一种基于深度展开网络的超表面阵列RCS自愈补偿方法

本发明总体上属于微波与天线技术以及计算电磁学交叉领域，具体涉及一种基于深度展开网络的超表面阵列电磁散射自愈补偿分析方法。核心是将智能优化算法与计算电磁学进行学科交叉融合，通过智能优化算法对超表面阵列的电磁散射问题进行修复补偿，解决现有传统电磁学补偿方式的不足，为之后解决大规模阵列问题提供一个优质方法。

背景技术：

1、随着相控阵雷达、多基站协同探测网络、宽带极化雷达以及超视距预警系统等现代先进电磁探测技术的跨越式发展，探测设备的灵敏度与抗干扰能力得到了空前提升。传统的无源静态隐身技术主要依赖于固定外形的电磁散射以及表面涂覆雷达吸波材料，这种方式通常只能针对特定频段和固定探测方向生效，不仅极大增加了飞行器等隐身平台的重量与气动设计负担，更难以应对复杂多变、多频多角度的现代战场全空域电磁威胁。为了实现目标在高频威胁环境下的高生存率，新一代电磁隐身技术正不可逆转地向着动态化、智能化和自适应化方向演进。

2、在此背景下，可编程智能超表面技术应运而生并迅速成为计算电磁学与微波工程领域的关键前沿技术。该技术突破了传统自然材料电磁属性受限的瓶颈，通过在亚波长尺度的平面或共形阵列单元中密集集成变容二极管、射频微机电系统或石墨烯等有源集总器件，构建出能够与电磁波发生强烈相互作用的人工微结构。借助现场可编程逻辑门阵列等底层数字控制网络，智能超表面能够对每一个阵列单元施加独立的偏置电压，进而改变单元内部的等效电容、电感或电阻分布，实现对入射电磁波的幅度、相位和极化状态的实时动态重构。在雷达散射截面缩减应用中，通过优化设计阵列二维空间的电磁响应分布，例如构建基于一百八十度相位对消的离散相位编码图案或具有空间梯度的幅度对比图案，智能超表面能够破坏特定方向上的相位一致性，将原本集中于目标镜面反射方向的强电磁能量向空间大角度发生散射偏转，或者将其转化为热能予以吸收，从而实现目标雷达散射截面的大幅度缩减与动态隐身。

3、然而，在实际严苛的工程应用与部署环境中，超表面阵列的电磁可靠性与抗毁伤性能面临着极为严峻的物理挑战。一个典型的大口径智能超表面装备通常包含成千上万个高密度排布的独立有源单元与复杂的底层多层馈电网络。在服役过程中，这些脆弱的微波射频器件极易受到外部恶劣环境应力的破坏。例如，超音速飞行带来的剧烈冷热交变循环会导致器件焊接点疲劳断裂，强烈的机械震动会引发馈电网络接触不良，高能微波定向能武器或电磁脉冲打击会烧毁半导体结区，而战斗过程中的弹片击穿等直接物理毁伤更是会造成局部区域的完全物理损毁。一旦阵列发生不确定位置、不可预测的随机损坏，包括调相层控制电压失效、阻性层导纳恒定以及多层微波介质结构的异位或同位击穿，超表面预先精心计算并设定的全局电磁编码拓扑将被彻底破坏。

4、这种局部硬件损伤引发的后果是灾难性的。在电磁散射层面，受损单元无法输出预期的幅度与相位响应，导致原有的空间电磁波相位对消机制完全失效。局部相位和幅度的剧烈失配会在阵列孔径面上引发强烈的电磁寄生干涉与边缘绕射效应，进而在非镜面反射的多个空间角度上激发出异常的强散射副瓣。这些突变的非预期电磁强散射区域如同夜空中的探照灯，极易被敌方高灵敏度雷达多角度捕捉，使得原本具备优异隐身性能的目标瞬间暴露，严重威胁平台生存。

