随着物联网技术及其信息产业的不断发展,信息的自动识别作为物联网的核心应用,近年来受到更加广泛的关注。金属标签系统作为实现金属材料磁场信息自动识别的关键技术,填补了现有物联网感知技术中对金属材料识别领域的空白。金属标签系统通过对金属表面磁场的测量来获取金属标识的形状和位置信息,传统的磁场测量如磁通门、霍尔传感器存在灵敏度低、成本高、无法获取完整磁场信息等问题。为了弥补上述不足,本文将具有磁场分辨能力的非晶丝传感材料和矢量层析成像技术相结合,研究基于非晶丝非线性特性的矢量场层析成像的重建方法。本文研究矢量层析重建技术,利用投影数据和相关边界信息可以恢复矢量的分布信息,从而重建磁场的幅度和方向。同时,非晶丝作为一种金属合金材料,具有巨磁阻抗特性,通过对其阻抗的测量,获取磁场分量的投影信息,提高了磁场检测的灵敏度和分辨率。针对非晶丝传感材料的巨磁阻抗特性,建立了非晶丝阻抗与矢量磁场的非线性变换关系模型。分析其磁阻抗效应,采用基于体系自由能的数值化方法计算阻抗,利用MATLAB仿真分析非晶丝阻抗与外磁场幅度、磁场方向、交流电流频率的关系,并通过对不同参数情况下曲线的拟合构建了三种非晶丝的非线性变换模型。针对非晶丝传感存在的非线性问题,本文建立了DNN(Deep Neural Network)网络重建投影矩阵。根据非晶丝非线性变换模型处理原始磁场数据并获取投影矩阵,构建基于非晶丝投影的DNN网络模型,建立非线性投影与线性投影之间的映射关系,从而获取原始矢量的线性投影矩阵。根据矢量层析成像的解析法重建原始磁场,通过MATLAB仿真重建原始磁场分布。结果表明,加入DNN网络的解析法重建矢量场比传统浅层BP(Back Propagation)算法和直接解析法重建误差更小,重建图像的质量更高。