基于深度脉冲神经网络的光学器件传输信号识别研究

这是一篇关于脉冲神经网络,光子晶体,超表面,残差结构,时间卷积的论文, 主要内容为光学器件传输信号的研究对诸如传感器等其他许多领域的研究都有着重要意义,随着人工智能的发展,研究人员逐渐尝试将光学器件传输信号与深度学习相结合。然而,光学器件传输信号不易大量采集,且大多是有噪声的,这就导致了传统人工神经网络(ANN)在完成识别任务时没有取得很理想的结果。近年来,有研究指出脉冲神经网络(SNN)可以在小样本有噪声问题的研究中超越ANN,所以考虑将SNN应用于光学器件传输信号的研究中。本文的主要研究内容如下:1、针对光学器件传输信号不易大量采集,且大多是有噪声的这一特点,我们将光学器件传输信号视为“小样本有噪声”问题进行研究。所以我们首先基于公共数据集验证了SNN更适用于研究小样本有噪声问题,进而说明了基于深度脉冲神经网络研究光学器件传输信号识别的可行性。2、针对SNN大多还局限于浅层结构,识别准确率较低这一问题,我们通过在全连接SNN的基础上加入残差结构和ECA-Net两个模块,构建了一种脉冲残差注意力网络(RASNN)。然后在我们建立的一维光子晶体传输信号数据集上进行了对比实验,证明了提出的RASNN可以取得更好的识别效果。最后,我们还基于MIT-BIH心律失常数据集,与现有研究常用的ANN进行了对比实验,证明了RASNN还可以为其他不易大量采集的一维信号的识别问题提供一个健壮的解决方案。3、建立超表面传输信号数据集,并通过在全连接SNN的基础上加入时间卷积模块和残差结构两个模块构建了一个时间卷积脉冲神经网络(TCSNN)。然后基于超表面传输信号数据集进行对比实验,评估网络性能。最后,分别在一维光子晶体传输信号数据集和超表面传输信号数据集上,对比RASNN和TCSNN的识别效果,结果表明,提出的两个深度脉冲神经网络模型的识别效果相当,都可以准确高效地对光学器件传输信号进行识别。

超表面设计中的深度学习应用研究

这是一篇关于超表面,神经网络,深度学习,正向设计,神经网络系统的论文, 主要内容为超表面是一种由周期性排布的亚波长尺寸单元构成的人工电磁结构,通过对结构的设计和调整,实现需要的电磁响应。传统的超表面设计方法一般基于设计经典的构型和人员的设计经验,针对电磁响应的目标,确定一个基本单元构造和结构参数的可变范围,通过电磁仿真软件的数值运算和参数扫描的优化算法,得到一个满足目标要求的超表面设计结构。这种设计方式需要耗费大量的优化和仿真时间,且自由度低,设计过程高度依赖设计人员的设计经验和水平,在参数扫描的过程中无法判断是否能够依托确定的单元构造满足设计要求。近年来深度学习在超表面设计的领域开始发挥作用,通过神经网络对大量数据的学习,能够建立目标和解决方案之间的直接联系,从而大大节省设计过程中的仿真运算时间,降低对设计经验的依赖。在基于神经网络对超表面的设计中,主要分为两个设计思路,称为逆向设计和正向设计。当设计目标是提供一个特定电磁响应的超表面结构时,逆向设计是指使用神经网络建立超表面结构到电磁响应的预测模型,从而取代电磁仿真,建立一个快速输出电磁响应的结构模型数据库。通过检索符合限定要求的电磁响应,间接获得超表面的结构。正向设计是指面向设计目标,使用神经网络建立电磁响应到物理结构的预测模型,输入需要的目标电磁响应,神经网络直接输出合适的电磁结构参数。本文研究了深度学习在超表面单元设计中的应用,通过构建三网络正向设计神经网络框架,提取电磁响应和结构参数的特征并进行匹配,解决了正向设计中的判断物理可实现与否、对设计目标进行自动优化的问题,使得通过深度学习直接设计实用的超表面具备可实现性。首先使用了单层15×15的全金属编码频率选择表面单元对基于自编码器的双网络系统进行验证,解决了人工电磁材料设计中的数据集提取、单元表示等问题,其成果对超表面单元的应用和设计具有启发意义。随后基于双层的10×10的吸波陷波超表面单元和15×15双层编码超表面单元对三网络的神经网络系统进行了验证,并与传统优化算法进行了对比,确定了具有超表面设计神经网络系统高效性、泛用性和可靠性。在搭建的神经网络系统中,通过引入二维化的方法,大幅提高了神经网络的感知能力和预测精确度。通过仿真和测试,验证了神经网络系统对物理可实现的S参数曲线以及理想S参数曲线均具有良好的设计实现能力。