5、针对智能超表面阵列受损后的电磁性能恢复，即自愈补偿技术，现有的传统解决机制主要依赖于遗传算法、粒子群优化算法或模拟退火算法等启发式全局寻优策略。此类方法的工作机制是：在检测到阵列发生局部损坏后，将其余健康运行单元的控制电压作为高维优化变量，以最低的全局雷达散射截面或最小的特定角度副瓣电平为目标函数，进行多代种群的迭代寻优计算。尽管启发式算法在数学理论上具备收敛至全局最优解的能力，但在实际计算电磁学工程中存在不可忽略的算力复杂与时间延迟瓶颈。这是因为每一次种群个体的适应度评估，均需要调用矩量法或时域有限差分法等全波矢量电磁仿真底层算法进行积分或微分方程求解。对于包含成百上千个微波单元的三维大尺度阵列，单次全波计算便需消耗海量内存与时间，导致完成一次完整的自愈补偿迭代往往耗时数小时乃至数天。这种庞大的计算资源消耗与极端的计算延迟，完全无法满足实际作战环境中毫秒级至秒级的实时动态响应需求，导致传统优化自愈方法难以跨越从理论仿真到工程实用化的鸿沟。

6、近年来，为了克服启发式算法的算力困难，基于数据驱动的深度学习模型开始被引入电磁阵列的快速响应与特征预测领域。通过预先在超级计算机上生成海量受损与补偿数据对进行离线训练，深度网络能够在毫秒级时间内完成在线前向推理。然而，常规的深度神经网络方法在解决复杂高频电磁散射自愈问题时，暴露出三个核心且致命的技术缺陷。

7、首先是物理机制的缺失与模型不可解释性难题。常规深度卷积网络或多层感知机仅能在高维空间中构建从受损掩码图像到补偿电压数值的纯数学统计映射，网络架构内部完全剥离了麦克斯韦方程组的电磁场边界条件与微波传输线理论的严格物理约束。这种重数据、轻物理的模型在处理训练数据集中涵盖的常规损伤分布时表现尚可，但一旦面对复杂多变、规模不同或拓扑结构异常的未见损伤模式时，其预测精度与泛化能力会发生断崖式下降。

8、其次是非物理可行解的输出风险。微波器件的电磁响应受限于其物理材料属性，例如变容二极管的结电容调节范围具有严格的上下边界限制，其对应的等效阻抗与偏置电压呈高度非线性关系。常规深度学习模型在追求损失函数极小化的过程中，难以精确施加并保障输出的补偿偏置参数严格贴合实际物理器件的调节边界，极易生成超越硬件阻抗调节极限的无效指令，进而导致自愈系统输出错误状态甚至引发底层硬件控制系统死锁。

9、最后是针对多角度斜入射电磁波的电磁适应能力极其薄弱。在实际探测空间中，敌方探测雷达发出的电磁波往往以斜入射形态作用于隐身目标表面。电磁波斜入射不仅引发了横电波与横磁波在不同极化下的空间波阻抗急剧分离，还在阵列孔径面上引入了极其复杂的空间相位延迟梯度。常规的数据驱动自愈模型通常仅依赖于法向垂直入射条件下的静态样本进行训练，其内部权重无法学习到电磁波入射角与阵列表面波前之间的动态耦合规律。一旦入射角发生偏转，网络输出补偿参数所对应的空间相位补偿分布将完全错位，导致电磁场方向图发生严重畸变，不仅无法压制副瓣，反而可能产生额外的栅瓣效应。

10、所以，现有的计算电磁学自愈方法与常规人工智能算法均无法妥善解决超表面阵列在极端受损状态下的高效重构问题。目前该领域亟需一种创新性的分析与控制框架，既能继承深度神经网络前向推理的超高时效性，又能将微波网络等效分析、全波矢量电磁计算规则以及严格的偏置电压正则化约束深度融合至算法模型底层。如何突破传统纯数据驱动模型的理论局限，构建一种具备电磁物理前向反馈机制、能够基于雷达散射截面残差进行全局空间特征提取，并能在多角度斜入射的复杂电磁条件下，自适应且鲁棒地输出高精度自愈补偿电压的智能分析方法，已成为新一代高可靠性、高抗毁智能隐身装备研发与计算电磁学交叉领域中最核心且急需攻克的技术瓶颈。

