申请/专利权人：湖北工业大学

申请日：2024-01-19

公开（公告）日：2024-04-12

公开（公告）号：CN117610317B

主分类号：G06F30/20

分类号：G06F30/20;G06N3/094;G06F18/214

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2024.03.15#实质审查的生效;2024.02.27#公开

摘要：本发明涉及电磁波工程技术领域，公开了基于深度学习的多bit超表面相位排布优化方法，本方法选定天线阵列的波长λ，经过波数公式计算得出波数K，天线阵列的行数m与列数n计算得出相位信息φ，根据相位信息φ、波数K、天线阵列的行数m与列数n计算生成天线阵列因子数据AF；本发明通过利用生成对抗网络模型进行天线阵列的相位排布生成，能够快速地产生高质量的天线配置，相对于传统方法，减少了人工设计和迭代的时间，自适应的优化策略，通过对利用生成对抗网络模型的持续训练和验证，本发明能够在模型训练过程中实时地调整网络结构或参数，从而适应不同的天线阵列配置需求，提供了更大的灵活性。

主权项：1.基于深度学习的多bit超表面相位排布优化方法，其特征在于，包括以下步骤：S1、选定天线阵列的波长λ，经过波数公式计算得出波数K，通过天线阵列的行数m与列数n计算得出相位信息φ，根据相位信息φ、波数K、天线阵列的行数m与列数n计算生成天线阵列因子数据AF，根据相位信息φ和天线阵列因子数据AF得到天线阵列因子数据集T；S2、对天线阵列因子数据集T进行标准化处理得到标准化天线阵列因子数据集T1，将标准化天线阵列因子数据集T1划分为训练集H1、验证集H2和测试集H3；S3、构建生成对抗网络模型，包括生成器和判别器，通过不断调整生成器和判别器的参数，提高生成对抗网络模型的生成性能,配合测试集H3对生成对抗网络模型进行质量评估；S4、将训练集H1对生成对抗网络模型进行预训练，通过不断调整生成器和判别器的参数，提高生成对抗网络模型的生成性能，使用训练集H1和验证集H2对生成对抗网络模型精细训练生成训练后天线阵列因子数据AF''和训练后相位信息φ'';S5、对训练后生成的训练后天线阵列因子数据AF''和训练后相位信息φ''进行性能评估；所述S3中构建生成对抗网络模型的具体步骤为：S3.1：生成器接受随机噪声向量X，将随机噪声向量X传输到第一全连接层C1,采用ReLU函数将随机噪声向量X计算处理为随机噪声向量X1，将随机噪声向量X1传输到第二全连接层C2，ReLU函数的表达式为：ReLU（X）＝max（0，X）S3.2：随机噪声向量X1传输到第二全连接层C2后，采用ReLU函数将随机噪声向量X1计算处理为随机噪声向量X2，将随机噪声向量X2传输至BatchNormalization层，ReLU函数的表达式为：ReLU（X1）＝max（0，X1）S3.3：随机噪声向量X2进入至BatchNormalization层计算处理为随机噪声向量X3，将随机噪声向量X3传输至输出层；S3.4：随机噪声向量X3传进入至输出层后，采用tanh函数随机噪声向量X3计算处理为随机噪声向量X4，tanh函数表达式为： 其中，e为自然对数的底数；S3.5：判别器接受随机噪声向量X4，将随机噪声向量X4传输至第三全连接层C3,采用LeakyReLU函数配合标准化天线阵列因子数据集T1将随机噪声向量X4计算处理为随机噪声向量X5，将随机噪声向量X5传输至第四全连接层C4，LeakyReLU函数表达式为： 其中，γ为常数，取值范围0-0.1；S3.6：随机噪声向量X5进入第四全连接层C4后，采用LeakyReLU函数配合标准化天线阵列因子数据集T1将随机噪声向量X5计算处理为随机噪声向量X6，将随机噪声向量X6传输至Dropout层，LeakyReLU函数表达式为： 其中，γ为常数，取值范围为0-0.1；S3.7：随机噪声向量X6进入Dropout层配合标准化天线阵列因子数据集T1将随机噪声向量X6计算处理为随机噪声向量X7，将随机噪声向量X7传输至第五全连接层C5，具体计算处理表达式为： 其中，p为预设的概率；S3.8：随机噪声向量X7进入第五全连接层C5采用sigmoid函数配合标准化天线阵列因子数据集T1将随机噪声向量X7计算处理为随机噪声向量X8，sigmoid函数表达式为： 其中，e为自然对数的底数；S3.9：将处理完成的随机噪声向量X8配合测试集H3进行对随机噪声向量X8质量评估，质量评估表达式为：LD＝-其中，LD为判别器的损失，y是实际标签。

全文数据：

权利要求：

百度查询： 湖北工业大学 基于深度学习的多bit超表面相位排布优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD