-
公开(公告)号：CN108763708B
公开(公告)日：2022-08-26
申请号：CN201810486894.8
申请日：2018-05-21
Applicant: 东南大学
IPC: G06F30/20
Abstract: 本发明公开一种基于深度学习设计多波束多极化人工电磁表面的方法，包括下述步骤：1)采用深度学习设计方法预测1bit单元的极化波反射相位；2)结合二进制粒子群优化算法模块和深度学习模块设计极化波相位差为θ的1bit单元结构；3)根据人工电磁表面的辐射波束设计要求，选择对应极化波相位差的1bit单元进行阵列编码，得到满足设计要求的多波束多极化人工电磁表面。本发明的设计方法基于深度学习实现了对多bit单元的理想反射相位的自动化设计，具有高效性和简便性，且扩展性良好，能够代替软件仿真，缩短获得编码单元信息相应的复杂度和时间，快速简便地设计多波束多极化人工电磁表面。
-
公开(公告)号：CN108733924A
公开(公告)日：2018-11-02
申请号：CN201810486978.1
申请日：2018-05-21
Applicant: 东南大学
Abstract: 本发明公开一种数字编码超材料单元的智能化设计方法，包括下述步骤：1)对构建超材料的1bit单元的基础图案进行数字编码，采用深度学习设计算法预测1bit单元中不同模块排布时的单元极化波反射相位；2)根据超材料功能要求，确定构建超材料的1bit单元结构的极化波相位差θ，结合二进制粒子群优化算法模块和深度学习模块设计极化波相位差为θ的1bit单元结构。本发明的设计方法基于深度学习实现了对多bit单元的理想反射相位的自动化设计，具有高效性和简便性，且扩展性良好，能够代替软件仿真，缩短获得编码单元信息相应的复杂度和时间，快速简便地设计多波束多极化人工电磁表面。
-
公开(公告)号：CN108733924B
公开(公告)日：2022-05-10
申请号：CN201810486978.1
申请日：2018-05-21
Applicant: 东南大学
Abstract: 本发明公开一种数字编码超材料单元的智能化设计方法，包括下述步骤：1)对构建超材料的1bit单元的基础图案进行数字编码，采用深度学习设计算法预测1bit单元中不同模块排布时的单元极化波反射相位；2)根据超材料功能要求，确定构建超材料的1bit单元结构的极化波相位差θ，结合二进制粒子群优化算法模块和深度学习模块设计极化波相位差为θ的1bit单元结构。本发明的设计方法基于深度学习实现了对多bit单元的理想反射相位的自动化设计，具有高效性和简便性，且扩展性良好，能够代替软件仿真，缩短获得编码单元信息相应的复杂度和时间，快速简便地设计多波束多极化人工电磁表面。
-
公开(公告)号：CN108763708A
公开(公告)日：2018-11-06
申请号：CN201810486894.8
申请日：2018-05-21
Applicant: 东南大学
IPC: G06F17/50
CPC classification number: G06F17/5009
Abstract: 本发明公开一种基于深度学习设计多波束多极化人工电磁表面的方法，包括下述步骤：1)采用深度学习设计方法预测1bit单元的极化波反射相位；2)结合二进制粒子群优化算法模块和深度学习模块设计极化波相位差为θ的1bit单元结构；3)根据人工电磁表面的辐射波束设计要求，选择对应极化波相位差的1bit单元进行阵列编码，得到满足设计要求的多波束多极化人工电磁表面。本发明的设计方法基于深度学习实现了对多bit单元的理想反射相位的自动化设计，具有高效性和简便性，且扩展性良好，能够代替软件仿真，缩短获得编码单元信息相应的复杂度和时间，快速简便地设计多波束多极化人工电磁表面。
-
-
-
Search Results
4
records
(took 0.015 seconds)
