[论文解读] Virtual VNA: Minimal-Ambiguity Scattering Matrix Estimation with Load-Tunable Ports

Philipp del Hougne|arXiv (Cornell University)|Mar 12, 2024

Indoor and Outdoor Localization Technologies被引用 4

一句话总结

该论文提出了一种'虚拟网络分析仪（Virtual VNA）'技术，仅通过部分可访问端口（NA < N）对具有N个端口的复杂、无源、线性系统进行精确的散射参数矩阵估计，同时将剩余的NS = N−NA个'非直接可访问'（NDA）端口用可调负载端接。该方法提出三种方法——每个NDA端口使用三个已知负载的闭式解法（解决符号模糊性）、使用随机负载配置的梯度下降法（抗噪声）、以及仅强度的相位恢复法（相位无关），在最小化测量次数和校准复杂度上界的情况下，实现完整的S参数矩阵重建。

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.

研究动机与目标

• 当仅部分端口物理可访问时，实现对复杂线性、无源、时不变系统的完整散射参数矩阵估计。
• 通过在NDA端口使用可调负载作为虚拟测量端口，克服传统VNA在具有大量或嵌入式端口系统中的局限性。
• 开发抗噪声、可扩展且实用的校准方法，最小化所需测量次数，并处理相位模糊性问题。
• 在具有NA = NS = 4的复杂8端口混响室上进行实验验证，证明方法对噪声和校准次数的鲁棒性。

提出的方法

• 提出一种闭式矩阵方法，每个NDA端口需三个不同且已知的负载，以估计完整的S参数矩阵，但存在对角线外系数的固有符号模糊性。
• 推导出在低噪声条件下，当NA > 1时，测量次数的理论上限为1 + 2NS + NS(NS−1)/2，利用矩阵求逆和秩-2更新。
• 引入基于梯度下降的优化框架，使用随机或机会性负载配置，灵活调节Ncal并减轻噪声敏感性。
• 开发一种仅强度的相位恢复方法，通过使用分块相位模糊性模型和奇异值比最大化实现全局相位对齐，避免使用相位敏感探测器。
• 采用基于TensorFlow的反向传播，通过最小化预测S参数差值与真实值之间相对误差的代价函数，将互易性作为约束条件。
• 使用改进的代价函数CPL，使优化对全局相位不确定性保持不变，从而在存在相位模糊性的情况下实现稳定收敛。

实验结果

研究问题

• RQ1 能否仅通过部分可访问端口和NDA端口的可调负载，对复杂系统的N×N完整散射矩阵进行估计？
• RQ2 在存在噪声和负载变化的情况下，实现无歧义S参数矩阵估计所需的最少测量次数是多少？
• RQ3 如何利用相位无关的测量方法，以受控模糊性恢复完整的复数S参数矩阵？
• RQ4 在噪声环境中，使用随机负载配置的梯度下降法是否优于固定负载的闭式解法？
• RQ5 所提出的方法在可重构波系统（如RIS、光子电路或神经网络）中可推广到何种程度？

主要发现

• 闭式解法在NA > 1时，测量次数上限为1 + 2NS + NS(NS−1)/2，适用于低噪声条件。
• 梯度下降法通过允许灵活、机会性的负载配置和自适应测量数Ncal，降低了噪声敏感性。
• 仅强度方法成功利用仅幅度测量恢复S参数矩阵，引入分块相位模糊性，可通过奇异值比最大化实现消除。
• 在8端口混响室（NA = NS = 4）上的实验验证确认了方法的鲁棒性，估计56个复数参数（112个实变量）仅需约6秒，运行于标准台式机。
• 该方法即使在相位无关检测条件下也能实现精确的S参数矩阵重建，证明其在低成本、可扩展无线传感与表征中的可行性。
• 涉及NDA端口的S参数矩阵非对角线元素的符号模糊性不可避免，但研究表明在许多应用中并非问题，且可通过修改问题表述予以消除。