样本时优势进一步扩大。该结论仍需以固定独立测试集做严格学习曲线复核，但已经足够支持继续沿神经正向代理路线推进。
图中展示了模型整体对比、Atom Transformer 与 RandomForest 的配对曲线，以及代表/困难样本三维结构。Transformer 最困难样本 sample_0748 中，三个主峰平板几乎都集中在 -90 deg 附近且系数接近；这种多原子窄峰叠加仍是当前模型难点。
下一步应进入两个更接近最终目标的工作：第一，固定独立测试集，复画严格学习曲线；第二，构建 atom tokens + query phi -> RCS(phi) 的角域条件 Transformer。之后再用正向代理做候选结构搜索，并把候选结构送回 HFSS/PTD 闭环验证。当前仍只能声称正向 surrogate 明显改善，不能直接声称最终 UAV RCS 模拟已经改善。
HFSS L1 1600 样本扩充与 Atom Transformer 稳定领先（2026-05-28）
本轮继续将 HFSS/PTD 合成物理结构样本由 1200 扩展到 1600。新增 sample_1200 至 sample_1599 共 400 条一次求解成功，耗时约 3h09m25s，最终成功率 1600/1600。数据整理为 1600 x 34 结构统计特征、1600 x 121 RCS 响应矩阵，以及 1600 x 7 x 14 逐原子 token 张量。
在 1067/533 训练/测试划分下，同口径结果为：均值曲线 MAE 11.863 dB，MLP 10.967 dB，Ridge 9.400 dB，RandomForest 8.677 dB，ExtraTrees 8.768 dB，Atom Transformer 5.990 dB。Atom Transformer 相对 RandomForest 降低 2.688 dB，相对 ExtraTrees 降低 2.778 dB；峰值窗口 MAE 6.808 dB，背景 MAE 5.818 dB。
与 1200 样本阶段相比，Atom Transformer 从 6.386 dB 降至 5.990 dB，继续改善 0.397 dB。这说明继续扩样仍有效，但边际收益已经小于 800 -> 1200 阶段。当前模型已足以作为候选结构搜索的正向代理，下一步更应固定独立测试集和实现角域条件解码器，而不是无节制扩样。
图中展示模型对比、Transformer 与 RandomForest 的配对曲线，以及代表/困难样本结构。Transformer 最困难样本仍为 sample_0416，说明单强散射主导、弱散射体影响谷底的结构仍是难点。
当前边界不变：这一步证明的是正向 surrogate 显著改善，不等于最终 UAV RCS 模拟已经改善。后续必须让代理模型提出候选结构，再通过 HFSS/PTD 闭环验证。
HFSS L1 2000 planned / 1999 effective 样本复测（2026-05-29）
本轮继续将 HFSS/PTD 合成物理结构样本从 1600 扩展到 2000 个计划样本。主跑完成后有 1999/2000 个样本成功，sample_1720 因 HFSS COM 启动阶段报 Access denied / 服务器运行失败，并留下 sample_1720.aedt.lock，多次补跑仍失败。因此本轮训练采用 1999 个有效样本，并把该结果明确标记为 2000 planned / 1999 effective，避免把失败样本误记为成功。
数据整理结果为 1999 x 34 结构统计特征、1999 x 121 RCS 响应矩阵，以及 1999 x 7 x 14 逐原子 token 张量。训练/测试划分为 1333/666。同口径结果为：均值曲线 MAE 11.749 dB，MLP 10.717 dB，Ridge 9.474 dB，RandomForest 8.485 dB，ExtraTrees 8.644 dB，Atom Transformer 5.814 dB。Atom Transformer 仍然显著领先；相对 RandomForest 降低 2.671 dB，相对 ExtraTrees 降低 2.830 dB。
与 1600 样本阶段的 Atom Transformer 5.990 dB 相比，本轮进一步降至 5.814 dB，改善 0.176 dB。这说明继续扩样仍有收益，但边际收益已经明显变小。当前更合理的技术路线不是单纯继续堆 HFSS 样本，而是固定独立测试集做严格学习曲线，并实现 atom tokens + query phi -> RCS(phi) 的角域条件解码器，让网络显式学习 phi - center_deg 关系。
本轮峰值窗口 MAE 为 6.620 dB，背景区域 MAE 为 5.645 dB。图中 Transformer 代表样本为 sample_0899，困难样本为 sample_1631；RandomForest 代表样本为 sample_0062，困难样本为 sample_1384。这些三维布局图用于解释模型在典型结构和困难结构上的误差来源。
