摘要
本发明公开了一种变曲率频率选择表面单元散射场的预测方法,对频率选择表面单元曲率进行对数采样,生成曲率采样点样本集,建立频率选择表面单元模型库并分别进行仿真求解,得到不同曲率频率选择表面单元的近场数据;求解无穷小偶极子位矢矩阵和无穷小偶极子组中的偶极矩,得到不同单元的偶极矩数据集;搭建长短期记忆深度神经网络模型,调整神经网络模型超参数,训练神经网络模型;预测偶极矩,并结合无穷小偶极子组位矢矩阵对频率选择表面单元散射场进行求解,完成频率选择表面单元散射场的预测。本发明能够准确计算任意曲率特征的频率选择表面单元散射场,提高了频率选择表面的设计效率,对于大规模频选表面散射计算具有重要的工程应用价值。
技术关键词
深度神经网络模型
频率
模型库
训练神经网络模型
矩阵
曲率特征
采样点
数据
超参数
仿真软件
表达式
样本
记忆
平面波
训练集
坐标
线段
电场
曲面
系统为您推荐了相关专利信息
电力信息物理系统
关键节点识别方法
节点特征
卷积神经网络模型
电力通信网络
座席
客户
状态空间模型
多模态交互
面部动作单元
光学传感器
多元组
导航定位功能
数据关联算法
电磁干扰环境
新能源汽车电池
退化机制
智能监测方法
电池荷电状态
损耗特征