具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

请参阅图1，本发明实施例提供了一种基于超表面的反射型声学全息成像方法，包括反射型声学全息成像装置，该方法包括：

步骤S101：获取反射型声学全息成像装置的工作频率，确定工作频率下的初始声波；

步骤S102：将初始声波垂直入射到反射型声学全息成像装置中，得到反射声波；

步骤S103：将反射声波输入至反射声波矫正模型，得到矫正声波；

步骤S104：根据矫正声波在反射型声学全息成像装置的成像面上重建出目标图像；

上述技术方案的工作原理为：超表面是仅有一层或几层的平面金属组成的，本发明中的超表面优选使用黄铜作为超表面材料，反射型声学全息成像方法通过反射型声学全息成像装置实现，该反射型声学全息成像装置包括若干超表面正方体结构，超表面正方体结构内部包括第一立方体空腔和第二立方体空腔；第一立方体空腔一侧和第二立方体空腔一侧贴合；第一立方体空腔和第二立方体空腔的体积随反射声场的相位变化进行对应调整，更进一步地，第一立方体空腔和第二立方体空腔悬空置于超表面正方体结构内部，若干超表面正方体结构根据反射声场的相位分布采用对应的排布方式形成反射型声学全息成像装置，包括：获取超表面正方体结构的边长；获取超表面正方体结构内部的第一立方体空腔和第二立方体空腔的高，其中，第一立方体空腔的高和第二立方体空腔的高相同；通过多物理场仿真系统仿真得到立方体空腔数据，立方体空腔数据包括：若干组第一立方体空腔的长和宽，若干组第二立方体空腔的长和宽；根据立方体空腔数据确定反射声场的相位；基于反射声场的相位，根据瑞利-索莫菲衍射公式确定反射声场的相位分布根据反射声场的相位分布获取预设排布方式中与反射声场的相位分布相对应的排布方式；根据对应的排布方式将若干超表面正方体结构单层排布形成反射型声学全息成像装置，更进一步地，反射声场的相位控制的范围为负180°到正180°，有益于更好的控制相位，该反射型声学全息成像方法，具体包括：步骤S101：获取反射型声学全息成像装置的工作频率，确定工作频率下的初始声波；步骤S102：将初始声波垂直入射到反射型声学全息成像装置中，得到反射声波；步骤S103：将反射声波输入至反射声波矫正模型，得到矫正声波；步骤S104：根据矫正声波在反射型声学全息成像装置的成像面上重建出目标图像；

上述技术方案的有益效果为：通过对反射声波进行矫正，用于解决传统的利用声学超表面，通过设计单元结构，直接产生全息声场在特殊场景应用时会因为声波干扰导致全息成像存在偏差的问题，有益于提高反射成像的精确度。

在一个实施例中，构建反射声波矫正模型包括：

获取受干扰的反射声波作为原始样本，基于已训练好的预设种不同声波场景的对抗样本生成模型分别对原始样本进行处理，得到第二样本；

根据预设种不同声波场景的对抗样本生成模型确定区域划分细则；

根据区域划分细则对第二样本进行区域划分，得到若干样本声波区域；

利用蒙特卡洛梯度估计算法按划分的若干样本声波区域对第二样本进行基于梯度的优化，生成目标对抗样本；

获取初始化的抗干扰反射声波模型；

基于目标对抗样本和原始样本对初始化的抗干扰反射声波模型进行训练，得到反射声波矫正模型；

上述技术方案的工作原理为：获取受干扰的反射声波作为原始样本，基于已训练好的预设种不同声波场景的对抗样本生成模型分别对原始样本进行处理，得到第二样本，根据预设种不同声波场景的对抗样本生成模型确定区域划分细则，根据区域划分细则对第二样本进行区域划分，得到若干样本声波区域，利用蒙特卡洛梯度估计算法按划分的若干样本声波区域对第二样本进行基于梯度的优化，生成目标对抗样本，获取初始化的抗干扰反射声波模型；基于目标对抗样本和原始样本对初始化的抗干扰反射声波模型进行训练，得到反射声波矫正模型；

上述技术方案的有益效果为：通过蒙特卡洛梯度估计算法按划分的若干样本声波区域对第二样本进行基于梯度的优化，提高对抗样本的生成效率，通过对初始化的抗干扰反射声波模型进行对抗样本训练，得到反射声波矫正模型，有益于提高反射声波矫正模型对反射声波是否为受到干扰的反射声波的辨识能力，从而提高反射声波矫正模型的矫正精确度。

