CN113093094B - 一种基于相位调控超表面的智能入射波方向探测方法 - Google Patents

Abstract

本发明公开了一种基于相位调控超表面的智能入射波方向探测方法，旨在将相位可调超表面与神经网络计算方法相结合，实现对入射波方向的探测。由入射空间、观测空间和估计空间构成。来波方向表征采用球坐标系。观测空间由一块相位可调的亚波长尺寸单元周期性排列而成的透射型超表面和一个接收天线组成。电磁波入射时，观测空间的超表面变换多种不同的相位分布，接收天线接收到相应的幅度数据，并将其送入提前训练好的神经网络中预测出入射波的方向。接收天线位于超表面斜后方位置。本发明采用厚度小于波长单元排列而成的超表面对电磁波进行调控，接收单元也仅有一个接收天线，设备简单，控制方便，适合未来集成化、小型化趋势的发展。

Description

一种基于相位调控超表面的智能入射波方向探测方法

技术领域

本发明涉及军事、雷达领域，尤其涉及一种以可调相位的透射型超表面和单个接收天线组成系统，以深度学习作为计算方式的一种新型智能入射波方向探测方法。

背景技术

入射波的方向探测一直是军事上的热点问题和难点问题。而其在雷达、军事相关领域内用语为波达方向定位技术，其中经典的方法主要有波束形成技术、自适应零陷技术及空间谱估计技术。不可避免的是其设备都基于相控阵雷达实现。相控阵雷达由几百个甚至是几万个天线组成，每个天线单元对应装有TR组件，且由独立的移相开关控制，通过控制各天线单元发射的相位，合成不同相位波束来对目标进行搜索和跟踪。同样，天线阵列可接收到带有幅度、相位等信息的反射回波，输入计算机经过一系列算法处理，可以得到入射波的方向。天线阵列体积庞大，造价昂贵，调控复杂，相控阵雷达最多有上万部发射机和接收机，雷达高达十几层楼房，占地面积大，不仅造价高，维护费用也大。且整个天线阵列接收的信号数据量大，导致计算时间长、计算方式复杂。天线的接收易受环境中其他信号的干扰，从而在处理数据时还需改善信噪比，因此为了得到准确的入射波方向，算法需要更合理的选择和设计。传统的探测方法给硬件和软件都带来了极大的不便利性。

超表面是一种厚度小于波长的人工层状材料，其基于广义斯奈尔定律，通过控制波前相位、幅度和偏振，以实现对电磁波的调控。近年来，为了动态调控电磁波的传播特性，越来越多的超表面设计中加入了有源器件，例如PIN开关二极管和变容二极管，由此超表面可以实现自身性质动态可变。集成变容二极管的可调控相位的透射型超表面因其相位特性灵活可控，因此可动态地对电磁波的传播特性进行调控。而仅需要给超表面提供不同的电压即可改变其相位分布。当电磁波通过不同相位分布的超表面时，即可得到不同的传播特性。在接收上仅需一个接收天线对透射波进行接收。相对于阵列天线中成百上千的TR组件，基于可调相位的超表面探测入射波方向的方法极大程度地简化了阵列天线的调控装置。此外，纳米级别、超薄的超表面更满足当代集成化、小型化的需求。基于相位可调控超表面的入射波探测方法不仅取代了传统的阵列天线，而且在接收数据的便利性、准确性和复杂性都进行了极大的改善。

对于处理接收数据的部分，本方法摒弃了复杂的电磁学领域的模型和算法，选择了当代最火热的研究领域——深度学习。其仅考虑输入数据和输出数据之间的关系，拥有丰富的参数来不断地对数据集的特性进行提取，从而可以最大化的学习到输入和输出的关系。深度学习在图像识别，无人驾驶和医疗方面都取得了巨大成就。自此，电磁学中很多复杂且费时的计算也有了一种新的解决方法。深度学习可根据超表面的结构前向预测出传播的电磁波的极化、相位等特性；或是基于波的传播特性而反向设计出相应的超表面结构。传统的方式需要对结构进行电路等效、复杂建模仿真，而深度学习避免了上述的繁琐，解放了电磁学领域人们计算的双手。本发明通过引入深度学习，仅仅需要有限的幅度数据即可计算出来波方向，不仅简化了数据结构，也降低了算法的难度、简化了硬件设备。

发明内容

本发明主要针对传统探测方法中调控单元和计算单元不足之处，创新性地提出了一种以相位可变的超表面和单个接收天线组成观测空间，以深度学习作为计算方式的智能探测方法。观测空间可代替由天线阵列构成的可发射和接收的相控阵雷达，减小设备的数量和体积、降低控制难度。将深度学习作为估计空间，保证精准度的前提下，摆脱算法中噪声、信号分开处理的束缚，降低算法的复杂度。