边界仍然不变：这一步证明的是 结构参数 -> HFSS/PTD RCS 正向 surrogate 继续改善，不等于最终 UAV RCS 反演已经闭环成功。后续必须用 surrogate 或反演搜索提出候选结构，再重新进入 HFSS/PTD 闭环验证，并与物理基线 6.300 dB 和 7.256 dB 同口径比较。
散射结构反演阶段性实验结果汇总（2026-05-29）
1. 物理结构映射与散射中心路线
前期的 ASC/散射中心拟合已经说明：如果只在全角域 RCS 曲线层面拟合，ASC 模型可以把角域响应拟合得很好；但把这些散射中心直接映射回有限数量的真实物理散射结构时，仍然存在明显困难。原因是散射中心是等效表征，包含位置、幅度、相位和角域方向性等综合信息，而角反射器、平板、二面角、三面角等物理结构只有有限自由度，二者不是一一对应关系。
ASC 引导物理结构映射后，HFSS/PTD 闭环物理拟合 MAE 约为 6.300 dB，优于旧物理基线 7.256 dB，说明“散射中心结果用于指导物理结构候选”是有效的。但它还没有完全解决主峰位置、峰值强度和低 RCS 区域同时匹配的问题。因此当前结论是：散射中心更适合作为物理结构搜索的中间约束或先验，而不是直接等价于最终结构。
2. HFSS/PTD 学习数据集与正向代理
随后转入学习式路线：先用 HFSS/PTD 大规模生成合成物理结构样本，训练 结构参数 -> 角域 RCS 的正向代理模型，再用代理模型加速后续反演搜索。当前样本不是单个原子响应，而是多散射原子组合后的完整物理结构响应；每条样本包含一个 atoms.csv 和对应的 [-120,120] deg、121 点 RCS 曲线。
截至本轮，计划扩展到 2000 个样本，其中 1999 个成功，sample_1720 因 HFSS COM 启动错误失败。因此本轮训练使用 1999 个有效样本，数据形式为：
- 结构统计特征：
1999 x 34 - RCS 响应矩阵：
1999 x 121 - 逐原子 token 张量：
1999 x 7 x 14 - 训练/测试划分：
1333/666
3. 模型结果趋势
早期使用 34 维压缩统计特征时，Ridge、RandomForest 和 ExtraTrees 明显优于普通 MLP，说明简单 MLP 很难从压缩统计量中恢复多原子结构和角域响应之间的关系。将输入改为逐原子 token 后，Atom Transformer 开始体现优势。
主要结果如下：
| 有效样本数 | 最优树模型 MAE | Atom Transformer MAE | 结论 |
|---|---|---|---|
300 | RandomForest 8.783 dB | 9.076 dB | Transformer 仍弱于树模型 |
500 | ExtraTrees 8.962 dB | 9.016 dB | Transformer 基本追平树模型 |
800 | RandomForest 8.585 dB | 7.399 dB | Transformer 首次明显反超 |
1200 | RandomForest 8.664 dB | 6.386 dB | Transformer 优势扩大 |
1600 | RandomForest 8.677 dB | 5.990 dB | Transformer 稳定领先 |
1999 | RandomForest 8.485 dB | 5.814 dB | 继续改善，但边际收益变小 |
本轮 1999 有效样本下的完整模型对比为：均值曲线 11.749 dB，MLP 10.717 dB，Ridge 9.474 dB，RandomForest 8.485 dB，ExtraTrees 8.644 dB，Atom Transformer 5.814 dB。Atom Transformer 相对 RandomForest 降低 2.671 dB，相对 ExtraTrees 降低 2.830 dB。
4. 当前判断
实验已经比较清楚地支持两个判断。第一，逐原子输入比 34 维压缩统计特征更适合神经网络，因为它保留了每个散射原子的形状、方位、俯仰、强度和角色信息。第二，Transformer 确实更吃数据量：在 300 样本时不占优，到 800 样本后开始明显优于树模型，到 1999 有效样本时 MAE 降到 5.814 dB。
但也要保持边界：目前改善的是正向代理模型对 HFSS/PTD 合成物理阵列 RCS 的预测能力，还不是最终 UAV 结构反演闭环结果。要证明最终 RCS 模拟改善，下一步必须让代理模型参与候选结构搜索，再把候选结构重新送入 HFSS/PTD 验证，并与当前物理基线 6.300 dB 和 7.256 dB 同口径比较。
5. 下一步优先级
不建议继续只做盲目扩样。更优先的两件事是：
- 固定独立测试集，重新绘制严格学习曲线，避免不同阶段测试集变化导致趋势判断偏差。
- 实现
atom tokens + query phi -> RCS(phi)的角域条件 Transformer，让模型显式学习phi - center_deg的相对角关系，而不是一次性输出整条曲线。
完成上述两步后，再进入反演搜索和 HFSS/PTD 闭环验证。