在一个实施例中，一种基于超表面的反射型声学全息成像方法还包括：

获取受干扰的反射声波作为原始样本，基于已训练好的预设种不同声波场景的对抗样本生成模型分别对原始样本进行处理，得到第二样本，包括：

获取受干扰的反射声波作为原始样本P∈O^α×β×γ，其中，α为声波频率，β为声波声压，γ为声波声强，O为原始样本的集合，集合O中各原始样本的声波频率为α、声波声压为β、声波声强为γ，P为包含于O^α×β×γ的原始样本；

设定声波场景的种类，获取预设种不同声波场景分别在预设第二时间内的声波频率、声波声压和声波声强；

获取预设数量的初始化对抗样本生成模型，基于预设第二时间内的声波频率、声波声压和声波声强对对抗样本生成模型进行训练，得到已训练好的预设种不同声波场景的对抗样本生成模型；

将原始样本分别输入至已训练好的预设种不同声波场景的对抗样本生成模型中，得到预设数量的输出；

对预设数量的输出求平均，得到第二样本；

上述技术方案的工作原理为：获取受干扰的反射声波作为原始样本，基于已训练好的预设种不同声波场景的对抗样本生成模型分别对原始样本进行处理，得到第二样本，包括：获取受干扰的反射声波作为原始样本P∈O^α×β×γ，其中，α为声波频率，β为声波声压，γ为声波声强，O为原始样本的集合，集合O中各原始样本的声波频率为α、声波声压为β、声波声强为γ，P为包含于O^α×β×γ的原始样本；设定声波场景的种类，获取预设种不同声波场景分别在预设第二时间内的声波频率、声波声压和声波声强；获取预设数量的初始化对抗样本生成模型，基于预设第二时间内的声波频率、声波声压和声波声强对对抗样本生成模型进行训练，得到已训练好的预设种不同声波场景的对抗样本生成模型；将原始样本分别输入至已训练好的预设种不同声波场景的对抗样本生成模型中，得到预设数量的输出；对预设数量的输出求平均，得到第二样本，其中，预设数量和预设种均为参与本次对抗训练的声波场景的数量，声波场景包括但不限于具有声波干扰的工厂场景、室外高压塔场景、变电站场景等；

上述技术方案的有益效果为：通过多种不同声波场景分别对原始样本进行处理得到第二样本，有益于提高第二样本的代表性，从而使得后续根据第二样本生成目标对抗样本和根据对抗样本训练得到反射声波矫正模型时反射声波矫正模型的矫正精确度得到提高。

在一个实施例中，根据区域划分细则对第二样本进行区域划分，包括：

获取不同声波场景在预设第二时间内的平均声波频率、平均声波声压和平均声波声强；

将第二样本与不同声波场景在预设第二时间内的平均声波频率、平均声波声压和平均声波声强进行匹配，匹配规则为：第二样本中第Q段声波的声波频率与平均声波频率进行差值运算，得到第一差值；第二样本中第Q段声波的声波声压与平均声波声压进行差值运算，得到第二差值；第二样本中第Q段声波的声波声强与平均声波声强进行差值运算，得到第三差值；对第一差值、第二差值和第三差值分别进行绝对值运算后再进行加法运算，得到区域值，将区域值最低的声波场景作为第二样本中第Q段声波的样本声波区域；其中，Q为正整数；

上述技术方案的工作原理为：获取不同声波场景在预设第二时间内的平均声波频率、平均声波声压和平均声波声强；将第二样本与不同声波场景在预设第二时间内的平均声波频率、平均声波声压和平均声波声强进行匹配，匹配规则为：第二样本中第Q段声波的声波频率与平均声波频率进行差值运算，得到第一差值；第二样本中第Q段声波的声波声压与平均声波声压进行差值运算，得到第二差值；第二样本中第Q段声波的声波声强与平均声波声强进行差值运算，得到第三差值；对第一差值、第二差值和第三差值分别进行绝对值运算后再进行加法运算，得到区域值，将区域值最低的声波场景作为第二样本中第Q段声波的样本声波区域；其中，Q为正整数，第Q段声波代表任意一段声波；

上述技术方案的有益效果为：对第二样本进行区域划分，将第二样本中每一段声波都根据与不同声波场景计算得到的区域值进行细分，有益于提高若干样本声波区域之间的独立性，从而在后续对第二样本进行基于梯度的优化时提高目标对抗样本的生成效率。

