1、智能全息无线电技术研究报告2022 年年 11 月月 版权声明版权声明 Copyright Notification 未经书面许可 禁止打印、复制及通过任何媒体传播 2022 IMT-2030（6G）推进组版权所有 前言前言 报告分析了移动通信物理层演进的底层逻辑，阐述了智能全息无线电技术的基本概念、原理、架构以及应用场景。通过对国内外研究现状、理论和建模、以及关键技术的研究分析，报告认为尽管智能全息无线电已经有一定的理论和模型支撑，但是仍缺乏系统的链路性能仿真，且为满足灵活性、低延迟、功耗和复杂性方面的要求，需要将部分信号处理从数字层面转移到电磁层面（引入光学计算或超表面作为计算单元），将带

2、来算法和异构计算无缝融合方面的挑战。报告最后对智能全息无线电后续的工作提出了具体建议，重点在全息空中接口的链路级性能仿真和验证、全息空间谱复用和解复用算法（如K空间信道化等）优化、以及层次化异构信号处理架构的仿真与验证等。报告第一章为概述；第二章介绍了智能全息无线电的基础原理、系统架构和模型；第三章分类阐述了智能全息无线电潜在应用场景与可能的技术需求；第四章重点讨论了智能全息无线电的潜在关键技术；第五章简述了原型验证系统；第六章主要描述智能全息无线电的技术成熟度、产业现状和研究动态；第七章为总结、展望及后续工作建议。报告分析了移动通信物理层演进的底层逻辑，阐述了智能全息无线电技术的基本概念、原

3、理、架构以及应用场景。通过对国内外研究现状、理论和建模、以及关键技术的研究分析，报告认为尽管智能全息无线电已经有一定的理论和模型支撑，但是仍缺乏系统的链路性能仿真，且为满足灵活性、低延迟、功耗和复杂性方面的要求，需要将部分信号处理从数字层面转移到电磁层面（引入光学计算或超表面作为计算单元），将带来算法和异构计算无缝融合方面的挑战。报告最后对智能全息无线电后续的工作提出了具体建议，重点在全息空中接口的链路级性能仿真和验证、全息空间谱复用和解复用算法（如K空间信道化等）优化、以及层次化异构信号处理架构的仿真与验证等。报告第一章为概述；第二章介绍了智能全息无线电的基础原理、系统架构和模型；第三章分类

4、阐述了智能全息无线电潜在应用场景与可能的技术需求；第四章重点讨论了智能全息无线电的潜在关键技术；第五章简述了原型验证系统；第六章主要描述智能全息无线电的技术成熟度、产业现状和研究动态；第七章为总结、展望及后续工作建议。目录 前言 .2 图目录 .5 第一章 智能全息无线电概述.7 第二章 基础原理和模型.9 2.1 基础原理.9 2.2 智能全息无线电系统架构.12 2.2.1 基于连续孔径有源天线阵列的全息无线电系统架构.12 2.2.2 基于 RIS+离散孔径有源天线阵的全息无线电系统架构.13 2.2.3 基于分布式天线或蠕虫孔径的全息无线电系统架构.15 2.2.4 面向全息无线电的层

5、次化的异构光电计算和光电 AI 系统架构.16 2.3 理论与建模.17 2.3.1 全息无线电近场理论与信道建模.18 2.3.2 基于 FFT 的全息无线电理论与建模.22 2.3.3 基于编码孔径相关性（Coded Aperture Correlation）的全息无线电理论与建模.26 2.3.4 基于高性能射线跟踪的全息无线电信道建模.27 2.4 本章小结.30 第三章 潜在应用场景和用例.31 3.1 动态谱地图（5D Mapping）.31 3.2 超低功耗物联网以及智慧城市中的全息接入点(H-AP)部署场景.33 3.3 室内环境下的全息 RF 层析成像（RF-CT）.33 3

6、.4 通信、感知和成像融合应用场景.34 3.5 智能汽车和智能工厂的超高数据密度并行无线数据总线.35 第四章 潜在关键技术.36 4.1 光电二极管和 EOM 紧耦合的连续孔径有源天线阵集成.37 4.2 微波光子前端与光学信号处理的透明融合.38 4.2.1 微波/光波高保真映射变换技术.39 4.2.2 微波/光波高保真传输技术.40 4.2.3 微波光子前端与三维光信息处理验证系统.41 4.3 面向智能全息无线电的算法构建.42 4.3.1 RF 全息空间的快速重构算法以及 K 空间层析.42 4.3.2 面向智能全息无线电的空间滤波和空间波场合成算法.47 4.3.3 大规模分布

7、式相干天线的全息孔径合成（合成全息）以及全息逆合成孔径算法.49 4.4 本章小结.51 第五章 原型验证系统框架和概述.52 5.1 面向全息无线电原型系统的光子引擎.53 5.2 面向全息无线电原型系统的 MWP 前端.54 第六章 技术成熟度、产业现状和研究动态.56 第七章 总结、展望及后续工作的建议.60 参考文献.61 贡献单位.67 图目录 图 1-1 无线演进的内在逻辑与相干性跃迁.8 图 2-1 全息的定义、概念与基本原理.9 图 2-2 mMIMO 束空间与全息无线电空间对比.10 图 2-3 全息无线电与大规模 MIMO 的比较.11 图 2-4 基于大规模阵列天线的全息

8、无线电系统架构.13 图 2-5 上下行空间波场合成和空间频谱全息.13 图 2-6 基于 RIS+离散孔径有源天线阵的全息无线电系统架构.14 图 2-7 基于分布式天线或蠕虫孔径的全息无线电系统架构.15 图 2-8 面向全息无线电的层次化的异构光电计算和光电 AI 系统架构.17 图 2-9 近场传播判据和传播特性比较.18 图 2-10 基于正交平行信道的通信结构.20 图 2-11 极坐标系信道稀疏性的全息无线电的近场信道估计.21 图 2-12(a)基于惠更斯超表面天线的散射场推导及（b）利用频域调制超表面天线实现傅里叶变换的示意图.23 图 2-13 基于编码孔径相关性（Code

9、d Aperture Correlation）的全息无线电原理.26 图 2-14 CloudRT 系统架构与工作流程.27 图 2-15 CloudRT 的数据流.28 图 2-16 从发射机到 TCA 振子的包含直射和反射的 CloudRT 射线跟踪仿真示意图.29 图 2-17 TCA 振子接收信号相位（只考虑直射径）.29 图 2-18 TCA 振子接收信号相位（只考虑反射径）.29 图 2-19 TCA 振子接收信号相位（考虑直射径和反射径在振子处的相干叠加后的信号）.30 图 3-1 动态谱地图（5D Mapping）.32 图 3-2 超低功耗物联网以及智慧城市中的全息接入点(H

10、-AP)部署场景.33 图 3-3 全息无线电层析成像应用场景.34 图 3-4 全息无线电内生的全谱通信感知融合.35 图 3-5 基于毫米波或太赫兹的高密度混合光纤无线总线.36 图 3-6 机器人或智能车辆不同的动态分布情况下全息无线电 AP（H-AP）生成的 RF焦点云（Focus Clouds）的动态分布.36 图 4-1 基于 UTC-PD 和 EOM 的连续孔径有源天线阵列.37 图 4-2 基于 UTC-PD 和 EOM 的连续孔径有源天线阵列等效电路模型.37 图 4-3 微波光子变换与传输系统.39 图 4-4 基于双相干光频梳的信道化接收技术.40 图 4-5 典型的光载

11、 RF 传输系统结构.41 图 4-6 微波光子 8 通道验证系统示意图.42 图 4-7 k 空间层析成像系统模型.43 图 4-8 自适应滤波的流程图.47 图 4-9 基于时间孔径扩展的 RF 层析成像.50 图 5-1 面向全息无线电的原型验证系统方案.52 图 5-2 面向全息无线电的原型系统的光子引擎框架之一（光计算作为主处理器）.53 图 5-3 面向全息无线电的原型系统的光子引擎框架之二（光计算作为协处理器或加速器）.54 图 5-4 面向全息无线电的原型系统的 RF 光子前端框架之一（通用型）.55 图 5-5 面向全息无线电的原型系统的 RF 光子前端框架之二（全谱通信感知

12、融合型）.55 7 第一章 智能全息无线电概述 随着 5G 技术的大规模商用，面向下一代移动通信技术的 6G 需求已得到了来自各行各业的广泛研究，但目前多数仍停留在想象阶段1-5。因此，6G 的驱动力被更多地归结于技术驱动、范式转换和无线技术演进的内在逻辑6-9。尽管如此，行业和学术界对 6G的需求和应用场景仍达成了一定的共识10-13：（1）随着人口红利和流量红利的递减，未来移动网络将更多地从 2C 业务转向 2B业务。例如，未来智能工厂和智能交通中智能移动机器人和智能车辆的密集协同、实时控制、复杂操作和无线访问高性能计算资源等需求，要求通信系统具有 TB 级别的分布式计算能力、100 Gb

13、ps/m2或 1-10 Tbps/m3的超高数据密度和小于 10 s 的超低延迟，从而实现机器实体和操作过程的数字孪生以及远程故障排除。（2）移动网络目前尚未突破无线通信这一单一功能。事实上，网络空间可以和电磁空间构成陆海空天之后的“第五维空间”，而一个高分辨率的五维空间信息系统被认为是促进未来物理、生物和数字世界融合的关键赋能技术。因此，6G 技术有必要在满足无线通信的基本需求外，实现感知和通信融合，以无线感知为基础更好地了解更高维度的物理世界，促成融合通信、感知和计算在内的多功能一体化系统，从而面向人群提供更广泛的先进技术服务。（3）随着人工智能的发展和渗透，移动网络将从 5G 的万物互联

14、到 6G 的万物智联。（4）为了适应飞机、轮船和火车的超宽带需求，空间和地面网络将需要互连和整合，从而形成一个泛在移动、超宽带的应用场景。为了应对该应用场景中的海量智能终端，一个多尺度的、能够突破空-天-地-海区域限制的室外大尺度空天地一体化通信网络和室内短距离 3D 立体网络将成为 6G 网络架构的备选方案。其中，室外大尺度空天地一体化网络为多层网络，包括由各种轨道卫星组成的天基网络、由飞机、UAV 或 HAPS组成的空中网络、以及地面网络。而室内短距 3D 网络以毫米波、太赫兹波或无线光等短距离通信为主。（5）在碳达峰和碳中和的大背景下，移动网络的节能减排将是未来行业创新的重点，发展绿色和

15、可持续的移动网络将是一个更加紧迫的需求。综上所述，6G 将是一张具有超高速率、超高数据密度和超低时延的泛在超宽带绿8 色移动网络，以满足海量高性能智能超级终端的高效数据交互和计算协同需求。同时，智能驾驶和智能工业革命也对 6G 提出了核心需求，将催生出包括泛在移动超宽带（ubiquitous mobile ultra-broadband，uMUB)、超宽带低时延（ultra-broadband with low latency，uBBLLC）和超高数据密度（ultra-high data density，uHDD）等业务类别在内的应用场景。匹配这些服务和场景需要覆盖从微波、毫米波、太赫兹到自由

16、空间光的超谱或全谱移动通信系统，变革性物理层技术，以及通信、感知和计算的端到端协同设计7。随着移动通信技术的不断发展，无线电技术朝着全相干和终极相干不断演进。全息无线电被认为可以大大提高空间和频谱复用的效率，实现全息成像级、超高密度和像素化的超高分辨率空时频复用。另一方面，从非相干、准相干到全相干、再到终极相干，一个内在的逻辑主导着无线电技术的发展。5G 由于 CSI 和天线校准的误差，实际上是时空准相干。全息无线电是时空频域的全维相干，也是傅里叶变换描述的线性相干。量子纠缠作为最高阶相干，是一种非线性相干。因此，通向 6G 的无线通信将面临一次“相干性跃迁（相干性跃迁（Coherence T

17、ransition）”9，如图 1-1 所示。图1-1 无线演进的内在逻辑与相干性跃迁 智能全息无线电技术具有同时实现射频全息、空间频谱全息和空间波场合成的能力，能够通过空间频谱全息和空间波场合成对全物理空间的电磁场进行全闭环地精准调制和调控，从而实现时、空、频域的全维相干，大大提高频谱效率和网络容量，使全息成像级、超高密度、以及像素化的超高分辨率空时频复用成为可能。9 总之，基于“相干性跃迁”的底层逻辑，未来移动物理层有望实现从 NR（New Radio）到 HR（Holographic Radio），再到 QR（Quantum Radio）完美演绎。第二章 基础原理和模型 2.1 基础原理

