基于深度神经网络的可编程超表面智能波束形成

摘要：

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

所属期刊栏目：10

分类号：TN95

资助基金：国家重点研发计划2017YFA0700203

在线出版日期：2021-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：259-266