基于深度脉冲神经网络的光学器件传输信号识别研究
这是一篇关于脉冲神经网络,光子晶体,超表面,残差结构,时间卷积的论文, 主要内容为光学器件传输信号的研究对诸如传感器等其他许多领域的研究都有着重要意义,随着人工智能的发展,研究人员逐渐尝试将光学器件传输信号与深度学习相结合。然而,光学器件传输信号不易大量采集,且大多是有噪声的,这就导致了传统人工神经网络(ANN)在完成识别任务时没有取得很理想的结果。近年来,有研究指出脉冲神经网络(SNN)可以在小样本有噪声问题的研究中超越ANN,所以考虑将SNN应用于光学器件传输信号的研究中。本文的主要研究内容如下:1、针对光学器件传输信号不易大量采集,且大多是有噪声的这一特点,我们将光学器件传输信号视为“小样本有噪声”问题进行研究。所以我们首先基于公共数据集验证了SNN更适用于研究小样本有噪声问题,进而说明了基于深度脉冲神经网络研究光学器件传输信号识别的可行性。2、针对SNN大多还局限于浅层结构,识别准确率较低这一问题,我们通过在全连接SNN的基础上加入残差结构和ECA-Net两个模块,构建了一种脉冲残差注意力网络(RASNN)。然后在我们建立的一维光子晶体传输信号数据集上进行了对比实验,证明了提出的RASNN可以取得更好的识别效果。最后,我们还基于MIT-BIH心律失常数据集,与现有研究常用的ANN进行了对比实验,证明了RASNN还可以为其他不易大量采集的一维信号的识别问题提供一个健壮的解决方案。3、建立超表面传输信号数据集,并通过在全连接SNN的基础上加入时间卷积模块和残差结构两个模块构建了一个时间卷积脉冲神经网络(TCSNN)。然后基于超表面传输信号数据集进行对比实验,评估网络性能。最后,分别在一维光子晶体传输信号数据集和超表面传输信号数据集上,对比RASNN和TCSNN的识别效果,结果表明,提出的两个深度脉冲神经网络模型的识别效果相当,都可以准确高效地对光学器件传输信号进行识别。
基于深度学习的超表面设计研究
这是一篇关于超表面,正向设计,逆向设计,卷积神经网络,卷积自编码器,条件生成对抗网络的论文, 主要内容为超表面的传统设计方式依靠于全波数值仿真,须大量参数扫描,同时要求设计人员具备熟练的仿真经验。该方式效率较低,易于陷入局部最优位置,难以高效快速地设计出满足要求的大规模超表面单元结构。近年来,深度学习算法为解决超表面设计的非线性问题提供了新思路和新方法。因此,本文将深度学习算法应用到超表面设计领域,并在正向设计和逆向设计两方面开展工作。正向设计是指给定一个特定超表面单元结构,设计深度学习模型预测相应的电磁响应;逆向设计是指给定一个特定目标电磁响应,设计深度学习模型预测相应的超表面单元结构。本文的主要研究目的是基于深度学习算法解决超表面设计效率低下的问题。具体而言,本文所做的工作内容和创新点如下:(1)为了快速而准确地对具有不同单元结构的超表面的电磁吸收光谱进行预测,本文提出了一种新颖的光谱预测神经网络模型(SPNN)。该模型结合自注意力机制(self-attention mechanism)和卷积神经网络(Conv Net),有效提取超表面单元结构图像的空间关系和特征信息。该模型基于50层的残差神经网络(Res Net-50),并在其顶层添加自注意力机制。在多个不同单元结构上进行测试的实验结果表明,该模型能够在平均6毫秒时间内预测相应的目标光谱,达到了优异的性能,光谱角度制图(SAM)指标均值为0.043,均方误差(MSE)指标均值为1.6×10-4。(2)为了实现超表面的逆向设计,本文提出了一种基于全连接神经网络和卷积自编码器相结合的深度生成模型(CFNet),它可根据特定的光谱数据预测对应的超表面单元结构。首先,设计的全连接神经网络(FNN)模型将高维的光谱数据压缩为低维的隐空间中的稠密向量;然后,卷积自编码器(Conv AE)将该向量解压缩为64×64大小的单元结构图像。这大大降低逆向设计模型的计算量,也提高了深度生成模型生成图像的质量和效率,避免出现难以训练导致网络模型崩塌的情况。实验结果表明,该模型生成的图像质量效果很好。(3)随后,本文进一步提出基于条件生成对抗网络的深度生成模型(SA-DF-GAN),它结合了条件增强(CA)、自注意力机制(SA)和深度融合(DFBlock)算法,同时将hinge loss函数作为损失函数。另外,对判别网络引入梯度惩罚(GP),从而稳定训练该生成对抗网络模型,进一步提高了图像的生成质量。结果表明,提出的模型能够生成与输入光谱匹配度高的高质量超表面单元结构图像。
