无线传感与通信已成为现代生活不可或缺的一部分，其中，波达方向(DOA)估计作为关键技术，利用阵列信号处理技术测量射频信号的角度方向，在民用和军事领域有着广泛的应用。

光学计算使超越衍射极限的到达方向估计成为可能

传统的DOA估计方法，例如多信号分类(MUSIC)算法，需要大量RF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。

硬件和算法的复杂度高，数据量大，大大增加了传统信号处理系统的延迟、功耗和成本。因此，迫切需要开发新的计算范式，以取代电子处理器并更有效地处理射频信号，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、能效等方面具有巨大优势，为突破冯·诺依曼体系结构的能效瓶颈提供了突破。

为了直接处理射频信号，人们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还有待探索。

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。

在《光：科学与应用》杂志上发表的一篇论文中，由清华大学电子工程系林幸教授领导的科学家团队与同事开发了一种超分辨率衍射神经网络(S-DNN)，用于宽频率范围内的全光学DOA估计，实现了超越瑞利衍射极限的角分辨率。

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，并且仅需要一次快照。研究人员还利用S-DNN的DOA估计能力为RIS提供用户角度信息，从而实现低延迟、低功耗的集成传感和通信。

科学家总结了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。

通过在输出平面上设置10个检测区域，每个检测区域对应一个入射角度间隔，当输入电磁波时，通过比较10个检测区域的电磁场强度并找到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很难超越瑞利衍射极限。

科研人员基于深度学习，优化制作了四层被动式S-DNN，实现了1°角分辨率的超分辨DOA估计，比衍射极限分辨率提高了4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能够在局部角度间隔内产生超振荡角度响应，从而实现超越衍射极限的DOA估计。

从频谱平移角度，S-DNN的精准调制能力可以将衍射极限以外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估计任务中均达到了99%的准确率。

由于现实电磁环境的复杂性不断增加，射频测向系统中相干信号源以及不断扩大的信号频率范围带来了挑战。传统的窄带MUSIC算法无法实现相干目标源的宽带DOA估计。

针对上述问题，研究人员提出了一种基于深度学习的宽带训练方法，显著提升了S-DNN的抗弥散能力，使其能够实现多个相干目标源的宽带超分辨DOA估计。利用该训练方法优化制作了三层S-DNN，在25~30GHz频率范围内实现了角度分辨率为3°的超分辨DOA估计。

为了进一步验证S-DNN的性能，研究人员使用电磁场模拟软件CST对训练模型进行了全波模拟，然后对制造的S-DNN进行了实验测量。

作为6G时代的关键技术，RIS缺乏感知和计算能力，依赖基站控制，难以大规模部署。而S-DNN有望取代基站实现多移动用户的光速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，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，配置RIS将基站的电磁波反射至用户端，实现波束形成跟踪。实验在用户端实现了17.9dB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。

总之，这项研究工作证明了全光计算在克服传感系统物理限制方面的巨大潜力。

基于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，成为自动驾驶、高铁通信的理想选择。

此外，配备高功率发射器的S-DNN在雷达目标检测与跟踪以及卫星导航与定位等领域的应用前景广阔。