【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)涉及介電常數(shù)測量及溶液濃度測量，尤其是涉及一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法及系統(tǒng)。
技術(shù)介紹
1、微波傳感技術(shù)在物質(zhì)特性檢測、溶液濃度測量等方面具備獨特優(yōu)勢，通過對微波信號的接收、處理和分析，可以實現(xiàn)對目標(biāo)物質(zhì)的非接觸式探測與識別，根據(jù)樣品的性質(zhì)和感興趣的頻率范圍，可以采用不同的技術(shù)來測量介電常數(shù)。近年來，基于電磁帶隙結(jié)構(gòu)（electromagnetic?bandgap,?ebg）、高阻抗表面（high-impedance?surface,?his）、分裂環(huán)諧振器（split?ring?resonator,?srr）和互補分裂環(huán)諧振器（complementary?split?ringresonator,?csrr）等結(jié)構(gòu)的傳感器也逐漸受到關(guān)注。這些傳感器通過利用材料的介電特性變化來調(diào)節(jié)反射相位或諧振頻率，從而實現(xiàn)對不同物質(zhì)的探測。然而，以上提到的這些傳感結(jié)構(gòu)在面對細(xì)小的介電常數(shù)差異時，無法做到準(zhǔn)確預(yù)測，探測精度和范圍有限，而且傳統(tǒng)的線性擬合方法只能粗略估計介電常數(shù)的變化范圍，無法實現(xiàn)高精度預(yù)測。為了提高探測精度，一些研究提出了結(jié)合神經(jīng)網(wǎng)絡(luò)的方法，如基于levenberg-marquardt算法（lm）結(jié)合反向傳播神經(jīng)網(wǎng)絡(luò)（backpropagation?neural?network,?bpnn）的非侵入式亞太赫茲葡萄糖濃度測量系統(tǒng)，其中，中國申請專利《cn116087625a》公開了一種基于開口同軸探頭及神經(jīng)網(wǎng)絡(luò)的介電常數(shù)測量方法，將開口同軸探頭與深度學(xué)習(xí)網(wǎng)絡(luò)相結(jié)合進行介電常數(shù)測量，利用徳拜公式與導(dǎo)納公式
2、因此，提供一種檢測檢測范圍廣且能夠高效且準(zhǔn)確的進行信息測量的方法是需要解決的技術(shù)問題。
技術(shù)實現(xiàn)思路
1、本專利技術(shù)的目的就是為了解決現(xiàn)有技術(shù)中的缺點，而提供一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法及系統(tǒng)，結(jié)合超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)提升了樣本檢測性能，其中，超表面增強了諧振頻點對樣本的介電常數(shù)或溶液濃度變化的偏移靈敏度，復(fù)值神經(jīng)網(wǎng)絡(luò)則可通過提取幅度相位信息實現(xiàn)了提升檢測精度和范圍。
2、本專利技術(shù)的目的可以通過以下技術(shù)方案來實現(xiàn)：
3、根據(jù)本專利技術(shù)的第一方面，提供一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，所述的方法基于訓(xùn)練和動態(tài)優(yōu)化后的復(fù)值神經(jīng)網(wǎng)絡(luò)，處理s11系數(shù)和s21系數(shù)，輸出樣品的介電常數(shù)或溶液濃度；所述的復(fù)值神經(jīng)網(wǎng)絡(luò)包括輸入層、預(yù)處理層、多個隱藏層和輸出層；所述的s11系數(shù)和s21系數(shù)由依次經(jīng)過樣本和超表面的微波信號獲取；其中，所述的動態(tài)優(yōu)化執(zhí)行以下步驟直至達到優(yōu)化目標(biāo)：
4、在每一個訓(xùn)練周期結(jié)束后，獲取復(fù)值神經(jīng)網(wǎng)絡(luò)在測試集中預(yù)測正確的樣本數(shù)與總樣本數(shù)的比值，若所述的比值小于預(yù)設(shè)值，則為最接近輸入層且滿足權(quán)重節(jié)點總數(shù)條件的隱藏層增加多個新權(quán)重節(jié)點，繼續(xù)下一輪訓(xùn)練；所述的權(quán)重節(jié)點總數(shù)條件為新增新權(quán)重節(jié)點后的隱藏層的權(quán)重節(jié)點總數(shù)小于等于該層對應(yīng)的預(yù)設(shè)最大值；每個隱藏層的初始預(yù)設(shè)最大值相同，新增新權(quán)重節(jié)點隱藏層的預(yù)設(shè)最大值在每一輪訓(xùn)練結(jié)束后動態(tài)更新；
