面向6G的智能全息無線電

潘時龍，宗柏青，唐震宙，呂凱林，范 忱，官 科，谷一英，李 杏，張俊文，于振明，李曉洲，武震林，趙家寧，朱嘯龍，楊 悅

(1.南京航空航天大學 電子信息工程學院/集成電路學院，江蘇 南京 210016；2.中興通訊股份有限公司，廣東 深圳 518057；3.北京交通大學 軌道交通控制與安全國家重點實驗室，北京 100044；4.大連理工大學 光電工程與儀器科學學院/光子技術研究中心，遼寧 大連 116024；5.上海交通大學 區域光纖通信網與新型光通信系統國家重點實驗室/智能微波光波融合創新中心，上海 200240；6.復旦大學 信息科學與工程學院/電磁場與微波技術教育部重點實驗室，上海 200433；7.北京郵電大學 電子工程學院/信息光子學與光通信國家重點實驗室，北京 100876)

0 引言

隨著移動通信技術的不斷發展，無線電技術朝著全相干和終極相干不斷演進。作為6G物理層備選技術之一，智能全息無線電技術具有同時實現射頻全息、空間頻譜全息和空間波場合成的能力，能夠通過空間頻譜全息和空間波場合成對全物理空間的電磁場進行全閉環精準調制和調控，從而實現時、空、頻域的全維相干，大大提高頻譜效率和網絡容量，使全息成像級、超高密度以及像素化的超高分辨率空間復用成為可能。本文將首先分析6G的需求及使用全息無線電技術的內在邏輯，隨后介紹智能全息無線電(Intelligent Holographic Radio，IHR)技術的基本概念及國內外研究現狀，最后分析該技術在6G無線通信中的應用前景，包括基于全息無線電技術的6G通信系統架構及其中所涉及的關鍵技術及挑戰等。

1 6G需求和全息無線電技術的應用場景

隨著5G技術的大規模商用，面向下一代移動通信技術的6G需求已得到來自各行各業的廣泛研究，但目前多數仍停留在想象階段[1-5]。因此，6G的驅動力被更多地歸結于技術驅動、范式轉換和無線技術演進的內在邏輯[6-9]。盡管如此，行業和學術界對6G的需求和應用場景仍達成了一定的共識[10-13]：

① 隨著人口紅利和流量紅利的遞減，未來移動網絡將更多地從2C業務轉向2B業務。例如，未來智能工廠中智能移動機器人的密集協同、實時控制、復雜操作和無線訪問高性能計算資源等需求，要求通信系統具有TB級別的分布式計算能力、100 Gbit/s/m2或1～10 Tbit/s/m3的超高數據密度和小于10 μs的超低延遲，從而實現機器實體和操作過程的數字孿生以及遠程故障排除。

② 5G仍缺乏殺手級應用的主要原因是移動網絡尚未突破無線通信這一單一功能。事實上，網絡空間可以和電磁空間構成陸海空天之后的“第五維空間”，而一個高分辨率的五維空間信息系統(5D Mapping)被認為是促進未來物理、生物和數字世界融合的關鍵賦能技術。因此，6G技術有必要在滿足無線通信的基本需求外，實現感知和通信融合，以無線感知為基礎更好地了解更高維度的物理世界，促成融合通信、感知和計算在內的多功能一體化系統，從而為社會提供更廣泛的先進技術服務。

③ 隨著人工智能的發展和滲透，移動網絡將從5G的萬物互聯到6G的萬物智聯。在后5G時代，人工智能技術和物聯網感知技術的發展使得萬物智聯成為了可能，而隨著6G時代AI進一步的發展，人與人、人與物、物與物之間都會建立緊密、直接、高效、智能的聯接。原生AI的應用與發展，將會為整個6G網絡帶來更強大的處理能力和更高的處理效率，能夠應對更全面的應用場景。

④ 為了適應飛機、輪船和火車的超寬帶需求，空間和地面網絡將需要互連和整合，從而形成一個泛在移動、超寬帶的應用場景。為了應對該應用場景中的海量智能終端，一個多尺度的、能夠突破空-天-地-海區域限制的室外大尺度空天地一體化通信網絡和室內短距離3D立體網絡將成為6G網絡架構的備選方案。其中，室外大尺度空天地一體化網絡為多層網絡，包括由各種軌道衛星組成的天基網絡，由飛機、UAV或HAPS組成的空中網絡，以及地面網絡；而室內短距3D網絡以毫米波、太赫茲波或無線光等短距離通信為主。

