[發(fā)明專利]一種基于卷積自編碼器的超表面自動設(shè)計方法

有效

• 申請?zhí)枺?/td>: 201910315408.0
• 申請日: 2019-04-19
• 公開（公告）號: CN110110398B
• 公開（公告）日: 2023-05-12
• 發(fā)明（設(shè)計）人: 師昕;邱天碩;陳惠娟;趙雪青
• 申請（專利權(quán)）人: 西安工程大學(xué)
• 主分類號: G06F30/27
• 分類號: G06F30/27;G16C60/00;G06F30/10;G06N3/0455;G06N3/0464;G06N3/08;G06F113/26
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 寧文濤

1.一種基于卷積自編碼器的超表面自動設(shè)計方法，其特征在于，包括以下步驟：

步驟1，隨機生成若干個超表面單元結(jié)構(gòu)，使用電磁仿真軟件分別計算每個超表面的反射相位和幅值；

步驟2，采用基于卷積自編碼器的深度學(xué)習(xí)方法，通過將步驟1中計算得到的反射相位和幅值同時輸入卷積自編碼器，輸出對應(yīng)的超表面單元結(jié)構(gòu)，來訓(xùn)練深度學(xué)習(xí)模型；

步驟3，將設(shè)計目標(biāo)的反射相位和幅值輸入步驟2中訓(xùn)練完畢的深度學(xué)習(xí)模型中，使用所述卷積自編碼器完成特征提取以及特征與超表面矩陣之間的匹配，即獲得所需要設(shè)計的超表面結(jié)構(gòu)；

所述步驟1中的所述電磁仿真軟件為CST?STUDIO?SUITE?MWS；

所述步驟1的具體過程如下：

首先使用MATLAB軟件輸出隨機生成的超表面單元結(jié)構(gòu)的矩陣，其中標(biāo)記為“1”的區(qū)域表示該區(qū)域填充有金屬，標(biāo)記為“0”的區(qū)域表示該區(qū)域空白，再使用所述電磁仿真軟件CSTSTUDIO?SUITE?MWS進行計算得到所述超表面單元的反射相位和幅值；

所述步驟2中訓(xùn)練深度學(xué)習(xí)模型的具體過程如下：

步驟2.1，數(shù)據(jù)采集生成及預(yù)處理過程：使用MATLAB語言畫出超表面單元的反射相位和幅值的圖像，對該圖像的灰度和像素特征進行歸一化操作，設(shè)定圖像為32×32×1的單通道灰度圖，將圖像的像素限定至0～1之間，并以此像素在0～1之間的圖像作為深度學(xué)習(xí)模型的輸入；

步驟2.2，采用卷積自編碼器提取特征的過程：將所述步驟2.1中獲得的像素在0～1之間的圖像輸入卷積自編碼器，首先通過若干次卷積、池化操作和相應(yīng)次數(shù)的上采樣、反卷積操作將輸入的反射相位和幅值曲線圖像壓縮重構(gòu)到一個表示空間中，然后再根據(jù)這個表示空間對數(shù)據(jù)進行提取得到最后的輸出數(shù)據(jù)矩陣；然后將卷積自編碼器的編碼部分拆解下來，對輸入圖像數(shù)據(jù)進行編碼，將原輸入圖像壓縮成表示向量，通過激活函數(shù)Ⅰ迭代調(diào)整卷積核直至損失函數(shù)Ⅰ最小化，得到損失函數(shù)Ⅰ最小化時的表示向量；

步驟2.3，基于卷積自編碼器的超表面結(jié)構(gòu)矩陣匹配過程：通過激活函數(shù)Ⅱ和損失函數(shù)Ⅱ采用全連接的人工神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，輸入卷積自編碼器的編碼部分生成的表示向量矩陣，輸出超表面結(jié)構(gòu)矩陣，直至損失函數(shù)Ⅱ最小化時即完成步驟2.2中損失函數(shù)Ⅰ最小化時的表示向量特征與超表面結(jié)構(gòu)之間的匹配，深度學(xué)習(xí)模型訓(xùn)練完畢；

所述激活函數(shù)Ⅰ為其中x代表神經(jīng)網(wǎng)絡(luò)每一層線性加權(quán)后的輸出數(shù)據(jù)；所述損失函數(shù)Ⅰ為交叉熵代價函數(shù)其中x代表輸出數(shù)據(jù)的個數(shù)，y為期望的輸出，y'為實際的輸出；

所述激活函數(shù)Ⅱ采用ReLU＝max(0,x)，其中x代表神經(jīng)網(wǎng)絡(luò)每一層線性加權(quán)求和后的輸出數(shù)據(jù)；所述損失函數(shù)Ⅱ為均方誤差其中y_i為期望輸出，y_i'為實際輸出。