在一个实施例中，矫正声波在反射型声学全息成像装置上方的成像面上形成一点或多点的聚焦投影，形成目标图像。

在一个实施例中，一种基于超表面的反射型声学全息成像方法，还包括：

获取原始声波数据；

设定声波频率范围；

基于所述声波频率范围，确定所述原始声波数据中符合所述声波频率范围的第二声波数据；

确定所述第二声波数据的声波位置信息；

对所述第二声波数据进行数据处理，得到声波频率分布图；

将所述声波位置信息和所述声波频率分布图融合得到目标声波分布图；

将所述目标声波分布图与所述目标图像融合得到第二目标图像；

上述技术方案的工作原理为：获取原始声波数据，包括但不限于通过麦克风阵列获取原始声波数据，设定声波频率范围，该声波频率范围为用户所需要检测的声波的频率范围，基于所述声波频率范围，确定所述原始声波数据中符合所述声波频率范围的第二声波数据；确定所述第二声波数据的声波位置信息，优选为根据声波定位方法确定第二声波数据的声波位置信息；对所述第二声波数据进行数据处理，得到声波频率分布图，该声波频率分布图包括当前场景中所有声波频率在声波频率范围内的声波频率数据，将所述声波位置信息和所述声波频率分布图融合得到目标声波分布图，该目标声波分布图包括当前场景中所有声波频率在声波频率范围内的声波的位置分布及声波频率数据，将所述目标声波分布图与所述目标图像融合得到第二目标图像，该第二目标图像中包括目标成像内容、目标所在位置、目标声波频率等信息；

上述技术方案的有益效果为：通过对目标声波进行定位，构建第二目标图像，该第二目标图像中包括目标成像内容、目标所在位置、目标声波频率等信息，使得第二目标图像的声波数据、位置可视化，通过第二目标图像对目标进行分析，有益于提高全息图像的信息全面性，增加全息图像的实用性。

在一个实施例中，对第二声波数据进行数据处理，得到声波频率分布图，包括：

对第二声波数据进行长度为T的快速傅里叶变换计算，得到矩阵Y；

设定第二声波频率范围；

基于第二声波频率范围，确定矩阵Y中符合第二声波频率范围的第二矩阵数据；

将矩阵Y和第二矩阵数据融合得到复数矩阵Z；

基于麦克风阵列设定阵列导向矢量；

基于第二声波频率范围，确定阵列导向矢量中符合第二声波频率范围的第二权值数据；

将第二权值数据进行组合，得到权值矩阵C；

将权值矩阵C中的不同权值分别于复数矩阵Z进行点乘，得到点乘矩阵集；

对点乘矩阵集中的任一点乘矩阵按行求和得到的1*T维向量；

对1*T维向量进行范数计算，得到范数计算数据结果；

根据范数计算数据结果，确定声波频率分布矩阵D；

获取麦克风阵列的修正矩阵X；

根据修正矩阵X对声波频率分布矩阵D进行校准修正得到修正矩阵J；

对修正矩阵J进行高倍插值处理得到声波频率分布矩阵S；

对声波频率分布矩阵S进行变换声波频率分布图；

上述技术方案的工作原理为：对第二声波数据进行数据处理，得到声波频率分布图，包括：对第二声波数据进行长度为T的快速傅里叶变换计算，得到矩阵Y；设定第二声波频率范围；基于第二声波频率范围，确定矩阵Y中符合第二声波频率范围的第二矩阵数据；将矩阵Y和第二矩阵数据融合得到复数矩阵Z；基于麦克风阵列设定阵列导向矢量；基于第二声波频率范围，确定阵列导向矢量中符合第二声波频率范围的第二权值数据；将第二权值数据进行组合，得到权值矩阵C；将权值矩阵C中的不同权值分别于复数矩阵Z进行点乘，得到点乘矩阵集；对点乘矩阵集中的任一点乘矩阵按行求和得到的1*T维向量；对1*T维向量进行范数计算，得到范数计算数据结果；根据范数计算数据结果，确定声波频率分布矩阵D；获取麦克风阵列的修正矩阵X；根据修正矩阵X对声波频率分布矩阵D进行校准修正得到修正矩阵J；对修正矩阵J进行高倍插值处理得到声波频率分布矩阵S；对声波频率分布矩阵S进行变换声波频率分布图；

上述技术方案的有益效果为：将快速傅里叶变换计算处于高倍插值处理之前提高了数据计算效率，通过修正矩阵X对声波频率分布矩阵D进行校准修正提高了分布矩阵D的精确性。

在一个实施例中，一种基于超表面的反射型声学全息成像方法还包括：

获取与不同声波频率相对应的颜色；

根据与不同声波频率相对应的颜色，将第二目标图像转换为具有对不同声波频率进行可视化的不同颜色的第三目标图像；

上述技术方案的工作原理为：获取与不同声波频率相对应的颜色，包括但不限于如1000hz-2000hz可以在成像界面显示为绿色，根据与不同声波频率相对应的颜色，将第二目标图像转换为具有对不同声波频率进行可视化的不同颜色的第三目标图像，该第三目标图像包括目标成像内容、目标所在位置、带有颜色的目标声波频率等；

上述技术方案的有益效果为：使第三目标图像不同的声波频率显示不同颜色，有助于使用人员更加快速全面的获取第三目标图像中的内容。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。