等离激元微纳结构的智能表征与支持连续体束缚态微纳结构的高性能设计

这是一篇关于超表面,等离激元,光子晶体,连续体束缚态,深度学习的论文, 主要内容为光学超表面是一种厚度只有百纳米的人工微纳结构,其亚波长尺度的“超原子”单元结构可以与电磁场产生独特的相互作用来调控光的特性,例如控制光束的传播方向,实现波前塑形(聚焦)和增强近场等,因此在传感、成像和通信等方面有着重要应用。如何根据需求快速高效地设计定制超表面结构一直是该领域研究的一个重点。另一方面,如何实现超表面结构参数快速精准地识别表征以及实现理论设计与实验结果的统一也是一个亟待解决的难题。本文将围绕神经网络辅助识别表征等离激元超表面以及支持连续体束缚态的介质超表面结构的智能设计两个方向展开研究。等离激元的几何形状和材料特性是为传感应用定制光学共振特性的关键参数。统一理论仿真和实验结果需要对微纳结构的参数进行准确的表征。然而,扫描电子显微镜或原子力显微镜可以准确的分析微纳结构横向几何形状,但等离激元光学微纳结构的薄膜材料特性和纵向厚度的表征并不简单,这通常需要对器件进行刻蚀和截面分析。本论文提出采用深度神经网络的人工智能算法,通过表征简单的透射光谱的数据实现对等离激元超表面核心参数的预测。首先基于仿真数据建立神经网络算法,实现仿真数据中几何参数和材料参数的准确识别。然后,通过混合仿真和实验数据进行网络训练验证了实验数据中正确的材料特性识别结果。该工作表明通过简单光谱技术和深度学习算法可以实现等离激元对超表面器件的快速表征。在介电超表面的研究中,研究人员发现连续体(BIC)中的光学束缚态存在于各种介电、等离激元和混合光子系统中。局部BIC模式和准BIC共振可以导致大的近场增强和具有低光损耗的高质量因子。在这项研究工作中,我们通过仿真发现硅基光子晶体结构中的准BIC现象,通过对刻蚀薄膜厚度的改变,成功实现了对准BIC模式响应的调控,在折射率传感等方面展现了很好的应用前景。随后,进一步对受对称保护性的BIC共振介质结构进行了研究,通过不同的方式破坏结构的不对称性,验证了其品质因子Q和不对称系数α均满足Q∝α-2,并实现了在可见光到近红外波段大范围的BIC响应覆盖。最后,我们演示了简单的逆向设计神经网络,通过输入需求的准BIC共振波长和响应Q值,可以直接输出支持准BIC模式的周期性全介质超表面的结构参数。综上所述,本论文针对纳米光子学领域结构设计和表征两个难题,提出了人工智能算法辅助的超表面表征和设计方法,成功实现了等离激元超表面的快速表征,展现了超高的表征准确度,并同样适用于真实的实验数据。随后展示一种支持准BIC模式的介质超表面的高效逆向设计方法,展现了巨大的应用潜力。这两项工作的部分成果有助于解决纳米光子学领域结构设计和表征两个难题,实现低成本高效率的快速设计和表征,进而推动超表面在实际的传感、成像和通信等应用领域的快速普及。