5、若所述的復(fù)值神經(jīng)網(wǎng)絡(luò)的所有隱藏層的權(quán)重節(jié)點總數(shù)均不滿足權(quán)重節(jié)點總數(shù)條件，則在最后一層隱藏層后增加新隱藏層，繼續(xù)下一輪訓(xùn)練；
6、若所述的比值大于或等于預(yù)設(shè)值，則結(jié)束動態(tài)優(yōu)化。
7、作為優(yōu)選的技術(shù)方案，所述的動態(tài)更新為每執(zhí)行一次訓(xùn)練周期，預(yù)設(shè)最大值增加預(yù)設(shè)數(shù)量，且所述的預(yù)設(shè)數(shù)量小于增加的新權(quán)重節(jié)點的數(shù)量。
8、作為優(yōu)選的技術(shù)方案，所述的動態(tài)優(yōu)化還包括，當(dāng)增加的隱藏層與初始隱藏層的總數(shù)大于或等于層數(shù)閾值時，擴大預(yù)設(shè)最大值取值范圍。
9、作為優(yōu)選的技術(shù)方案，所述的訓(xùn)練包括：
10、獲取已知介電常數(shù)或溶液濃度的樣本的s11系數(shù)和s21系數(shù)，將預(yù)設(shè)頻段內(nèi)的s11系數(shù)和s21系數(shù)作為數(shù)據(jù)集，并劃分為訓(xùn)練集和測試集；將已知的介電常數(shù)或溶液濃度作為訓(xùn)練標(biāo)簽；
11、初始化復(fù)值神經(jīng)網(wǎng)絡(luò)的權(quán)重參數(shù)，其表達式為：
12、，
13、其中，表示權(quán)重參數(shù)，表示輸入層神經(jīng)元的數(shù)量，表示輸出神經(jīng)元的數(shù)量，表示正態(tài)分布；
14、重復(fù)執(zhí)行以下步驟直至達到訓(xùn)練目標(biāo)：
15、將訓(xùn)練集中的數(shù)據(jù)經(jīng)過預(yù)處理層處理后輸入隱藏層進行前向傳播，且前向傳播過程中激活函數(shù)為：
16、，
17、其中，表示復(fù)值神經(jīng)網(wǎng)絡(luò)中當(dāng)前層的第i個神經(jīng)元的復(fù)數(shù)向量，表示第i個神經(jīng)元的復(fù)數(shù)向量的模；
18、計算損失函數(shù)，并使用反向傳播算法從輸出層開始依次計算每一層參數(shù)對損失函數(shù)的梯度，并基于所述的梯度更新權(quán)重參數(shù)。
19、作為優(yōu)選的技術(shù)方案，所述的輸出樣品的介電常數(shù)或溶液濃度的方法包括：
20、所述的輸入層在預(yù)設(shè)頻段內(nèi)從所述的s11系數(shù)和s21系數(shù)中提取多個頻點數(shù)據(jù)，所述的頻點數(shù)據(jù)包括頻點的幅度和相位；
21、所述的預(yù)處理層將每一頻點數(shù)據(jù)的幅度和相位進行歸一化處理，再將經(jīng)過歸一化處理后的每一頻點數(shù)據(jù)的幅度和相位組成復(fù)值向量；
22、將所述的復(fù)值向量輸入隱藏層，由隱藏層進行處理并將處理結(jié)果傳送至下一隱藏層；
23、輸出層接收最后一層隱藏層的處理結(jié)果，輸出樣品的介電常數(shù)或溶液濃度復(fù)數(shù)映射值。
24、作為優(yōu)選的技術(shù)方案，所述的歸一化處理包括：將所述的幅度線性歸一化至0~1，將所述的相位線性歸一化至0°~180°。
25、根據(jù)本專利技術(shù)的第二方面，提供一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理系統(tǒng)，其特征在于，所述的系統(tǒng)包括發(fā)射天線、接收天線、矢量網(wǎng)絡(luò)分析儀、超表面和傳感器信號處理模塊，其中，所述的發(fā)射天線用于向樣本發(fā)射微波信號，所述的微波信號依次經(jīng)過樣本、超表面后被接收天線接收；
26、所述的接收天線用于接收微波信號，并將其傳送至矢量網(wǎng)絡(luò)分析儀；
27、所述的矢量網(wǎng)絡(luò)分析儀處理接收天線發(fā)送的微波信號，獲取s11系數(shù)和s21系數(shù)；
28、所述的超表面通過在其與樣品接觸面引入面電流，進行微波信號調(diào)控，以增強散射參數(shù)的諧振頻點對待測量參數(shù)變化的偏移靈敏度；
29、所述的傳感器信號處理模塊執(zhí)行上述的方法，利用復(fù)值神經(jīng)網(wǎng)絡(luò)對所述的s11系數(shù)和s21系數(shù)進行處理，輸出樣品的介電常數(shù)或溶液濃度。
30、作為優(yōu)選的技術(shù)方案，所述的超表面包含在橫縱兩個方向上呈周期性排列的n×n個單元組成的陣列，其中n表示陣列每一行或列的單元數(shù)。
31、作為優(yōu)選的技術(shù)方案，相鄰的單元不直接接觸，且每一所述的單元包括金屬層和介質(zhì)層；所述的金屬層包括方環(huán)形金屬貼片和方形金屬貼片，所述的方形金屬貼片位于方環(huán)形金屬貼片的本文檔來自技高網(wǎng)...
