|
清华大学林星助理教授团队最新Laser & Photonics Reviews:用于超分辨波达方向估计的衍射元神经网络的元训练!论文信息 清华大学林星助理教授团队提出并设计了一种用于超分辨波达方向估计的衍射元神经网络。该方案通过集成预训练的小型元网络来精确表征跨偏振与频率的超原子光学调制,并采用元训练方法优化其结构参数,实现了基于超表面的精确电磁场多维复用与编码。为实现宽视场超分辨估计,该网络利用x与y偏振同时解析方位角和仰角,并通过交织频率复用的角度区间,生成光谱编码的超振荡角度响应;同时,采用后处理轻量级全连接神经网络进一步提升了系统性能。实验验证表明,所设计的三层衍射元神经网络在27、29和31GHz三频点工作时,可获得0.5°的角度分辨率(约为瑞利衍射极限的7倍),在±11.5°视场内对非相干目标的平均绝对误差仅为0.048°,角度估计容量高达约1917,较现有方法提升了一个数量级。该工作利用电磁场固有的高并行性和全光编码方法,为发展面向下一代传感应用的超分辨光子计算系统提供了重要进展。 研究成果于2026年1月20日以题为“Meta-Training of Diffractive Meta-Neural Networks for Super-Resolution Direction of Arrival Estimation”发表在《Laser & Photonics Reviews》上。
图文速览 图1:用于超分辨率到达角估计的深度测量神经网络。
图2:用于预测超原子电磁场响应的微型超网络。
图3:高通量全光学超分辨率角度估计。
图4:用于高性能超分辨率到达角估计的光电子深度测量神经网络。
图5:通过复用更多偏振通道并扩展至多源场景的角度估计。
文献来源 暂无评论 |