技术实现思路

1、本发明的目的是为了解决传统超表面自愈补偿方法中计算效率低、缺乏物理约束以及斜入射适应性差的技术难题。具体而言，本发明提出了一种基于深度展开网络的超表面阵列rcs自愈补偿方法。该方法不仅在网络内部硬编码了严格的电磁全波矢量物理层，还设计了基于rcs残差的上下文感知机制与多维度复合损失函数。以下是该方法的详细实施步骤：

2、步骤1：针对超表面阵列，建立其精细的微波等效电路与电磁场耦合模型。将阵列划分为二维网格，每个单元包含用于相位调控的第一层(受偏置电压v1控制的变容二极管层)和用于幅度调控的第二层(受偏置电压v2控制的石墨烯或阻性层)。

3、对于给定的工作频率f和角频率ω＝2πf，结合薄介质近似条件与传输线理论，顶层表面阻抗ztop中的虚部由变容二极管电容cp决定：

4、

5、其中，ztop表示顶层频率选择表面的等效表面复数阻抗；rfss表示顶层金属微结构的等效串联电阻；ω表示入射电磁波的角频率；lfss表示顶层结构的等效分布电感。cp随控制电压v1在[cmin，cmax]之间动态连续变化。

6、综合第一层导纳(1/ztop)、受第二层电压v2调控的复数导纳yg以及底层介质基板的纯虚数导纳ysub，得到单元整体输入阻抗zin。在多角度斜入射条件下，引入随空间极角变化的te电波等效波阻抗，计算各单元的局部反射系数γ：

7、

8、其中，γ表示阵列单元的局部复数反射系数；zin表示阵列单元的整体等效输入复数阻抗；表示横电波在自由空间斜入射条件下的等效波阻抗，此处η0表示自由空间本征波阻抗，θ表示散射观察极角。

9、进一步，根据阵列物理排布与斜入射波前，计算远场雷达散射截面rcs。首先计算每个单元的空间相位延迟因子δφi：

10、δφi＝k0[xi(sinθcosφ-sinθincosφin)+yi(sinθsinφ-sinθinsinφin)]

11、其中，δφi表示第i个阵列单元相对于阵列物理原点的空间相位延迟；k0表示自由空间波数；xi和yi分别表示第i个阵列单元在物理笛卡尔坐标系中的横坐标与纵坐标；θ和φ分别表示散射场在球面坐标系中的观察极角与观察方位角；θin和φin分别表示探测电磁波的入射极角与入射方位角。

12、在此基础上，阵列的远场雷达散射截面rcs的计算公式为：

13、

14、其中，rcs表示计算所得的雷达散射截面对数值；λ表示电磁波的工作波长；aunit表示单个超表面单元的物理几何面积；nunit表示超表面阵列所包含的单元总数量；cos4θ表示微波阵列单元因子的低仰角近似衰减包络权重；γi表示第i个单元的局部复数反射系数；e表示自然常数；∈表示防止对数函数在零点出现负无穷大奇异性的极小正向偏置常数。该全波物理层模型将作为微分算子直接嵌入深度神经网络的计算图中。

15、步骤2：定义表征阵列单元健康拓扑状态的空间掩码矩阵m1(对应第一层调相层)和m2(对应第二层调幅层)。

16、

17、其中，表示在第t次补偿迭代时，第k层的完整融合偏置电压矩阵；vk_dmg表示受到随机物理毁伤后提取的实际受损偏置电压矩阵；mk表示第k层的健康空间掩码矩阵(单元完好时其对应矩阵元素值为1，单元损坏时对应元素值为0)；表示神经网络在第t步输出的针对损坏单元的候选代偿偏置电压矩阵。此融合公式确保了在自愈计算过程中，所有健康单元的电压状态维持硬锁定，仅对受损单元进行非侵入式代偿干预。

18、步骤3：获取当前受损状态或中间补偿状态的物理层正向推演预测值rcspred与理想状态下靶向雷达散射截面rcstarget之间的残差矩阵rdiff。

19、raiff＝rcspred-rcstarget

20、其中，rdiff表示当前状态下的雷达散射截面误差残差矩阵；rcspred表示由步骤1全波矢量物理层算子正向计算得到的预测雷达散射截面矩阵；rcstarget表示阵列在未受损理想编码排布下的基准目标雷达散射截面矩阵。沿全空域散射角度维度计算该残差矩阵的核心统计学指标(包括残差均值、标准差、最大极差、方方根、正负误差能量积分、方向图畸变偏度以及热点峰度)，生成维度固定的上下文统计特征向量cctx，从而彻底解耦网络训练所需的空间角度分辨率与前向推理分辨率，提升模型跨分辨率的适应能力