固定测试集学习曲线与角域条件 Transformer（2026-05-29）
为避免此前不同样本规模采用不同随机测试集带来的比较偏差，本轮固定了一个 399 条样本的独立测试集，并只改变训练样本数，重新评估 Atom Transformer 的学习曲线。结果如下：
| 训练样本数 | Atom Transformer MAE | 峰值窗口 MAE | 背景 MAE |
|---|---|---|---|
300 | 8.606 dB | 9.704 dB | 8.375 dB |
500 | 7.190 dB | 8.286 dB | 6.960 dB |
800 | 6.266 dB | 7.163 dB | 6.078 dB |
1200 | 5.751 dB | 6.558 dB | 5.582 dB |
1600 | 5.510 dB | 6.201 dB | 5.365 dB |
这个结果严格确认了此前的判断：逐原子 Atom Transformer 随训练数据增加稳定改善。1200 -> 1600 仍有收益，但边际收益已经小于早期阶段，因此下一步重点不应只是继续扩样，而应改善模型结构。
随后实现了角域条件 Transformer，将原来的：
atom tokens -> full 121-point RCS curve改为：
atom tokens + query phi -> RCS(phi)具体结构是：散射原子 token 先通过 Transformer encoder 编码；每个输出角度 phi 以 [phi/120, sin(phi), cos(phi)] 形式作为 query，经 Transformer decoder 对原子 token memory 做 cross-attention，最后输出该角度的 RCS。这样模型显式看到 phi，更容易学习 phi - center_deg 这类相对角关系。
在同一个固定测试集、同样 1600 个训练样本下，结果为：
| 模型 | MAE | RMSE |
|---|---|---|
| Atom Transformer | 5.510 dB | 7.477 dB |
| Query-phi Transformer | 4.690 dB | 6.637 dB |
Query-phi Transformer 相对普通 Atom Transformer 降低 0.821 dB。其峰值窗口 MAE 为 5.034 dB，背景区域 MAE 为 4.618 dB。这说明显式角域条件解码确实比一次性输出整条曲线更适合当前散射结构正向代理问题。
边界仍然不变：这仍是 结构参数 -> HFSS/PTD RCS 的正向代理改进，还不是最终 UAV 反演闭环成功。下一步应使用 Query-phi Transformer 作为快速正向模型，搜索候选 atoms.csv，再把 top-k 候选送回 HFSS/PTD 闭环验证。
Query-phi 反演搜索与 HFSS/PTD 闭环验证（2026-05-29）
在固定测试集上确认 Query-phi Transformer 的正向代理能力后，本轮把它真正放进反演闭环：用 8000 个候选、5 轮精英变异搜索生成物理散射原子组合，再把代理模型排名靠前的候选送回 HFSS/PTD 重新仿真验证。
这一步回答了前面最关键的问题：增加“学习代理 + 候选搜索”这一步，能不能最终回到改善 RCS 模拟上。 目前答案是可以，但需要保留 HFSS/PTD top-k 闭环筛选。代理排名第 1 的 candidate_00 峰值区域很好，但背景误差偏大；真正 HFSS/PTD 整体最优的是 candidate_01。本轮 candidate_00 到 candidate_04 完成验证；随后追加尝试 candidate_05 到 candidate_09，但 AEDT 在创建 Monostatic RCS 报告时返回 COM 异常，未导出可比较曲线，因此不计入 MAE 排名。
1. 闭环指标
当前最优闭环候选为 candidate_01：
- HFSS/PTD 全角域 MAE：
5.035 dB - HFSS/PTD 背景区 MAE：
4.795 dB - HFSS/PTD 峰值窗口 MAE：
6.176 dB - 相对 ASC 引导物理基线
6.300 dB，降低1.265 dB - 相对更早物理基线
7.256 dB，降低2.221 dB
峰值窗口最优候选为 candidate_00，峰窗 MAE 4.279 dB，但全角域 MAE 7.100 dB，说明当前搜索目标在“主峰”和“低 RCS 背景”之间仍存在权衡。
| 候选 | 原子数 | 代理MAE | 代理峰窗MAE | HFSS/PTD MAE | HFSS峰窗MAE | HFSS背景MAE |
|---|---|---|---|---|---|---|
| candidate_00 | 7 | 5.046 | 2.736 | 7.1 | 4.279 | 7.692 |
| candidate_01 | 4 | 5.38 | 2.857 | 5.035 | 6.176 | 4.795 |