⑤ 在碳達峰和碳中和的大背景下，移動網絡的節能減排將是未來行業創新的重點，發展綠色和可持續的移動網絡將是一個更加緊迫的需求。

綜上所述，6G將是一張具有超高速率、超高數據密度和超低時延的泛在超寬帶綠色移動網絡，以滿足海量高性能智能超級終端的高效數據交互和計算協同需求。同時，智能駕駛和智能工業革命也對6G提出了核心需求，將催生出包括泛在移動超寬帶(ubiquitous Mobile Ultra-Broadband，uMUB)、超寬帶低時延(ultra-Broadband with Low Latency，uBBLLC)和超高數據密度(ultra-High Data Density，uHDD)等業務類別在內的應用場景。匹配這些服務和場景需要覆蓋從微波、毫米波、太赫茲到自由空間光的超譜或全譜移動通信系統，變革性物理層技術，以及通信、感知和計算的端到端協同設計[7]。

作為6G物理層的關鍵技術，智能全息無線電被認為是應對上述挑戰的關鍵使能技術之一。例如，在支持5D-Mapping構建方面，全息無線電技術可以采用空間-譜全息技術精確感知復雜電磁環境，實現對電磁空間的全維度實時預測分析，支撐電磁空間智能化。由于可以得到具有極高空間分辨率和極精細譜分辨率的動態無線電地圖，一方面可以利用充分探索的射頻頻譜資源，進一步發展廣泛的頻譜共享和認知無線電網絡；另一方面能夠同時實現超高分辨率的空間-譜復用，極大地提升通信信道容量，支撐6G的典型應用場景。同時，在未來智能工廠的應用場景中，智能全息無線電的超高分辨率空間和頻譜復用能力有望實現一個超高數據密度的并行總線式無線鏈路，從而應用于面向未來智能制造的微尺度3D網絡。此外，智慧城市中的混合接入點部署場景需要同時實現無線信息傳輸和無線能量傳輸[14]，而智能全息無線電能夠精密調控無線電空間及頻譜環境，突破傳統通信的基本覆蓋范圍限制，有助于高效地實現超密集海量物聯網的數據和能量傳輸。

2 全息無線電技術的國內外研究現狀

迄今為止，全息無線電技術在成像和感知等領域已有一定程度的研究。1984年，Kulkarni等人提出了一種利用多個參考波束進行全息復用的技術，利用θ調制和載頻多路復用記錄全息圖。該方法能夠方便地測量連續事件的較大相位變化，實現全息干涉測量[15]。1994年，Kitayoshi提出了一種無線電全息術，通過遙感分離包含偏振信息的復雜波源發射模式以實現三維成像，并實踐驗證了縫隙輻射、表面波和不完全屏蔽殘像等輻射模式能夠在遠大于全息圖觀察平面的區域上成像[16]。2002年，Salo和Meltaus等人提出了一種全息元件的合成方法，通過測試平面波、無線電波渦流和貝塞爾波束等不同波束形狀，對比了該合成法與使用幅度相位全息圖的準光學全息技術所獲得的結果[17]。2004年，Andersen利用全息成像技術實現了有效孔徑高達100 m的天基成像干涉儀，可應用于激光雷達、光通信或高分辨率成像系統中而無需多光譜檢測[18]。Holl等人于2017年通過WiFi、藍牙等無線數據傳輸系統發射具有精確已知幅度相位的相干光電磁波，利用電磁波在空間中的傳播和輻射形成全息圖，即一個由二維波陣面編碼光束穿過目標得到的三維視圖[19]。同年，Xu B和Qi W等人針對多徑效應提出了全息無線電干涉測量方法，通過全息無線電干涉建立移動目標的無線電干涉測量異相全息[20]。2021年，Badiey等人利用全息干涉技術在擾動海洋環境中實現通信傳播[21]。

全息無線電技術的理論和建模通常采用菲涅爾-弗勞恩霍夫干涉、衍射和空間相關模型代替傳統的瑞利傳播模型。2005年，Rosen等人將全息波形用于包括通信在內各種目的的改進裝置和方法，通過多級相位編碼方法與數學變換結合使用，進一步增強輻射波形的魯棒性和安全性[22]。2016年，Prather重點介紹了采用光學全息方法對海量多輸入多輸出(Multi-Input Multi-Output，MIMO)天線陣列輸出信號進行成像的新技術，解決了模數轉換器(Analog Digital Converter，ADC)成本和波束處理方面的許多難題[23]。2019年，Marzetta和Pizzo等人通過線性系統理論和傅里葉變換等傳統工具深入探討了全息MIMO的信道模型[24]。2020年，Chibiao等人在現有多維合成孔徑雷達(Synthetic Aperture Radar，SAR)的框架下，建立了全息SAR的成像系統和信號模型，并提出了初步的成像思路，由此為全息SAR技術的發展提供了初步的理論和技術框架[25]。2021年，Khodaei等人提出一種將全息頻譜復用(Holographic Spectrum Multiplexing，HSM)作為新型光纖網絡中實現MIMO的技術方案，HSM可以利用超短激光脈沖的光譜空間，以二維全息圖的形式生成線路碼[26]。同年，Sanguinetti和D′Amico等人研究了視線全息MIMO通信中的波分復用技術[27]。Liao P Y等人提出了一種利用全息相關器在常規階躍式多模光纖中復用通信信道的空間分割技術[28]。

