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！

龙图腾网获悉浙江大学杭州国际科创中心申请的专利自由形状超表面的构建方法、系统、装置及可读存储介质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：CN115859794B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202211481468.8，技术领域涉及：G06F30/27；该发明授权自由形状超表面的构建方法、系统、装置及可读存储介质是由吴南轩;钱超;陈红胜设计研发完成，并于2022-11-24向国家知识产权局提交的专利申请。

本自由形状超表面的构建方法、系统、装置及可读存储介质在说明书摘要公布了：本发明公开一种自由形状超表面的构建方法及系统，方法包括以下步骤：获取经预设超表面发生折射反射的电磁波数据；进行预处理，得到超表面中心平面的实际电场分布数据、远场中同一平面内的电磁波相位分布数据，将入射频率数据及入射角度数据进行离散处理得到频率与角度的矩阵张量；对构建的串联神经网络模型进行训练及验证，得到串联神经网络模型；得到初始相变单元排布参数；结合实际电场分布数据及电磁波相位分布对初始相变单元排布参数进行验证，并进行优化，得到优化后相变单元排布情况，基于优化后相变单元排布情况构建最优超表面。利用了全局逆向设计实现的串联神经网络模型，能够打破单元耦合以及多重散射的限制，提升了隐身效果。

本发明授权自由形状超表面的构建方法、系统、装置及可读存储介质在权利要求书中公布了：1.一种自由形状超表面的构建方法，其特征在于，包括以下步骤： 获取经预设超表面发生折射反射的电磁波数据，其中，所述电磁波数据包括近场分布数据、远场分布数据、入射频率数据及入射角度数据，所述近场分布数据为电场分布数据，所述远场分布数据为雷达散射截面积分布； 分别对近场分布数据和远场分布数据进行预处理，得到超表面中心平面的实际电场分布数据、远场中同一平面内的电磁波相位分布数据，将入射频率数据及入射角度数据进行离散处理得到频率与角度的矩阵张量； 通过实际电场分布数据、电磁波相位分布数据及矩阵张量对构建的串联神经网络模型进行训练及验证，得到串联神经网络模型； 将待测实际电场分布数据、电磁波相位分布、入射频率和入射角作为所述串联神经网络模型的输入，得到初始相变单元排布参数； 结合实际电场分布数据及电磁波相位分布对初始相变单元排布参数进行验证，并将所述初始相变单元排布参数作为目标超表面的相变单元排布参数； 对所述初始相变单元排布参数进行优化，得到优化后相变单元排布情况，基于优化后相变单元排布情况构建最优超表面，其中，所述优化后相变单元排布情况包括超表面设计参数； 其中，所述串联神经网络模型包括逆向神经网络单元和正向神经网络单元，所述逆向神经网络单元的输出层为所述正向神经网络单元的输入层；所述逆向神经网络单元的输入为实际电场分布数据、电磁波相位分布数据及矩阵张量，所述逆向神经网络单元的输出为相变单元排列参数；所述正向神经网络单元的输入为相变单元排列参数，所述正向神经网络单元的输出为预测的电场分布数据、电磁波相位分布数据；逆向神经网络单元； 所述逆向神经网络单元包括第一输入层和第二输入层，所述第一输入层包括三个通道，每个通道对应的输入为：实际电场分布数据、入射频率数据及入射角数据；所述第二输入层输入的数据为电磁波相位分布数据；所述正向神经网络单元的输出层包括三个通道，每个通道对应的输出为预测电场分布数据、预测入射频率数据及预测入射角数据； 所述串联神经网络模型被设置为：通过复合损失函数定义逆向神经网络单元中传播损失值的梯度，所述复合损失函数如下： 其中，表示均方误差， 表示皮尔逊相关系数， 表示真值，表示预测值，表示平均值，表示各数据矩阵中的总数，和表示各损失函数的权重并用以优化逆向神经网络单元，得到优化结果。

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浙江大学杭州国际科创中心，其通讯地址为：310000 浙江省杭州市市心北路99号5楼；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。