18、 全息无线电是通过干涉测量和计算全息技术实现电磁空间的重构（上行）和调控（下行），从而一方面实现无线通信更高分辨率的空时频全维复用，另一方面实现无线通信、成像和感知的融合14。（a）光学全息（b）全息无线电（RF 全息）图2-1 全息的定义、概念与基本原理 众所周知，全息是根据电磁波的干涉原理，记录空间中的电磁场。通过参考波和信号波的干涉所记录的信息来重建目标电磁场。全息的核心是参考波必须严格相干作为参考，全息记录传感器必须能够记录信号波的连续波前相位，从而准确记录高分辨率的全息电磁场。由于射频波和光波都是电磁波，所以全息无线电与光学全息非常相似15，如图 2-1 所示。对于全息无线电来说，通

19、常的全息记录传感器是天线，所以需要一个连续孔径天线阵列来接收和测量信号波的连续波前相位。为了实现连续孔径天线阵列，有一种方法是仍采用传统的离散间隔天线阵列，但元件数量接近于无限，即 N。这显然是不现实的，对于系统的 SWaP(尺寸、重量和功率)将是一场灾难。另一种解决方案是将大量的天线元件以空间连续电磁孔的形式集成到一个紧凑的空间中，即所谓的超表面。但这种方法仅限于无源反射超表面，因为对于连续孔径的有源天线阵列来说，由于超密集的元件，根本无法实现射频馈电网络。单纯的无源超表面无法构建完整的无线接入系10 统，所以只能作为辅助和补充单元。为了实现连续孔径的有源天线阵列，一种巧妙的方法是采用基于电

20、流片的超宽带紧耦合天线阵列（TCA）。通过倒装片技术将单行载波光电探测器(UTC-PD)键合在天线振子上，形成天线振子之间的耦合16。此外，贴片振子可直接集成在电光调制器上。UTC-PD 输出的电流直接驱动天线振子，因此整个有源天线阵列具有非常大的带宽（约 40GHz）1617。而且，这种创新的连续孔径有源天线阵列完全不需要超密集的射频馈电网络，不仅具有可实现性，而且具有明显的 SWaP 优势。全息无线电技术通过先进的 UTC-PD 紧耦合天线阵列技术形成的空间连续孔径发射和接收无线电信号，将传统天线阵列有限的波束空间转化为近乎无限的 RF 焦点云（Focus Clouds）空间，即实现近乎无

21、限的、连续的复用空间（传统的大规模 MIMO 是一个离散的孔径和有限的波束空间）。图2-2 mMIMO束空间与全息无线电空间对比 与传统的大规模 MIMO 不同，全息无线电采用 Fresnel-Fraunhofer 干涉、衍射和空间相关模型代替传统的 Rayleigh 传播模型来模拟和计算全息无线电空间。通信性能的精确计算需要详细的电磁数值计算，即计算电磁学和计算全息学的相关算法和工具，而不是 mMIMO 中的 ZF、MRC 和 MMSE。一般来说，空间相关传播模型是基于 Fresnel-Kirchoff 积分来描述的。此外，全息无线电采用全息干涉成像来获得射频发射源（UE）的射频频谱全息图，

22、不需要 CSI 和信道估计。同时，通过空间频谱全息可以获得射频相位空间中分布的 UE 的三维星座，为下行链路中的空间射频波场合成和调制提供精确反馈。空间射频波场合成与调制可以获得三维像素级结构化的电磁场，这是全息无线电的高密度复用空间，不同于 mMIMO 的稀疏波束空间。另一方面，空间相关性会将多路径信号掩盖成背景噪声，而背景噪声在 mMIMO 信号处理中会被消除，相反全息无线电则11 通过空间相关性来利用干扰。因此，全息无线电是利用干扰潜力最大、水平最高的技术。图 2-2 为 mMIMO 束空间与全息无线电空间对比。图2-3 全息无线电与大规模MIMO的比较 全息无线电不仅可以实现射频全息、

23、空间频谱全息和空间波场合成，而且通过空间频谱全息和空间波场合成可以在全闭环中对整个物理空间的电磁场进行精确调制和调节，大大提高了频谱效率和网络容量，实现了成像、定位和无线通信的融合。然而，极宽频谱和全息射频的产生和感知将产生海量的数据。虽然这些海量数据可以提供大数据和良好的射频频谱数据集，使机器学习（ML）能够有效地进行训练和学习，但要完成这些关键任务，需要低延迟、高可靠、可扩展的人工智能架构。因此，对于一个集全频谱、人工智能和射频全息为一体的 6G 系统，如果全部采用传统的电子信号处理和计算，其SWaP 和延迟将是一个巨大的挑战。为了应对 6G 能效、时延和灵活性的挑战，分层异构的光电计算和

24、信号处理架构将是必然的选择。幸运的是，全息无线电通过微波光子天线阵列的相干光上变频，实现了信号的超高相干性和高并行性，这种超高相干性和高并行性也有利于信号直接在光域进行处理。考虑到光计算更适合于线性计算，而全息无线电信号处理中约 90%以上是线性计算，因此如何在光域中实时完成大部分线性计算是实现6G 空中接口高能效、低时延的关键。虽然全息无线电极大地提高了频谱效率和网络容量，有助于成像、传感和无线通信的融合，但如何实现全息无线电仍是一个广泛开放的领域。与这些开放性问题相关的必要分析工具和基础知识在文献中已经有所展示。由于现有模型的缺乏，在未来的工作中，12 全息无线电需要一融合通信和电磁理论的

25、特色理论和模型。此外，通信的性能估计需要专门的电磁数值计算，如计算电磁学和计算机全息的相关算法和工具。在未来的研究中，利用空间相关模型取代传统的 Rayleigh 传播模型，需要对全息无线电空间进行建模与计算。图 2-3 为全息无线电与 mMIMO 比较。如上所述，分层、异构的光电计算架构是全息无线电的关键。因此，从射频全息到光全息的映射，基于光子学的连续孔径有源天线与高性能光计算之间的高效协调、透明融合和无缝集成将是硬件设计和物理层的挑战。此外，超表面辅助全息无线电，以及在全息无线电上的成像、定位、传感以及通信的融合，将显示出更广阔的前景。2.2 智能全息无线电系统架构 2.2.1 基于连续

26、孔径有源天线阵列的全息无线电系统架构 如上所述，连续孔径的有源天线阵为 UTC-PD 耦合天线阵列16。基于连续孔径有源天线阵列的全息无线电通过微波光子前端的相干光上变频实现了信号的超高相干性，这种超高相干性也有利于信号直接在光域中进行处理。考虑到光计算更适合于线性计算，而无线信号处理中 90%以上都是线性计算，因此，如何在光域中实时完成大部分线性计算是实现高效率、低时延无线空中接口的关键。光计算一般可以处理 102102 106106尺度的矩阵运算。如何将全息天线的输入与光计算的并行特性进行匹配和映射是一个难题。在上行链路中，空间频谱全息利用微波光子技术，通过对接收到的射频信号进行相干光上转

27、换和光学处理，扩大空间和时间孔径。整个过程类似于一个实时的三维射频 光 场成像。而有限的射频孔径被转换为光学孔径，使射频信号可以被预先编码，并以近似连续的空时频进行复用，实现极高的射频谱分辨率、空间分辨率和数据吞吐量。同时，还可以通过空间谱全息获得全维射频全息空间，为下行链路中的空间波场合成提供准确的反馈，如图 2-4 和 2-5。在下行链路中，空间波场合成根据上行链路中的空间谱全息建立的全维射频全息空间进行空时预编码，实现电磁波场在目标空间的复杂、准确分布。整个过程类似于实时射频全息“光”场投影。13 图2-4 基于大规模阵列天线的全息无线电系统架构 图2-5 上下行空间波场合成和空间频谱全

28、息 2.2.2 基于 RIS+离散孔径有源天线阵的全息无线电系统架构 考虑到基于 UTC-PD 的有源连续孔径天线阵实现的挑战，另一种可行的方案是通过14 连续孔径的 RIS+传统的离散孔径有源天线阵来实现，如图 2-6。在这里，整个 RIS 就可以作为一个物理计算单元，一个神经网络。从而，整个链路系统就可表征为空中（自由空间）计算或自由空间神经网络。基于 RIS 的物理神经网络和电磁场回路可能为机器学习应用带来一次范式转换。一般地，物理计算系统有望实现大规模的并行计算，同时功耗非常低。RIS 可以近乎“免费”地计算卷积、傅立叶变换、随机映射和许多其它运算，因为这些运算可作为电磁波与物质交互或

29、传播的副产物。现代深度神经网络架构是级联的线性层后面跟着非线性激活函数，而且这会重复很多次。最一般形式的线性层是全连接层。在这种情况下，每个输出神经元都是所有输入神经元的加权和。从数学上看，这可以表示成一种矩阵-向量乘法，从而可以有效地使用 RIS 技术实现。也就是说我们可以使用电磁波回路来执行人工智能的相关计算。然而，由于 SWaP 的限制，RIS 本身很难构建一个多层神经网络，考虑到光学计算或光学神经网络易于芯片集成，进一步可以在离散有源天线阵后再叠加光学计算或光学神经网络。图2-6 基于RIS+离散孔径有源天线阵的全息无线电系统架构 理论和建模上，将全息 RF 计算（或空中计算）概念和卷

30、积定理结合在一起，并引入了智能超表面等新颖的电磁波成形方法，该方法无需任何优化算法和额外的计算成本即可对电磁空间进行灵活而连续的控制。首先，基于编码孔径相关性全息（Coded Aperture Correlation Holography,COACH）的理论与建模，RIS 通过孔径随机编码获得更高的吞吐量和更高的信噪比（SNR）。关于编码孔径相关性全息的理论与建模将在2.3.3详细讨论。而且，使用 FFT 和卷积定理为设计人员提供了新的思路，可以从新的角度实现所需要的辐射矢量场。通常卷积也是卷积神经网络（CNN）常用的工具，因此全息 RF 计算（或空中计算）具有内禀的神经网络特性，因而具有天然

31、的原生智能，即所谓“全息即计算或15 全息即智能（HaaC/HaaI）”。总之，全息空中接口（HAI）或全息无线电可以基于自由空间、超表面和环境散射进行计算，在自由空间或某种介质中传播的电磁场上直接构建计算能力，建立从空中接口到空中计算的范式。从数学上讲，在自由空间中传播的波可用基尔霍夫衍射积分（Kirchhoff diffraction integral）来描述，这相当于让该场与一个固定的核（kernel）执行卷积。该运算又是卷积神经网络（CNN）的一大基本构建模块，而 CNN 又是最常用的空间识别计算的框架。2.2.3 基于分布式天线或蠕虫孔径的全息无线电系统架构 对于天地一体化网络,大量

32、的低轨道(LEO)或 UAV 集群可组成一个灵活、可移动、可重新配置的超大孔径。由于 LEO 距离地面较远，这种超大孔径可认为近似连续孔径。同样地，地面分布式天线网络也可看作一个超大孔径，如图 2-7。图2-7 基于分布式天线或蠕虫孔径的全息无线电系统架构 集群无人机为阵列设计提供了独特的孔径，即蠕虫孔径（Swarm Aperture）。蠕虫孔径由一群移动平台组成，每个移动平台都配备了单个天线振子或小型相控阵。通过构建大虚拟孔径，可以显着增强通信感知的容量、分辨率和可靠性，以及通信的选择性和抗干扰能力。蠕虫孔径可以实现 RF 合成全息（Synthetic Holography），关于合成 RF

33、 全16 息在 4.3.3 节中详细讨论。在蠕虫孔径中，如果它们的射频路径可以以某种方式同步和相干组合，多个同时工作的天线振子可以像连续孔径一样工作。此外，蠕虫孔径概念允许人们以随时间变化的认知方式最大限度地利用空间资源，从而在传感和通信方面获得系统级优势。对于合成 RF 全息，振子输出信号的相干组合要求阵列的每个通道都应用精确的相位延迟和幅度衰减。合成 RF 全息需要阵列振子位置信息，即定位和每个阵列通道之间的准确同步。对于基于蠕虫孔径的合成 RF 全息，快速移动的振子和无线链接的通道使得集群无人机振子的定位和同步变得困难。十多年来，人们一直在设想利用蠕虫孔径进行分布式感知和通信，并在这种系