| candidate_02 | 7 | 4.647 | 3.307 | 7.194 | 6.578 | 7.323 |
| candidate_03 | 6 | 4.832 | 3.26 | 7.111 | 8.931 | 6.728 |
| candidate_04 | 7 | 5.023 | 2.767 | 7.144 | 6.5 | 7.279 |
代理 top-10 的验证状态如下：
| 候选 | 代理排名 | 代理MAE | 原子数 | HFSS状态 |
|---|---|---|---|---|
| candidate_00 | 0 | 5.046 | 7 | validated |
| candidate_01 | 1 | 5.38 | 4 | validated |
| candidate_02 | 2 | 4.647 | 7 | validated |
| candidate_03 | 3 | 4.832 | 6 | validated |
| candidate_04 | 4 | 5.023 | 7 | validated |
| candidate_05 | 5 | 4.859 | 5 | hfss_report_failed |
| candidate_06 | 6 | 4.924 | 5 | hfss_report_failed |
| candidate_07 | 7 | 5.158 | 4 | hfss_report_failed |
| candidate_08 | 8 | 4.956 | 6 | hfss_report_failed |
| candidate_09 | 9 | 5.116 | 5 | hfss_report_failed |
2. 结构候选
candidate_01 只用了 4 个散射原子，结构比 candidate_00 更简单，但 HFSS/PTD 背景区更稳，因此整体 MAE 最低。
| 类型 | 俯仰角 | 方位中心 | 功率系数 | 角色 |
|---|---|---|---|---|
| plate | 90 | 0.4 | 0.4634 | main_peak |
| plate | 90 | 90 | 0.1701 | main_peak |
| cylinder | 105 | 91 | 0.2304 | random |
| plate | 90 | 20.8 | 0.01403 | random |
3. 结论
本轮是学习式路线第一次形成完整闭环证据：
HFSS/PTD 合成样本 -> Query-phi 正向代理 -> 代理快速搜索 atoms.csv -> HFSS/PTD 复核它已经给出了一个同口径优于现有物理基线的候选结构。不过，代理误差仍会改变候选排序，所以后续不应该只取 surrogate top-1，而应该继续采用 top-k 代理推荐 + HFSS/PTD 真实复核 的流程，并针对背景区与峰值窗口重新校准搜索损失。
扩展图表
下面这组图用于把本轮闭环结果拆开看：第一张展示所有已验证候选的曲线，第二张是角域误差热力图，第三张对比代理 MAE 与 HFSS/PTD MAE，第四张展示峰值窗口与背景区的权衡，第五张拆分三个主峰位置的误差，第六张记录代理 top-10 的 HFSS 验证状态，第七张统计已验证候选的原子类型组成。
候选结构三维示意
这里把已完成 HFSS/PTD 复核的 candidate_00 到 candidate_04 都画出来。candidate_01 是当前整体 MAE 最优；candidate_00 是峰值窗口最优但背景误差偏大的对照。
附件：
20260529_query_phi_inverse_hfss_validation_summary.csv20260529_query_phi_inverse_hfss_validation_attempts.csv20260529_query_phi_inverse_candidate01_atoms.csv
显式坐标相干残差闭环：第二背景与 +90° 局部重拟合（2026-06-01）
本轮继续使用显式物理坐标，不再把散射体限制在旧的 25 m 圆环或小盒子内。当前流程是：用相干叠加/散射中心提取给出物理先验，再用 HFSS/PTD 对候选做闭环验证；残差网络目前只作为弱预筛，不替代最终物理验证。
用户目标为：主峰误差尽量压到 3 dB 以内，较低/背景部分压到 5 dB 以内，深谷区形状接近即可。当前仍未达到目标，但已经形成两个有用锚点。
当前锚点
| 锚点 | 候选 | overall MAE | peak MAE | background MAE | -90峰 | 0峰 | +90峰 |
|---|---|---|---|---|---|---|---|
| overall/background 最好 | local left gap fine plate s0.10 az=-56 | 5.630 | 4.680 | 5.830 | 4.607 | 3.599 | 5.835 |