【技術(shù)保護點】
1.一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的方法基于訓(xùn)練和動態(tài)優(yōu)化后的復(fù)值神經(jīng)網(wǎng)絡(luò)，處理S11系數(shù)和S21系數(shù)，輸出樣品的介電常數(shù)或溶液濃度；所述的復(fù)值神經(jīng)網(wǎng)絡(luò)包括輸入層、預(yù)處理層、多個隱藏層和輸出層；所述的S11系數(shù)和S21系數(shù)由依次經(jīng)過樣本和超表面的微波信號獲取；其中，所述的動態(tài)優(yōu)化執(zhí)行以下步驟直至達到優(yōu)化目標(biāo)：
2.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的動態(tài)更新為每執(zhí)行一次訓(xùn)練周期，預(yù)設(shè)最大值增加預(yù)設(shè)數(shù)量，且所述的預(yù)設(shè)數(shù)量小于增加的新權(quán)重節(jié)點的數(shù)量。
3.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的動態(tài)優(yōu)化還包括，當(dāng)增加的隱藏層與初始隱藏層的總數(shù)大于或等于層數(shù)閾值時，擴大預(yù)設(shè)最大值取值范圍。
4.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的訓(xùn)練包括：
5.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的輸出樣品的介電常數(shù)或溶液濃度的方
6.根據(jù)權(quán)利要求5所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的歸一化處理包括：將所述的幅度線性歸一化至0~1，將所述的相位線性歸一化至0°~180°。
7.一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理系統(tǒng)，其特征在于，所述的系統(tǒng)包括發(fā)射天線、接收天線、矢量網(wǎng)絡(luò)分析儀、超表面和傳感器信號處理模塊，其中，所述的發(fā)射天線用于向樣本發(fā)射微波信號，所述的微波信號依次經(jīng)過樣本、超表面后被接收天線接收；
8.根據(jù)權(quán)利要求7所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理系統(tǒng)，其特征在于，所述的超表面包含在橫縱兩個方向上呈周期性排列的N×N個單元組成的陣列，其中N表示陣列每一行或列的單元數(shù)。
9.根據(jù)權(quán)利要求8所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理系統(tǒng)，其特征在于，相鄰的單元不直接接觸，且每一所述的單元包括金屬層和介質(zhì)層；所述的金屬層包括方環(huán)形金屬貼片和方形金屬貼片，所述的方形金屬貼片位于方環(huán)形金屬貼片的環(huán)內(nèi)且不與方環(huán)形金屬貼片接觸。
10.根據(jù)權(quán)利要求9所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理系統(tǒng)，其特征在于，所述的方環(huán)形金屬貼片和方形金屬貼片關(guān)于單元中心對稱刻蝕于介質(zhì)層上。
...【技術(shù)特征摘要】
1.一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的方法基于訓(xùn)練和動態(tài)優(yōu)化后的復(fù)值神經(jīng)網(wǎng)絡(luò)，處理s11系數(shù)和s21系數(shù)，輸出樣品的介電常數(shù)或溶液濃度；所述的復(fù)值神經(jīng)網(wǎng)絡(luò)包括輸入層、預(yù)處理層、多個隱藏層和輸出層；所述的s11系數(shù)和s21系數(shù)由依次經(jīng)過樣本和超表面的微波信號獲取；其中，所述的動態(tài)優(yōu)化執(zhí)行以下步驟直至達到優(yōu)化目標(biāo)：
2.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的動態(tài)更新為每執(zhí)行一次訓(xùn)練周期，預(yù)設(shè)最大值增加預(yù)設(shè)數(shù)量，且所述的預(yù)設(shè)數(shù)量小于增加的新權(quán)重節(jié)點的數(shù)量。
3.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的動態(tài)優(yōu)化還包括，當(dāng)增加的隱藏層與初始隱藏層的總數(shù)大于或等于層數(shù)閾值時，擴大預(yù)設(shè)最大值取值范圍。
4.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的訓(xùn)練包括：
5.根據(jù)權(quán)利要求1所述的一種基于超表面與復(fù)值神經(jīng)網(wǎng)絡(luò)的傳感信號處理方法，其特征在于，所述的輸出樣品的介電常數(shù)或溶液濃度的方法包括：
6.根據(jù)權(quán)利要求5所述的一...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：羅勇，廖才汶，
申請(專利權(quán))人：上海大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。