由于全息無線電技術會生成海量數據，因此需要借助通信、計算電磁學、計算全息學中和光學信號處理相關的算法和工具。1995年，Mazurenko等人介紹了一種并行-串行和串行-并行數據轉換的光處理器，采用全息時空頻率編碼并對其進行了實驗演示[29]。2000年，Sefler等人介紹了一種多通道射頻相關器，它能夠同時將接收到的RF信號與存儲在光折變晶體中的已知參考波形庫進行關聯，可以通過集成光學技術產生結構緊湊、魯棒性好且高效的設備[30]。同年，Takasago等人提出了一種基于多路傅里葉全息的空間相位碼分多址技術的新型空間變化光互連系統[31]。2003年，Schlottau和Wagner等人利用傅里葉平面空間-光譜全息技術和經過頻率掃描的可變放大全息讀出系統，通過相干光纖遠端、光調制、隨機間隔的陣列天線，可以形成相位相干的寬帶射頻圖像[32]。隨后，該團隊于2004年提出了一種利用空間-光譜全息技術實現時間積分的新方法，該方法使用適當編程的空間光譜光柵對光學調制時間輸入進行空間掃描。通過對聲光偏轉器發出的行波衍射光與聲光調制器發出的時間調制光的圖像進行干涉，將掃描操作所需的光柵編程到非均勻加寬介質中，從而記錄空間光譜全息副本[33]。2007年，Mohan等人利用空間-光譜材料的寬譜響應和精細光譜分辨率(25 kHz)開發出超寬帶頻譜分析儀，可處理全頻譜寬帶微波，具有可調節的時間口徑(低至100 ms)和快速刷新速率(高達1 kHz)[34]。同年，Babbitt和Neifeld等人通過空間-頻譜全息材料提出一種寬帶光子輔助ADC技術，實踐表明利用現有的材料和器件可以實現10 bit量化性能[35]。2012年，Sullivan等人介紹了一種用于分析干涉無線電數據的快速全息反卷積方法[36]。2016年，Bacot等人引入時間反轉的概念并進行實驗證明，可以幫助重新審視全息技術，并推進一種新的波形控制方法[37]。2017年，Murakowski和Schneider等人使用相干光學處理來同時感測無線電波的到達角和頻率，通過將空間RF波相干上變頻到光纖中的光載波，利用光纖色散將分布式天線陣列的空間孔徑擴展到時間維度，最后通過電荷耦合器件(Charge-Coupled Device，CCD)捕捉光纖發出波束的干擾，從而實現k空間計算重建射頻波[38]。同年，Schuetz和Ross等人利用相似的原理進行了k空間成像[39-40]。Prather等人在此基礎上又提出一種利用k空間近實時成像技術對細胞環境進行空間-頻譜分析的方法[41]；Barber和Harrington等人在文獻[19]的基礎上繼續深入研究了S2材料的光學存儲和處理的獨特性，展示了利用頻譜燒孔技術實現帶寬擴展(>32 GHz)、數據速率選擇和濾波的工作，包括處理實時1D數據和2D圖像，并討論了使用S2材料實現大型(106×106)矢量矩陣乘法器的潛在架構[42]。2018年，Ryan等人延續了k空間的相關工作[43]。同年，Falldorf等人提出了一種基于折射原理的全息波場合成新方案，對衍射全息和折射全息在相空間中產生的光進行比較，通過在空間中生成靜態和周期性點圖，展示了一個折射全息顯示的案例[44]。2019年，Pizzo等人提供了一種簡單直觀的方法來計算全息MIMO信道的自由度[45]。同年，Karimipour和Aryanian等人利用全息和卷積定理實現了任意形狀波束的電磁波生成，其中無需采用任何優化算法和數學計算，即可對波束方向進行靈活地操縱，實驗驗證了具有三個獨立波束的全息圖原型[46]。Xu H等人利用深度學習增強型全息技術在復雜的室內環境中實現準確定位射頻識別標簽，通過創建新的全息算法，可以在橫向和徑向達到厘米級的精度，另外評估了它在多種豐富路徑的應用場景中的性能[47]。2020年，Babbitt總結了利用空間譜全息材料進行微波光子處理技術的最新進展[48]。同年，Comoretto和Monari等人采用512個臺站組成的干涉儀實現了平方公里級別的陣列低頻望遠鏡，通過低頻孔徑陣列可以組合成相關波束[49]。

