摘要：可编程超表面是由可调谐的单元在二维平面上组成的平面阵列,具有任意、动态操控电磁波波前的能力,是微波领域前沿研究方向之一。尽管目前基于可编程超表面的电磁调控研究已取得丰硕进展,但是现有技术都需要采用专用发射源主动馈电超表面,这不仅增加了实际系统的复杂性和成本,而且在一定程度上限制了这些技术在现实环境中的应用。因此,该文提出了一种利用可编程超表面灵活调控周围Wi-Fi信号的方法,并通过理论和实验证明了其对Wi-Fi信号的优越调控性能。首先,该文首次提出一种基于可编程超表面散射模型的高效优化算法CWGS,该算法可以重新设计可编程超表面散射场的复振幅分布,从而实现指定位置处的Wi-Fi信号显著增强。其次,该文制作了一款工作频率为2.4 GHz的大规模可编程超表面,并基于该超表面实验验证了优化算法应用于Wi-Fi信号增强调控的可行性和有效性。理论和实验结果均证明,可编程超表面可以在多个位置处实现Wi-Fi信号的动态增强。实验结果表明,经可编程超表面调控后的Wi-Fi信号强度提高了23.5 dB。该文提出的方法提高了可编程超表面在实际应用中的可用性和实用性,有望为无线通信、未来智能家居等领域开辟新的道路。

摘要：电磁感知是现代社会迫切需要的非接触式探测技术,而实现实时数据处理、低成本、低能耗的智能电磁感知系统一直是微波探测领域的长期追求目标.为了实现这一目标,文中将能够任意调控电磁波前的可编程超表面与具有强大信息处理能力的深度学习技术相结合,实现了智能电磁感知系统;并分别从理论、系统设计与实验三个角度深入研究了深度学习驱动的智能电磁感知方法.文中首先利用“k空间”法分析了基于可编程超表面的电磁感知系统的理论分辨率和影响因素;然后介绍了一款32×24的1比特可编程超表面的系统设计,并实验验证了其动态调控电磁波前的良好性能;在此基础上将深度学习技术引入感知系统中,建立了自适应处理高维感知数据的成像卷积神经网络,实现了高保真度的人体姿态成像.本文的研究成果可用于指导智能电磁感知系统的设计与分析,并且为未来人工智能时代的电磁感知系统开辟了一条新的途径.