一种基于监督-演化学习算法驱动的类眼聚焦超表面系统技术方案

本发明专利技术公开了一种基于监督

【技术实现步骤摘要】
一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统


[0001]本专利技术涉及智能电磁超表面
，更具体的说是涉及一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统。

技术介绍

[0002]光聚焦是一个存在几千年的古老话题，在生物学、光子学和物理学中存在广泛的应用，科学家们对它的研究热情从未减退。传统的光学聚焦镜头通常是基于各种笨重的基片制造的，通过合理设计微观结构，产生用户定义的光束强度或形状。而电磁超表面的出现为光学透镜微型化和集成化提供了可能，超表面是一种人工设计的结构，由具有一系列亚波长单元结构组成。通过精心设计亚波长元件和空间布局，研究者们开发了多种功能的器件，如光束偏振、聚焦、成像等。在众多的功能器件中，超透镜是应用最广泛的一种。与传统的笨重透镜相比，超透镜可以以更紧凑的尺寸聚焦入射光。
[0003]在过去的十年中，学者们设计了大量的超表面聚焦系统(超透镜)，以实现宽带、消色差、高效率等功能。实现电磁波(光)的自适应聚焦，在电磁频谱成像、通信信道增强等方面具有重要意义。然而，现有的聚焦器件只能在预定的环境下工作，当入射环境发生改变，需要重新设计结构或单元阵列，不具备自适应功能。尽管人工智能(深度学习)与超表面结合产生了很多智能光学器件，但它的成功在很大程度上依赖于可用的训练数据的数量和质量，并且事先需要关于环境的信息，单一深度学习方法在面对快速变化的环境的对焦任务时可能会失败。人眼是一个完美的聚焦系统，对环境变化具有高度的适应性，我们通过眼睛能感知环境80％以上的信息。如果能设计出一个天然的智能聚焦系统，像人眼一样在不同的环境中实现电磁波(光)的自动汇聚，这将有助于大大简化设备的设计，带来应用的便利。因此，如何提供一种能够自适应智能聚焦的超表面系统是本领域技术人员亟需解决的问题。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统，利用监督
‑
演化学习作为基本算法框架，当电磁波随机入射到超表面上，通过算法的学习和演化，自适应调整超表面的状态来控制透射波束的轨迹，使系统能实现复杂电磁环境下任意指定位置的聚焦，可适用于各种应用，包括电磁空间成像、通信信号增强、无线充电等。
[0005]为了实现上述目的，本专利技术提供如下技术方案：
[0006]一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统，包括：透射超表面、阵列探针、聚焦指导模块、演化学习模块；其中，外界电磁波信号穿过透射超表面后，设置在透射超表面后方的阵列探针探测外界电磁波数据，外界电磁波经过聚焦指导模块和演化学习模块的分析，输出对透射超表面的调控策略，透射超表面的状态发生变化，阵列探针收集新的外界电磁波数据，聚焦指导模块和演化学习模块进一步分析外界电磁波数据的强度和特
征，并输出下一步调控指令，重复上述过程直到聚焦至指定位置。
[0007]可选的，聚焦至指定位置后停止重复迭代需要同时满足以下判断条件：
[0008][0009][0010][0011]式中，r(E
Theory
,E
Test
)为理论电场E
Theory
和测试电场E
Test
的有效相关系数，C(E
Theory
,E
Test
)为理论电场E
Theory
和测试电场E
Test
的协方差，Var[E
Theory
]为理论电场E
Theory
的方差，Var[E
Test
]为测试电场E
Test
的方差，ρ
m
为电磁波的主瓣能量比值，为电磁波的主瓣能量，为测量的总电场能量，ρ
s
为电磁波的总旁瓣能量比值，E
Side_lobe
为电磁波的旁瓣能量。
[0012]可选的，透射超表面由多个不同开关状态的单元结构排列构成，每个单元结构由三层金属构成，三层金属之间由两层F4B介质隔开，第一层金属表面焊接2个PIN开关二极管，PIN开关二极管的开关状态由外加电压控制。