關于全息無線電在雷達探測領域的應用研究，2003年，Merkel和Cole等人進行了模擬RF信號處理應用的空間譜相干全息集成處理器的演示，通過相干信號處理，可實現高分辨率多普勒處理[50]。2014年，Delfyett通過鎖模激光器產生兩個相同的光頻率梳，使用光譜相位編碼的光頻梳進行信號處理[51]。2015年，Cao S等人提出了一種新的雷達系統—全息雷達，通過記錄電磁波的傳輸模式進行目標檢測或雷達成像[52]。2016年，Capineri和Bechtel等人詳細論述了超寬帶雷達目標掃描器的原型和全息信號處理技術[53]。2020年，Melo和Falconi等人首次實現了基于絕緣體上硅光子集成電路(Photonic Integrated Circuit，PIC)的雷達和激光雷達組合系統[54]。2021年，Mazur和Suh等人利用孤子微梳進行了高光譜效率相干超通道傳輸實驗[55]。近年來微波光子學及其雷達應用的迅速發展也為全息無線電的發展提供了新思路[56-58]。

關于面向全息無線電技術的天線形態，2013年，Ebadi和Driscoll等人利用超材料在表面引導模式和設計的輻射孔徑分布模式之間的切換，演示了基于調制表面超材料的微波全息波束形成[59]。2015年，Mühlenbernd等人通過將多個記錄通道集成到單個設備中，證明了一種基于幾何超表面的寬帶全息復用的有效方法[60]。同年，Gregoire和Patel等人提出一種采用極化控制的電子可控全息天線的設計，該天線由Ku波段的電子可控表面波波導人工阻抗表面天線的徑向陣列組成[61]。2016年，Smith采用一種不同的超材料設計理念，提出了一種用于波束形成和成像的全息超表面系統[62]。2017年，Li L和Cui T等人針對超表面在可重構性、高效率以及對散射光的相位和幅度的全面控制上的薄弱點，通過引入基于1位編碼超表面的可重新編程全息圖的概念來應對這一挑戰，實驗證明了只需一個編碼超表面就可以實時地實現多個全息圖像[63]。2019年，Black和Deutsch等人公開了使用空間-時間全息的大規模多用戶MIMO天線系統[64]。同年，Lin Z和Huang L等人提出了一種基于非線性超表面的四波混合全息復用技術，將超表面用于實現計算機生成的全息圖，具有出色的波前整形能力和超小的尺寸[65]。Burch和Hunter等人采用柔性全息超表面貼片仿真和實驗展示了在毫米波頻段工作的反射超表面全息圖[66]。2020年，Huang C和Hu S等人針對可重新配置的全息MIMO表面及其可用硬件體系結構這一主要特征對全息MIMO通信進行概述，并強調了設計支持全息MIMO通信的機遇和關鍵挑戰[67]。同年，Chen T和 Li J等人設計并實現了一系列新穎的可重構超表面，通過使用這些設備，可以更容易地達到先進的超表面全息圖效果[68]。2021年，Shang G和Wang Z等人介紹了全息成像和超表面的發展歷史，展示了超表面全息在光學領域的應用，并總結了微波領域全息成像的最新進展[69]。

3 智能全息無線電系統架構

3.1 基于UTC-PD耦合天線陣

所謂全息，就是利用電磁波的干涉原理記錄空間電磁場，并通過參考波和信號波干涉所記錄的信息實現目標電磁場的重建。由于射頻信號和光波都是電磁波，因此，全息無線電具有與光學全息相似的特性。全息無線電采用天線作為傳感器，根據惠更斯原理，需要采用連續孔徑的天線陣實現信號波連續波前相位的接收和測量。在智能全息無線電的宏站應用場景中，為了實現連續孔徑有源天線陣列，一種巧妙的方法是使用基于電流片的超寬帶緊密耦合天線陣列(Tightly-Coupled Array，TCA)。通過倒裝技術將單行載流子光電探測器(Uni-Travelling-Carrier Photodetector，UTC-PD)與天線振子鍵合，形成天線振子之間的耦合。同時，將貼片天線振子直接與電光調制器(Electro-Optic Modulator，EOM)集成。由于UTC-PD輸出的電流可直接驅動天線振子，因此整個有源天線陣列具有非常大的帶寬(通常大于40 GHz)[70-71]。此外，這種連續孔徑的有源天線陣列不需要超密集的RF饋電網絡，不僅具有很好的可實現性，且具有明顯的SWaP優勢。

基于UTC-PD緊耦合的連續孔徑天線陣列，可以通過電-光上轉換和光-電下轉換巧妙地實現從RF全息到光學全息的空間映射。由于傅里葉光學和光學全息技術相比射頻域更為成熟，且RF全息已經映射到了光學全息，因此可以利用光學信號處理手段實現RF全息信號的處理(如FFT和IFFT等)，使智能全息無線電完全類似于RF“光場”全息成像(上行)和RF“光場”全息投影(下行)。該技術的好處在于：通過將一些信號處理從數字層面轉移到電磁層面(光學或超表面)，可以在靈活性、低延遲、功耗和復雜性方面獲得了很大的收益[72]。此外，為了保證信號的高保真傳輸，光域的信號處理可以在站點進行，而電域的信號處理可以放在云端。

