[논문 리뷰] Virtual VNA: Minimal-Ambiguity Scattering Matrix Estimation with Load-Tunable Ports

Philipp del Hougne|arXiv (Cornell University)|2024. 03. 12.

Indoor and Outdoor Localization Technologies인용 수 4

한 줄 요약

이 논문은 N개의 포트를 가진 복잡한 피동적 선형 시스템의 정확한 산란 행렬 추정을 가능하게 하는 '가상 VNA'(Virtual VNA) 기법을 제안한다. 이 기법은 전체 포트 중 일부인 NA < N개의 접근 가능한 포트만 사용하고, 나머지 NS = N−NA개의 '직접 접근 불가능한'(NDA) 포트는 조절 가능한 부하로 종료함으로써 작동한다. 세 가지 방법—각 NDA 포트당 세 개의 알려진 부하가 필요한 해석적 방법(부호 모호성 해결), 임의의 부하 구성으로 최적화하는 경사 하강법(노이즈에 강건함), 그리고 위상에 민감하지 않은 강도 측정만을 사용하는 위상 복원 기법—을 제안하여 최소한의 측정 수와 상한이 있는 校정 복잡도로 전체 S-매트릭스 재구성을 달성한다.

ABSTRACT

We estimate the scattering matrix of an arbitrarily complex linear, passive, time-invariant system with $N$ monomodal lumped ports by inputting and outputting waves only via a fixed set of $N_\mathrm{A}<N$ ports while terminating the remaining $N_\mathrm{S}=N-N_\mathrm{A}$ "not-directly-accessible" (NDA) ports with tunable individual loads. First, we present a closed-form approach requiring at least three arbitrary, distinct, and known loads at each NDA port; sign ambiguities on off-diagonal scattering coefficients associated with NDA ports are inevitable. Being matrix-valued, our approach is ideally suited to mitigate noise sensitivity using more accessible ports. It also yields $1+2N_\mathrm{S}+N_S(N_S-1)/2$ as upper bound on the number of required measurements $N_\mathrm{cal}$ for $N_\mathrm{A}>1$ in the low-noise regime. Second, we present a gradient-descent approach using random load configurations, enabling flexible adjustments of $N_\mathrm{cal}$ to further mitigate noise. Third, we present an intensity-only gradient-descent approach, dispensing with phase-sensitive detectors at the expense of an additional blockwise phase ambiguity. Then, we discuss in what applications the inevitable remaining ambiguities are problematic and how to lift them. Finally, we experimentally validate all three approaches with an eight-port reverberation chamber and $N_\mathrm{A}=N_\mathrm{S}=4$, systematically assessing the sensitivity to noise and $N_\mathrm{cal}$. We coin our technique "virtual vector network analyzer (VNA)" because it implies that suitably tunable and characterized individual loads can essentially be interpreted as additional "virtual" VNA ports. Our method can characterize static large antenna systems with many and/or embedded ports, but also reconfigurable wave systems; it may further enable wireless sensing in indoor surveillance, non-destructive testing, and bioelectronics.

연구 동기 및 목표

• 물리적으로 접근 가능한 포트의 일부만 존재할 경우, 복잡한 선형, 피동적, 시간 불변 시스템의 전체 산란 매트릭스 추정을 가능하게 하기 위해.
• 다수 또는 내장된 포트를 가진 시스템에서 기존 VNA 측정의 한계를 극복하기 위해, NDA 포트에 조절 가능한 부하를 사용하여 가상의 측정 포트를 생성하기 위해.
• 측정 수를 최소화하고 위상 모호성을 다루며, 노이즈에 강건하고 확장 가능하며 실용적인 校정 방법을 개발하기 위해.
• 8포트 반사실실실(Reverberation Chamber)에서 실험적으로 검증하여 노이즈에 대한 강건성과 캘리브레이션 횟수의 제한성을 입증하기 위해.

제안 방법

• 각 NDA 포트당 세 개의 서로 다른 알려진 부하가 필요한 행렬 기반의 해석적 방법을 제안하여 전체 S-매트릭스를 추정하며, 비대칭 계수에서 내재된 부호 모호성이 존재한다.
• 저노이즈 환경에서 NA > 1일 경우, 행렬 역행렬과 질서 2 업데이트를 활용하여 최대 측정 수의 이론적 상한을 1 + 2NS + NS(NS−1)/2로 유도한다.
• 임의 또는 기회적인 부하 구성으로 최적화하는 경사 하강법 프레임워크를 도입하여 Ncal을 융통성 있게 조정하고 노이즈 민감도를 완화한다.
• 위상 민감도 측정 장치를 회피하기 위해 블록 단위의 위상 모호성 모델과 특이값 비율 최대화를 통한 전역 위상 정렬을 사용하는 강도 전용 위상 복원 방법을 개발한다.
• TensorFlow 기반 역전파를 사용하여 예측된 S-매트릭스 차이와 진짜 S-매트릭스 차이 간 상대 오차를 최소화하는 비용 함수를 정의하고, 대칭성 조건을 제약 조건으로 강제한다.
• 최적화가 전역 위상 불확실성에 영향을 받지 않도록 하기 위해 수정된 비용 함수 CPL을 사용하여 위상 모호성에도 불구하고 안정적인 수렴을 가능하게 한다.

실험 결과

연구 질문

• RQ1 복잡한 시스템의 전체 N×N 산란 매트릭스는 접근 가능한 포트의 일부와 NDA 포트에 대한 조절 가능한 부하만을 사용하여 추정할 수 있는가?
• RQ2 노이즈와 부하 변동성 존재 하에서, 부호 모호성이 없는 S-매트릭스 추정을 위해 필요한 최소 측정 수는 얼마인가?
• RQ3 위상 민감도가 없는 측정을 어떻게 사용하여 통제 가능한 모호성을 가진 전체 복소 S-매트릭스를 복원할 수 있는가?
• RQ4 임의의 부하 구성으로 최적화하는 경사 하강법 방법이 노이즈 환경에서 고정된 부하 해석적 방법보다 우월한가?
• RQ5 제안된 방법들이 RIS, 광학 회로, 또는 신경망과 같은 재구성 가능한 파동 시스템에 얼마나 일반화될 수 있는가?

주요 결과

• 해석적 방법은 NA > 1일 경우 저노이즈 조건에서 전체 S-매트릭스 추정을 위해 최대 측정 수 1 + 2NS + NS(NS−1)/2를 확보한다.
• 경사 하강법 방법은 융통성 있고 기회적인 부하 구성과 적응형 측정 횟수 Ncal을 허용함으로써 노이즈 민감도를 감소시킨다.
• 강도 전용 방법은 위상 정보 없이도 S-매트릭스를 성공적으로 복원하며, 블록 단위의 위상 모호성을 도입하고 특이값 비율 최대화를 통해 이를 해결한다.
• 8포트 반사실실실(NA = NS = 4)에서의 실험적 검증을 통해 방법의 강건성이 확인되었으며, 56개의 복소 매개변수(112개의 실수 변수) 추정에 표준 데스크톱에서 약 6초가 소요되었다.
• 위상 민감도 측정 없이도 정확한 S-매트릭스 재구성이 가능하여 저비용, 확장 가능한 무선 센싱 및 특성 분석의 실현 가능성을 입증한다.
• NDA 포트를 포함한 비대칭 S-파라미터에 대한 부호 모호성은 피할 수 없지만, 많은 애플리케이션에서 문제가 되지 않으며, 문제 기술을 수정함으로써 제거 가능하다.