34、统的不同领域进行了研究。一些工作主要是理论发展，没有太多关注蠕虫孔径定位和同步的实际挑战。而其他工作则侧重于解决同步问题，无论是使用 GPS 时钟还是使用通信波形，挑战在于 GPS 时钟无法提供相干射频处理所需的定位精度，并且通信波形的带宽通常受到限制，这反过来又限制了其空间和时间分辨率。相干光学或光纤分布式天线系统为蠕虫孔径的定位和同步提供了最佳解决方案，可以实现皮秒级的同步。对于分布式天线网络的光载 RF 信号的远距离高保真传输和同步等关键技术将在 4.2.2 节中详细讨论。2.2.4 面向全息无线电的层次化的异构光电计算和光电 AI 系统架构 将光子技术与机器学习相结合不仅将推动 6G

35、中 AI 的关键发展，而且还将推动基于光子的全息无线电系统的超宽带，低延迟，高可靠性和可扩展性。5G 引入的 AI 技术主要用于网络的运行、管理和维护，旨在通过 AI 对 5G 进行智能管理和维护。6G 移动网络将是一个真正的智能系统架构和一个真正的智能无线电网络。每个网络节点都是一个智能节点，它支持从应用层到物理层的人工智能。基于分层的异构 AI 体系结构的全息无线电包括基于 UTC-PD 和 EO 调制器耦合天线阵列的全光子 AAU，嵌入在光子引擎中的光子神经网络以及具有基于 GPU 的神经网络加速器的谱计算单元。图 2-8 是面向全息无线电的层次化的异构光电计算和光电 AI 系统架构。尽

36、管神经网络处理通常是使用传统的 GPU 执行的，但对于 6G 作为全谱和多用途系统，GPU 在实现大规模密集信号处理方面将极其耗能。基于光子学的神经网络可以并行执行计算，同时所用的能耗要少于 GPU，而目前能耗是高效节能和可扩展 AI 系统的主要瓶颈。在上述基于异构光电计算和光电 AI 的全息无线电系统中，首先通过嵌入在光子引擎中的光子神经网络对毫米波通信和感知、太赫兹成像以及激光雷达等多波段和17 多用途信号进行处理、识别和拆分。由于训练步骤是神经网络实现过程中非常昂贵的一部分，因此光学地执行此步骤对于提高人工神经网络的计算效率、速度和功耗至关重要。图2-8 面向全息无线电的层次化的异构光电

37、计算和光电AI系统架构 但是，使用 GPU 而不是光子对应物进行训练通常会使过程更准确，因此谱计算单元中基于 GPU 的神经网络加速器实现了深度学习滤波器、深度学习调制器/解调器、自动编解码器和其它基带功能。因此，分层的、异构的和混合的智能全息无线电架构以更高的效率为空中接口带来了敏捷性和灵活性，特别是对于多功能融合和全频谱 6G 系统而言。2.3 理论与建模 由于近似连续电磁孔径，全息无线电可以实现无线中的超高密度和超高空间分辨率通信系统。它还允许电磁具有任意空间频率分量的波在没有旁瓣的情况下产生和检测。为了达到极端的空间分辨率，全息无线电的目标是在实现功耗的显着降低以及空间复用的显着改进，

38、可用于克服严重的传播损耗毫米波和太赫兹频段并减少干扰。全息无线电结合感知、成像和无线通信系统并具有改善频谱的潜在效率和网络容量。充分发挥全息无线电的潜力，进一步研究开发精确的信道建模和信道估计以及探索空间相关结构的技术是必需的。此外，寻找使用全数字或混合模拟和数字的相干时间全息无线电系统的波前成形（Wavefront Shaping）架构和可行的设计也是必不可少的。再者，新的信号处理算法在实现全息无线电的组网技术中更是至关重要。18 2.3.1 全息无线电近场理论与信道建模 全息无线电的连续孔径天线阵中密布着大量的振子，由于振子之间的距离小于半波长，因此存在着振子间的相关性。基于这一现象，一些

39、传统的独立瑞利衰落信道建模方式不再适用。在传统的信道建模中，振子间距离通常大于或者等于半波长，从而假设振子间的相关性为零，但是当振子间距离小于半波长时，振子间存在很强的相关性。因此，有效且便于处理的信道建模方法成为了全息无线电中的一个重要部分。图2-9 近场传播判据和传播特性比较 事实上，随着无线通信的天线规模越来越大以及釆用更高频率的频谱，根据瑞利判据（瑞利距离 r=2D2/，D 为天线阵列孔径，为电磁波波长），基本上在其天线覆盖范围之内都满足近场条件，如图 2-9，这样通信信道建模就必须采用更为准确的球面波模型，而不是原来的平面波近似模型。而且为了更精确的表征和探测球面波的波前相位，根据惠

40、更斯原理一个连续孔径的天线阵也自然是必然的选择。传统的波束成型（Beamforming）将演变成波前成形（Wavefront Shaping）。19 2.3.1.1 基于波数域平面波展开的信道建模 相关文献给出了在波数域的全息无线电的信道建模，即基于傅里叶展开，用有限个信道采样点的信息重构全息无线电的信道。类似于时域和频域的傅里叶变换，空间域和波数域也存在傅里叶变换，因此空间域信道可以由波数域信道的傅里叶变换得到，如下式所示：(2.1)其中，Ha为波数域信道，ar,m 为接收波矢量，as,m为发送波矢量，H 为空间域信道。由上式可看出，信道建模主要由三部分构成：发送波矢量和接收波矢量，以及波数

41、域信道构成。所以空间域的信道建模可以等效为波数域的信道建模，空间域信道可由波数域信道的积分得到。而积分区域也是有限的，这是因为在远场通信中，第三个极化方向的电场强度随着距离的增加呈指数下降（也称消逝波），对于通信的贡献非常小，所以积分区域由无限变为有限大小的圆区。波数域信道建模可由下式表达：(2.2)其中，波数域信道主要由信道谱密度 S 构成，而信道谱密度由散射环境和天线布置有关。通常，用谱因子 A 计算谱密度，W 则用于包含信道的随机特性。波数域信道通常是稀疏的，即只有有限个非零元，因此可以用部分包含重要信道信息的采样点来近似波数域信道，而这些采样点可以在积分区域上等间隔采样得到。基于这些采

42、样点，空间域信道会由波数域信道作傅里叶级数得到。采样点数目越大，信道近似准确度越高，但是也会带来更高的复杂度。通常，采样点数目大于或等于发送/接收子天线的个数。2.3.1.2 基于角度域扩展函数的信道建模 当用户发送信号时，基站会收到多径信号的叠加，从而可以展开成多个平面波。因此，信道可以表示为:(2.3)其中，g 为角度域扩展函数，它表示了来自每个方向的天线增益和相移，a 是天线每个方向的天线响应。由上式可以看出，信道由无数平面波展开构成。考虑了块衰落信20 道模型，其中并将角度域扩展函数构造成空间不相关循环对称高斯随机过程，并且信道的相关矩阵用归一化空间散射函数表示。与上述不同，这里虽然也

43、用了平面波展开，但是信道构造中并没有显式的用发送/接收波矢量和波数域信道表示，而是在角度域上用不同波方向的扩展函数的叠加表示。相关文献还提出了在非各向同异性散射环境中使用有向天线的信道相关矩阵模型，同样地，也是由空间散射环境函数构成。从仿真结果针可以看出，当使用有向天线时，空间相关矩阵的秩也减少了，但是天线间距的减少对相关矩阵秩的影响更大。2.3.1.3 基于特征函数的信道建模 除了用平面波展开构造信道外，还可以用发送/接收空间的基函数构造信道。具体来说，发送空间的电流密度可以用无数个正交基近似，而且产生的电场也可以用另一组正交基函数近似，如图 2-10 所示。从物理的角度解释，电流密度函数被

44、映射到了 D 个正交基函数上，经过信道传输（核函数的变换）后，接收到的电场也被映射到对应的 D 个正交基函数上。所以，相关文献将信道建模问题转换为了发送空间和接受空间之间的核函数的构造，并通过特征值分解，将每个发送空间的正交基函数和接受空间的正交基函数一一对应。图2-10 基于正交平行信道的通信结构 根据格林函数，电流密度函数和产生的电场可以用一个核函数联系，这个核函数与信道紧密相关。即核函数可以表示为有限个特征函数的和，而这些特征函数是发送端和接收端的基函数的克罗内克积，且其系数为信道的特征值。换言之，核函数是 D 个信道特征值与空间基函数的乘积，其中 D 是信道相关函数的非零特征值的个数。

45、21 2.3.1.4 信道估计 传统的远场信道估计算法需要很高的导频开销，并且极依赖角度域信道的稀疏性，而相关文献提出了利用极坐标系信道稀疏性的全息无线电的近场信道估计。与远场信道不同，近场信道不仅与发送端和接收端的距离有关，还与发送信号的角度有关。在近场信道模型中，信道可以由有限个不同权重的近场方向矢量的和叠加得到，而这些近场方向矢量的距离和角度可以用极坐标系表达。通过对整个角度-距离域采样，信道信息都包含在了一个稀疏矩阵里。如下图所示，图 2-11(a)中的采样点只与角度有关，而在图 2-11(b)中，采样点与距离和角度都有关。因此，通过极坐标系的稀疏矩阵，可以实现低复杂度的近场信道估计。

46、（a）采样点仅与角度相关 （b）采样点与距离和角度有关 图2-11 极坐标系信道稀疏性的全息无线电的近场信道估计 2.3.1.5 全息无线电的有效自由度 与远场通信不同，近场通信可以实现全极化通信，即三个极化方向都可以传输信号。因此，理论上来说，近场全息通信可以实现更高的信道容量，而自由度也是通常用来衡量信道容量的指标之一。自由度是信道相关矩阵的秩，也是独立信道的个数，与自由度类似，有效自由度是通信模数的个数，通常用于数值计算。因为有效自由度反映了通信系统的谱效率，所以相关文献用有效自由度计算通信系统的容量。从相关文献的仿真结果中得知，当发送端/接收端的天线个数达到某个值时，继续增加天线个数并

47、不会对有效自由度做出更多的贡献。换言之，全息无线电的有效自由度同样是有极限的，而有效自由度的极限为最佳的发送端/接收端天线个数，也是信道相关矩阵函数的秩。22 2.3.2 基于 FFT 的全息无线电理论与建模 如上 2.2.2 节所述，全息无线电架构可以基于连续孔径的 RIS+传统的离散孔径有源天线阵来实现，整个 RIS 可以被看作为一个物理计算单元。单个 RIS 对透过的电磁波形成衍射，完成 FFT。多个 RIS 级联，可实现一个卷积运算过程。本节将介绍基于傅里叶的全息无线电理论与建模。傅立叶变换是一种功能强大的数学运算，可将信息从某一域映射到其互易空间，从而操纵信号进行数据分析和处理。该操

48、作在时域和空间域均可实现，且均适合模拟计算。但是时域傅立叶变换需要对脉冲信号进行处理，造成相对较大的系统尺寸和有限的输入端口，这导致时域傅里叶变换难以进行并行处理。相比之下，空间傅里叶模拟计算可以显着提高特定数学运算的吞吐量，例如微分方程求解器，图案成像的边缘检测，光学存储器或时间积分器和光子神经网络和，因此在实时和并行处理海量数据方面具有重要意义。而在全息无线电通信系统中，接收端为了实现 K 空间的层析恰恰面临着并行且海量数据处理的压力，因此在全息无线电通信系统中借助空间域的傅里叶变换实现高速信号处理显得合理且有意义。根据惠更斯原理，一束波的散射场可以通过控制器件（例如超表面天线的电与磁偶极