21、步骤4：将传统的高维度全局优化数值求解过程在时间步上展开为多级联步的前馈神经网络。在每一个级联步骤中，包含空间卷积编码模块与多头自注意力模块，用于捕获阵列单元间的局部阻抗突变及全局电磁相干干涉依赖关系，生成多通道空间特征图fspatial。

22、引入特征仿射线性调制(film)层，利用步骤3生成的上下文特征向量对空间特征图进行动态物理寻优方向的调制：

23、f′spatial＝fspatial⊙γ(cctx)+β(cctx)

24、其中，f′spatial表示经过上下文动态调制后的增强型多通道空间特征图；fspatial表示由卷积与自注意力模块提取的初始空间特征图；⊙表示hadamard积(逐元素相乘操作)；γ(cctx)表示由上下文特征向量cctx映射生成的自适应缩放系数矩阵，控制特定空间特征通道的放大比例；β(cctx)表示由上下文特征向量cctx映射生成的自适应平移偏置系数矩阵，等效于为网络提供物理残差补偿的具体梯度方向；cctx表示步骤3中提取的上下文统计特征向量。调制后的特征图经解码器输出当前步的精细电压修正量，迭代直至达到预设联步数，输出网络级初始高精度代偿电压。

25、步骤5：为确保深度展开网络不产生非物理的过拟合解，并在远场方向图中严格压制异常散射副瓣，本发明构建了融合多种物理规则的复合损失函数ltotal：

26、ltotal＝lrcs+λhslhotspot+λplpeak+λvlvreg+λtvltv+λsls

27、其中，ltotal表示整体复合物理训练损失总值；lrcs表示预测散射图与理想靶向图的基础均方误差损失；lhotspot表示双侧热点惩罚损失；lpeak表示全局最大反射峰值对齐损失；lvreg表示偏置电压回归正则化损失；ltv表示全变分平滑损失；ls表示基于掩码边界的过渡平滑损失；λhs、λp、λv、λtv、λs分别表示对应各项物理约束的动态平衡权重系数。

28、其中，为防止补偿后的方向图在任意非目标方向产生超过规范阈值的强反射副瓣，构建双侧热点惩罚损失lhotspot：

29、

30、其中，lhotspot表示双侧热点惩罚损失值；nangle表示在极角与方位角离散空间内评估的总角度节点数量；m表示角度节点的遍历索引；max()表示非线性整流取大值函数；表示在第m个角度节点处预测rcs与理想rcs的残差值(对应前述rdiff矩阵元素)；rthr表示系统容忍的电磁散射余量阈值(如3.0db)。该公式严苛限制了所有角度的散射特征均不得大幅度偏离理想包络，有效遏制了网络牺牲全局隐身性能以换取局部指标的现象。

31、为确保输出的补偿电压在硬件供电网络中具备可行性，避免剧烈的非物理跳变，构建偏置电压回归正则化损失lvreg：

32、

33、其中，lvreg表示偏置电压回归正则化损失值；nunit表示阵列单元总数；i表示阵列物理单元的遍历索引；与分别表示深度网络输出的受损单元第一层与第二层候选补偿电压；与分别表示受损单元在理想无损状态下所对应的标准棋盘格预设电压；与分别表示第i个单元的第一层与第二层健康掩码值；|·|表示绝对值范数计算。

34、步骤6：在实际阵列部署推理阶段，将受损阵列数据输入训练完毕的深度展开网络，利用单次前传播极速获取高质量的基准补偿电压解。随后激活底层电磁物理算子的反向传播计算图，使用自适应矩估计adam优化器执行少量轻量级梯度追踪迭代，进一步消除微小的数值残差。补偿完成后，利用自适应副瓣电平sll算法在全球域视野中定位主瓣，提取副瓣电平差额、3db主瓣带宽变化率及全局均方误差等雷达射频指标，输出多维度自愈可视化验证结果。