基于混合超表面的高增益圆极化平板波束调控天线的研究
这是一篇关于超表面,径向线缝隙天线,波束扫描,轨道角动量的论文, 主要内容为近年来,随着卫星接收和移动通信的发展,天线的性能要求越来越高。在无线通信系统和雷达探测中,不仅要保证天线的高增益,同时还要考虑天线成本和波束快速扫描。抛物面天线和相控阵天线推动了高增益波束扫描的发展,但抛物面天线扫描过程慢,相控阵天线存在毫米波频段的馈电损耗大且阵元数过多时加工成本高等问题。本文基于近场元转向(Near-Field Meta-Steering,NFMS)方法,利用超表面对电磁波波前调控,致力于设计具有高增益、低成本、低损耗的波束扫描阵列天线,主要研究内容和成果如下:1、设计了基于混合超表面的高增益波束扫描天线。混合超表面(Hybrid Metasurface,HM)为多种功能或者不同单元组成的超表面。首先,概括了利用近场元转向方法来设计天线的步骤。其次,利用相位补偿和聚焦原理,设计了一种聚焦-波束偏转的超表面天线。最后,并在此基础上添加一个超表面,在中心频率12GHz下能够实现±40°的波束扫描,且扫描过程中增益损失低于2.4d Bi。2、设计了一种透射超表面的高增益圆极化波束扫描天线。采用传统的环形径向线缝隙天线(Concentric Array-Radial Line Slot Antenna,CA-RLSA)和两个相同相位梯度的超表面,旋转超表面天线能实现±39°的波束扫描,仿真结果与测试结果吻合较好。3、设计了一款高增益低成本的圆极化波束扫描天线,首先介绍了波束倾斜RLSA的理论,并设计了两种不同倾斜角度的RLSA,分析了RLSA和不同相位梯度的超表面联合实现波束扫描的影响。最后,相对于传统的NFMS系统,只需利用一个超表面就能实现高增益的波束扫描,天线能够实现扫描角度为±31°,天线的整体高度为1.320。对天线进行加工测试,其仿真与测试结果吻合良好。4、结合轨道角动量(Orbital Angular Momentum,OAM)的原理,提出了一种五模态的OAM径向线缝隙天线,实现了L=-1、±2、±3五种模态的任意转化。并利用超表面独特的电磁特性,设计了3-bit量化编码的OAM天线,根据编码方案设计了两款OAM天线,仿真验证了该编码方案的有效性。
基于深度学习的超表面设计研究
这是一篇关于超表面,正向设计,逆向设计,卷积神经网络,卷积自编码器,条件生成对抗网络的论文, 主要内容为超表面的传统设计方式依靠于全波数值仿真,须大量参数扫描,同时要求设计人员具备熟练的仿真经验。该方式效率较低,易于陷入局部最优位置,难以高效快速地设计出满足要求的大规模超表面单元结构。近年来,深度学习算法为解决超表面设计的非线性问题提供了新思路和新方法。因此,本文将深度学习算法应用到超表面设计领域,并在正向设计和逆向设计两方面开展工作。正向设计是指给定一个特定超表面单元结构,设计深度学习模型预测相应的电磁响应;逆向设计是指给定一个特定目标电磁响应,设计深度学习模型预测相应的超表面单元结构。本文的主要研究目的是基于深度学习算法解决超表面设计效率低下的问题。具体而言,本文所做的工作内容和创新点如下:(1)为了快速而准确地对具有不同单元结构的超表面的电磁吸收光谱进行预测,本文提出了一种新颖的光谱预测神经网络模型(SPNN)。该模型结合自注意力机制(self-attention mechanism)和卷积神经网络(Conv Net),有效提取超表面单元结构图像的空间关系和特征信息。该模型基于50层的残差神经网络(Res Net-50),并在其顶层添加自注意力机制。在多个不同单元结构上进行测试的实验结果表明,该模型能够在平均6毫秒时间内预测相应的目标光谱,达到了优异的性能,光谱角度制图(SAM)指标均值为0.043,均方误差(MSE)指标均值为1.6×10-4。