基于全息無線電技術的通信系統架構如圖1所示。

圖1 基于UTC-PD耦合天線陣的智能全息無線電架構Fig.1 Structure of the intelligent holographic radio based on UTC-PD coupled antenna array

在上行鏈路中，通過空間-頻譜全息技術對3D頻譜空間進行實時的動態重構，一方面對大量密集的移動終端發送的信號進行空間和頻譜的解復用，另一方面可獲得動態的三維RF“相頻空間”，為下行鏈路的空間波場合成(Spatial Wave Field Synthesis，SWFS)提供精確的反饋和控制參數。下行信號根據這些參數進行預編碼，從而實現近似連續的全息空間-頻譜復用和極高的數據吞吐量。

在下行鏈路中，空間波場合成根據上行鏈路中的空間頻譜全息建立的三維射頻全息空間進行空時預編碼，實現電磁波場在目標空間的復雜和精準分布。整個信號處理部分包括信號模擬器、信道模擬器和波場合成模塊。最后，由信號處理各模塊生成控制信號，控制UTC-PD耦合天線陣列發射特定調制編碼的RF信號。

3.2 基于全息超表面和稀疏天線陣或分布式天線

智能全息無線電由于具有漸消逝波特性，因此同樣適用于分布式場景中的極近場通信和無線能量傳輸等應用，基于光纖分布式天線的智能全息無線電架構如圖2所示。

圖2 基于光纖分布式天線的智能全息無線電架構Fig.2 Structure of the intelligent holographic radio based on fiber distributed antenna

通過部署大量超低成本和低功耗的全息超表面(例如惠更斯超表面天線)以及作為信號源的分布式天線系統或稀疏天線陣，可以實現更加靈活的智能無線通信;并且，全息超表面可以同時實現對各種設備的能量傳輸，通過反射來彌補較遠距離傳輸造成的功率損失，并利用諧振漸消逝波耦合提高無線能量傳輸效率。因此，在超密集環境下，通過全息超表面和光纖分布式天線協同也可以實現電力傳輸網絡。

需要說明的是，盡管可重配全息超表面可實現對RF空間的全息感知和精密調控，但是要精準確定RF全息空間與后端數據流之間的一一對應關系仍是很大的挑戰。幸運的是，通過光學變換和RF-光學空間調制的映射關系能夠有效解決這一問題。此外，與宏站應用場景不同，分布式架構還需要考慮光學信號的遠距離高保真傳輸，基于光纖的微波光子鏈路有助于這一需求的實現[73]。

4 智能全息無線電關鍵技術

4.1 光電二極管和EOM緊耦合全息天線陣集成

全息超表面的有源天線系統對射頻饋電網絡的尺寸、功率和復雜度提出了很高的要求，傳統的射頻饋電網絡在物理上難以實現,一種可行的解決思路是在每個天線元件中直接集成一個光電二極管作為光學饋電網絡。緊密間隔的光電二極管能夠為緊密排列的天線元件提供接近理想的電流源，免除了對傳統射頻饋電網絡的需求;然而，如何利用光電二極管實現高功率的光輸入以及對高頻、微米級光電二極管進行魯棒、高效的校準，且不給系統引入損耗，成為光饋電網絡設計的主要難題。

目前，采用光電二極管光學饋電網絡面臨的最大挑戰是天線元件難以實現高射頻功率輸出。雖然商用光電二極管可達到50 GHz甚至100 GHz以上的帶寬，但它們的輸出功率通常被限制在10 dBm以下。而UTC-PD技術的高功率、高帶寬和高轉換效率繞開了光電二極管的限制，成為全息有源天線陣的新型理想選擇，例如用于大功率應用的封裝式改進型UTC-PD等。

基于UTC-PD和EOM緊密耦合的全息天線陣列利用倒裝芯片技術將大功率UTC-PD與天線元件結合，形成天線元件之間的耦合，其結構如圖3(a)所示。天線元件采用基于電流片的超寬帶緊密耦合天線陣列，這種連續孔徑的有源天線陣列不需要超密集的RF饋電網絡，同時可以實現>40 GHz的工作帶寬，不僅具有很好的可實現性，而且可以降低系統的尺寸、成本、功耗等，其等效電路圖如圖3(b)所示。

(a) 結構示意圖 (b) 等效電路圖圖3 基于UTC-PD和EOM緊密耦合的全息天線陣列Fig.3 Holographic antenna array based on UTC-PD and EOM tightly-coupled array

通過先進的UTC-PD緊耦合天線陣技術形成的空間連續孔徑來傳輸和接收無線電信號，能夠實現智能全息無線電技術基于全息超表面的有源天線系統構想，將傳統天線陣的有限波束轉變為近無限波束的平面波，從而實現近無限的、連續的“波束”空間。