双频圆极化天线研究与设计

这是一篇关于双频段,圆极化,小型化,特征模理论,SIW,超表面的论文, 主要内容为圆极化天线因其具有抗极化失配、抗多径反射和抑制雨雾干扰等特点,在无线通信系统中得到广泛应用。同时,无线通信系统正朝着大容量、高传输速率、多功能、便携化的方向发展,为满足系统需求,天线也相应要求具有小型化、多频段、宽带宽、易集成的特性。因此,本论文主要研究了基于微带以及基片集成波导(Substrate Integrated Waveguide,SIW)腔体实现的小型化双频圆极化天线,主要的研究内容及创新工作如下:设计了两款小型化双频圆极化微带天线。首先设计了一款基于非对称结构的小型化双频圆极化天线。该天线采用关于馈线不对称的接地板实现Wi-Fi(5.15～5.35 GHz)频段圆极化辐射,通过在地板处刻蚀两个宽度不等的L型缝隙及加载矩形枝节,在不改变天线尺寸的情况下实现UHF(0.84～0.96 GHz)频段圆极化辐射,使其具有小型化特性,天线尺寸为60 mm×60 mm×1.6 mm。为进一步减少频段之间的影响,实现频段之间性能的独立调谐,基于特征模理论设计了一款小型化双频圆极化天线。该天线采用L型枝节实现双频辐射,将L型枝节进行弯折处理,实现WLAN高频部分频段圆极化辐射,为实现WLAN高频全频段圆极化辐射,根据特征模式分析结果,在矩形接地板左上角加载四分之一圆枝节,最终实现WLAN(5.15～5.825 GHz)高频段圆极化辐射。之后,依据各模式特征电流,对接地板进行切角处理,在不影响高频段圆极化辐射的情况下,实现WLAN(2.4～2.5 GHz)低频段圆极化辐射。同时,L型枝节的弯折使天线尺寸缩减31%,最终天线尺寸为19 mm×27mm×1.6 mm。设计了一款基于SIW馈电的双频圆极化超表面天线。首先,进行双频圆极化超表面的设计。对初始的超表面进行特征模分析,根据各个模式的模式显著性(Modal Significance MS)、特征角(Characteristic Angle CA)和特征电流分布,采用两对简并模式用于实现双频段圆极化辐射。在超表面中间单元处刻蚀缝隙、第二排单元处切角,分离这两对简并模式,使得该超表面具有双频圆极化辐射特性。其次,对用于激励超表面结构的SIW双频T型缝隙天线进行设计。采用矩形SIW谐振腔体,利用腔体TE110模式和TE210模式谐振在不同频率,并在这两个模式的电场强度最强处刻蚀T型缝隙向外辐射电磁能量,使天线实现双频特性。最后,根据各个模式的特征电流分布确定对超表面馈电的位置,利用该天线对超表面进行耦合馈电,实现25.48～26.70 GHz、32.00～33.71 GHz频段圆极化辐射。该论文有图80幅,表6个,参考文献89篇。