49、子）的调控来实现。以图 2-12（a）所示的惠更斯超表面为例，惠更斯超表面上的切向电场仅包含 x 分量。根据经典的孔径天线理论，由（mth，nth）个惠更斯超表面振子产生的散射场可以描述为：,cos(1cos)e2,sin(1cos)e2ssjkrinxyjkrinxyEm ndEjD DrEm ndEjD Dr(2.4)在近轴近似下，Dx 和 Dy 分别代表沿 x 轴和 y 轴的像素周期，2k/是自由空间的波数。通过忽略高阶项，惠更斯超表面振子与观测点 rs之间的距离可以描述为rs=rmDxsincosn Dysinsin。对于具有 MN 个超颖振子的超表面，透射空间中的电场可以用带角度谱的

50、双积分来表示：11sin cossin sin001 cos(,)cossin(m,n)e2xyMNjk mDnDjkrfxyinmnEjD D eEr (2.5)因此，传输电场在球坐标系中的幅度分布，即全息图像的最主要特征，可以表示为：23 11001 cos(,),2,exyfxyaxyMNj msnsaxyinmnED D Es srEs sEm n(2.6)其中 sx=kDx sin cos，sy=kDy sincos。投影电场强度分布可分为两部分，其一是方向性相关振幅函数(1+cos)/2，其二是和分布系数 Ea，用以表征波的振幅，是一个二维傅里叶逆变换，用以后续的图像变换。因此，等

51、式（2.6）展示了投影电磁波用空间角（和）在球坐标系中描述时与电场分布在笛卡尔坐标系中描述时的相互关系。图 2-12（b）给出了利用频域调制超表面天线实现傅里叶变换的示意图。图2-12 (a)基于惠更斯超表面天线的散射场推导及（b）利用频域调制超表面天线实现傅里叶变换的示意图 在数学上，旋转不变性映射了输入频域信号与输出图像之间的映射，可以表示为 F-1Ein(，+0)=E0(s，+0)，其中的虚拟变量是在频域及空间域的极坐标（，）和（s，）。假设超表面所设计的旋转角度为 0，可被描述为：具 体而言，相应坐标旋转可以表示为：00000cossinsincosmmmRnnn(2.7)其中表示经过

52、特定傅里叶计算运算后的变换变量。因此，时域的散射场分布可以表示为：24 0000000011,100cossinsincos,cossinsincos,00000,cossin,sincosxyxyxyxyMNj msnsjm nxymnj smnsmnjm nmnj m ssn ssjm nmnxyxyEs seeeeeeEssss (2.8)这表明 在超表面天 线的自旋转 角度与原始散 射场的旋转 角度相同，即L(Sx,Sy)=R(0)(Sx Sy)T。这证明验证了在全息系统中傅里叶变换的旋转不变性，即频域上的自旋转在实际空间域中生成相同的自旋转角，并且在其他方面没有变化。通常，傅里叶变换

53、的空间移位特性比表明，实空间散射信号以固定角度移位，对应于在空间频域本征模信号与原始模式信号的乘积。用数学术语，可以写成 F-1exp-j(msx0+nsy0)Ein(m，n)=E0(sx-sx0，sy-sy0)。依靠傅立叶变换的这一特性，超表面可以被设计为超表面的原始相位分布与分别沿 x 和 y 轴指定的相位序列 x和 y的叠加，可以写成:更明确的数学表达如公式（2.9）所示：000011,10011,0011,00000,=,xyxyxyxxyyMNj msnsjm nxymnMNj msnsj msnsjm nmnMNj m ssn ssjm nxxyymnEs seeeeeeeEsss

54、s(2.9)根据公式（2.9），原始傅立叶变换的线性相位叠加可以引起输出电磁波函数的调制，描述为 L(Sx,Sy)=(Sx-Sx0 Sy-Sy0)T。这也就意味位移之后的方位角和 俯 仰 角与初始的方位角与俯仰角直接满足以下关系：0000sincossincossincossinsinsinsinsinsin(2.10)特别的，如果初始的方位角与投影角均为 0，则位移变换之后的投影角与位移量0与0相同。25 傅里叶变换的拉伸特性可以表示为 F-1Ein(am,bn)=E0(sx/a,sy/b)。超表面天线中每个振子在频域的放大可以通过增加振子个数来实现。假设经放大后的变换相位分布为，则在该情况

55、下的散射场可以表示为：1111,10000,0,=,xyxyyxMNMNj msnsj msnsjm njam bnxymnmnssj mnabjm nyxmnEs seeeesseeEab (2.11)因此，拉伸操作的变换效果可以表示为 L(Sx,Sy)=(sx/a sy/b)T。因此，经拉伸变换后的方位角和俯仰角可以表示为：sincossincossinsinsinsinab(2.12)缩放操作的机制证明了傅里叶域中的扩展（压缩）可以诱导空间域中的压缩（扩展），这为各种应用打开了大门。对于全息无线电的示例，考虑到加工精度，相位步长总是离散为整个相移 2 的几分之一，因此转向角被限制为离散值

56、。借助傅立叶光谱视图缩放变换，可以利用特定的物理手段，例如可伸展材料（如机械可调谐聚二甲基硅氧烷基片），来改变超表面振子的尺寸来设计不同的电磁响应。而且，存在各种其他可调谐和可切换的方法（例如变容二极管，微机电开关）可操纵每个超表面振子中的电和磁响应。将可拉伸基材和动态超表面振子结合到超表面设计中时，材料电磁性能和几何尺寸的变化都可以显着扩展操控的动态范围，从而使连续且宽范围的微波控制提供可能。由上文描述可知，一束波在空间的散射场分布可以通过二维傅里叶变换来描述。并且满足旋转、位移及拉伸等特性。由于射频信号和光波都是电磁波，因此，全息无线电与光学全息非常类似，射频信号在空间的分布也可以通过二维

57、傅里叶变换来表征，相关特性也可以应用于微波的全息无线电系统模型中。26 2.3.3 基于编码孔径相关性（Coded Aperture Correlation）的全息无线电理论与建模 编码孔径相关全息（COACH）技术是一种基于与传统全息技术完全不同的非干涉型全息技术。通过编码孔径相关过程对系统进行校准，并记录成深度点扩展函数（PSF）库。然后，通过 PSF 库和目标强度模式之间的计算互相关，可以重建目标的 3D 空间。COACH 的功能在等效的常规成像系统的大多数方面都有所改进，并且其要求最低。在 COACH 中，随机阵列天线（可由规则阵列天线进行随机编码来实现）被用来代替固定天线阵，从而获得

58、更高的吞吐量和更高的信噪比（SNR）。与固定天线阵生成的单个弱图像不同，COACH 生成对应于随机阵列天线每个位置的图像的随机分布，从而提高了 RF 信号通量。然而，从记录的叠加图像的强度图案重建对象的图像比用固定天线阵成像更困难。在目标对象的确切位置使用不同的随机阵列天线记录 PSF。通过目标信号强度和 PSF 之间的互相关来重建目标的图像，如图 2-13 所示。图2-13 基于编码孔径相关性（Coded Aperture Correlation）的全息无线电原理 在全息无线电中，随机阵列天线可以通过对常规 UTC-PD 耦合有源天线阵和全息超表面天线阵的振子开关编码来实现。由于 COACH

59、 是基于相关性的对电磁空间的间接测量技术，可以对无线信道进行全盲检测。相关研究开发了多种技术来提高谱分辨率、时间分辨率、视场、横向和轴向分27 辨率以及 SNR。相关功能包括利用部分孔径，通过散射超表面，以合成孔径的方式成像等。2.3.4 基于高性能射线跟踪的全息无线电信道建模 从信道建模的角度而言，只要能对连续孔径的紧耦合天线阵（Tightly coupled array,TCA）的每一个天线振子对应的多径信道进行准确地表征，将每一个天线振子对应的信道冲激响应（Channel impulse response,CIR）进行联合处理，即可得到全息无线电链路的整体信道。因此，基于射线跟踪（Ray

60、-tracing,RT）的确定性信道建模方法可以提供准确的功率、时延、角度、极化等信道信息，适用于全息无线电信道的仿真、预测与建模。然而，由于要实现连续孔径有源天线阵列，TCA 的天线振子数目巨大，而且需要考虑天线振子之间的互耦效应，这使得计算复杂度本来就高的射线跟踪技术在大规模信道数据生成方面面临计算效率的瓶颈。图2-14 CloudRT系统架构与工作流程 为此，北京交通大学将自主研发的射线跟踪内核部署在高性能平台上，利用分布式计算功能进行云化，构建了高性能射线跟踪仿真平台-CloudRT。CloudRT 的设计同时包含了准确性和高效性。在准确性方面，北京交通大学与德国布伦瑞克大学基于车对车

61、和宽带太赫兹射线跟踪仿真器联合开发了宽带动态射线跟踪信道仿真器，前者在 6 GHz 以下频段已经得到了大量的测量数据验证，后者也通过了大量的毫米波与太赫兹频段测量数据的校准与验证。在高效性方面，将射线跟踪仿真器部署到高性能计算平台，其系统架构如图 2-14 所示，该平台由 96 个计算节点组成，共有 1600 个 CPU 核心，10 个NVIDIA Tesla GPU 核心。28 CloudRT 由数据存储服务器、高性能计算服务器以及用户终端组成，它们全部通过网络连接，以进行数据与命令传输。如图 2-15 所示，该平台由 5 层组成：数据来源层，数据传输层，数据存储层，数据分析层和应用层。数据

62、来源层主要收集各种数据并将其转换为预定义的结构，然后将其传输到数据存储层（云端）；数据存储层包含场景库、材料库、天线库，以及用户数据库、任务数据库和测量数据库；基于此，数据分析层可以实现基于射线跟踪的信道建模、信道表征、传播建模和提高射线跟踪仿真器的效率和精度的算法。数据分析层的输出可用于系统级链路级仿真，网络规划和天线设计。该平台的模型库包括环境模型库、材料模型库和天线模型库。环境模型库包含用于射线跟踪仿真的 3D 环境模型以及相应的几何和材料信息。CloudRT 仿真所需的数据（配置、模型描述等），传输采用了 JavaScript Object Notation（JSON）格式，易于阅读和

63、编写，并且易于机器解析和生成。环境模型中所使用的材料可从 CloudRT 的材料模型库中选取，也可以由用户自行设定并加入材料模型库。网站用户界面（Web UI）允许用户上传和管理他们的环境模型以进行射线跟踪仿真。环境模型库除了使用矢量数据，也可以使用栅格数据。图2-15 CloudRT的数据流 29 图2-16 从发射机到TCA振子的包含直射和反射的CloudRT射线跟踪仿真示意图 准确的材料参数输入是实现准确的射线跟踪仿真的前提，因此 CloudRT 建立了材料模型库，为不同传播机理模型提供不同的材料参数，包括材料的相对介电复常数、散射系数、散射指数、等效粗糙度等。上述材料参数以及其他相应的

64、描述材料的信息由 JSON文件进行存储，可供用户调用、修改或添加，具有较高的灵活性。此外，材料参数也可以根据实际测量进行校正。图2-17 TCA振子接收信号相位（只考虑直射径）图2-18 TCA振子接收信号相位（只考虑反射径）利用射线跟踪仿真刻画全息无线电无线信道的实例如下。图2-16给出了以包含100130 个间隔为 1 m 的振子的 TCA 作为接收机，收发信机的水平距离与垂直距离均为 10 m，仿真频率为 30 GHz，带宽为 100 MHz 时包含直射径和反射径的射线跟踪仿真示意图。图 2-17 到 2-19 分别给出了 TCA 每个振子上接收信号相位的情况：只考虑直射径（图 2-17

65、），只考虑反射径（图 2-18），考虑直射径与反射径在振子处的相干叠加（图 2-19）。由此可见，通过 CloudRT 可以准确表征 TCA 接收信号的连续相位变化，说明利用高性能射线跟踪技术与平台，可以生成准确的全息无线电信道信息，为全息无线电通信系统设计与评估提供理论依据。图2-19 TCA振子接收信号相位（考虑直射径和反射径在振子处的相干叠加后的信号）2.4 本章小结 全息无线电是通过 RF 干涉测量和 RF 计算全息技术实现电磁空间的重构（上行）和精密调控（下行），从而一方面实现无线通信超高分辨率的空-时-频全维复用，另一方面实现无线通信、成像和感知的融合。由于射频波和光波都是电磁波，

