.png){kind=icon}
返回
Direction finding by learning-assisted programmable metasurface
.png){kind=icon}
PRE
AI
DOI：10.1063/5.0278818.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究探讨了监督式机器学习对可编程超表面进行精确方向测量的辅助作用。可编程超表面充当电子扫描反射器的角色，用于扫描方位平面并将入射波导向单一射频接收器，该接收器记录入射信号功率水平。收集的数据随后输入预训练模型。考虑了不同的机器学习算法，并通过现实条件下的比较分析评估了其方向测量的适用性。研究包括经典方法和深度学习技术。算法基于多种指标进行评估，如均方根误差、平均绝对角度误差、决定系数、特定误差阈值下的精度以及预测速度，评估在广泛的信噪比条件下进行。尽管深度学习算法需要大量训练数据集才能充分发挥其能力，但经典的基于树的算法表现出显著的稳定性，但在噪声环境下的准确性和鲁棒性不高。经典算法如K-最近邻和多层感知器即使在非常嘈杂的环境中也能保持高精度，证实了它们适用于真实场景的应用。分析还强调了在选择算法时可能需要在精度和速度之间进行权衡。© 2025 作者。除另有注明外，本文内容均根据知识共享署名-非商业性使用4.0国际（CC BY-NC）许可协议授权（https://creativecommons.org/licenses/by-nc/4.0/）。
期刊
IF:
2.5
论文数:
2.7K
被引数:
14.5W
机构
引用论文
Two-Dimensional Direction-of-Arrival Estimation Using Stacked Intelligent Metasurfaces使用堆叠的智能元表面的二维到达方向估计
OAAI
OAAI分享收藏Intelligent wireless power transfer via a 2-bit compact reconfigurable transmissive-metasurface-based router通过基于2位紧凑型可重构透射超表面的路由器进行智能无线功率传输.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容