4.2 微波光子前端與光學信號處理的透明融合

為了實現微波光子前端與后端光學信號處理的無縫集成，必須有效構建從RF全息到光學全息的空間映射。一種可行的思路為：首先構建微波陣列與光學陣列的變換關系；隨后從光纖陣列輸出的光信號經過透鏡進行空間傅里葉變換；最后利用在透鏡焦平面上的探測器陣列直接探測其光強，從而建立來波方向與光強分布空間位置的映射關系，實現微波波束到光域的映射。

在微波/光波高保真映射變換的實現過程中，微波光域上變頻采用高效電光調制將微波信號加載到光載波的邊帶上，實現微波信號與光學邊帶信號的高保真映射。同時，還需要突破大動態高效微波光域上變頻技術、微波/光學天線線性保真縮放變換等關鍵技術，實現全孔徑微波天線陣元信號的光域線性映射變換(時延、空間、幅度、相位保持一致性)，從而保證微波天線接收的目標回波波束被高保真地映射到相應的陣列光學天線輸出端口。

在微波光域映射變換中，需要通過相位控制技術確保各路信號光的相位穩定性。但是光纖通常對外界環境(包括溫度的變化、微小的振動、氣流或者聲音的變化)的微小變化敏感，即使光纖彎曲這樣的微小變化也能顯著改變信號相位，嚴重降低變換的保真度。為使每個通道具有相同的附加光時延或附加相移，可采用光纖延時(相位)補償法進行通道間相位的補償。

圖4為一個8通道的微波光子前端與三維光信息處理驗證系統。微波天線陣列接收來自自由空間的微波信號，對微波的信息進行離散采樣，通過光纖拉遠進行遠距離處理。經光學三維信息單元處理后完成大規模的空間傅里葉變換，并最終由陣列光電探測器完成微波波束信號的接收。經PBS反射的光與來自主激光器的參考光束在線性光電探測器陣列中進行拍頻，產生的拍頻信號用于跟蹤8條獨立光纖路徑中的相位漂移。使用現場可編程門陣列實時計算反饋信號，并將其傳送到相位控制調制器陣列，可實現相位誤差探測和自適應補償。

圖4 微波光子8通道三維光信息處理驗證系統示意圖Fig.4 Illustration of a 8-channel microwave photonic 3D optical signal processing system

基于全孔徑光域下變頻技術和陣列光電探測器的平方率檢測特性，經由多通道天線系統采樣的微波信號會在探測器光敏面位置實現相干加強，將微波信號上攜帶的基帶信息完好地恢復出來。初步實驗結果表明，在輸入射頻信號功率為-15 dBm時，1 Mbit/s的QPSK調制格式信號經過全孔徑光域下變頻解調輸出的信號矢量誤差幅度(EVM)值約為8%，驗證了全孔徑多波束微波光域下變頻接收的可行性。

4.3 RF全息空間的快速重構算法以及k空間層析

為了實現RF全息空間電磁信息感知和波矢空間的快速重構，需要研究基于微波光子學的三維信息處理機制，開展微波空間陣列接收和信息處理反演理論研究;重點研究RF全息空間信息線性變換、快速重構算法理論模型、算法優化和分辨率提升優化、反演算法時效性優化、k空間可視化解析等關鍵技術。以下將重點介紹最具有代表性的k空間層析技術。

作為尋常空間在傅里葉轉換下的對偶空間，k空間與傅里葉變換有著密切的關系。其中，為人所熟知的一維傅里葉變換將強度-時間關系映射為強度-頻率關系，從而實現頻譜分析。而對于具有矢量性的信號頻率，如二維空間信號(x,y)，通過二維傅里葉變換后形成的二維空間頻率矩陣，即為二維k空間。基于k空間理論，k空間層析利用相關光學方法，將RF信號轉換為光信號，并利用光相位調制和光纖的色散特性對入射RF波場的k矢量進行編碼，從而確定RF信號的頻率及入射角。其具體架構和編碼過程如圖5所示。

圖5 k空間層析成像系統模型Fig.5 System model of the k-space tomography

由于二維k空間中的每一點對應一個具有一定空間頻率的信號，通過k矢量(kx，ky)可以分別表示為kx=(2π/Λl)/(u/zl)，ky=(2π/Λl)/(v/zl)。k空間層析成像系統首先通過覆蓋360°空間探測區域的天線陣列接收RF信號，然后利用電光調制器對接收的RF信號進行相位調制實現光學上變頻轉換，從而將每個射頻源的頻率fl轉換成光頻率vl，同時也對每個信號附加相位。調制后的光信號通過多路隨機長度的光纖引入不同延遲，并在n個離散探測器構成的探測陣列處實現光電轉換。因此，每個探測器都會輸出與所在位置處測得的場輻照度成正比的電信號，該過程可以表示為矩陣形式：

Pn=∑kAnkSk=An·S，

(1)