66、所以全息无线电与光学全息非常相似。对于全息无线电来说，通常的波前记录传感器是天线，所以需要一个连续孔径天线阵列来接收和测量信号波的连续波前相位。目前连续孔径天线阵列包括先进的 UTC-PD 紧耦合有源天线阵列、连续孔径的 RIS+传统的离散孔径有源天线阵，以及相干分布式天线或蠕虫孔径（Swarm Aperture）等。在相干分布式天线或蠕虫孔径中，每个天线的射频路径以某种方式同步和相干组合，多个同时工作的天线振子可以像连续孔径一样工作，通过合成全息（Synthetic Holography）实现全息无线电。理论和建模上，上行链路通过空间谱全息或编码的孔径相关全息（COACH）实现全息电磁空间的

67、再现与重构，下行链路通过空间波场合成或时间反演（相共轭）实现电磁31 空间的全维调制与调控，并将全息无线电（或全息空口）概念和卷积定理结合在一起，同时将部分信号处理从数字层面转移到电磁层面（引入光学计算或超表面作为计算单元），以满足智能全息无线电在灵活性、低延迟、功耗和复杂性方面的要求。通常卷积也是卷积神经网络（CNN）常用的工具，因此全息无线电具有内禀的神经网络特性，因而具有天然的原生智能，即所谓“全息即计算或全息即智能（HaaC/HaaI）”。尽管如此，以上性能和特性仍需要进一步的链路级性能仿真验证。第三章 潜在应用场景和用例 6G 将是一张具有超高速率、超高数据密度和超低时延的泛在超宽带

68、绿色移动网络，以满足海量高性能智能超级终端的高效数据交互和计算协同需求。同时，智能驾驶和智能工业革命也对 6G 提出了核心需求，将催生出包括泛在移动超宽带（ubiquitous Mobile Ultra-Broadband，uMUB)、超宽带低时延（ultra-Broadband with Low Latency，uBBLLC）和超高数据密度（ultra-High Data Density，uHDD）等业务类别在内的应用场景。匹配这些服务和场景需要覆盖从微波、毫米波、太赫兹到自由空间光的超谱或全谱移动通信系统，变革性物理层技术，以及通信、感知和计算的端到端协同设计7。智能全息无线电被认为是应对

69、上述挑战的关键使能技术之一。例如，在支持 5D-Mapping 构建方面，全息无线电技术可以采用空间-谱全息技术精确感知复杂电磁环境，实现对电磁空间的全维度实时预测分析，支撑电磁空间智能化。由于可以得到具有极高空间分辨率和极精细谱分辨率的动态无线电地图，一方面可以利用充分探索的射频频谱资源，进一步发展广泛的频谱共享和认知无线电网络；另一方面能够同时实现超高分辨率的空间-谱复用，极大地提升通信信道容量，支撑 6G 的典型应用场景。同时，在未来智能工厂的应用场景中，智能全息无线电的超高分辨率空间和频谱复用能力有望实现一个超高数据密度的并行总线式无线链路，从而应用于面向未来智能制造的微尺度 3D 网

70、络。此外，智慧城市中的混合接入点部署场景需要同时实现无线信息传输和无线能量传输18，而智能全息无线电能够精密调控无线电空间及频谱环境，突破传统通信的基本覆盖范围限制，有助于高效地实现超密集海量物联网的数据和能量传输。3.1 动态谱地图（5D Mapping）电磁空间是指各种信息系统设备产生的电磁波充斥并作用的物理空间，和网络空间32 共同构成了陆海空天之后的“第五维空间”，谁掌握了电磁空间，谁就会拥有无法估量的信息资源和战略主动权。采用高性能电磁感测、全息无线电技术实现对电磁空间的全维度预测分析，精确感知和调控复杂电磁环境，支撑电磁空间智能化，取得制电磁权，才能掌握未来信息化战略的制高点。通过

71、全息无线电技术绘制瞬时带宽达几十 GHz 的动态谱地图（5D Mapping），如图 3-1。主要任务与应用：图3-1 动态谱地图（5D Mapping）（1）RF 频谱相关的大数据分析，为全球的商业和政府客户提供量身定制的分析报告。（2）跟踪地球上的活动，射频信号地理定位，监测航空、陆地和海上活动，支持合法运输活动。（3）具有很高的频谱测绘精度和最小的延迟。通过识别和定位遇险警报，第一时间提供信息，协助应急和搜救工作。（4）识别无线电频率干扰，协助无线网络和卫星网络运营商更有效地利用频谱并33 帮助其确保频谱可持续性和安全。（5）结合地面分析平台，融合开源数据、商业化卫星图像、数字地形数据，

72、RF 谱大数据可生成更广泛的应用和服务。3.2 超低功耗物联网以及智慧城市中的全息接入点(H-AP)部署场景 全息无线电技术通过连续孔径发射和接收无线电信号，将传统天线阵列有限的波束空间转化为近乎无限的 RF 焦点云（Focus Clouds）空间，即实现近乎无限的、连续的复用空间，可以满足海量 IoT 设备的精准接入和无线供电。另一方面，全息无线电通过空间相关性来利用干扰（干涉）和多径信号。因此，全息无线电是利用干扰潜力最大、水平最高的技术，从而可以提高超低功耗的物联网通信传输距离和能量传输效率。全息接入点(H-AP)可以同时在智慧城市中实现无线信息传输(WIT)和无线能量传输(WET)，海

73、量小型物联网(IoT)设备的精准定位和精准无线供电以及数据传输，如图 3-2。例如 Ossia 公司的基于 RF 全息（全息无线电）技术的首款 Cota Power Table 无线电源产品不仅通过无线、远距离、非视距（NLOS）传输电力，并且具有通信能力。与其它技术不同，Ossia 的技术不仅限于视距，而是可以在发射器和接收器之间创建路径，不仅可以检测障碍物-如家具、人或宠物-还可以在它们周围“弯曲”（利用多径信号）。即使没有明确和直接的路径，也能保持电力输送。Cota 采用的原理称为“近场 RF 全息”技术，利用电磁波传播的时间反演对称性机理。图3-2 超低功耗物联网以及智慧城市中的全息接

74、入点(H-AP)部署场景 3.3 室内环境下的全息RF层析成像（RF-CT）34 全息无线电可以穿透衣服和结构墙，识别人，爆炸物和化学物质信号。作为每个检测对象的唯一指纹的方法，以增强数字生物识别技术或场景识别的选择性。RF 全息层析成像，可完成微波摄像机的功能，且实现复杂肢体语言和生命体征（如呼吸）的自动识别。实现动态目标的实时微波成像和智能感知，如图 3-3。全息 RF 层析成像的 K 空间理论和算法参见 4.3.1。图3-3 全息无线电层析成像应用场景 3.4 通信、感知和成像融合应用场景 电磁频谱逐渐成为稀缺资源,电磁环境变得愈加复杂。多模式信息系统（遥感、通信、导航）高定量精度、高时

75、空分辨率的发展，对精准时空电磁信息提出了新的要求。针对电磁空间多源异构大数据，如何精准地描述电磁波时-空-频-相-极化的特征空间，探讨电磁波能量与信息熵的理论极限，是一个多领域共性的科学问题。电磁空间可定义在精准时-空基础上的电磁场与波的物理属性，是表征电磁大数据的数学物理信息基础。从电磁空间角度来讲，覆盖所有产生电磁辐射的源，不仅包括自然界的太阳辐射，也覆盖人工电磁辐射，包括广播、遥感、通信、导航等电磁信号。在电磁空间统一定义框架下，实现电磁波相干相位的合成，为实现射频无线电全息成像提供基础，也为通信感知定位融合等提供新的作用机制与应用模式。当今通信系统被要求不仅仅以人为连接对象，而是要求万

76、物按需互联。环境信息包含状态、移动等内容，需要通过感知来获取。因此，感知通信一体化是未来重要研究方向，它和人工智能技术进一步结合，实现万物互联到万物智联，将我们带入新的应用世35 界。新的频段和大规模天线的进一步演进为通信感知融合提供了可能性，但是通信感知一体化设计还面临很多挑战。RF 全息本身就包含空间信息因而天然地就可以实现定位和 3D 成像。全息无线电技术作为一种通用且高效的信息调控技术，是未来通信、感知和成像一体化的重要候选技术之一，具有内生通信感知融合特性，如图 3-4。因此，全息无线电的另一应用场景是通信、感知和成像一体化融合的应用场景。图3-4 全息无线电内生的全谱通信感知融合

77、3.5 智能汽车和智能工厂的超高数据密度并行无线数据总线 在智能驾驶和智能工业环境下，一个泛在的智能汽车和智能机器人的移动网络将不仅是一个超宽带移动网络，而且是一个高可靠的和超低时延的高速无线总线，提供新型的 MaaS（移动即服务）和 MaaM（移动即制造）业务。智能汽车一方面作为一个“超级智能终端”和计算节点不仅需要高速总线式无线链路，而且需要 Lidar 和 Radar 等通信和感知融合实现波束精准控制和 3D 场景交互，当然也带来空间互联与地空一体化的需求；另一方面作为一个“移动生活和工作空间”同时需要全天候的超宽带实时业务，如 8k/4k 视频、VR 甚至 3D 全息视频实时传输。因此

78、，其峰值数据传输速率将是 100Gbps 1Tbps，时延时 10s 1ms。未来的智能工厂将由众多智能移动机器人组成，它们需要无线访问高性能计算资源，以多种方式执行最困难的任务，组成一个具有千万亿次计算能力的分布式智能系统和网络。此外，它们需要对变化的条件（包括与人类的相互作用）做出快速反应，或者在时36 间关键的控制回路中运行。这些类似人类的智能机器人需要巨大的计算能力，以数十万亿次流量处理数据，其连接网络类似于一个超高速计算机并行总线。这种巨大的无线容量要求达到 100Gbps/m2的超高数据密度和小于 10s 的超低时延。图 3-5 为基于毫米波或太赫兹的高密度混合光纤无线总线。这种总

79、线架构为均匀分布的固定格子架构，在工厂机器人或智能车辆移动的情况下缺乏灵活性。全息无线电可以根据机器人或智能车辆的动态分布适配不同的 RF 焦点云（Focus Clouds）分布。每个 RF 焦点承载不同的高速数据流，从而形成一个动态的高密度并行无线总线。图 3-6 为机器人或智能车辆不同的动态分布情况下全息无线电 AP（H-AP）生成的 RF 焦点云（Focus Clouds）的动态分布。图3-5 基于毫米波或太赫兹的高密度混合光纤无线总线 图3-6 机器人或智能车辆不同的动态分布情况下全息无线电AP（H-AP）生成的RF焦点云（Focus Clouds）的动态分布 第四章 潜在关键技术 全

80、息无线电一方面通过连续孔径有源天线或全息超表面实现全息 RF 空间感知和调制，另一方面通过 RF 到光学的映射、变换和处理实现全息复用和解复用，最终通过面向全息无线电的智能算法实现目标电磁场重构。因此，全息无线电技术主要涉及的关键37 技术包含三个方面，即基于光电二极管和 EOM 的连续孔径有源天线、微波光子前端与光学信号处理的透明融合和面向智能全息无线电的算法构建。4.1 光电二极管和 EOM 紧耦合的连续孔径有源天线阵集成 连续孔径的有源天线系统对射频馈电网络的尺寸、功率和复杂度提出了很高的要求，传统的射频馈电网络在物理上难以实现。一种可行的解决思路是在每个天线元件中直接集成一个光电二极管

81、作为光学馈电网络。高功率输出的光电二极管能够为紧密排列的天线振子提供接近理想的电流源，免除了对传统射频馈电网络的需求。然而，如何利用光电二极管实现高功率的光输入以及对高频、微米级光电二极管进行鲁棒、高效的校准，且不给系统引入损耗，成为了光馈电网络设计的主要难题。光电探测器输入光通过光纤注入光电二极管光电二极管耦合天线高功率光电二极管驱动电流片中每个天线振子图4-1 基于UTC-PD和EOM的连续孔径有源天线阵列 Vbias光电二极管天线IDCRF 扼流圈IRF偏压CpdRCACCAIpd光电二极管耦合天线阵列光电二极管耦合天线阵列图4-2 基于UTC-PD和EOM的连续孔径有源天线阵列等效电路