基于单层超表面的紧凑型运算器设计

这是一篇关于光学计算,衍射神经网络,超表面,逻辑运算,三角函数运算的论文, 主要内容为在如今互联网,通信等领域信息爆炸增长的大环境下,海量的数据需要被实时处理和计算,这对传统计算方案的处理速度和功耗性能提出了挑战。最近,基于超材料的光学计算方案为突破传统电子与光学计算系统在处理速度和器件集成度上的性能限制提供了可能性。这种方案的数据处理速度可达到光速,具有紧凑的设备体积和强大的并行数据处理能力,同时还以可实现低功耗运行。本文基于相位可调单层超表面和光学衍射神经网络理论,针对逻辑运算和三角函数运算这两个计算系统中的核心问题,分别设计了工作在微波波段的紧凑型逻辑和三角函数运算器。这种计算方案可实现光速运行并且具有强大的并行处理能力,极大地提升了计算系统的数据处理速度。此外,单层人工电磁结构的设计使这两种运算器能更好地与其他光学器件和系统集成并且简化了加工过程。上述优势为超高速的光子计算和信号处理系统的实现提供了可能性。首先,本文对深度学习算法进行了细致的分析和研究,结合电磁波在空间中的散射特点提出了一种单隐藏层的全连接衍射神经网络来映射光学逻辑运算器的工作过程。本文中设计了十种可独立代表三种基本逻辑运算(与,或,非)所有操作情况的入射光信号作为衍射神经网络的输入。同时还设计了表征“0”和“1”两种不同输出逻辑信息的二维图像作为神经网络的目标输出。在建立好可映射光学逻辑运算过程的衍射神经网络后进行了迭代训练,得到了良好的训练结果。然后基于训练得到的相位偏置参数设计了由P-B(Pancharatnam-Berry)相位超表面单元构成的单层超表面并进行相应的系统仿真实验和实物测试。得到了与计算结果拟合良好的仿真和测试结果,且均与理论值一致。最后,为了验证提出的光学运算方案的实用价值和扩展能力,本文中还基于上述光学衍射神经网络的实现和设计过程对光学三角函数运算系统的实现进行了探索和研究。对于光学三角函数运算本文设计了一种多模复合输入与输出策略,在仅采用单个隐藏层的情况下可实现一个周期内的四种基本三角函数操作(正弦,余弦,正切,余切)。设计的光学三角函数运算器经过理论计算,仿真实验和实物测试环节的严格验证,进一步证明了本文中设计的基于单层超表面的光学运算方案的实用性和可靠性。

等离激元微纳结构的智能表征与支持连续体束缚态微纳结构的高性能设计

这是一篇关于超表面,等离激元,光子晶体,连续体束缚态,深度学习的论文, 主要内容为光学超表面是一种厚度只有百纳米的人工微纳结构,其亚波长尺度的“超原子”单元结构可以与电磁场产生独特的相互作用来调控光的特性,例如控制光束的传播方向,实现波前塑形(聚焦)和增强近场等,因此在传感、成像和通信等方面有着重要应用。如何根据需求快速高效地设计定制超表面结构一直是该领域研究的一个重点。另一方面,如何实现超表面结构参数快速精准地识别表征以及实现理论设计与实验结果的统一也是一个亟待解决的难题。本文将围绕神经网络辅助识别表征等离激元超表面以及支持连续体束缚态的介质超表面结构的智能设计两个方向展开研究。等离激元的几何形状和材料特性是为传感应用定制光学共振特性的关键参数。统一理论仿真和实验结果需要对微纳结构的参数进行准确的表征。然而,扫描电子显微镜或原子力显微镜可以准确的分析微纳结构横向几何形状,但等离激元光学微纳结构的薄膜材料特性和纵向厚度的表征并不简单,这通常需要对器件进行刻蚀和截面分析。本论文提出采用深度神经网络的人工智能算法,通过表征简单的透射光谱的数据实现对等离激元超表面核心参数的预测。首先基于仿真数据建立神经网络算法,实现仿真数据中几何参数和材料参数的准确识别。然后,通过混合仿真和实验数据进行网络训练验证了实验数据中正确的材料特性识别结果。该工作表明通过简单光谱技术和深度学习算法可以实现等离激元对超表面器件的快速表征。在介电超表面的研究中,研究人员发现连续体(BIC)中的光学束缚态存在于各种介电、等离激元和混合光子系统中。局部BIC模式和准BIC共振可以导致大的近场增强和具有低光损耗的高质量因子。在这项研究工作中,我们通过仿真发现硅基光子晶体结构中的准BIC现象,通过对刻蚀薄膜厚度的改变,成功实现了对准BIC模式响应的调控,在折射率传感等方面展现了很好的应用前景。随后,进一步对受对称保护性的BIC共振介质结构进行了研究,通过不同的方式破坏结构的不对称性,验证了其品质因子Q和不对称系数α均满足Q∝α-2,并实现了在可见光到近红外波段大范围的BIC响应覆盖。最后,我们演示了简单的逆向设计神经网络,通过输入需求的准BIC共振波长和响应Q值,可以直接输出支持准BIC模式的周期性全介质超表面的结构参数。综上所述,本论文针对纳米光子学领域结构设计和表征两个难题,提出了人工智能算法辅助的超表面表征和设计方法,成功实现了等离激元超表面的快速表征,展现了超高的表征准确度,并同样适用于真实的实验数据。随后展示一种支持准BIC模式的介质超表面的高效逆向设计方法,展现了巨大的应用潜力。这两项工作的部分成果有助于解决纳米光子学领域结构设计和表征两个难题,实现低成本高效率的快速设计和表征,进而推动超表面在实际的传感、成像和通信等应用领域的快速普及。