[0013]可选的，透射超表面的单元结构在外接正负电压时可以引起电流正逆向流动，在
‑
50
°
～50
°
电磁波入射下能实现二值化相位，在工作频率下透射率大于95％。
[0014]可选的，聚焦指导模块为聚焦指向卷积神经网络，聚焦指向卷积神经网络由电场e
t
到透射超表面上所有单元结构产生的补偿相位的映射构成：
[0015][0016]式中，为第i个单元结构需要满足的聚焦补偿相位，i∈[1,N]，θ为聚焦指向卷积神经网络训练时的网络参数。
[0017]可选的，演化学习模块根据补偿相位及采集的电场e
t
输出t+1时刻对透射超表面每个单元状态的电压进行调控，电压的更新方案为：
[0018][0019]式中，u
t
和u
t+1
分别代表t时刻和t+1时刻的调控电压，α、∈为学习参数，β1、β2为分别为一阶矩和二阶矩衰减系数，是β1的t次方，是β2的t次方，m
t
为t时刻梯度的一阶矩，v
t
为t时刻的梯度的二阶矩。
[0020]可选的，m
t
和的v
t
计算方式为：
[0021]m
t
＝β1m
t
‑1+(1
‑
β1)g
t
[0022][0023]式中，g
t
为梯度，m
t
‑1为t
‑
1时刻梯度的一阶矩，v
t
‑1为t
‑
1时刻梯度的二阶矩。
[0024]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于监督
‑
演
化学习算法驱动的类眼聚焦超表面系统，具有以下有益效果：
[0025]1.本专利技术设计的自适应聚焦系统，可以实现多种电磁环境下任意位置的智能聚焦，不需要人为调控，使用灵活；
[0026]2.本专利技术构建了监督
‑
演化学习算法框架，可以在不同环境下自适应智能调整输出方案，弥补了传统机器学习中无法环境自适应的缺陷；
[0027]3.本专利技术设计的亚波长超表面结构，体积小，制备简单，容易集成和实现；
[0028]4.本专利技术设计的高透射率超表面单元，在不同入射角下透射率都达到95％以上，透射率高，性能稳定。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统，其特征在于，包括：透射超表面、阵列探针、聚焦指导模块、演化学习模块；其中，外界电磁波信号穿过透射超表面后，设置在透射超表面后方的阵列探针探测外界电磁波数据，外界电磁波经过聚焦指导模块和演化学习模块的分析，输出对透射超表面的调控策略，透射超表面的状态发生变化，阵列探针收集新的外界电磁波数据，聚焦指导模块和演化学习模块进一步分析外界电磁波数据的强度和特征，并输出下一步调控指令，重复上述过程直到聚焦至指定位置。2.根据权利要求1所述的一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统，其特征在于，聚焦至指定位置后停止重复迭代需要同时满足以下判断条件：特征在于，聚焦至指定位置后停止重复迭代需要同时满足以下判断条件：特征在于，聚焦至指定位置后停止重复迭代需要同时满足以下判断条件：式中，r(E
Theory
,E
Test
)为理论电场E
Theory
和测试电场E
Test
的有效相关系数，C(E
Theory
,E
Test
)为理论电场E
Theory
和测试电场E
Test
的协方差，Var[E
Theory
]为理论电场E
Theory
的方差，Var[E
Test
]为测试电场E
Test
的方差，ρ
m
为电磁波的主瓣能量比值，为电磁波的主瓣能量，为测量的总电场能量，ρ
s
为电磁波的总旁瓣能量比值，E
Side_lobe
为电磁波的旁瓣能量。3.根据权利要求1所述的一种基于监督
‑
演化学习算法驱动的类眼聚焦超表面系统，其特征在于，透射超表面由多个不同开关状态的单元结构排列构成，每个单元结构由三层金属构成，三层金属之间由两层F4B介质隔开，第一层金属表面焊接2个PIN开关二极管，PIN...

【专利技术属性】
技术研发人员：郑斌，鲁焕，赵纪伟，朱蓉蓉，陈红胜，
申请(专利权)人：浙江大学，
类型：发明
国别省市：