基于时空编码数字超表面的雷达散射截面积缩减及波达角估计方法

传统的波达角(DOA)估计方法的实现通常基于相控阵天线系统,而其高昂的硬件成本限制该技术在不同领域的应用和推广,此外相控阵天线普遍不具备隐身性能,其在工作频段内雷达散射截面积(RCS)普遍较高。为解决上述问题,该文在时空编码(STC)理论的基础上提出了一种基于超表面同时实现RCS缩减和DOA估计的方法,并利用一款毫米波超表面对算法进行了验证。实验结果表明,该方法实现的波达角估计误差在1°以内,同时RCS缩减大于10 dB,为DOA估计和RCS缩减功能的集成提供了全新的思路,具有高性能、低成本等特点。

一种新型的数字超表面相控阵雷达天线

针对现役精密进场雷达数据率低、测量精度差和维护成本高等问题,提出了一种基于数字超表面相控阵天线,从而取代精密进场雷达机械扫描天线,提升雷达的整体性能。该天线通过嵌入式控制电路加载PIN二极管,实现对超材料表面单元反射相位的动态调控,最终实现数字超表面相控阵天线。与传统相控阵天线相比具有成本低、体积小、重量轻、效能高等特点。通过测试表明,该天线能够满足精密进场相控阵雷达天线的指标要求,并具有测量精度高,扫描速度快,探测方式灵活等优势,为设计新型精密近场天线提供一条新思路。

基于迁移学习的超表面设计

超表面因具有独特的操控电磁波的功能被广泛使用。但超表面设计需要优化单元结构以产生所需相位分布,这需要大量的时间和计算资源。提出了一种基于迁移学习的超表面设计方法,该方法可以预测复杂超表面单元的相位。使用ResNet34作为预训练模型的迁移学习网络,其中仅使用20000个样本进行训练网络,其准确率达到90%以上。模型实现了预测210×10不同结构的超表面单元的相位,与深度学习网络相比,减少训练样本且提升了准确率。为了验证该方法的有效性和可行性,在实际设计需求下成功设计了一个异常反射在45°角度的相位梯度超表面,并进行了仿真和实验验证。为超表面设计提供了一种新颖高效的方法,并为迁移学习在电磁领域内其他问题上的应用提供了参考。