82、模型 目前，采用光电二极管光学馈电网络面临的最大挑战是天线元件难以实现高射频功38 率输出。虽然商用光电二极管可达到 50 甚至 100 GHz 以上的带宽，但它们的输出功率通常被限制在 10 dBm 以下。而 UTC-PD 技术的高功率、高带宽和高转换效率绕开了光电二极管的限制，成为连续孔径有源天线阵的新型理想选择，例如用于大功率应用的封装式改进型 UTC-PD 等。基于 UTC-PD 和 EOM 紧密耦合的连续孔径天线阵列利用倒装芯片技术将大功率UTC-PD 与天线振子键合，形成天线振子之间的耦合，其结构如图 4-1 所示。天线振子采用基于电流片的超宽带紧密耦合天线阵列。这种连续孔径的有源

83、天线阵列不需要超密集的 RF 馈电网络，同时可以实现40 GHz 的工作带宽，不仅具有很好的可实现性，而且可以降低系统的尺寸、成本、功耗等。图 4-2 为基于 UTC-PD 和 EOM 紧密耦合的连续孔径天线阵列等效电路模型。通过先进的 UTC-PD 紧耦合天线阵技术形成的空间连续孔径来传输和接收无线电信号能够实现智能全息无线电技术基于连续孔径有源天线系统构想，将传统天线阵的有限波束转变为近无限复用的波前，从而实现近无限的、连续的“RF点云（RF Point Clouds）”空间。4.2 微波光子前端与光学信号处理的透明融合 为了实现微波光子前端与后端光学信号处理的无缝集成，必须有效构建从 R

84、F 全息到光学全息的空间映射。一种可行的思路为：首先构建微波阵列与光学阵列的变换关系；随后从光纤阵列输出的光信号经过透镜进行空间傅里叶变换；最后利用在透镜焦平面上的探测器阵列直接探测其光强，从而建立来波方向与光强分布空间位置的映射关系，实现微波波束到光域的映射。这一思想与微波光子技术不谋而合，微波光子技术就是一种利用光学的方法来实现微波射频信号的产生、传输与处理的技术。微波光子变换与传输系统主要包括天线前端、光纤链路与光电协同的中心单元，如图 4-3 所示。天线前端实现灵活、可移动无线接入，光纤链路实现宽带、广覆盖有线传输，中心单元实现集中光电协同智能处理。微波光子链路具有低噪声、低传输损耗、

85、高工作带宽及大动态范围等优势。在射频信号的长距离传输方面，光载射频信号的传输损耗仅为 0.0002dB/m，且损耗量与加载旳射频信号频率近似无关。在工作带宽方面，避免使用带宽受限的微波元器件，充分发挥光子技术的高带宽的优势，可实现多个工作频段微波射频信号的综合传输与探测，并且各个不同信号之间的干扰较小。在线性化信号接收方面，可采用光子手段完成信号的传递与处理，避免使用电类混频器等动态范围受限的微波元器件，有效地提39 高系统的动态范围。图4-3 微波光子变换与传输系统 4.2.1 微波/光波高保真映射变换技术在微波/光波高保真映射变换的实现过程中，微波光域变频采用高效电光调制将微波信号加载到光

86、载波的边带上，实现微波信号与光学边带信号的高保真映射。同时，还需要突破大动态高效微波光域变频技术、微波/光学天线线性保真缩放变换等关键技术，实现全孔径微波天线阵元信号的光域线性映射变换（时延、空间、幅度、相位保持一致性），从而保证微波天线接收的目标回波波束被高保真地映射到相应的阵列光学天线输出端口。在微波光域映射变换中，需要通过相位控制技术确保各路信号光的相位稳定性。但是光纤通常对外界环境（包括温度的变化和微小的振动，气流或者声音的变化）的微小变化敏感，即使光纤弯曲这样的微小变化也能显著的改变信号相位，严重降低变换的保真度。为使每个通道具有相同的附加光时延或附加相移，可采用光纤延时（相位）补偿

87、法来进行通道间相位的补偿。为了实现大规模、多通道的微波射频信号的光学变换接收处理，最为可行的一种方法为光子信道化接收技术。射频的光子信道化接收是将天线接收的射频信号调制到光载波上，在光域上实现频段划分，将宽谱信号划分为多个窄带进行并行的信道化处理，避开了电子瓶颈，从而增大了接收机的接收带宽，并且缓解了后续数字信号处理的压力。依赖其显著的优势，射频光前端信道化接收技术迅速成为研究热点。为解决精细光谱控制困难、高精度和实时性的宽谱感知无法同时获得等问题，基于双相干光频梳以及相干探测实现的宽带射频信道化技术被提出，接收装置如图 4-4 所示。首先产生两个相干光频梳，一个光频梳经过掺铒光纤放大器放大并

88、入射到工作在双边带40 载波抑制模式的强度调制器中，实现射频信号的多播光路变换，然后输入到可调谐光滤波器，滤出一根加载射频信号的梳齿齿线。另一个光频梳经过光滤波器滤出与信号载波相对应的本振齿线并进行光放大。最后将两根齿线输入到 IQ 解调模块进行相干接收，该解调模块由一个 90 度光耦合器和两个平衡光电探测器组成，最后对接收的信号进行数字处理、线性解调即可得到射频的下变频信号。图4-4 基于双相干光频梳的信道化接收技术 4.2.2 微波/光波高保真传输技术为保证微波天线接收的目标回波波束被高保真地映射到相应的阵列光学天线输出端口，需要对光载微波信号进行高保真传输。光载 RF 传输作为一种 RF

89、 光纤传输技术，它将射频信号直接调制到光波上，经过光纤传输后，在接收端再将其恢复成原始的 RF信号，并放大通过天线辐射出去。图 4-5 为典型的光载 RF 传输系统结构，其主要包括了三部分：中心局（Central Office,CO）、光纤传输链路和远端天线单元（Remote Antenna Unit,RAU）。CO 包含了基带处理单元&射频调制模块、射频接口、模拟调制光发送机等模块，主要负责对基带信号进行处理并调制到射频载波上，进而再将 RF 信号调制到光域；RAU 则包括了光接收机、射频接口、天线等几个简单组件，仅需将经过光纤链路传输后的光信号转换为电信号，并通过天线辐射出去。通常，CO

90、到 RAU 方向的传输链路被称为下行链路，而 RAU 到 CO 方向的传输链路被称为上行链路。41 图4-5 典型的光载RF传输系统结构 相较于同轴电缆，光纤具有重量轻、损耗低（单模光纤的损耗通常在 0.2 dB/km 左右）等优点。因此，在实际应用中，可以利用光纤将无线信号拉远至不同的地理位置，在实现信号广域覆盖的同时还能保障信号的传输质量。由于微波光子链路采用光纤链路作为射频信号的传输媒质，在质量、体积、信号损耗等方面具有明显的优势，使射频信号长距离光纤传输成为可能，并且无需将天线束缚在发射机与接收机的附近，极大的提高了系统的灵活性与安全性。同时，微波光子链路具有抗电磁干扰特性，可同时传输

91、与处理多个射频信号，消除传统的同轴电缆传输媒质的局限性。微波光子链路在避开各种电子瓶颈与电磁干扰的同时也带来系统的轻巧与灵活，满足宽带无线接入等应用需求，在民用通信和军事应用领域中都具有重要的应用价值。尽管模拟光链路的传输损耗相对于电缆传输很低，但是由于电光转换和光电转换会引入噪声和非线性失真，所以要想获得高保真传输，模拟光链路还需进行线性优化并降低噪声影响。光子链路的非线性主要由电光调制器引起，主要包括二阶谐波、三阶交调（IMD3）与五阶交调引起的非线性。为了消除微波光子链路的非线性，并提高系统的动态范围，已有多种线性化方法被提出。目前，微波光子链路的动态范围已可达上百dBHz2/3。4.2

92、.3 微波光子前端与三维光信息处理验证系统图 4-6 是一个 8 通道的微波光子前端与三维光信息处理验证系统。微波天线阵列接收来自自由空间的微波信号，对微波信息进行离散采样，通过光纤拉远进行远距离接收。由光纤阵列出射的组合波束经过偏振分束器形成线偏振光。随后通过四分之一波片使线偏振光转化为圆偏振光，经滤波器反射载波后再由透镜聚光实现大规模的空间傅里叶变换，并最终由红外照相机的传感器捕捉干涉图，此过程即为空间光域三维信息处理。被反射的载波将再次通过四分之一波片重新转换回线性偏振光，并经由偏振分束器反射到光学处理器的另一路径。在该路径中，光信号穿过中继透镜，形成光纤输出面处信号的光学图像。将该图像

93、与来自主激光器的参考光束在线性光电探测器阵列中进行拍频，产生的拍频信号用于跟踪 8 条独立光纤路径中的相位漂移。使用现场可编程门阵列实时计算反馈信号，并将其传送到相位控制调制器阵列，可实现相位误差探测和自适应补偿。42 稳相参考路相位调制器滤波器输出光纤阵列相位跟踪信号相位稳定校正信号长度可调光纤（时间孔径）天线低噪放调制器/4成像相机PBS相位控制探测器BS空间光处理器1 8 移相器PC/FPGA控制EDFA激光器1 8分束器图4-6 微波光子8通道验证系统示意图 基于全孔径光域下变频技术和阵列光电探测器的平方率检测特性，经由多通道天线系统采样的微波信号会在探测器光敏面位置实现相干加强，将微

94、波信号上携带的基带信息完好地恢复出来。初步实验结果表明，在输入射频信号功率为-15 dBm 时，1 Mbps 的QPSK 调制格式信号经过全孔径光域下变频解调输出的信号矢量误差幅度（EVM）值约为 8%，验证了全孔径多波束微波光域下变频接收的可行性。4.3 面向智能全息无线电的算法构建 4.3.1 RF 全息空间的快速重构算法以及 K 空间层析 为了实现 RF 全息空间电磁信息感知和波矢空间的快速重构，需要研究基于微波光子学的三维信息处理机制，开展微波空间阵列接收和信息处理反演理论研究。重点研究RF 全息空间信息线性变换、快速重构算法理论模型、算法优化和分辨率提升优化、反演算法时效性优化、k

95、空间可视化解析等关键技术。以下将重点介绍其中最具有代表性的 k 空间层析技术。作为寻常空间在傅里叶转换下的对偶空间，k 空间与傅里叶变换有着密切的关系。其中，为人所熟知的一维傅里叶变换将强度-时间关系映射为强度-频率关系，从而实现频谱分析。而对于具有矢量性的信号频率如二维空间信号（x,y），通过二维傅里叶变换后形成的二维空间频率矩阵，即为二维 k 空间。基于 k 空间理论，k 空间层析利用相关光学方法，将 RF 信号转换为光信号，并利用光相位调制和光纤的色散特性对入射 RF 波43 场的 k 矢量进行编码，从而确定 RF 信号的频率及入射角。其具体架构和编码过程如图4-7 所示。360视场天线

96、阵光学上变频模块随机光纤长度随机光纤束探测器阵列权重图图4-7 k空间层析成像系统模型 由于二维 k 空间中的每一点对应一个具有一定空间频率的信号，通过 k 矢量（kx，ky）可以分别表示为 kx=(2/l)/(u/zl)，ky=(2/l)/(/zl)。k 空间层析成像系统首先通过覆盖 360空间探测区域的天线阵列接收 RF 信号，然后利用电光调制器对接收的 RF 信号进行相位调制实现光学上变频转换，从而将每个射频源的频率 fl转换成光频率l，同时也对每个信号附加相位。调制后的光信号通过多路随机长度的光纤引入不同延迟，并在n 个离散探测器构成的探测阵列处实现光电转换。因此，每个探测器都会输出与

97、所在位置处测得的场辐照度成正比的电信号，该过程可以表示为矩阵形式：nnkknkPA SA S(4.1)其中，Pn为第 n 个探测器探测到的光功率，Sk为天线阵接收到的第 k 个平面波的功率，矩阵 S 表示 k 空间中射频信号的功率分布。An为第 n 个探测器分别对应的权值矩阵，Ank为第 k 个平面波对第 n 个探测器探测到的光功率的贡献。相位调制和不同长度的光纤引入的色散对 RF 信号编码的同时，为系统的设计提供了自由度。由于每个探测器处的测量提供了 k 空间体积的一个透视图，组合 n 个透视图生成的断层扫描图像，能够为 RF 场景提供更可靠的估计。为了进一步实现 RF 全息空间的快速重构，