其中，Pn為第n個探測器探測到的光功率，Sk為天線陣接收到的第k個平面波的功率，矩陣S表示k空間中射頻信號的功率分布。An為第n個探測器分別對應的權值矩陣，Ank為第k個平面波對第n個探測器探測到的光功率的貢獻。相位調制和不同長度光纖引入的色散對RF信號編碼的同時，為系統的設計提供了自由度。由于每個探測器處的測量提供了k空間體積的一個透視圖，組合n個透視圖生成的斷層掃描圖像，能夠為RF場景提供更可靠的估計。為了進一步實現RF全息空間的快速重構，可以采用壓縮k空間層析、Kalman濾波等方法實現加速建模。

4.3.1 壓縮k空間層析

相比于傳統的無線通信系統，全息無線電的超大帶寬全譜無線通信特性將帶來更大的數據量。緊耦合連續孔徑天線陣將使無線信道數據及相應的處理數據量成百上千倍的增加。利用稀疏采樣和壓縮感知的信號處理方法能夠提取信號中固有的稀疏性，以低于奈奎斯特速率的采樣率實現對信號的低損耗高精度采樣重構。由于RF信號的空間與譜分布在電磁環境中本質上是稀疏的，因此，可以利用壓縮感知技術加速建模。壓縮k空間層析技術，即將壓縮感知應用于k空間層析成像，對于足夠稀疏的RF場景，可以在不丟失信息的情況下減少處理數據和處理時間。

壓縮感知的測量過程用數學模型可以表示為y=φx=φWθ，其中x為長度為N的輸入信號，y是維數為M×1的觀測值結果，φ是維數為M×N(M<

對于k空間層析成像探測公式的矩陣形式P=AS，P和A分別對應探測得到的光強度值和已知的探測器權值參數，因此通過求解線性方程可以計算RF場景矢量S。傳統情況下，大階數權重矩陣A在公式反演時效率低下。為了解決這一問題，可以結合壓縮感知技術，利用復振幅加權分布的稀疏性質來解決數據冗余的問題。在P=AS的左右兩側各乘上一個M×N的測量矩陣Φ，則矩陣可表示為：

ΦM×NPN×1=ΦM×NAN×KSK×1。

(2)

簡化該公式，則M

PCM×1=ACM×KSK×1，

(3)

式中，A和P中的像素矢量長度按壓縮比M/N成比例地減小，因此能夠實現信號的壓縮測量。為了滿足壓縮感知技術的有限等距條件，即Φ同A和P中干涉圖編碼的像素向量不相干，測量矩陣Φ需要采用偽隨機矩陣。隨后可以使用Kaczmarz方法求解此壓縮線性矩陣方程，以重建信號矢量S。

4.3.2 Kalman濾波加速Kaczmarz算法收斂

k空間層析成像系統常采用隨機長度的光纖對信號進行隨機時延，并通過多個離散探測器構成的分布孔徑相控陣進行空間相干變換，以便同時檢測信號的到達角和頻率。然而，隨機的光纖長度會導致信號的空間相關性紊亂，產生混亂的干涉圖像，因此，如何從亂序的干涉圖像中恢復RF信號是k空間層析成像需要解決的關鍵難題。Kaczmarz方法是一種可適用于k空間層析系統的優化算法，通過算法的層層迭代，能夠從干涉圖中恢復RF場景的空間譜。為了加速Kaczmarz方法的收斂，需要正確選擇初始的輸入信號，因此需要對k空間中RF源進行動態精確建模。

首先，在笛卡爾2D坐標系中將RF源建模為：

(4)

y(t)=y0。

(5)

式(4)～式(5)假設RF源在x方向上具有恒定的加速度，即與孔徑平面相切，并在y方向上保持恒定的位置，即垂直于孔徑平面。由于k空間成像關注信號的到達角與頻率，可將上述公式轉化為極坐標形式。同時假定源在遠場處，忽略徑向分量的變化，且角度的變化與x分量中的速度和加速度成比例，即

vφ≈(v+at)cosφ，

(6)

aφ≈-asinφ，

(7)

式中，vφ和aφ分別為方位向角速度和加速度。由于源可任意改變發射頻率，因此在建立動態模型中可僅預測空間坐標下的到達角。在Kaczmarz算法收斂中引入初始輸入的影響時發現，在使用k空間中的單個靜態源進行模擬時，正確的源位置作為初始輸入會導致Kaczmarz算法瞬時收斂，收斂時間會降低到單個源場景標準處理時間的3%左右，并從30次迭代次數減少到單次迭代。因此，初始輸入能夠一定程度上改進收斂速率，但是多種因素會對這種方法的有效性產生影響。首先是初始輸入中RF源的空間和頻譜精度，初始輸入需要包含重建源的精確位置、角度和頻率分辨率。如果初始輸入源的位置不在此分辨率范圍內，則算法的收斂速度將受到限制。其次是RF場景的復雜性，與單個固定源相比，復雜的場景需要更多的迭代才能收斂。據觀察，加速重建對初始輸入的最低要求是正確預測場景中至少40%的源。為了改進算法的收斂性，可以將Kalman濾波器與Kaczmarz算法結合，預測靜態和動態空間環境的狀態空間。