| constrained-objective 最好 | local left gap fine plate s0.10 az=-56 | 5.630 | 4.680 | 5.830 | 4.607 | 3.599 | 5.835 |
| 上一轮 overall/background 最好 | peak90 micro dr=-0.0625λ | 5.685 | 4.914 | 5.847 | 4.783 | 3.784 | 6.176 |
| 上一轮 constrained 最好 | local left gap plate s0.10 az=-58 | 5.686 | 4.704 | 5.893 | 4.570 | 3.647 | 5.896 |
| 上一轮 constrained 最好 | peak90 micro dr=+0.0625λ | 5.753 | 4.691 | 5.976 | 4.607 | 3.576 | 5.890 |
| 次优折中 | peak90 micro dr=+0.03125λ | 5.753 | 4.732 | 5.967 | 4.646 | 3.624 | 5.926 |
| 上一轮 peak-balance 最好 | s0.18 right s0.30 az=52 | 5.752 | 4.784 | 5.955 | 4.691 | 3.676 | 5.985 |
local left gap fine plate s0.10 az=-56 现在同时刷新 overall/background 和 constrained-objective。这个结果说明局部散射中心补偿不只是修局部缺口，也能改善全局均衡。
+90° 局部重拟合结果
以 s0.18 right s0.30 az=52 为基准，测试了 +90° 主散射体方位、尺寸和径向相位微调：
| 候选 | overall MAE | peak MAE | background MAE | -90峰 | 0峰 | +90峰 | 判断 |
|---|---|---|---|---|---|---|---|
| peak90 az=84 | 6.251 | 6.761 | 6.143 | 4.716 | 9.139 | 6.428 | 破坏 0° 峰，淘汰 |
| peak90 az=88 | 6.290 | 6.478 | 6.250 | 4.657 | 8.351 | 6.424 | 同样破坏 0° 峰，淘汰 |
| peak90 scale=0.90 | 6.409 | 5.136 | 6.676 | 4.827 | 5.106 | 5.476 | +90 有效但背景恶化 |
| peak90 dr=+0.125λ | 5.788 | 4.679 | 6.021 | 4.590 | 3.475 | 5.973 | 峰窗最好，但背景略退 |
| peak90 dr=-0.125λ | 5.723 | 5.081 | 5.858 | 4.843 | 3.874 | 6.526 | 刷新 overall/background，+90 仍差 |
方位角扰动会强烈污染 0° 峰，说明 +90° 残差不是简单主瓣指向偏差。尺寸缩放能降低 +90° 误差，但会抬高背景；径向微移主要改变相位路径，-0.125λ 是当前最稳的整体/背景方向。
+90° 径向微步长细扫
继续以 s0.18 right s0.30 az=52 为锚点，把 +90° 主散射体的径向扰动缩小到 0.03125λ~0.0625λ：
| 候选 | overall MAE | peak MAE | background MAE | -90峰 | 0峰 | +90峰 | 判断 |
|---|---|---|---|---|---|---|---|
| dr=-0.0625λ | 5.685 | 4.914 | 5.847 | 4.783 | 3.784 | 6.176 | overall/background 最好 |
| dr=+0.03125λ | 5.753 | 4.732 | 5.967 | 4.646 | 3.624 | 5.926 | 折中但不如 +0.0625 |
| dr=+0.0625λ | 5.753 | 4.691 | 5.976 | 4.607 | 3.576 | 5.890 | constrained-objective 最好 |
| background-anchor scale=0.95 | 5.844 | 5.562 | 5.903 | 4.736 | 5.715 | 6.235 | 伤 0° 峰 |
| background-anchor scale=0.975 | 5.943 | 5.484 | 6.039 | 4.770 | 5.233 | 6.449 | 仍伤 0° 峰 |
这个结果进一步排除了“只缩 +90° 尺寸”的路径；即便 0.975 这种很温和的尺寸扰动，也会把 0° 峰从约 3.8 dB 级别拉坏到 5.2 dB。当前应该继续沿径向相位微调，而不是继续做大方位角或单独尺寸缩放。
左背景回调试探
对 constrained-objective 最好候选 dr=+0.0625λ 做残差诊断后，发现右背景略有改善，主要退化在左背景和中心背景，-64/-58/-54/-46 deg 一带有明显 underfit。于是试探性地把左背景补偿板从 0.18 m 提到 0.19 m，保持 az=-50 deg：
