复旦大学徐丰教授团队利用深度学习技术实现了快速求解可编程超表面编码序列和辐射场的互相映射关系。其流程示意图如图1示，基于所提出的正向深度神经网络，可快速准确计算给定编码序列对应的辐射场。基于逆向网络实现了微秒量级内准确预测给定辐射场对应的编码序列。该方法不需要复杂的前向物理模型，能同时对辐射场主瓣和副瓣精准预测，编码预测准确率达99.09%。该方法在雷达智能波束形成、微波成像等领域有良好的应用前景。
通过在可编程超表面单元上加载有源器件，可编程超表面能实现对电磁波的实时灵活调控。给定编码求解辐射场时，通常利用全波仿真软件。但对于结构复杂、单元数较多的可编程超表面，由于存在大量不同的编码，该方法时间成本较高。给定辐射场求解编码时，通常使用非线性优化算法，但由于该类算法基于迭代最小化误差，因而增加了计算量，较难实现实时处理。如何实现准确快速的求解可编程超表面辐射场和编码互相映射关系具有重要意义。复旦大学徐丰教授团队提出了一种利用深度学习技术快速准确求解可编程超表面辐射场和编码映射关系的方法。如图2所示，首先利用所设计的辐射场自动测量系统自动测量少量的辐射场数据作训练数据。其后设计了一个正向的深度神经网络，基于实测的数据集，实现了给定编码准确高效求解可编程超表面的辐射场。与传统的前向近似物理模型相比，该网络准确的考虑了单元间耦合效应，因而可同时实现对主瓣和副瓣的精准预测。最后设计了一个逆向的深度神经网络，如图3所示，通过加深网络层数和神经元个数，实现了对任意给定辐射场对应编码的准确预测，预测平均准确率高达99.09%。图2 智能波束形成系统
图3 逆向神经网络结构
本工作中基片集成波导可编程超表面[1]结构如图4所示。该超表面可产生不同波束宽度，不同波束指向的定向单波束、多波束，或复杂波束，部分方向图结果如图5所示。图4 基片集成波导可编程超表面结构
图5 (a) 扫描单波束 (b) 多波束
对于从编码到辐射场的计算采用5层全连接网络，达到了计算辐射场和真值较为吻合的效果。图6给出了两个方向图预测值和真值对比结果，对主瓣指向、主瓣宽度、主瓣电平、副瓣电平、零陷深度的计算效果均较好。图6 辐射场预测值与真值对比示意
对于从辐射场到编码的计算，通过加深网络层数和增加神经元个数实现了对编码的准确计算，最终平均准确率高达99.09%。在普通的个人计算机上，编码平均计算时间为微秒量级，实现了给定辐射场实时计算编码。图7展示了两个编码预测值和真值的对比结果。图7 编码预测值与真值对比示意
该方法不需要复杂的近似前向物理模型，可以准确考虑复杂结构超表面的单元间耦合，实现快速智能波束形成。在雷达智能波束形成、高速目标跟踪、微波成像等领域有较好应用前景。[1] S. Li, F. Xu, X. Wan, T. J. Cui and Y. -Q.Jin, "Programmable Metasurface Based on Substrate-Integrated Waveguide forCompact Dynamic-Pattern Antenna," in IEEE Transactions on Antennas andPropagation, vol. 69, no. 5, pp. 2958-2962, May 2021.
李商洋，男，复旦大学信息科学与工程学院博士生。主要研究方向为天线理论与设计、可编程超表面、深度学习在电磁领域的应用。
符士磊，男，复旦大学信息科学与工程学院博士生。主要研究方向为SAR图像解译，深度学习。
徐丰，男，复旦大学信息科学与工程学院教授，研究方向为电磁散射建模、SAR图像解译。
编辑：高华 蒋文
审核：贾守新
欢迎转发本号原创内容，转载和摘编需经本号授权并标注原作者和信息来源为《雷达学报》。本号发布信息旨在传播交流，其内容由作者负责，不代表本号观点。如涉及文字、图片、版权等问题，请在20日内与本号联系，我们将第一时间处理。《雷达学报》拥有最终解释权。