98、可以采用压缩 k 空间层析、Kalman 滤波等方法实现加速建模。（1）压缩 k 空间层析相比于传统的无线通信系统，全息无线电的超大带宽全谱无线通信特性将带来更大44 的数据量。紧耦合连续孔径天线阵将使无线信道数据及相应的处理数据量成百上千倍的增加。利用稀疏采样和压缩感知的信号处理方法能够提取信号中固有的稀疏性，以低于奈奎斯特速率的采样率实现对信号的低损耗高精度采样重构。由于 RF 信号的空间与谱分布在电磁环境中本质上是稀疏的，因此，可以利用压缩感知技术加速建模。压缩 k 空间层析技术，即是将压缩感知应用于 k 空间层析成像，对于足够稀疏的 RF 场景，可以在不丢失信息的情况下减少处理数据和处

99、理时间。压缩感知的测量过程用数学模型可以表示为 y=x=W，其中 x 是为长度为 N 的输入信号，y 是维数为 M1 的观测值结果，是维数为 MN（MN）的观测矩阵，W 是根据信号特征选取的维度为 NM 的不相干正交基，x 可以被 W 稀疏表示为 x=W，其中 是维数为 M1 的向量，表示 x 在变换域 W 上的稀疏系数。如果 中至多有 k 个非零项，则 x 可以被称为 K-稀疏信号。当矩阵乘积 W 满足约束等距性时，观测结果中就包含了足够的信息来恢复信号。稀疏信号的恢复过程可以通过求解一个凸优化问题完成。对于 k 空间层析成像探测公式的矩阵形式 P=AS，P 和 A 分别对应探测得到的光强度

100、值和已知的探测器权值参数，因此通过求解线性方程可以计算 RF 场景矢量 S。传统情况下，大阶数权重矩阵 A 在公式反演时效率低下。为了解决这一问题，可以结合压缩感知技术，利用复振幅加权分布的稀疏性质来解决数据冗余的问题。在公式 P=AS 的左右两侧各乘上一个 MN 的测量矩阵，则矩阵可表示为：11MNNMNNKKPAS(4.2)化简该公式，则 M32 GHz）、数据速率选择和滤波的工作，包括处理实时 1D 数据和 2D 图像，并讨论了使用 S2 材料实现大型（106106）矢量矩阵乘法器的潜在架构46。2018 年，Ryan 等人延续了 k 空间的相关工作47。同年，Falldorf 等人提出

101、了一种基于折射原理的全息波场合成新方案，对衍射全息和折射全息在相空间中产生的光进行比较，通过在空间中生成静态和周期性点图，展示了一个折射全息显示的案例48。2019 年，Pizzo 等人提供了一种简单直观的方法来计算全息 MIMO信道的自由度49。同年，Karimipour 和 Aryanian 等人利用全息和卷积定理实现了任意形状波束的电磁波生成，其中无需采用任何优化算法和数学计算，即可对波束方向进行灵活地操纵，实验验证了具有三个独立波束的全息图原型50。Xu H 等人利用深度学习增强型全息技术在复杂的室内环境中实现准确定位射频识别标签，通过创建新的全息算法，可以在横向和径向达到厘米级的精度

102、，另外评估了它在多种丰富路径的应用场景中的性能51。2020 年，Babbitt 总结了利用空间谱全息材料进行微波光子处理技术的最新进展52。同年，Comoretto 和 Monari 等人采用 512 个台站组成的干涉仪实现了平方公里级别的阵列低频望远镜，通过低频孔径阵列可以组合成相关波束53。关于全息无线电在雷达探测领域的应用研究，2003 年，Merkel 和 Cole 等人进行了模拟 RF 信号处理应用的空间谱相干全息集成处理器的演示，通过相干信号处理，可实现高分辨率多普勒处理54。2014年，Delfyett 通过锁模激光器产生两个相同的光频率梳，使用光谱相位编码的光频梳进行信号处理

103、55。2015 年，Cao S 等人提出了一种新的雷达系统全息雷达，通过记录电磁波的传输模式进行目标检测或雷达成像56。2016 年，Capineri 和 Bechtel 等人详细论述了超宽带雷达目标扫描器的原型和全息信号处理技术57。2020 年，Melo 和 Falconi 等人首次实现了基于绝缘体上硅光子集成电路（PhotonicIntegrated Circuit，PIC）的雷达和激光雷达组合系统58。2021 年，Mazur 和 Suh 等人利用孤子微梳进行了高光谱效率相干超通道传输实验59。近年来微波光子学及其雷达应用的迅速发展也为全息无线电的发展提供了新思路60-62。关于面向全

104、息无线电技术的天线形态，2013 年，Ebadi 和 Driscoll 等人利用超材料在表面引导模式和设计的辐射孔径分布模式之间的切换，演示了基于调制表面超材料的59 微波全息波束形成63。2015 年，Mhlenbernd 等人通过将多个记录通道集成到单个设备中，证明了一种基于几何超表面的宽带全息复用的有效方法64。同年，Gregoire 和 Patel等人提出一种采用极化控制的电子可控全息天线的设计，该天线由 Ku 波段的电子可控表面波波导人工阻抗表面天线的径向阵列组成65。2016 年，Smith 采用一种不同的超材料设计理念，提出了一种用于波束形成和成像的全息超表面系统66。2017

105、年，Li L 和Cui T 等人针对超表面在可重构性、高效率以及对散射光的相位和幅度的全面控制上的薄弱点，通过引入基于 1 位编码超表面的可重新编程全息图的概念来应对这一挑战，实验证明了只需一个编码超表面就可以实时地实现多个全息图像67。2019 年，Black 和Deutsch 等人公开了使用空间-时间全息的大规模多用户 MIMO 天线系统68。同年，Lin Z 和 Huang L 等人提出了一种基于非线性超表面的四波混合全息复用技术，将超表面用于实现计算机生成的全息图，具有出色的波前整形能力和超小的尺寸69。Burch 和 Hunter等人采用柔性全息超表面贴片仿真和实验展示了在毫米波频段

106、工作的反射超表面全息图70。2020 年，Huang C 和 Hu S 等人针对可重新配置的全息 MIMO 表面及其可用硬件体系结构这一主要特征对全息 MIMO 通信进行概述，并强调了设计支持全息 MIMO 通信的机遇和关键挑战71。同年，Chen T 和 Li J 等人设计并实现了一系列新颖的可重构超表面，通过使用这些设备，可以更容易地达到先进的超表面全息图效果72。2021 年，Shang G 和 Wang Z 等人介绍了全息成像和超表面的发展历史，展示了超表面全息在光学领域的应用，并总结了微波领域全息成像的最新进展73。全息无线电除了在学术界进行了广泛和深入的研究外，产业界也在推进其成熟

107、商用。美国 S2 公司基于全息无线电（空间谱全息）实现了一个极致宽带动态谱地图平台，瞬时带宽高达 40GHz。该商用平台可提供 RF 谱深度学习、识别与分析、RF 谱大数据挖掘（Spectral Mining）、动态谱地图与动态谱分配、灵活的高精度实时定位与自适应精准目标识别等应用和业务。AVEILLANT 公司基于全息无线电的全息雷达，不仅提供目标范围和方向，还提供覆盖范围内每个目标的精确 3D 位置。多普勒测量还提供目标速度。结合快速的更新速率，这意味着可以随时准确了解目标所在的位置和去向，实现高分辨率 UAV 成像与探测。全息雷达 3D 定位还使我们能够将目标与地面杂波区分开来，例如飞机

108、和风力涡轮机叶片。2022 年 CES 上，Ossia 展示了基于 RF 全息（全息无线电）技术的无线供电系统Cota。不同于大多数其它无线电力技术使用的波束成形/转向技术，Cota 采用的原理称为“近场 RF 全息”技术，利用电磁辐射的时间反演对称性机理。从所谓逆向信号的复杂共轭过程的简化数学的理解来看，Cota 无线电源系统背后的技术基60 于傅里叶变换和拉普拉斯变换等无线电传播理论。此外，多家初创公司如 HoloWave 等尽管还没有发布相应的产品，但已在全息无线电领域进行了广泛的专利布局。第七章 总结、展望及后续工作的建议 全息无线电不仅可以实现无线通信超高分辨率的空-时-频全维复用，

109、大幅度提高通信容量，而且具有天然的全谱内生通信感知融合和真正的原生智能特性，是 6G 具有潜力和竞争力的空口备选技术之一，但是目前仍有许多挑战，后续的研究方向建议重点放在：完善空间谱全息或编码孔径相关全息（COACH）、空间波场合成或时间反演（相共轭）和 K 空间等理论、算法和建模，全息空间谱复用和解复用算法优化，并开展全息空中接口的链路级性能仿真和验证。进一步优化全息微波信号到全息光学信号的高保真映射方案。基于光、电和超表面的衍射神经网络和计算的层次化异构信号处理架构的仿真与验证。面向全息无线电的小型化三维光信息处理原型样机的优化设计等。61 参考文献 1 Liu G,Huang Y,Li

110、N,et al.Vision,requirements and network architecture of 6G mobilenetwork beyond 2030J.China Communications,2020,17(9):92-104.2 Lee Y L,Qin D,Wang L C,et al.6G massive radio access networks:Key applications,requirements and challengesJ.IEEE Open Journal of Vehicular Technology,2020,2:54-66.3 You X,Wa

111、ng C X,Huang J,et al.Towards 6G wireless communication networks:Vision,enabling technologies,and new paradigm shiftsJ.Science China Information Sciences,2021,64(1):1-74.4 Yuan Y,Zhao Y,Zong B,et al.Potential key technologies for 6G mobilecommunicationsJ.Science China Information Sciences,2020,63:1-1

112、9.5 Bajpai A,Balodi A.Role of 6G Networks:Use Cases and Research DirectionsC/2020IEEE Bangalore Humanitarian Technology Conference(B-HTC).IEEE,2020:1-5.6 Zong B,Zhang X,Li X,et al.Photonics Defined Radio-A New Paradigm for FutureMobile Communication of B5G/6GC/PHOTOPTICS.2018:155-159.7 Zong B,Fan C,

113、Wang X,et al.6G technologies:Key drivers,core requirements,systemarchitectures,and enabling technologiesJ.IEEE Vehicular Technology Magazine,2019,14(3):18-27.8 Emil Bjrnson,“The Role of Academia in Beyond-5G Wireless Research”.IEEE CTN,31 Jul 2020.https:/soc.org/publications/ctn/role-academia-beyond

114、-5g-wireless-research.9 Zong B,Duan X,Fan C,et al.6G Technologies-Opportunities and ChallengesC/2020IEEE International Conference on Integrated Circuits,Technologies and Applications(ICTA).IEEE,2020:171-173.10 Zhao Y,Zhai W,Zhao J,et al.A comprehensive survey of 6g wireless communicationsJ.arXiv pre

115、print arXiv:2101.03889,2020.11 Bhat J R,Alqahtani S A.6G Ecosystem:current status and future perspectiveJ.IEEEAccess,2021,9:43134-43167.12 De Alwis C,Kalla A,Pham Q V,et al.Survey on 6G frontiers:Trends,applications,requirements,technologies and future researchJ.IEEE Open Journal of the Communicatio

116、ns Society,2021,2:836-886.13 Rajatheva N,Atzeni I,Bicais S,et al.Scoring the terabit/s goal:Broadband connectivity62 in 6GJ.arXiv preprint arXiv:2008.07220,2020.14 Xu B,Qi W,Zhao Y,et al.Holographic radio interferometry for target tracking in densemultipath indoor environmentsC/2017 9th Internationa

117、l Conference on Wireless Communications and Signal Processing(WCSP).IEEE,2017:1-6.15 Bjrnson E,Sanguinetti L,H Wymeersch,et al.Massive MIMO is a Reality-What is Next?Five Promising Research Directions for Antenna ArraysJ.2019.16 Konkol M R,Ross D D,Shi S,et al.High-Power Photodiode-Integrated Connec

118、tedArray AntennaJ.Journal of Lightwave Technology,2017,PP(99):1-1.17 Murata H,Kohmu N,Wijayanto Y N,et al.Integration of patch antenna on opticalmodulatorsJ.IEEE Photonic Society Newsletter,2014,28(2):4-7.18 Zhao Y,Wang D,Hu J,et al.H-AP deployment for joint wireless information and energytransfer i

