[论文解读] ABSense: Sensing Electromagnetic Waves on Metasurfaces via Ambient Compilation of Full Absorption

Christos Liaskos, George Pirialakos+14 more|arXiv (Cornell University)|Jul 9, 2019

Metamaterials and Metasurfaces Applications参考文献 37被引用 7

一句话总结

该论文提出ABSense，一种用于超表面（HyperSurfaces, HSFs）的新型电磁波感知方法，通过嵌入式纳米网络迭代调节超表面构型，实现对未知入射电磁波的完全吸收。通过识别使内部功率耗散最大化的构型，并与预先计算的查找表匹配，系统可在无需外部传感器的情况下估计波的属性（如方向、极化），展示了总感知延迟为11 μs的实时、分布式电磁编译器。

ABSTRACT

Metasurfaces constitute effective media for manipulating and transforming impinging EM waves. Related studies have explored a series of impactful MS capabilities and applications in sectors such as wireless communications, medical imaging and energy harvesting. A key-gap in the existing body of work is that the attributes of the EM waves to-be-controlled (e.g., direction, polarity, phase) are known in advance. The present work proposes a practical solution to the EM wave sensing problem using the intelligent and networked MS counterparts-the HyperSurfaces (HSFs), without requiring dedicated field sensors. An nano-network embedded within the HSF iterates over the possible MS configurations, finding the one that fully absorbs the impinging EM wave, hence maximizing the energy distribution within the HSF. Using a distributed consensus approach, the nano-network then matches the found configuration to the most probable EM wave traits, via a static lookup table that can be created during the HSF manufacturing. Realistic simulations demonstrate the potential of the proposed scheme. Moreover, we show that the proposed workflow is the first-of-its-kind embedded EM compiler, i.e., an autonomic HSF that can translate high-level EM behavior objectives to the corresponding, low-level EM actuation commands.

研究动机与目标

• 解决在波属性未知时，超表面中缺乏嵌入式、实时电磁波感知的问题。
• 消除对外部场传感器（如d-dot传感器）的依赖，这些传感器成本高、体积大且空间分辨率低。
• 仅利用超表面自身固有的致动与网络化控制基础设施，实现自感知能力。
• 证明完全吸收可作为波属性估计的代理，通过静态查找表实现。
• 为一种环境电磁编译器奠定基础，该编译器可将高层电磁行为目标映射为底层致动命令。

提出的方法

• 超表面内部的嵌入式纳米网络迭代重新配置超表面中各主动元件（如PIN二极管）的构型，以找到使功率耗散最大的状态。
• 纳米网络使用分布式共识协议聚合本地功率测量值，并计算全局耗散功率估计值。
• 预先计算的静态查找表将每个唯一的执行器构型映射到可导致完全吸收的对应电磁波属性（如方向、极化）。
• 共识过程采用随机退避（RD）和合并时间（TTM）机制，以最小化冲突并确保在12个周期内收敛，即使存在高达90%的测量误差。
• 系统分为两个阶段运行：测量阶段（10 μs）用于收集功率数据，共识阶段（1 μs）用于计算并稳定最优构型。
• 物理层模型假设工作频率为100 GHz，比特率为100 Gbps，发射功率为30 dBW，每轮传输支持约20个连接节点。

实验结果

研究问题

• RQ1 是否可以利用未知电磁波的完全吸收作为代理，来感知其属性（如方向、极化），而无需外部传感器？
• RQ2 如何使超表面内部的分布式纳米网络自主识别出使能量耗散最大的构型？
• RQ3 基于共识的平均机制在多大程度上可缓解本地功率读数中的测量噪声与误差？
• RQ4 该系统能否实现总延迟适合动态电磁控制应用的实时波感知？
• RQ5 在超表面中嵌入一个将高层电磁目标映射为底层执行器命令的电磁编译器是否可行？

主要发现

• 即使初始测量误差高达82%，共识过程也能在仅一个周期内消除误差并迅速收敛。
• 对于高达90%的测量误差，12个共识周期足以消除所有误差并收敛至正确构型。
• 总电磁波感知时间为11 μs，由10 μs的测量时间和1 μs的共识时间组成，证明了实时可行性的实现。
• 每个纳米节点每周期约传输和接收10个数据包，通信开销有界且可预测。
• 系统仅利用HSF内部的致动与网络化控制即可实现可靠的波属性估计，无需外部传感器。
• 所提出的方案可作为新型嵌入式电磁编译器，通过静态查找表将高层电磁行为目标（如完全吸收）转换为底层执行器命令。