基于等效电路模型与人工神经网络的有源反射面高效设计方法及其在5G通信中的应用

《IEEE Open Journal of Antennas and Propagation》：An Efficient Design Methodology for Finite-Size Anomalous Reflectors Based on Equivalent Circuit Model and Artificial Neural Networks

本文针对有限尺寸完美异常反射器(PAR)设计效率低、精度不足的问题，提出了一种结合等效电路模型(ECM)和人工神经网络(ANN)的高效设计方法。研究人员通过ECM辅助遗传算法(GA)为有限尺寸PAR提供初始参数，并利用改进的极点-留数跟踪技术提升ANN预测精度，结合表面波分析方法降低数据采集时间。实验结果表明，该方法在28 GHz频点实现了70°异常反射，其双站雷达散射截面(BRCS)性能优于传统无限尺寸设计，为5G毫米波信号覆盖提供了可靠解决方案。

　　

在5G毫米波通信系统中，信号易受建筑物等障碍物遮挡形成覆盖盲区，智能超表面(IS)因其可调控电磁波传播特性的能力成为研究热点。其中，完美异常反射器(PAR)能够将入射波定向反射至非镜面方向，有效扩展信号覆盖范围。然而，现有PAR设计方法多基于无限尺寸周期结构假设，在实际有限尺寸应用中会出现边缘效应和单元间耦合，导致功率效率降低和双站雷达散射截面(BRCS)性能下降。此外，传统设计依赖繁琐的全波仿真优化，难以兼顾计算效率与精度。

为突破上述局限，本研究提出了一种融合等效电路模型(ECM)与人工神经网络(ANN)的有限尺寸PAR设计方法。研究团队首先基于Floquet模态展开理论构建了无限尺寸PAR的ECM模型，通过遗传算法(GA)优化获得高效率初始参数；随后利用改进的极点-留数跟踪技术对电磁响应参数进行标准化处理，提升ANN对宽频带和多几何变量的预测精度；最后结合表面波场重构方法，通过小尺寸结构仿真数据快速推演大尺寸PAR的BRCS响应，显著降低数据采集时间。该方法通过ANN-GA联合优化，实现了有限尺寸PAR的BRCS性能精准调控。

关键技术方法包括：1) 基于Floquet理论的ECM建模，用于快速分析周期结构散射特性；2) 改进的极点-留数跟踪算法，通过匈牙利算法优化极点分类策略，解决参数不连续问题；3) 表面波场重构技术，利用小尺寸结构场分布推演大尺寸结构性能；4) ANN-GA混合优化框架，以传递函数(TF)参数为桥梁关联几何变量与电磁响应。

数值验证结果

TE入射PAR设计：针对正常TE入射的二维矩形贴片PAR，ECM-GA优化后在28 GHz实现96%的异常反射效率。ANN-GA优化的有限尺寸结构(11×14单元)BRCS结果显示，在70°反射方向增益显著提升，镜面反射(0°)和寄生反射(-70°)分量分别降至-10 dB，优于ECM设计(-2 dB/-5 dB)。

TM入射PAR设计：TM入射PAR经ECM-GA优化后效率达97%，但存在0.2 GHz频率偏移。ANN-GA优化的有限尺寸结构将镜面反射抑制至-10 dB，验证方法对极化差异的适应性。

文献结构对比验证：以四贴片加载PAR为参照，ANN-GA优化后BRCS在0°和-70°方向分别降至-11 dB和-14 dB，显著优于原设计(-4 dB/-1 dB)，证明该方法对复杂结构的泛化能力。

实验验证

加工11×14单元与33×42单元两种尺寸的TE入射PAR进行测试。测量结果显示，ANN设计的大尺寸结构在70°反射方向保持20 dB以上增益差，且边缘效应抑制效果与仿真一致，验证了设计方法的实际有效性。

本研究通过ECM-ANN协同设计框架，解决了有限尺寸PAR在实际应用中的性能瓶颈。改进的极点-留数跟踪技术将ANN预测误差从131%降至1.7%，表面波分析方法使数据采集时间减少85%。实验证明，该方法在保持高效率的同时显著提升BRCS性能，为5G毫米波通信的智能反射面设计提供了可靠工具。未来研究可扩展至非周期有限尺寸结构，进一步拓宽应用场景。