| 候选 | overall MAE | peak MAE | background MAE | -90峰 | 0峰 | +90峰 | 判断 |
|---|---|---|---|---|---|---|---|
| micro left s0.19 az=-50 | 5.798 | 4.779 | 6.012 | 4.585 | 3.626 | 6.127 | 退化，停止加左背景强度 |
这个负结果说明左侧 underfit 不是简单增加左背景板强度能解决；继续跑 s0.20 或 az=-55 的优先级下降。更合理的下一步是诊断是否需要更局部的散射中心，或者调整相干相位路径而不是增加宽背景板。
局部左侧缺口补偿
针对 -64/-58/-54/-46 deg 附近的尖锐 underfit，在 constrained 锚点 dr=+0.0625λ 上追加极小局部散射体。结果显示，小板比 plane-cylinder 更稳，且尺寸窗口很窄：
| 候选 | overall MAE | peak MAE | background MAE | -90峰 | 0峰 | +90峰 | 判断 |
|---|---|---|---|---|---|---|---|
| local plate s0.10 az=-58 | 5.686 | 4.704 | 5.893 | 4.570 | 3.647 | 5.896 | 新 constrained-objective 最好 |
| local plate s0.12 az=-60 | 5.894 | 4.652 | 6.155 | 4.449 | 3.865 | 5.642 | +90 好但背景过坏 |
| local plane-cylinder s0.10 az=-60 | 5.744 | 4.827 | 5.937 | 4.554 | 3.641 | 6.285 | 不如小板，+90 退化 |
local plate s0.10 az=-58 把 constrained objective 降到 9.472，同时保持 overall 接近当前最好值。这说明后续优化应该围绕这个新锚点继续做很小的局部相位/尺寸搜索，而不是扩大背景板。
局部左侧小板细扫
围绕 local plate s0.10 az=-58 做窄范围细扫，重点比较尺寸 0.09/0.105/0.11 m 与方位 az=-56/-58：
| 候选 | overall MAE | peak MAE | background MAE | -90峰 | 0峰 | +90峰 | 判断 |
|---|---|---|---|---|---|---|---|
| fine plate s0.10 az=-56 | 5.630 | 4.680 | 5.830 | 4.607 | 3.599 | 5.835 | 新 overall/constrained 双最好 |
| fine plate s0.09 az=-56 | 5.692 | 4.646 | 5.911 | 4.554 | 3.608 | 5.777 | +90 更好但背景退化 |
| fine plate s0.105 az=-58 | 5.671 | 4.714 | 5.872 | 4.562 | 3.638 | 5.942 | overall 有效，方位不如 -56 |
| fine plate s0.11 az=-58 | 5.669 | 4.715 | 5.869 | 4.554 | 3.637 | 5.955 | 与 0.105 接近，+90 稍退 |
| fine plate s0.09 az=-58 | 5.752 | 4.681 | 5.977 | 4.585 | 3.654 | 5.805 | 背景退化，不如 -56 |
az=-56 是本轮关键改进；在这个方位下，0.10 m 比 0.09 m 更均衡。下一步应该围绕 s0.10 az=-56 做更细的二维搜索，例如 size=0.095/0.100/0.105 与 az=-54/-56/-57，同时监控 +90 是否重新上升。
曲线
下一步判断
不要继续大幅旋转 +90° 主散射体；这条路会牺牲 0° 峰。更值得做的是二变量小步闭环：
- 以
peak90 micro dr=-0.0625λ作为新的 overall/background 锚点，后续不要再用单独尺寸缩放修它。 - 以
local left gap fine plate s0.10 az=-56作为新的 overall/constrained 锚点，下一步围绕size=0.095~0.105、az=-54~-57做更细搜索。 - 可继续尝试
dr=+0.09375λ，但从+0.03125/+0.0625/+0.125λ的趋势看，收益可能有限。 - 左背景板直接加大已经验证会退化，暂时不要继续沿
s0.19/s0.20左背景强度扫。 - 继续保留散射体原子库与尺寸参数；本轮结果再次说明尺寸对幅度响应有效，但必须和相干相位/遮挡耦合一起调。
附件：