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，已广泛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，然后进行数字信号处理。
硬件和算法的高度复杂度以及海量的数据，大大增加了传统信号处理系统的延迟、功耗和成本。因此，市场迫切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，从而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，从而实现低延迟和低功耗的集成传感和通信。
扫一扫关注微信
