【技术实现步骤摘要】
自由形状超表面的构建方法、系统、装置及可读存储介质
[0001]本专利技术涉及超表面
，尤其涉及一种自由形状超表面的构建方法、系统、装置及可读存储介质。
技术介绍
[0002]隐形或者隐身是长期贯穿人类文明进程的话题，为了能够实现这一梦想，人类一直在探索并为终止，尤其是随着科技的发展，在超材料和变换光学方向上前所未有地点燃了人们的热情，人们一直在探索在改进，可以变换光学通过引导围绕隐藏物体的光流而不干扰内部区域使物体不可见。基础的物理学归因于麦克斯韦方程的形式不变性：一个坐标变换可以将一个体积的法向自由空间压缩到一个壳层中，只需要体积的本构参数和电磁场。不仅在电磁学中，变换光学到目前为止已经发展成为一种时髦的工具，进入了声音、热流、水波等领域。理论上，这种方法是完美的；但在实验中，由于各向异性和非均匀性的大体积材料组成，这一方法受到了限制。大量的努力已经投入到减轻需求，如双线性转换光学无奇点和拟共形转换的地平面斗篷。然而，这些权衡也在一定程度上削弱了隐身性能，使应用场景变得更加具体。
[0003]随着时代的发展...
【技术保护点】
【技术特征摘要】
1.一种自由形状超表面的构建方法，其特征在于，包括以下步骤：获取经预设超表面发生折射反射的电磁波数据，其中，所述电磁波数据包括近场分布数据、远场分布数据、入射频率数据及入射角度数据，所述近场分布数据为电场分布数据，所述远场分布数据为雷达散射截面积分布；分别对近场分布数据和远场分布数据进行预处理，得到超表面中心平面的实际电场分布数据、远场中同一平面内的电磁波相位分布数据，将入射频率数据及入射角度数据进行离散处理得到频率与角度的矩阵张量；通过实际电场分布数据、电磁波相位分布数据及矩阵张量对构建的串联神经网络模型进行训练及验证，得到串联神经网络模型；将待测实际电场分布数据、电磁波相位分布、入射频率和入射角作为所述串联神经网络模型的输入，得到初始相变单元排布参数；结合实际电场分布数据及电磁波相位分布对初始相变单元排布参数进行验证，并将所述初始相变单元排布参数作为目标超表面的相变单元排布参数；对所述初始相变单元排布参数进行优化，得到优化后相变单元排布情况，基于优化后相变单元排布情况构建最优超表面，其中，所述优化后相变单元排布情况包括超表面设计参数。2.根据权利要求1所述的自由形状超表面的构建方法，其特征在于，所述得到优化后相变单元排布情况，基于优化后相变单元排布情况构建最优超表面，包括以下步骤：基于相关特性改变所述相变单元的设计参数，通过改变所述设计参数来改变所述超表面产生的电磁响应，得到相应的电磁响应；根据所述电磁响应比对所处参考平面的实际电磁响应，基于相变单元的设计参数调节相变单元排布使得测得的近场分布数据及远场分布数据类同于参考平面的场分布数据，对应的相变单元的设计参数即为最优超表面中相变单元的设计参数。3.根据权利要求1所述的自由形状超表面的构建方法，其特征在于，所述串联神经网络模型包括逆向神经网络单元和正向神经网络单元，所述逆向神经网络单元的输出层为所述正向神经网络单元的输入层；所述逆向神经网络单元的输入为实际电场分布数据、电磁波相位分布数据及矩阵张量，所述逆向神经网络单元的输出为相变单元排列参数；所述正向神经网络单元的输入为相变单元排列参数，所述正向神经网络单元的输出为预测的电场分布数据、电磁波相位分布数据。4.根据权利要求3所述的自由形状超表面的构建方法，其特征在于，所述逆向神经网络单元包括第一输入层和第二输入层，所述第一输入层包括三个通道，每个通道对应的输入为：实际电场分布数据、入射频率数据及入射角数据；所述第二输入层输入的数据为电磁波相位分布数据；所述正向神经网络单元的输出层包括三个通道，每个通道对应的输出为预测电场分布数据、预测入射频率数据及预测入射角数据。5.根据权利要求1或3所述的自由形状超表面的构建方法，其特征在于，所述串联神经网络模型被设置为：通过复合损失函数定义逆向神经网络单元中传播损失值的梯度，所述复合损失函数如
下：Loss＝α
·
(1
‑
PCC2)+β
·
MSE其中，表示均方误差，表示皮尔逊相关系数，Y
i
表示真值，表示预测值，μ表示平均值，n表示各数据矩阵中的总数，α和β表示各损失函数的权重并用以优化逆向神经网络单元，得到优化结果。6.根据权利要求1所述的自由形状超表面的构建方法，其特征在于，所述预设超表面包括至少两个凸型形状，每个凸型形状上设有多...
【专利技术属性】
技术研发人员：吴南轩，钱超，陈红胜，
申请(专利权)人：浙江大学杭州国际科创中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。