本发明的目的是通过以下技术方案来实现的：一种基于相位调控超表面的智能入射波方向探测方法，该方法主要分为三部分：入射空间、观测空间和估计空间；

入射空间为被探测入射波所在空间，观测空间由调控单元和接收单元构成。调控单元仅包含可调相位的透射型超表面，可探测的入射波工作频率可以是某一个频率点或者某一个带宽；接收单元仅有一个接收天线，用于接收入射波经超表面之后的场强数据。以超表面的中心为坐标原点，垂直超表面向外为z方向建立球坐标系，来波方向在球坐标系下进行表征，获得入射波的方位角即俯仰角θ角和方位角角。估计空间为搭载提前用训练集训练完成的神经网络的计算设备，所述训练集中入射波经超表面后的场强大小为网络的输入，入射波的方位角/>和俯仰角θ为网络的输出。将接收天线数据输入计算设备中，即可快速预测出来波方向。

进一步地，所述超表面为相位可调的透射型超表面。

进一步地，入射空间的电磁波进入观测空间，经过超表面，其方向为俯仰角θ和方位角此时多次改变超表面相位来调控入射波的透射特性，并用一个放置在超表面斜后方固定位置的接收天线进行幅度数据的接收，从而可得到多组包含方向信息的场强数据。接收单元仅有一个接收天线。

进一步地，超表面由亚波长结构单元排列组成，可变换不同的相位，调控入射波的透射特性。

进一步地，估计空间中的神经网络由提前用俯仰角θ和方位角加上多组场强大小组成的数据集进行训练得来，具备输入多组场强数据即可迅速准确输出θ和/>的能力。

本发明的有益效果：

1.本发明通过引入可变相位的透射型超表面来动态调控入射波的传播特性，因而可快速而便利的得到入射波不同的透射特性。而可变相位的实现仅需要给超表面施加不同的电压即可，区别于每一个天线对应一个移相器的精准设置和调控，控制电路更简单。同时超薄单元组成的超表面在体积上更具优势，克服了天线阵列体积庞大、造价昂贵、电路调控复杂的难题，更利于未来方法小型化、微型化的发展趋势。

2.本发明仅通过放置一个接收天线收集数据，改变了传统技术中为成千上万个天线配备TR组件实现接收和发射的现状，在一定程度上精简了硬件设备、降低了数据规模和处理时间。

3.本发明在估计空间中直接采用深度学习中训练完好的神经网络方法来代替传统方式中费时费力复杂的算法。目前广泛应用的经典算法主要指依赖于空间谱搜索一类的算法，其理论基础为噪声子空间和发射-接收联合导向矢量正交特性。核心是搜索到最大空间谱的位置，因此运算效率相对较低。而神经网络在训练过程中不需要考虑复杂的对应关系，仅需要获取到输入和输出之间的关系。相较于每一次都进行完整计算的传统算法，采用训练完备的神经网络输出入射波方向速度更快，效率更高。而在迅速发展的硬件支持下，深度学习的方法不仅降低了对算法的要求，也规避了大量数据处理不便的问题，使计算方式更趋向于智能化、简单化。

附图说明

图1为本发明中所探测的入射波方向范围示意图；

图2为本发明的系统整体示意图；

图3为本发明的可调相位的超表面单元的结构示意图；

图4为本发明的可调相位的超表面单元的金属层结构示意图；

图5为变容二极管SMV2019-079LF电压与电容的关系示意图；

图6为本发明的可调相位的超表面单元的S22参数仿真图；

图7为本发明中不同入射角度下，超表面单元的相位示意图；

图8为本发明中神经网络模型示意图。

具体实施方式

以下结合附图对本发明具体实施方式作进一步详细说明。

以下结合附图来对本发明涉及的基于相位调控超表面的智能入射波方向探测方法的具体实施方案进行详细地说明。

本发明提供了一种基于相位调控超表面的智能入射波方向探测方法，该方法主要分为三部分：入射空间、观测空间和估计空间；

入射空间为被探测入射波所在空间，观测空间由调控单元和接收单元构成。调控单元仅包含可调相位的透射型超表面，可探测的入射波工作频率可以是某一个频率点或者某一个带宽；接收单元仅有一个接收天线，用于接收入射波经超表面之后的场强数据。以超表面的中心为坐标原点，垂直超表面向外为z方向建立球坐标系，来波方向在球坐标系下进行表征，获得入射波的θ角和角。估计空间为搭载提前用训练集训练完成的神经网络的计算设备，所述训练集中入射波场强大小为网络的输入，入射波的θ角和/>角为网络的输出。将接收天线数据输入计算设备中，即可快速预测出来波方向。

观测空间调控电磁波的方式为在电磁波入射经过超表面的同时，变换超表面的相位分布来改变入射波的透射特性，从而可得到不同的包含方向信息的场强数据，并用一个放置在超表面斜后方固定位置的接收天线进行幅度数据的接收。接收单元仅有一个接收天线。

