蓋世汽車訊 在雷達、機器視覺和醫學成像等智能傳感領域，用于決策的關鍵信息往往很少。例如，單音節波形需要數千個采樣點，但僅含有少量信息。

如果能夠直接在信號接收模擬鏈路中提取關鍵信息，則可以大幅降低數據冗余度和數據速率，從而大大減少數字處理挑戰。因此，“模擬特征提取”策略在智能傳感領域受到了廣泛關注。然而，在射頻(RF)傳感領域，通常需要幾十億赫茲的寬帶信號來區分目標細節。受限于現有RF電路的帶寬和可重構性，AFE策略在RF傳感領域的應用面臨挑戰。

據外媒報道，上海交通大學電子工程系智能微波光波融合創新中心先進光通信系統與網絡國家重點實驗室鄒衛文教授領導的研究團隊開發出可以實現寬帶RF信號AFE的光子方案。該論文發表在期刊《光:科學與應用(Light: Science amp; Applications)》上。

原則上來說，光子因其寬帶能力和可重構性而被視為RF信號處理的競爭選項。如果能夠在光子電路中實現特征提取物理結構，則可以直接將輸入信號轉換為特征，而無需進行數字處理。

基于這一想法，研究人員應用了一種光子芯片，可以直接利用從天線接收的原始RF信號輸出關鍵特征，幫助高精度識別不同目標。此次報告的方案將為自動駕駛、機器人和智能工廠中涉及的高效信號處理提供富有前景的途徑。

該方案的關鍵部分是光子芯片。研究人員表示:“本質上來說，特征提取結構是一個卷積神經網絡，可以輸出輸入信號的時空特征。光子芯片模仿神經網絡對RF信號進行特征提取。此外，研究人員針對光子特征提取系統設計出高效的訓練方法。這大大降低了神經網絡的訓練成本，使訓練成為可能。”

實驗結果表明，光子特征提取器可以保持97.5%的目標識別精度，同時將數據率壓縮4倍。分析結果顯示，光子時空特征提取器的識別精度，比不進行特征提取時提高了7.7%。與一維特征提取相比，時空特征提取的性能提高了6%，由此證明了光子特征提取器的有效性。

研究人員認為，這項提議將促進用于寬帶RF信號處理的自然高效的AFE策略的發展，并為開發下一代認知RF傳感系統提供富有前景的途徑。