基于物理感知注意力的机器学习方法用于互耦模型
信号处理
2025-07-15 v1
摘要
本文提出了一种物理感知卷积长短期记忆 (PC-LSTM) 网络，用于高效且准确地提取偶极天线阵列的互耦阻抗矩阵。通过重新诠释Green函数并嵌入自适应损失函数，所提出的基于机器学习的方法在互耦建模中实现了增强的物理可解释性。此外，设计了注意力机制以校准复数特征，通过融合Green函数矩阵的实部和虚部来实现。这类融合表示随后由卷积长短期记忆网络处理，最终推导出线性天线阵列的阻抗矩阵。与五个基准方法进行的验证表明，所提出的方法具有有效性，显示出最高可达7倍的加速速度相对于CST Microwave Studio，使其成为进行互耦特性快速表征的备选方案。
引用
@article{arxiv.2507.09561,
title = {Novel Physics-Aware Attention-Based Machine Learning Approach for Mutual Coupling Modeling},
author = {Can Wang and Wei Liu and Hanzhi Ma and Xiaonan Jiang and Erping Li and Steven Gao},
journal= {arXiv preprint arXiv:2507.09561},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication