摘要: 近年来电磁超表面由于其功能灵活性强、加工难度低以及有强大的潜在应用前景等优点受到科研与工业领域的广泛关注。事实上，电磁超表面的应用设计过程中，其单元模型的建模与优化是实现电磁性能的关键。然而，目前的设计仍是在单元建模仿真和优化的步... 展开 近年来电磁超表面由于其功能灵活性强、加工难度低以及有强大的潜在应用前景等优点受到科研与工业领域的广泛关注。事实上，电磁超表面的应用设计过程中，其单元模型的建模与优化是实现电磁性能的关键。然而，目前的设计仍是在单元建模仿真和优化的步骤耗费大量的时间与精力。本论文针对可编程电磁超表面的设计提出了基于深度学习的方法，探索单元建模过程的快速设计与电磁响应优化途径，从卷积神经网络（CNN）入手提出了一种解决电磁超表面器件建模与优化的方法。在该方法中提出了适用于棋盘格形式的周期性编码超表面设计过程中的池化窗口，从而对数据进行降维处理，以尽可能地减少卷积层间周期性添加的池化层。相对于目前广泛使用的传统参数扫描建模及浅层神经网络算法，本论文提出的基于深度学习的单元快速设计方法可以有效的解决电磁超表面单元参数数据维度高计算量大的问题。高维微波仿真建模算法的采用使得可编程电磁超表面的阵面综合调控及计算仿真时间大大缩短，对多功能超表面单元的组合应用起到了明显的推进作用。作为理论模型的验证，本文以雷达散射截面积（RCS）的散射特性的调控和低功耗通信等进行了实验验证工作。 1.本论文提出了一种基于深度学习的超表面阵面快速综合计算方法。通过对特定超表面单元的电磁响应进行数值仿真，将得到仿真结果作为训练样本对阵面综合网络进行模型训练，由此揭示该单元构成的超表面的电磁响应与其阵面的组成序列及结构参数间的复杂关系。在设定的工作频率内能够自适应给出超表面的结构参数及编码序列，对于RCS缩减的超表面设计体现的该方法的优势。 2.本论文通过规避单元间耦合效应在设计过程中所导致的误差，采用智能算法提高编码超表面的设计效率，实现编码超表面在单元几何参数和空间拓扑两方面的优化，有效的提高了单元电磁响应的精准度。实验验证了编码超表面分别应用于消色散透镜以及低RCS表面的设计应用的突出效果。 3.本论文提出了一种基于可编程超表面信息传输无线收发实验装置，区别于传统的通信收发系统将信号调制到载波之中，利用该装置通过对可编程超表面的反射系数进行调制实现了信息的传递；在接收端通过回波检测解调其携带的信息。实验验证结果表明，该装置可以达到500kbps传输速率,峰值功率取得了仅为0.02mW的超低功耗特性。 本论文以编码超表面散射特性的快速设计与调控为目标，通过分析单元电磁响应，实现对阵面散射特性的快速计算，利用混合深度神经网络建模技术构建二维全息成像表面、消色差汇聚表面及RCS缩减表面，验证了该方法对电磁波近场与远场调控的准确性，在此研究基础上设计了可编程电磁超表面发射机，实现了信息的无线低功耗传递。这种快速设计思想进一步推进了编码超表面与可编程超表面从理论设计到应用进程。 收起