利用光学计算 清华大学使超越衍射极限的到达方向估计成为可能

　　盖世汽车讯 无线传感和通信已成为现代生活不可或缺的一部分。其中，到达方向（DOA）估计的关键技术利用阵列信号处理技术测量射频信号的角度方向，已大范围的应用于民用和军事领域。传统的DOA估计方法，例如多信号分类（MUSIC）算法，需要大量射频电路来接收多通道信号，进行下变频和高速采样，接着进行数字信号处理。

　　硬件和算法的高度复杂度以及海量的数据，大幅度提升了传统信号处理系统的延迟、功耗和成本。因此，市场迫切地需要开发能够取代电子处理器并更高效地处理射频信号的新型计算范式，实现低延迟、高性能和经济高效的DOA估计。

　　光学计算作为一种新型计算范式，在计算速度、吞吐量和能效方面具有巨大优势，为克服冯·诺依曼架构（von Neumann architecture）的能效瓶颈提供了突破。

　　为了直接处理射频信号，人们已经构建了衍射神经网络用于大规模空间光学计算。这些网络以光速调制电磁波并处理其携带的信息，以此来实现物体识别和无线编码/解码等任务。然而，现有衍射神经网络的角分辨率仍然受到衍射极限的限制，其在高级无线传感任务中的应用尚待探索。此外，利用可重构智能表面（RIS）调制空间电磁波，构建下一代通信系统，还缺乏角度感知和计算能力。

　　据外媒报道，在期刊《Light: Science & Applications》发表的一篇论文中，清华大学电子工程系林星教授领导的科学家团队及其同事开发出超分辨率衍射神经网络（S-DNN），用于宽频率范围内的全光DOA估计，实现了超越瑞利衍射极限的角度分辨率。

　　通过直接处理空间电磁（EM）波，S-DNN能够以光速进行DOA估计，而无需传统的RF电路、ADC或数字信号处理。

　　此外，与MUSIC算法相比，S-DNN实现了更高的角度分辨率和对输入噪声更稳健的估计结果，并且只需要一次快照。研究人员还应用了S-DNN的DOA估计功能为RIS提供用户角度信息，以此来实现低延迟和低功耗的集成传感和通信。

　　科学家们这样概括S-DNN的工作原理：由于不同角度目标源发射的电磁波在远场平面的相位分布不同，S-DNN通过识别电磁场的相位分布来确定目标的角度。为实现对电磁波的精确调制，S-DNN由多个级联的衍射调制层组成。

　　通过在输出平面设置10个检测区域，每个检测区域对应一个入射角度间隔，当电磁波输入时，通过比较10个检测区域的电磁场强度并寻找最大值来确定目标源的角度间隔。

　　角分辨率是射频测向系统的一个重要指标，代表着系统区分两个相邻角度信号的能力。然而，由于阵列孔径的限制，现有系统的角分辨率难以超越瑞利衍射极限。研究人员基于深度学习优化制作了四层无源S-DNN，实现了角分辨率为1°的超分辨DOA估计，比衍射极限分辨率提高了四倍。

　　多个超表面和大规模衍射调制超原子的高自由度设计空间使得S-DNN能够在局部角度区间内产生超振荡角度响应，以此来实现超越衍射极限的DOA估计。

　　从频谱平移角度看，S-DNN的精准调制能力可以将超越衍射极限的稀疏频谱分量平移到衍射极限频率范围内。经测试，S-DNN在单目标和双目标DOA估计任务中均实现了99%的准确率。

　　随着现实电磁环境的日益复杂，射频测向系统中相干信号源以及不断拓宽的信号频率范围带来了挑战，传统的窄带MUSIC算法没办法实现相干目标源的宽带DOA估计。

　　针对这样一些问题，研究人员提出了一种基于深度学习的宽带训练方法，明显地增强了S-DNN的抗弥散能力，使其可以在一定程度上完成多个相干目标源的宽带超分辨率DOA估计。利用该训练方法，优化并制作了三层S-DNN，在25 GHz至30 GHz频率范围内实现了角度分辨率为3°的超分辨率DOA估计。

　　为了进一步验证S-DNN的性能，研究人员利用电磁场模拟软件CST对训练后的模型进行了全波模拟，然后对制作的S-DNN进行了实验测量。

　　RIS作为6G时代的关键技术，缺乏传感和计算能力，由于依赖基站控制，大规模部署面临挑战。然而，S-DNN有可能取代基站，实现多个移动用户的光速DOA估计，为后续的无线通信过程提供重要的先验信息。

　　本研究提出利用S-DNN的宽带角度感知能力，使RIS能够独立于基站自主感知电磁环境，从而促进基站与高速移动用户之间的实时通信链接。

　　研究人员开发了一种反射液晶RIS系统，其相位调制精度高达每元原子5位，可实现波束成形和可重构S-DNN。最初，无源S-DNN接收来自基站和移动用户的电磁波，以最小的延迟估计多个目标的角度。

　　根据S-DNN的估计结果，FPGA产生控制电压并配置RIS将基站的电磁波反射到用户，实现波束形成跟踪。实验在用户端实现了17.9 dB的平均检测幅度增益，证明了所提出的集成通信和传感系统的有效性。

　　利用S-DNN的光学计算架构，全光DOA感知时延较目前最先进的射频测向设备降低2-4个数量级以上，是无人驾驶、高铁通信的理想选择。此外，配备大功率发射机的S-DNN在雷达目标检测与跟踪、卫星导航定位等领域具有广阔的应用前景。