由于现代通信的爆炸式发展,复杂空间的电磁环境研究已经成为一个瞩目的议题。确定性模型对环境参数敏感性较高,电磁场数据的实际测量就显得尤为必要。大量测量所需的成本极高,因此需要研究一种可有效降低采样率的电磁场重构算法。其中,基于模型的参数估计法(Model-Based Parameter Estimation,MBPE)考虑了问题的物理机理,且模型具有二维形式,因此本文主要针对MBPE进行改进研究。此外,为优化重构实验的采样过程,降低试验成本,本文提出在实验测量中进行自适应采样。本文具体研究内容如下:(1)传统MBPE难以准确重构复杂电磁场,通过分析其理论难点,提出将MBPE与矩阵分块相结合(B-MBPE),减小MBPE的计算矩阵尺寸,并增加模型的稳定性和灵活性。与传统MBPE重构同一电场图,B-MBPE的重构效果有大幅度的改善,证明了改进方向的正确性。(2)低采样比例下B-MBPE重构中存在分块效应,因此提出利用滑动窗口法取代矩阵分块,对滑动窗边缘平滑化。在对结合滑动窗口法的MBPE(SW-MBPE)利用控制变量法完成参数分析后,得出一组合适参数,并用于不同环境中的电磁场重构,证明了该组参数的通用性。在与传统MBPE以及压缩感知的比较中可以发现,在较低的采样比例下,SW-MBPE可以更好地重构空间电磁场,且有效减弱了分块效应。(3)出于节约电磁场重构实验的采样成本这一目的,提出通过混合自适应采样算法——LOLA-Voronoi以有效完成采样点的分配。相较传统采样方式(均匀采样等)自适应采样可逐次增加采样点,并分析前述采样值后在未知区域自适应选择新的采样点,更加灵活且优化了采样点的选择。(4)本文建立了一个半暗室的实验环境,并在背景场和有源场两种场景下分别进行自适应采样,通过多种算法重构区域内的电磁场,结果证明所需的采样比例远低于预期。此外,两种场景下的最优重构算法不同,为我们在不同环境选择重构算法提供了新思路。综上,本文从电磁场重构算法的改进和重构实验采样的优化两个角度出发,对电磁环境重构提出了建设性的意见,以期大幅度降低电磁场测量的成本,为本课题组的“电磁数据采集与景观场景构建”项目提供技术攻关。