119、n smart citiesJ.IEEE Transactions on Vehicular Technology,2018,67(8):7485-7496.19 Kulkarni V G,Puntambekar P N.Holographic multiplexing using multiple referencebeamsJ.Optica Acta:International Journal of Optics,1981,28(12):1611-1617.20 Kitayoshi H.Holographic radio imaging for EMCC/Conference Procee

120、dings.10thAnniversary.IMTC/94.Advanced Technologies in I&M.1994 IEEE Instrumentation and Measurement Technolgy Conference(Cat.No.94CH3424-9).IEEE,1994:17-20.21 Salo J,Meltaus J,Noponen E,et al.Holograms for shaping radio-wave fieldsJ.Journalof Optics A:Pure and Applied Optics,2002,4(5):S161.22 Ander

121、sen G P.Holographic sparse-aperture telescopes for spaceC/Optical,Infrared,and Millimeter Space Telescopes.International Society for Optics and Photonics,2004,5487:1129-1136.23 Holl P M,Reinhard F.Holography of wi-fi radiationJ.Physical review letters,2017,118(18):183901.24 Xu B,Qi W,Zhao Y,et al.Ho

122、lographic radio interferometry for target tracking in densemultipath indoor environmentsC/2017 9th International Conference on Wireless Communications and Signal Processing(WCSP).IEEE,2017:1-6.25 KuzKin V M,Badiey M,Pereselkov S A,et al.Using Holographic Interferometry toTransmit Information through

123、 a Perturbed Ocean EnvironmentJ.Bulletin of the Russian Academy of Sciences Physics,2021,85(2):201-205.26 Rosen L,Gazdzinski R F.Holographic communications using multiple code stagesJ.63 US,2005.27 Prather D W.Toward holographic RF systems for wireless communications andnetworksJ.IEEE ComSoc Technol

124、ogy News,2016.28 Pizzo A,Marzetta T L,Sanguinetti L.Spatial characterization of holographic MIMOchannelsJ.online https:/arxiv.org/abs/1911.04853,2019.29 Chibiao D,Xiaolan Q I U,Yirong W U.Concept,system,and method of holographicsynthetic aperture radarJ.雷达学报,2020,9(3):399-408.30 Khodaei A,Deogun J.O

125、ptical MIMO Communication Using Holographic SpectralMultiplexing of Pulsed Ultrashort LaserJ.arXiv preprint arXiv:2106.13986,2021.31 Sanguinetti L,DAmico A A,Debbah M.Wavenumber-Division Multiplexing in Line-of-Sight Holographic MIMO CommunicationsJ.arXiv preprint arXiv:2106.12531,2021.32 Liao P Y,C

126、hen Z F,Marinova V,et al.Space division multiplexing of communicationchannels in a multimode fiber using holographic correlator methodC/Holography:Advances and Modern Trends VII.International Society for Optics and Photonics,2021,11774:117740U.33 Sun P C,Mazurenko Y T,Chang W S C,et al.All-optical p

127、arallel-to-serial conversionby holographic spatial-to-temporal frequency encodingJ.Optics letters,1995,20(16):1728-1730.34 Sefler G A,Ma J,Chang T Y,et al.Holographic multichannel radio-frequencycorrelatorJ.Optical Engineering,2000,39:260-266.35 Takasago K,Takekawa M,Shirakawa A,et al.Spatial-phase

128、code-division multiple-access system with multiplexed Fourier holography switching for reconfigurable optical interconnectionJ.Applied optics,2000,39(14):2278-2286.36 Schlottau F,Wagner K H,Bregman J,et al.Sparse antenna array multiple beamformingand spectral analysis using spatial-spectral holograp

129、hyC/MWP 2003 Proceedings.International Topical Meeting on Microwave Photonics,2003.IEEE,2003:355-358.37 Schlottau F,Wagner K H.Demonstration of a continuous scanner and time-integratingcorrelator using spatialspectral holographyJ.Journal of luminescence,2004,107(1-4):90-102.38 Mohan R K,Chang T,Tian

130、 M,et al.Ultra-wideband spectral analysis using S2technologyJ.Journal of luminescence,2007,127(1):116-128.64 39 Babbitt W R,Neifeld M A,Merkel K D.Broadband analog to digital conversion withspatial-spectral holographyJ.Journal of luminescence,2007,127(1):152-157.40 Sullivan I S,Morales M F,Hazelton

131、B J,et al.Fast holographic deconvolution:A newtechnique for precision radio interferometryJ.The Astrophysical Journal,2012,759(1):17.41 Bacot V,Labousse M,Eddi A,et al.Time reversal and holography with spacetimetransformationsJ.Nature Physics,2016,12(10):972-977.42 Murakowski J,Schneider G J,Shi S,e

132、t al.Photonic probing of radio waves for k-spacetomographyJ.Optics express,2017,25(14):15746-15759.43 Murakowski J,Schneider G,Shi S,et al.RF k-space TomographyC/ComputationalOptical Sensing and Imaging.Optical Society of America,2017:CW3B.5.44 Ross D D,Murakowski J,Schneider G J,et al.RF imaging re

133、ceiver based on k-spacetomographyC/2017 IEEE Avionics and Vehicle Fiber-Optics and Photonics Conference(AVFOP).IEEE,2017:9-10.45 Prather D W,Murakowski J,Schneider G J,et al.k-Space tomography for spatial-spectral monitoring in cellular networksC/2017 IEEE MTT-S International Microwave Symposium(IMS

134、).IEEE,2017:1162-1164.46 Barber Z W,Harrington C,Rupavatharam K,et al.Spatial-Spectral Materials for HighPerformance Optical ProcessingC/2017 IEEE International Conference on Rebooting Computing(ICRC).IEEE,2017:1-4.47 Ryan C J,Ross D D,Murakowski J,et al.k-Space Tomography for Spatial-SpectralMappin

135、gC/2018 IEEE Research and Applications of Photonics In Defense Conference(RAPID).IEEE,2018:1-4.48 Falldorf C,Bergmann R B.Holographic wave field synthesis using refractiveelementsC/2018 17th Workshop on Information Optics(WIO).IEEE,2018:1-4.49 Pizzo A,Marzetta T L,Sanguinetti L.Degrees of freedom of

136、 holographic MIMOchannelsC/2020 IEEE 21st International Workshop on Signal Processing Advances in Wireless Communications(SPAWC).IEEE,2020:1-5.50 Karimipour M,Komjani N,Aryanian I.Shaping Electromagnetic Waves with Flexibleand Continuous Control of the Beam Directions Using Holography and Convolutio

137、n TheoremJ.Scientific Reports,2019,9(1).51 Xu H,Wang D,Zhao R,et al.FaHo:deep learning enhanced holographic localization65 for RFID tagsC/Proceedings of the 17th Conference on Embedded Networked Sensor Systems.2019:351-363.52 Babbitt W R.Microwave photonic processing with spatial-spectral holographi

138、cmaterialsC/Optical,Opto-Atomic,and Entanglement-Enhanced Precision Metrology II.International Society for Optics and Photonics,2020,11296:112963L.53 Comoretto G,Monari J,Belli C,et al.The signal processing chain of the Low FrequencyAperture ArrayC/Ground-based and Airborne Telescopes VIII.Internati

139、onal Society for Optics and Photonics,2020,11445:1144571.54 Merkel K D,Cole Z,Mohan R K,et al.Demonstration of the Spatial-Spectral CoherentHolographic Integrating Processor(S2-CHIP)for analog RF signal processing applicationsJ.2003.55 Delfyett P J.Signal processing using spectrally phase encoded op

140、tical frequency combs:U.S.Patent 8,805,197P.2014-8-12.56 Cao S,Zheng Y F,Ewing R L.From phased array to holographic radarC/2015National Aerospace and Electronics Conference(NAECON).IEEE,2015:207-212.57 Capineri L,Bechtel T,Falorni P,et al.Prototype UWB Radar Object Scanner andHolographic Signal Proc

141、essingM/Advanced Ultrawideband Radar.CRC Press,2016:381-404.58 Melo S,Falconi F,Scotti F,et al.A Combined Radar&Lidar System Based on IntegratedPhotonics in Silicon-on-InsulatorJ.Journal of Lightwave Technology,2020,PP(99).59 Mazur M,Suh M G,Fulop A,et al.High spectral efficiency coherent superchann

142、eltransmission with soliton microcombsJ.Journal of Lightwave Technology,2021.60 Pan S,Zhang Y.Microwave photonic radarsJ.Journal of Lightwave Technology,2020,38(19):5450-5484.61 Zhu D,Pan S.Broadband cognitive radio enabled by photonicsJ.Journal of LightwaveTechnology,2020,38(12):3076-3088.62 Pan S,

143、Ye X,Zhang Y and Zhang F.Microwave Photonic Array RadarsJ.IEEE Journalof Microwaves,2021,1(1):176-190.63 Ebadi S,Driscoll T,Smith D.Visual illustrations of microwave holographicbeamforming using a modulated surface-impedance metamaterialC/2013 IEEE Antennas and Propagation Society International Symp

144、osium(APSURSI).IEEE,2013:2343-2344.66 64 Huang L,Mhlenbernd H,Li X,et al.Broadband hybrid holographic multiplexing withgeometric metasurfacesJ.Advanced Materials,2015,27(41):6444-6449.65 Gregoire D J,Patel A,Quarfoth R.A design for an electronically-steerable holographicantenna with polarization con

145、trolC/2015 IEEE International Symposium on Antennas and Propagation&USNC/URSI National Radio Science Meeting.IEEE,2015:2203-2204.66 Smith D R.Holographic metasurface systems for beam-forming and imaging(Conference Presentation)C/Metamaterials,Metadevices,and Metasystems 2016.International Society fo

146、r Optics and Photonics,2016,9918:99181L.67 Li L,Cui T J,Ji W,et al.Electromagnetic reprogrammable coding-metasurfacehologramsJ.Nature communications,2017,8(1):1-7.68 Black E J,Deutsch B M,Katko A R,et al.Massively multi-user MIMO using space timeholography:U.S.Patent 10,447,392P.2019-10-15.69 Lin Z,

147、Huang L,Xu Z T,et al.FourWave Mixing Holographic Multiplexing Based onNonlinear MetasurfacesJ.Advanced Optical Materials,2019,7(21):1900782.70 Burch J,Ma J,Hunter R I,et al.Flexible patches for mm-wave holographyJ.AppliedPhysics Letters,2019,115(2):021104.71 Huang C,Hu S,Alexandropoulos G C,et al.Ho

148、lographic MIMO surfaces for 6Gwireless networks:Opportunities,challenges,and trendsJ.IEEE Wireless Communications,2020,27(5):118-125.72 Chen T,Li J,Cai T,et al.Design of a reconfigurable broadband greyscale multiplexedmetasurface hologramJ.Applied optics,2020,59(12):3660-3665.73 Shang G,Wang Z,Li H,

149、et al.Metasurface holography in the microwaveregimeC/Photonics.Multidisciplinary Digital Publishing Institute,2021,8(5):135.67 贡献单位 主要贡献单位（以字母顺序）序号 贡献单位 贡献内容 序号 贡献单位 贡献内容 1 北京交通大学 基于高性能射线跟踪的全息无线电信道建模 2 北京邮电大学 RF全息空间的快速重构算法以及k空间层析；大规模分布式相干天线（或卫星星座以及UAV集群）的全息孔径合成以及全息逆合成孔径算法；面向智能全息无线电的空间滤波和空间波场合成技术和算法；光载RF信号的高保真变换与传输技术 3 重庆邮电大学 系统架构、应用场景和应用案例 4 大连理工大学 微波光子前端与光学信号处理或光计算透明融合与无缝集成；原型验证 5 复旦大学 全息电磁空间理论与通信感知定位融合方法 6 南京航空航天大学 基于 FFT 的全息无线电理论与建模 7 上海交通大学 系统架构 8 浙江大学 全息无线电近场理论与信道建模 9 中国移动 应用场景和用例 10 中兴通讯股份有限公司 导言、系统架构 联系方式邮箱：COPYRIGHT2022 IMT-2030(6G)PROMOTION GROUP.ALL RIGHTS RESERVED.微信公众号