超表面由亚波长结构单元周期性排列组成。由每一个单元集成两个变容二极管实现调节相位。在不同电压下，变容二极管的电容值不同，从而单元可以呈现出不同的相位分布。变容二极管在超表面上每一行和每一列为周期性排列，对其采用同一列供电相同，同一行供电不同，即在y方向上统一调控，而在x方向上差异调控的方式，实现一维空间中的入射波方向进行探测。若对超表面的每个单元单独控制，同时调控俯仰角和方位角，即可实现三维空间中的来波方向进行探测。

实施例

如图1所示，根据实际工程的需求，本发明方法所针对的入射波方向为-60°≤θ≤60°，

如图1所示，入射波探测方法的观测空间主要由可动态调控透射波的超表面阵列和一个接收天线组成。超表面为相位可调的透射型超表面。接收天线放置在距超表面合适距离的斜后方位置。

如图2所示，为验证入射波方向探测方法，本发明中的超表面阵列由边长为15mm的单元周期性排列构成，x方向40个单元，y方向20个单元，超表面由800个单元组成。如图3所示，每个单元包括四层金属层，三层介质层。介质层中上下两层厚度为2mm，分隔接地层和偏置层的介质层厚度为0.5mm。金属层由铜制成，而介质层为F4B材料。

如图4所示，从上到下，金属层分别是辐射层，接地层，偏置层和接收层，厚度均为0.035mm。超表面单元辐射层和接收层均为H型金属槽，且分别集成有一个第一变容二级管5和第一变容二级管6(SMV2019-079LF，电压-电容曲线如图5所示)。变容二极管在不同的电压下可呈现不同的电容。辐射层和接收层变容二极管均放置在横槽所在位置，呈对称关系。辐射层变容二极管通过第三金属过孔3连接到接地层，第二金属过孔2连接到偏置层。接收层变容二极管通过第一金属过孔1连接到接地层，第四金属过孔4连接到偏置层。单元供电通过给接地层接电源负极，偏置层供正向电压来实现。接地层为十字形形状，延申到单元边界，使超表面中各单元接地层互连在一起。除了一侧的导电线，偏置层为两个月牙形金属片和对称的金属条构成。通过导电线7，在y方向上的超表面单元偏置层连接在一起，进行统一供电，而在x方向上差异供电。

在本实施实例中，入射波为-60°≤θ≤60°，入射的TM波，工作波长λ＝0.0316m。图6为垂直入射时(θ＝0°，/>)，对具体实例在9～10GHz的S22参数进行仿真。

图7为电磁波以不同方向入射时，工作在9～10GHz频率下单元的相位和幅度示意图。在9.5GHz时，相位差达235°，而幅度曲线表明，S22最低为-4dB，可在保证高透射率的情况下，对电磁波进行较大范围调控。

本方法中采用神经网络对数据进行处理，从而预测出入射波方向。数据集为电磁波经17种超表面下的透射幅度数据。数据集统一用7V电压调控下的超表面幅度数据进行归一化处理。如图8所示，为了最大化学习到输出与输入的关系，本发明中选择含两层隐藏层的三层全连接神经网络作为学习模型。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (5)

1.一种基于相位调控超表面的智能入射波方向探测方法，其特征在于：该方法主要分为三部分：入射空间、观测空间和估计空间；

入射空间为被探测入射波所在空间，观测空间由调控单元和接收单元构成；调控单元仅包含可调相位的透射型超表面，可探测的入射波工作频率是某一个频率点或者某一个带宽；接收单元仅有一个接收天线，用于接收入射波经超表面之后的场强数据；以超表面的中心为坐标原点，垂直超表面向外为z方向建立球坐标系，来波方向在球坐标系下进行表征，获得入射波的俯仰角θ角和方位角角；估计空间为搭载提前用训练集训练完成的神经网络的计算设备，所述训练集中入射波经超表面后的场强大小为网络的输入，入射波的方位角/>和俯仰角θ为网络的输出；将接收天线数据输入计算设备中，即可快速预测出来波方向。

2.根据权利要求1所述的基于相位调控超表面的智能入射波方向探测方法，其特征在于：所述超表面为相位可调的透射型超表面。

3.根据权利要求1所述的基于相位调控超表面的智能入射波方向探测方法，其特征在于：入射空间的电磁波进入观测空间，经过超表面，其方向为俯仰角θ和方位角此时多次改变超表面相位来调控入射波的透射特性，并用一个放置在超表面斜后方固定位置的接收天线进行幅度数据的接收，从而得到多组包含方向信息的场强数据；接收单元仅有一个接收天线。

4.根据权利要求1所述的基于相位调控超表面的智能入射波方向探测方法，其特征在于：超表面由亚波长结构单元排列组成，变换不同的相位，调控入射波的透射特性。

5.根据权利要求1所述的基于相位调控超表面的智能入射波方向探测方法，其特征在于：估计空间中的神经网络由提前用俯仰角θ和方位角加上多组场强大小组成的数据集进行训练得来，具备输入多组场强数据即可迅速准确输出θ和/>的能力。