基于混合超表面的高增益圆极化平板波束调控天线的研究

这是一篇关于超表面,径向线缝隙天线,波束扫描,轨道角动量的论文, 主要内容为近年来,随着卫星接收和移动通信的发展,天线的性能要求越来越高。在无线通信系统和雷达探测中,不仅要保证天线的高增益,同时还要考虑天线成本和波束快速扫描。抛物面天线和相控阵天线推动了高增益波束扫描的发展,但抛物面天线扫描过程慢,相控阵天线存在毫米波频段的馈电损耗大且阵元数过多时加工成本高等问题。本文基于近场元转向(Near-Field Meta-Steering,NFMS)方法,利用超表面对电磁波波前调控,致力于设计具有高增益、低成本、低损耗的波束扫描阵列天线,主要研究内容和成果如下:1、设计了基于混合超表面的高增益波束扫描天线。混合超表面(Hybrid Metasurface,HM)为多种功能或者不同单元组成的超表面。首先,概括了利用近场元转向方法来设计天线的步骤。其次,利用相位补偿和聚焦原理,设计了一种聚焦-波束偏转的超表面天线。最后,并在此基础上添加一个超表面,在中心频率12GHz下能够实现±40°的波束扫描,且扫描过程中增益损失低于2.4d Bi。2、设计了一种透射超表面的高增益圆极化波束扫描天线。采用传统的环形径向线缝隙天线(Concentric Array-Radial Line Slot Antenna,CA-RLSA)和两个相同相位梯度的超表面,旋转超表面天线能实现±39°的波束扫描,仿真结果与测试结果吻合较好。3、设计了一款高增益低成本的圆极化波束扫描天线,首先介绍了波束倾斜RLSA的理论,并设计了两种不同倾斜角度的RLSA,分析了RLSA和不同相位梯度的超表面联合实现波束扫描的影响。最后,相对于传统的NFMS系统,只需利用一个超表面就能实现高增益的波束扫描,天线能够实现扫描角度为±31°,天线的整体高度为1.320。对天线进行加工测试,其仿真与测试结果吻合良好。4、结合轨道角动量(Orbital Angular Momentum,OAM)的原理,提出了一种五模态的OAM径向线缝隙天线,实现了L=-1、±2、±3五种模态的任意转化。并利用超表面独特的电磁特性,设计了3-bit量化编码的OAM天线,根据编码方案设计了两款OAM天线,仿真验证了该编码方案的有效性。

