-
题名基于深度神经网络的可编程超表面智能波束形成
被引量：3
- 1
-
-
作者
李商洋
符士磊
徐丰
-
机构
复旦大学电磁波信息科学教育部重点实验室
-
出处
《雷达学报（中英文）》
CSCD
北大核心
2021年第2期259-266,共8页
-
基金
国家重点研发计划(2017YFA0700203)。
-
文摘
通过在超表面单元上加载二极管等有源器件,可编程超表面可实现对电磁波的实时灵活调控。通常利用全波仿真软件计算可编程超表面的辐射场,但该方法需要消耗大量的时间,因而降低了设计效率。为了实现准确高效求解给定编码序列计算辐射场,该文首先设计了辐射场自动测试系统,利用该测试系统实测了少量的编码和辐射场数据,其后提出了一个正向深度神经网络,基于实测的数据训练该神经网络,最终实现了给定编码准确高效预测辐射场。对于给定辐射场求解编码的逆问题,该文提出了一个逆向深度神经网络。基于正向网络生成的数据训练所提出的逆向网络,最终实现了给定辐射场实时准确求解编码。该文所提出的方法为雷达波束形成提供了一种新可选方案,在雷达智能波束形成、微波成像等领域有一定的应用价值。
-
关键词
可编程超表面
离散偶极子近似
深度学习
全连接网络
辐射场预测
-
Keywords
Programmable metasurface
Deep neural network
Full connected network
Code-to-pattern
Pattern-to-code
-
分类号
TN95
[电子电信—信号与信息处理]
-
