三维物体的空间结构复杂，光波场很难用具体的函数准确描述，三维显示非常困难。提出一种硅基微机电系统（MEMS）二维扫描平台与超表面元件集成的三维显示技术，利用视觉暂留特性，建立快速三维显示扫描片上结构，理论上实现了物像信息的三维图像的重构。利用层析法实现物体的三维显示，采用Gerchberg-Saxton（GS）算法获得单层二维图像单元相位值，建立基于几何相位原理的二维超表面结构，获得了二维全息平面像。依据空间、时间序列构建了由离散的多层超表面二维全息像形成的物体三维显示。结果表明：所获得的二维全息像峰值信噪比大于20 dB；所设计的片上二维扫描平台在0.1 s内能够完成9幅二维全息像的叠加，三维显示的帧率达11 frame/s。研究成果为快速调制的三维显示提供了微型化的系统级解决方案和理论模型。

结构光三维成像中广泛使用的数字光处理（DLP）投影仪存在结构复杂、设备体积大及投影非线性等问题，制约了结构光三维成像在高探测精度、小探测场景领域的应用。提出了一种集成超表面阵列和微机电系统（MEMS）二维扫描平台的结构光投影芯片设计。设计了基于几何相位原理的超表面阵列，用于生成格雷码和相移法混合编码结构光条纹。通过二维扫描平台突破单一静态超表面的限制，实现了基于时间编码的结构光条纹投影。结果表明：所设计的超表面结构对入射光具有良好的线性相位调制能力，光源转换效率为88.61%；生成的相移条纹符合正弦分布特性，很好地解决了DLP投影非线性问题；产生的条纹宽度均匀，最小宽度为2 mm，探测精度可达亚毫米级。有限元分析结果表明：所设计的二维平台的最小模态频率为511.91 Hz，抗干扰能力强，响应时间为2.4 ms，帧率为333 Hz，投影速率高。芯片尺寸为3 mm×3 mm。最后设计了芯片的集成制造工艺流程，为高探测精度、高投影速率微型化投影设备的制造提供了理论模型和系统解决方案。

为了加快天线建模优化速度，提出了一种基于深度学习网络架构的新型深度多层感知机（DMLP）网络用于优化超宽带天线，该网络采用阶梯下降形深度全连接层网络，应用Adam优化器自动更新学习率，加快了模型的权值更新。应用drop-out技术对隐含层中的部分神经元进行随机剔除，以防止网络层数过深所导致的过拟合现象的发生。使用DMLP网络对超宽带阶梯形微带单极子天线几何参数进行建模，从天线的8个几何参数中提取特征，对天线的S11值进行预测。实验结果表明，该结构网络与传统多层感知器神经网络、径向基神经网络相比，对S11的预测平均误差分别减小了118.32%和123.76%，拥有更高的预测准确度，拟合速度也有较大提升，通过实验验证了此网络的可行性。

针对双陷波超宽带滤波器使用后向传输（BP）神经网络逆向建模存在精度较低、收敛慢、稳定性不强等问题，提出一种用改进的蚁狮算法（IALO）结合Huber函数优化BP神经网络逆向建模的方法。该方法通过将边界收缩因子连续化，引入动态更新系数以及加入柯西变异来实现对蚁狮算法的改进，并用改进的蚁狮算法优化正向模型的权值，加快建模速度，然后使用Huber函数作为神经网络的评价函数，提高了模型的精度和稳定度。将此方法用于双陷波超宽带滤波器中，实验结果表明，对比BP逆向建模方法，此方法求得的长度、宽度和频率均方误差分别减小了97.44%、99.43%和96.15%，平均运行时间缩短了66.01%，解决了逆向建模的多解问题，提高了设计滤波器的速度和精度。

可重构输入匹配采用一种基于L型的电路结构, 通过一个单刀单掷开关电路使该结构接入一段微带线, 实现不同工作频率下输入阻抗的自动补偿。输出匹配实现并发双频段工作, 在早期三段式微带线的基础上重新进行公式推导, 提出了更易实现的四段微带线串联结构。该功率放大器采用了可重构结构与并发双波段匹配网络结合的方式, 因此只采用了一个开关。电路结构简单, 且开关切换时对电路性能影响较小。仿真结果表明, 该功率放大器的匹配状态和性能良好, 为现有的可重构功率放大器设计提供了一种思路。

为实现对双陷波超宽带(UWB)天线的精准神经网络建模,提出了一种利用改进的果蝇算法(FOA)优化广义回归神经网络(GRNN)的建模方法。该方法通过扩大果蝇搜索范围,在味道判定公式中引入调整项来实现果蝇算法的改进,并用改进后的果蝇算法优化GRNN的光滑因子。这样可以避免果蝇算法陷入局部最优,提高模型预测精度。将该方法用于双陷波超宽带天线模型的建立中,并对天线的S11参数和电压驻波比VVSWR参数进行预测。结果表明,相比于FOA-GRNN建模方法和GRNN建模方法,S11参数的最大相对误差分别减小了91.08%和99.14%;VVSWR参数的最大相对误差分别减小了98.36%和99.18%,使超宽带天线建模精度得到提高,验证了该方法的可行性。

针对BP(back propagation)神经网络直接逆向模型精度低、耗时长、易振荡等缺点,提出一种联合改进蚁群算法(IACO)与贝叶斯正则化算法(BR)的BP神经网络逆向建模方法。通过改进蚁群算法,根据搜索阶段设置挥发因子、路径优劣程度更新信息素,并在启发式因子中考虑出发点、终点与各节点的间距等,优化正向模型的权值,提高整体模型精度;之后使用L1/2范数的贝叶斯正则化算法逆向迭代正向模型的输入,达到提高网络稳定性的目的。将本文方法应用于可重构功率放大器中,实验结果表明:相比于直接逆向建模方法和自适应η逆向建模方法,本文方法的建模精度分别提高99.77%、90.70%,平均运行时间分别减少35.76%、2.05%;本文方法可降低功放设计的复杂度,提高其设计速度。

针对多散射多传播路径的射频层析成像稀疏系统出现虚假目标影响图像重构的问题, 提出一种基于子空间追踪的自适应稀疏度重构方法。先根据目标信号自身特点动态调节稀疏度的起始值和步长逼近真实稀疏度, 再利用子空间追踪算法将多路径线性模型的衰减系数稀疏化处理, 并在重构过程中依靠稀疏度估计值更新支撑集, 重构目标图像。与其他重构算法相比, 该方法有效减少虚假目标对图像清晰度的影响, 实现稀疏度未知的层析图像清晰重构。仿真实验分析系统的重构匹配度和虚假目标出现概率, 比较射频传感器在有无噪声下算法的重构性能。实验结果表明, 该算法可准确估计稀疏度, 较低运算量的重构高精度图像, 在射频层析成像其他领域得到较好的应用。