(2)为了实现超表面的逆向设计,本文提出了一种基于全连接神经网络和卷积自编码器相结合的深度生成模型(CFNet),它可根据特定的光谱数据预测对应的超表面单元结构。首先,设计的全连接神经网络(FNN)模型将高维的光谱数据压缩为低维的隐空间中的稠密向量;然后,卷积自编码器(Conv AE)将该向量解压缩为64×64大小的单元结构图像。这大大降低逆向设计模型的计算量,也提高了深度生成模型生成图像的质量和效率,避免出现难以训练导致网络模型崩塌的情况。实验结果表明,该模型生成的图像质量效果很好。(3)随后,本文进一步提出基于条件生成对抗网络的深度生成模型(SA-DF-GAN),它结合了条件增强(CA)、自注意力机制(SA)和深度融合(DFBlock)算法,同时将hinge loss函数作为损失函数。另外,对判别网络引入梯度惩罚(GP),从而稳定训练该生成对抗网络模型,进一步提高了图像的生成质量。结果表明,提出的模型能够生成与输入光谱匹配度高的高质量超表面单元结构图像。
基于混合超表面的高增益圆极化平板波束调控天线的研究
这是一篇关于超表面,径向线缝隙天线,波束扫描,轨道角动量的论文, 主要内容为近年来,随着卫星接收和移动通信的发展,天线的性能要求越来越高。在无线通信系统和雷达探测中,不仅要保证天线的高增益,同时还要考虑天线成本和波束快速扫描。抛物面天线和相控阵天线推动了高增益波束扫描的发展,但抛物面天线扫描过程慢,相控阵天线存在毫米波频段的馈电损耗大且阵元数过多时加工成本高等问题。本文基于近场元转向(Near-Field Meta-Steering,NFMS)方法,利用超表面对电磁波波前调控,致力于设计具有高增益、低成本、低损耗的波束扫描阵列天线,主要研究内容和成果如下:1、设计了基于混合超表面的高增益波束扫描天线。混合超表面(Hybrid Metasurface,HM)为多种功能或者不同单元组成的超表面。首先,概括了利用近场元转向方法来设计天线的步骤。其次,利用相位补偿和聚焦原理,设计了一种聚焦-波束偏转的超表面天线。最后,并在此基础上添加一个超表面,在中心频率12GHz下能够实现±40°的波束扫描,且扫描过程中增益损失低于2.4d Bi。2、设计了一种透射超表面的高增益圆极化波束扫描天线。采用传统的环形径向线缝隙天线(Concentric Array-Radial Line Slot Antenna,CA-RLSA)和两个相同相位梯度的超表面,旋转超表面天线能实现±39°的波束扫描,仿真结果与测试结果吻合较好。3、设计了一款高增益低成本的圆极化波束扫描天线,首先介绍了波束倾斜RLSA的理论,并设计了两种不同倾斜角度的RLSA,分析了RLSA和不同相位梯度的超表面联合实现波束扫描的影响。最后,相对于传统的NFMS系统,只需利用一个超表面就能实现高增益的波束扫描,天线能够实现扫描角度为±31°,天线的整体高度为1.320。对天线进行加工测试,其仿真与测试结果吻合良好。4、结合轨道角动量(Orbital Angular Momentum,OAM)的原理,提出了一种五模态的OAM径向线缝隙天线,实现了L=-1、±2、±3五种模态的任意转化。并利用超表面独特的电磁特性,设计了3-bit量化编码的OAM天线,根据编码方案设计了两款OAM天线,仿真验证了该编码方案的有效性。
超表面设计中的深度学习应用研究
这是一篇关于超表面,神经网络,深度学习,正向设计,神经网络系统的论文, 主要内容为超表面是一种由周期性排布的亚波长尺寸单元构成的人工电磁结构,通过对结构的设计和调整,实现需要的电磁响应。传统的超表面设计方法一般基于设计经典的构型和人员的设计经验,针对电磁响应的目标,确定一个基本单元构造和结构参数的可变范围,通过电磁仿真软件的数值运算和参数扫描的优化算法,得到一个满足目标要求的超表面设计结构。这种设计方式需要耗费大量的优化和仿真时间,且自由度低,设计过程高度依赖设计人员的设计经验和水平,在参数扫描的过程中无法判断是否能够依托确定的单元构造满足设计要求。