基于机器学习的多层频率选择表面滤波器逆向设计方法

本发明提出了基于机器学习的多层频率选择表面滤波器逆向设计方法，该方法将拓扑建模和参数建模相结合，包括：多层频率选择表面微波滤波器结构构建步骤，构建包括金属谐振贴片和关键物理参数的滤波器结构；训练数据集构建步骤，构建包括输入输出数据集的训练数据集；机器学习模型训练及逆向设计步骤，使用Res‑MLP网络对上述数据集进行训练，在训练好的模型上输入目标电磁响应，通过模Res‑MLP网络拟合滤波器结构，实现逆向设计。本发明结合拓扑建模和参数建模实现混合建模，根据需求推导具有特定层数和结构的FSS滤波器，实现更高设计自由度和应用频段的滤波器设计，且基于低色散或非色散材料下FSS的频段偏移，可实现训练频段外FSS滤波器设计。