近年来，准确评估人体暴露于毫米波（mmWave）电场（E-field）的水平对公共健康与安全变得至关重要。根据国际电工委员会（IEC）和电气与电子工程师协会（IEEE）的规范（IEC/IEEE 63195-2标准），评估毫米波电磁暴露需要高空间分辨率的电场分布数据。

近日，中国信通院易世伟等提出一种结合电场梯度损失的生成对抗网络（GAN），命名为EFGraGAN，用于毫米波电场的超分辨率重建。电场梯度损失的引入使网络能够同时学习局部场强幅度与空间结构，从而提升重建电场图的准确度并丰富结构细节。

为提高模型在不同类型天线上的泛化能力，利用平面波积分表示（PWIR）和随机参数化入射生成训练数据集，从而模拟多样化的场分布情况。结合双线性插值，该方法在30 GHz和60 GHz频段下均实现了高分辨率重建，满足IEC/IEEE 63195-2标准对暴露评估的要求。数值仿真结果表明，在4×4偶极子阵列场景下（频率高达60 GHz），EFGraGAN在皮肤体模中重建电场分布的最大平均相对误差（MRE）小于9%，性能优于传统的线性插值方法和GAN模型。此外，该方法还展现出对噪声的强鲁棒性，有望助力现有测量系统实现对毫米波暴露准确且高效的评估。（来源：EngineeringJournals微信公众号）

相关论文信息：https://journal.hep.com.cn/fitee/EN/10.1631/ENG.ITEE.2025.0021