近年来深度学习在超表面设计的领域开始发挥作用,通过神经网络对大量数据的学习,能够建立目标和解决方案之间的直接联系,从而大大节省设计过程中的仿真运算时间,降低对设计经验的依赖。在基于神经网络对超表面的设计中,主要分为两个设计思路,称为逆向设计和正向设计。当设计目标是提供一个特定电磁响应的超表面结构时,逆向设计是指使用神经网络建立超表面结构到电磁响应的预测模型,从而取代电磁仿真,建立一个快速输出电磁响应的结构模型数据库。通过检索符合限定要求的电磁响应,间接获得超表面的结构。正向设计是指面向设计目标,使用神经网络建立电磁响应到物理结构的预测模型,输入需要的目标电磁响应,神经网络直接输出合适的电磁结构参数。本文研究了深度学习在超表面单元设计中的应用,通过构建三网络正向设计神经网络框架,提取电磁响应和结构参数的特征并进行匹配,解决了正向设计中的判断物理可实现与否、对设计目标进行自动优化的问题,使得通过深度学习直接设计实用的超表面具备可实现性。首先使用了单层15×15的全金属编码频率选择表面单元对基于自编码器的双网络系统进行验证,解决了人工电磁材料设计中的数据集提取、单元表示等问题,其成果对超表面单元的应用和设计具有启发意义。随后基于双层的10×10的吸波陷波超表面单元和15×15双层编码超表面单元对三网络的神经网络系统进行了验证,并与传统优化算法进行了对比,确定了具有超表面设计神经网络系统高效性、泛用性和可靠性。在搭建的神经网络系统中,通过引入二维化的方法,大幅提高了神经网络的感知能力和预测精确度。通过仿真和测试,验证了神经网络系统对物理可实现的S参数曲线以及理想S参数曲线均具有良好的设计实现能力。
基于超表面的多功能高增益天线
这是一篇关于高增益天线,超表面,多功能天线的论文, 主要内容为高增益天线在卫星通信、深空探测、雷达等领域的远距离无线通信系统中是十分重要的。平面反射阵天线具有高增益、平面结构、馈电网络简单等优势,折合式反射阵天线进一步降低了剖面高度,近些年引起了学者的广泛关注。随着电子信息的不断发展和技术迭代,单功能的器件已经不能满足现代无线通信系统的设计需求,因此高性能、多功能、集成化天线有重要的研究意义。超表面作为超材料的二维形式,可以对电磁波的电磁参数灵活调控,为多功能天线的设计提供了更多的可能性。本课题将多功能超表面的设计与平面高增益天线结合,实现高增益的多功能天线设计。主要工作内容如下:1、设计具有准椭圆滤波特性的极化敏感频率选择超表面调控电磁波的幅度和极化,结合汇聚电磁波束的1-bit反射面,实现准椭圆滤波特性的高增益天线设计。首先介绍频率选择超表面的滤波特性工作机制,分析了超表面对电磁波极化和幅度调控的性能;接着提出具有极化扭转特性的1-bit反射单元;最后1-bit反射单元按照电磁波空间相位延迟补偿的顺序分布作为主反射面、频率选择表面作为副反射面形成折合式反射阵天线。仿真和测试结果表明该天线在通带内具有高增益和准椭圆滤波特性。2、设计可以独立调控电磁波透射幅度和相位的超表面作为法布里-珀罗谐振腔天线的部分反射面,用简单馈电结构产生高增益的涡旋电磁波。首先采用加载螺旋相位板的超表面作为法布里-珀罗谐振腔天线的部分反射面,馈源为矩形微带天线,产生了模式数为+1的高增益涡旋电磁波;接着分别设计可独立调控电磁波透射幅度和相位的线极化和圆极化超表面作为部分反射面,将天线从三维结构降为二维结构,实现基于超表面的高增益涡旋电磁波发生器设计。3、设计同时独立调控不同旋向圆极化电磁波的反射和透射相位的超表面,基于棋盘格图样设计超表面排列顺序,实现高增益辐射和带内共极化低散射特性一体化天线设计。首先阐述了高增益辐射和带内共极化低散射特性一体化天线的工作机制;其次从天线理论和仿真结果分析超表面对电磁波反射和透射相位的调控机制;接着简述了天线整体的设计步骤;最后仿真和测试结果表明所设计的天线可产生高增益的右旋圆极化电磁波,同时对带内共极化和交叉极化电磁波均有低散射特性,实现了高增益辐射和带内共极化低散射特性一体化天线的设计。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码向导 ，原文地址：https://m.bishedaima.com/lunwen/54607.html
