买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东南大学申请的专利基于物理信息表征的编码超单元参数化建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119742010B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411573261.2，技术领域涉及：G16C60/00；该发明授权基于物理信息表征的编码超单元参数化建模方法是由周小阳;陈珲;陈展野;刘艳萌;王倩雯设计研发完成，并于2024-11-06向国家知识产权局提交的专利申请。

本基于物理信息表征的编码超单元参数化建模方法在说明书摘要公布了：本发明公开一种基于物理信息表征的编码超单元参数化建模方法，通过构建物理信息的深度神经网络学习传递函数的极点留数与编码超表面结构的对应关系，实现电磁响应的准确预测。仿真结果表明，使用该方法对测试集中的随机超表面预测的电磁响应参数曲线与超单元全波仿真结果高度拟合，且预测的趋势项子电磁响应曲线与其形状高度相似，验证了所提方法的有效性和可靠性。

本发明授权基于物理信息表征的编码超单元参数化建模方法在权利要求书中公布了：1.一种基于物理信息表征的编码超单元参数化建模方法，其特征在于，包括如下步骤： S1、获取电磁响应S参数及极点留数； S2、构建数据集其中，输入是Metak，其表示为成中心对称的16×16的编码矩阵，用来表征第k个编码超单元，输出是为第k个编码超单元的传递函数的趋势项极点向量，为第k个编码超单元的传递函数的趋势项留数向量，为第k个编码超单元的趋势项电磁响应S参数，为第k个编码超单元的传递函数的残差项极点向量，为第k个编码超单元的传递函数的残差项留数向量，为第k个编码超单元的残差项电磁响应S参数； S3、构建趋势项极点留数预测网络和残差项极点留数预测网络； S4、将训练集输入趋势项极点留数预测网络和残差项极点留数预测网络进行多任务联合学习； S5、将测试集输入趋势项极点留数预测网络和残差项极点留数预测网络进行预测输出的电磁响应； 所述物理信息表征的编码超单元具有金属顶层、介质层、金属底层三层，其中顶层为金属谐振层，所述金属顶层的编码图案区域宽度为8mm，编码图案金属铜贴片宽度为0.5mm，顶层是中心对称的16×16的编码矩阵，所述金属顶层的金属铜贴片和底层的金属背板电导率σ为5.8+007Sm，金属顶层和金属底层的厚度t2＝0.017mm； 步骤S1的方法如下： 将编码超表面单元结构导入到全波电磁仿真模拟软件中，软件的工作频率设置为8‑12GHz，并设置仿真参数，批量化获取编码超表面对应的电磁响应S参数，并将所有编码超单元及对应电磁响应数据导出；第k个编码超单元样本经过仿真模拟软件获得的电磁响应S参数为Hks，使用向量拟合技术从电磁响应S参数中提取一组极点向量和留数向量，pk和rk表示为阶数Nk的第k个编码超单元的传递函数的极点向量和留数向量； 步骤S1中，从频率响应参数S提取一组极点向量pk和留数向量rk的方法为，利用向量拟合方法获得混合实数形式和复数形式的极点留数传递函数Hs为： 其中，每一对复数形式的极点留数对都有与其共轭的另一对极点留数对存在，s＝j×2πf，j为虚数单位，f为编码超单元的工作频带范围，Nreal和Ncom分别对应实数极点留数对和复数极点留数对的阶数，第二项的括号中pi为第i阶复数形式极点，ri为第i阶复数形式留数，pi*为第i阶复数形式极点的共轭，ri*为第i阶复数形式留数的共轭； 极点p＝α±j·β，α为极点的实部，β为极点的虚部，β＝0时极点为实数，β≠0时极点为复数，每一个极点或每一对极点都可看作如下一元二次方程的根： s2+2ζωcs+ωc2＝0其中，|ζ|＝αωc为阻尼系数，且满足|ζ|≤1，为该极点的中心角频率，该一元二次方程的判别式Δ为：Δ＝4ωc2ζ2‑1； 复数极点对应趋势项极点留数对，复数极点的判别式Δ≠0，阻尼系数|ζ|＜1； 实数极点对应残差项极点留数对，实数极点的判别式Δ＝0，阻尼系数|ζ|＝1； 步骤S3的方法如下： 网络分为趋势项极点留数预测网络Nettrend和残差项极点留数预测网络Netresidual，均使用具有参数共享的CGC自定义门控网络模型，每个CGC模型有两个任务的输出，分别是预测极点和预测留数，CGC模型共有三层结构，底层由两个独立专家模块和一个共享专家模块构成，每个专家模块由若干有跳跃连接的卷积层和全连接层构成，第n个任务的专家模块输出记为Snx；中间层为激活函数为Softmax的门控网络，输出为： 其中，x为输入的16×16编码矩阵展平为维度为d＝256的一维向量，为维度mn+ms×d的单层前馈网络，mn为任务n的独立专家数量，ms为任务n的共享专家数量，Snx为任务n的mn+ms个专家模块的输出特征向量，顶层为任务塔层，将门控网络的输出作为输入，用于特征提取； 将Nettrend输出的趋势项预测极点和预测留数送入构建的趋势项传递函数层得到预测的趋势项电磁响应S参数将Netresidual的输出的残差项预测极点和预测留数送入构建的残差项传递函数层得到预测的残差项电磁响应S参数两个网络预测的电磁响应相加得到总的电磁响应S参数传递函数层的构建使用趋势项极点留数预测网络得到的趋势项极点留数计算趋势项极点留数电磁响应，使用残差项极点留数预测网络得到的残差项极点留数计算残差项极点留数电磁响应，二者相加计算整体频谱响应函数记为： s＝j×2πf其中，尖顶号^均表示网络预测的输出结果，j为虚数单位，f为编码超单元的工作频带，该传递函数层不进行参数的更新。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东南大学，其通讯地址为：210000 江苏省南京市玄武区四牌楼2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。