基于混合超表面的高增益圆极化平板波束调控天线的研究

这是一篇关于超表面,径向线缝隙天线,波束扫描,轨道角动量的论文, 主要内容为近年来,随着卫星接收和移动通信的发展,天线的性能要求越来越高。在无线通信系统和雷达探测中,不仅要保证天线的高增益,同时还要考虑天线成本和波束快速扫描。抛物面天线和相控阵天线推动了高增益波束扫描的发展,但抛物面天线扫描过程慢,相控阵天线存在毫米波频段的馈电损耗大且阵元数过多时加工成本高等问题。本文基于近场元转向(Near-Field Meta-Steering,NFMS)方法,利用超表面对电磁波波前调控,致力于设计具有高增益、低成本、低损耗的波束扫描阵列天线,主要研究内容和成果如下:1、设计了基于混合超表面的高增益波束扫描天线。混合超表面(Hybrid Metasurface,HM)为多种功能或者不同单元组成的超表面。首先,概括了利用近场元转向方法来设计天线的步骤。其次,利用相位补偿和聚焦原理,设计了一种聚焦-波束偏转的超表面天线。最后,并在此基础上添加一个超表面,在中心频率12GHz下能够实现±40°的波束扫描,且扫描过程中增益损失低于2.4d Bi。2、设计了一种透射超表面的高增益圆极化波束扫描天线。采用传统的环形径向线缝隙天线(Concentric Array-Radial Line Slot Antenna,CA-RLSA)和两个相同相位梯度的超表面,旋转超表面天线能实现±39°的波束扫描,仿真结果与测试结果吻合较好。3、设计了一款高增益低成本的圆极化波束扫描天线,首先介绍了波束倾斜RLSA的理论,并设计了两种不同倾斜角度的RLSA,分析了RLSA和不同相位梯度的超表面联合实现波束扫描的影响。最后,相对于传统的NFMS系统,只需利用一个超表面就能实现高增益的波束扫描,天线能够实现扫描角度为±31°,天线的整体高度为1.320。对天线进行加工测试,其仿真与测试结果吻合良好。4、结合轨道角动量(Orbital Angular Momentum,OAM)的原理,提出了一种五模态的OAM径向线缝隙天线,实现了L=-1、±2、±3五种模态的任意转化。并利用超表面独特的电磁特性,设计了3-bit量化编码的OAM天线,根据编码方案设计了两款OAM天线,仿真验证了该编码方案的有效性。

超表面设计中的深度学习应用研究

这是一篇关于超表面,神经网络,深度学习,正向设计,神经网络系统的论文, 主要内容为超表面是一种由周期性排布的亚波长尺寸单元构成的人工电磁结构,通过对结构的设计和调整,实现需要的电磁响应。传统的超表面设计方法一般基于设计经典的构型和人员的设计经验,针对电磁响应的目标,确定一个基本单元构造和结构参数的可变范围,通过电磁仿真软件的数值运算和参数扫描的优化算法,得到一个满足目标要求的超表面设计结构。这种设计方式需要耗费大量的优化和仿真时间,且自由度低,设计过程高度依赖设计人员的设计经验和水平,在参数扫描的过程中无法判断是否能够依托确定的单元构造满足设计要求。近年来深度学习在超表面设计的领域开始发挥作用,通过神经网络对大量数据的学习,能够建立目标和解决方案之间的直接联系,从而大大节省设计过程中的仿真运算时间,降低对设计经验的依赖。在基于神经网络对超表面的设计中,主要分为两个设计思路,称为逆向设计和正向设计。当设计目标是提供一个特定电磁响应的超表面结构时,逆向设计是指使用神经网络建立超表面结构到电磁响应的预测模型,从而取代电磁仿真,建立一个快速输出电磁响应的结构模型数据库。通过检索符合限定要求的电磁响应,间接获得超表面的结构。正向设计是指面向设计目标,使用神经网络建立电磁响应到物理结构的预测模型,输入需要的目标电磁响应,神经网络直接输出合适的电磁结构参数。本文研究了深度学习在超表面单元设计中的应用,通过构建三网络正向设计神经网络框架,提取电磁响应和结构参数的特征并进行匹配,解决了正向设计中的判断物理可实现与否、对设计目标进行自动优化的问题,使得通过深度学习直接设计实用的超表面具备可实现性。首先使用了单层15×15的全金属编码频率选择表面单元对基于自编码器的双网络系统进行验证,解决了人工电磁材料设计中的数据集提取、单元表示等问题,其成果对超表面单元的应用和设计具有启发意义。随后基于双层的10×10的吸波陷波超表面单元和15×15双层编码超表面单元对三网络的神经网络系统进行了验证,并与传统优化算法进行了对比,确定了具有超表面设计神经网络系统高效性、泛用性和可靠性。在搭建的神经网络系统中,通过引入二维化的方法,大幅提高了神经网络的感知能力和预测精确度。通过仿真和测试,验证了神经网络系统对物理可实现的S参数曲线以及理想S参数曲线均具有良好的设计实现能力。