Kalman濾波器能夠通過精確的動態系統和噪聲模型估計移動系統的未來位置，并且找到Kaczmarz方法的最佳初始輸入，常用于雷達目標追蹤、動態定位、導航系統等。其數學基礎概述為：

XK+1=ΦXK+WK，

(8)

式中，XK+1為狀態向量，包括源的位置、速度等有關源的動態信息，Φ為狀態轉移矩陣，在時間為K+1時能夠將信號的方位向加速度與角速度等狀態參數結果應用于系統狀態。WK為過程噪聲矢量，假定其具有協方差為Q的零均值正態分布。對狀態向量XK的測量過程可以表示為：

ZK=HXK+VK，

(9)

式中，H為觀測矩陣，VK為包含測量噪聲的矢量。假設VK為協方差為R的零均值高斯白噪聲。利用上述方程可以得到Kalman濾波器的預測階段：

(10)

(11)

式(10)為先驗狀態估計，是時間K+1之前狀態的最佳估計，用于制定系統的初始輸入。式(11)中的P為相關誤差協方差矩陣。這些關系為重建過程中的初始輸入奠定了基礎。Kalman濾波器的測量更新階段定義如下：

(12)

(13)

(14)

從上述表達式可以看出，通過精確的RF源動態建模，Kalman濾波器能夠預測估計系統的未來狀態。將對RF源運動的預測作為Kaczmarz算法的初始輸入，則能夠加速k空間層析圖像重建的收斂過程。研究表明，當應用于有4個射頻源的場景時，采用該方法對k空間層析算法進行加速，可以使得重建場景的計算時間減少90%。

4.4 面向智能全息無線電的空間波場合成技術和算法

空間波場合成，是在根據空間RF頻譜全息建立的三維射頻全息空間以及空時預編碼的基礎上，對電磁波場在目標空間分布的進一步精確描述。應用Fresnel-Kirchoff積分描述k空間層析成像系統中RF波場的空間相關傳輸模型。Fresnel-Kirchoff積分定義了入射波U在半徑為R的球面空間P′點的復標量波擾動U′，可以表示成：

(15)

式中，Q是參考平面上的任意一點，s是Q到P′的距離，球面上的晶格可以近似用矩形晶格表示。通過離散化與傅里葉變換處理，可以計算出擾動U′。然而，離散化與晶格近似的過程中會引入誤差。采用基于光纖的空間波場合成技術，假設探測目標由L個點源構成，在三維空間的坐標為(xl,yl,zl)，并且發射頻率為fl=c/Λl，其中c是光速，Λl為點源的波長。若點源幅度為Sl，則目標可以表示為：

(16)

假設目標的點源分布滿足近軸條件(傍軸光線與光軸之間形成的入射角為θ，θ≈0°，sinθ≈θ，cosθ≈1)，用M個離散分布的光圈探測到的(u,v)目標可以表示為：

δ(u-um,v-vm)exp(j2πflt)。

(17)

式(17)忽略了路徑損耗，因為不影響各個點源的相對幅度大小。由RF全息空間重構理論可知，任意兩根天線之間進行復相關得到的可視度函數與視場的亮溫形成了一對傅里葉變換。經過上變頻電光調制后的光信號沿光纖傳輸引入時延，傅里葉變換后表示形式如下：

(18)

式中，Δd=dm-d0，其中d0是最短光纖長度。

當采用N個離散探測器構成的陣列對波場進行采樣時，每個探測器輸出的電信號與在探測器所在位置測量的場輻照度成正比，可以表示為：

(19)

而基于光纖搭建的系統模型中，采用k-sapce層析技術的角分辨率為：

(20)

式中，λ為波長，D為數值孔徑的尺寸。當數值孔徑為60 cm，頻率為26～40 GHz，則角分辨率的程度約為0.71°～1.10°。系統的頻率分辨率與光纖的長度相關，可以表示為：

(21)

當光纖長度的最大差值達到40 cm時，系統的頻率分辨率能夠達到500 MHz。

5 結束語

本文闡述了面向6G的智能全息無線電技術，重點介紹了該技術的基本原理、通信系統架構及涉及的關鍵技術。智能全息無線電技術通過射頻空間譜全息和全息空間波場合成技術實現超高分辨率空間復用，可滿足超高頻譜效率、超高數據密度和超高容量需求。由于智能全息無線電技術具有超高分辨率的空間和頻譜復用能力，其應用場景包括超高容量和超低時延無線接入、智能工廠環境下超高流量密度無線工業總線、海量物聯網設備的高精度定位和精準無線供電以及數據傳輸等。此外，通過成像、感知和無線通信的融合，全息無線電技術可精確感知復雜電磁環境，支撐未來電磁空間的智能化。