【最新成果】智能电磁感知的若干进展

在电磁大数据时代，电磁感知在数据采集、存储、传输和处理等方面面临诸多挑战，亟需发展低成本、高效率、高精度的感知新体制，人工材料和人工智能的发展为解决这个问题提供了重要契机。近年来，北京大学李廉林教授团队和东南大学崔铁军院士合作，将人工材料(信息超材料)和人工智能有机融合，构建了智能电磁感知新框架。该研究综述已发表在《雷达学报》2021年第2期“信息超材料及其雷达应用”专刊论文“智能电磁感知的若干进展”（李廉林，崔铁军）。

研究背景

现有电磁感知体制主要包括：合成孔径体制、相控阵体制和孔径编码体制。其中，合成孔径体制依赖天线的机械扫描，数据获取效率低，无法满足实时感知的需求；相控阵体制依赖大规模天线阵的波束扫描，系统复杂、硬件成本昂贵；孔径编码感知体制高度依赖一个计算成本非常昂贵的迭代优化算法，数据处理耗时。

近年来，人工材料(尤其是信息超材料)和人工智能得到长足发展，它们分别在电磁物理和信息调控方面表现出强大的能力和潜力。信息超材料不仅具有灵活的电磁物理调控能力，而且具有颗粒度细(单元尺寸小)、剖面低、可控自由度多等独特优势，为构建低能耗和低成本的电磁感知系统提供了有力保障。

与此同时，人工智能正在以一种迅雷不及掩耳之势扑面而来，并迅速渗透到生活中的多个应用领域。人工智能能够从数据中学习，具有超越人类的数据处理速度和计算精度，为电磁感知在学习目标环境、推断目标特性、适应目标行为等方面提供重要帮助。

论文介绍

该文首先讨论了信息超材料和经典机器学习（这里指主分量分析法）相结合的智能感知方法。主分量机器学习方法对信息超材料在物理层的辐射模式进行训练，使得信息超材料能够在物理域对目标特征进行提取，从而有效降维采集数据，实现智能数据获取。如图1所示，该工作在3GHz频段基于信息超材料实现了约百赫兹帧率的微波成像，为解决现有成像体制在成本、效率和精度等方面的难题提供了新思路。

图1 经典机器学习驱动的智能电磁感知成像原理和部分结果

接下来，为进一步解决现实场景需求的多功能电磁感知问题，论文讨论了信息超材料与深度学习相结合的智能电磁感知方法。其中，信息超材料一方面采用随机降维的方法设计其辐射模式呈现无序复杂分布，进而获取人体目标对应的微波数据，另一方面采用1比特后向投影方法设计信息超材料的辐射模式对人体局部区域实现聚焦功能；然后，3个具有不同功能的深层卷积神经网络有效建立了微波数据与真实人体目标之间的端到端映射以及快速识别人体目标的局部手势信息，实现了高效、智能化地处理繁多庞杂的微波数据；另外，利用时频分析法可以从微波数据中提取人体呼吸体征信息。如图2所示，该工作在2.4GHz的Wi-Fi频段首次构建了集人体姿态成像、局部肢体语言识别以及生命体征检测3种功能为一体的智能感知系统，为解决智慧家庭人机交互，解决语言障碍人群进行交流等问题提供了新的途径。

图2 深度学习驱动的智能电磁感知成像原理和部分结果

最后，论文也讨论了强化学习思想启发的智能电磁感知方法，该方法借助变分自编码方法实现了智能数据获取和智能数据处理的一体化操作。具体地，假设成像目标、信息超材料编码及观测数据分别是 x, C和y，它们之间满足：L(C, x)=EqC(y|x,Θ)[lgp(x|y)]。该方法提出了两个深度人工神经网络m -ANN和r-ANN分别用于建模表征测量模型的条件概率密度函数qC(y|x)和表征数据处理算法的条件概率密度函数p(x|y)。通过最优化上述价格函数可以获取最优或局部最优的获取模式和相匹配的数据处理算法。结果表明：采用智能数据获取和智能数据处理的一体化操作，能有效提高电磁感知的数据获取效率和数据处理性能。

作者简介

李廉林(1980–)，男，山西人，北京大学信息科学技术学院教授、博士生导师。近年来，从事电磁感知体制、算法和工程应用方面的教学科研工作。

崔铁军(1965–)，男，中国科学院院士，东南大学首席教授， IEEE Fellow，长期从事电磁超材料和计算电磁学研究。