硅光光学相控阵旁瓣压缩算法的研究

郭进 刘其鑫 路侑锡 蒋平 杨米杰 曹睿 李同辉 刘祖文 冯俊波 金里

（联合微电子中心有限责任公司，重庆 401332）

近些年来，随着无人驾驶、智能机器人领域的快速发展，作为核心传感器的激光雷达受到了广泛关注，得到了快速的发展。硅光OPA 提供了全新的激光雷达光束扫描方案，采用兼容的CMOS工艺进行硅光OPA 的制作，易于批量化和低成本化，光束扫描通过电子调相来实现，避免了传统的机械扫描的惯性，可靠性更高，除此之外，采用热光或者电光效应调相，光束扫描的速度可以更快。

硅光OPA 近些年来发展迅速，无论从规模和性能上来说都取得了长足的进步，规模方面，已从1*16 阵列[1]、1*32 阵列[2]发展到1*512 阵列[3]、1*1024 阵列[4]。性能方面，硅光OPA 各个子器件的损耗、效率得到了全方位提升，包括1*2 功分器[5]损耗可到0.04dB、移相器[5]功耗约2μW/2Π、天线[6]效率大于90%等。对于硅光OPA 来说，旁瓣压缩比是一项重要指标，直接影响到探测的准确性，通常情况下，旁瓣压缩均通过一些校准算法来实现，但目前报道中，这一指标相对较低，如文献[7]中的1*64 阵列报道的指标为11.4dB，文献[8] 中的1*128 阵列报道的指标为12dB，文献[9]采用PSO 算法报道指标仅为12.2dB，文献[11]采用爬坡算法报道指标仅为6.65dB，FWHM (Full Width at Half Maximum)为0.25°，这些指标性能距离实际应用相对较远，因此有必要提出一种新的思路，来提高旁瓣压缩比，提高硅光相控阵的可实用性。

目前较常用的旁瓣压缩算法有粒子群算法[9]、遗传算法[10]、爬坡算法[11]。经过测试粒子群算法和爬坡算法极易陷入局部最优解，导致校正效果不佳。OPA 阵列规模提升之后，普通遗传算法迭代次数过多，不具备工程应用价值。本文以遗传算法为基础，通过多个适应度评价函数限定种群进化方向，通过改进的交叉算法，极大提高了收敛速度和校正效果。使用该算法校正之后实际测量最佳旁瓣压缩比在18db-20db，迭代次数在300次附近，具有极大的工程应用价值。

1 硅光光学相控阵的设计与制作

硅光OPA 早于2009 年就被研究[1]，文献中提出了一种一维阵列，天线采用一维光栅结构，通过采用调相和波长调谐实现光束的二维扫描。后来美国麻省理工学院提出了2 维阵列[12]，64x64 规模，天线间距为9um，10 倍多于半光学波长（λ=1550nm），扫描角度仅仅只有±6°（仅仅针对其中的8x8 阵列）。虽然二维阵列均可采用调相实现二维扫描，但是受限于硅光波长的特征尺寸较大（当λ=1550nm，单模波长尺寸为450nm），当阵列规模较大时，天线之间的尺寸将会数倍于波长，且密集的光链路布线难度巨大，很难应用到实际需求中。因此近些年来，一维阵列越来越受到青睐。我们的设计中也采用一维阵列，通过实现波长调谐和移相实现二维扫描，如图1 所示硅光OPA 架构，主要由三个部分组成：功率分配网络、移相器阵列、天线阵列。当光信号通过功率分配网络，均分到128 通道中，并进入移相器阵列中，通过热光或者电光效应对每个通道进行调相，带有调制的相位的光进入天线中，并由天线向空间辐射，由于每个通道的光信号带有特定的相位信息，因此，会在某个方向形成相干增强，达到波束赋形的目的。

图1 硅光OPA 架构

功分网络采用级联的1x2 多模干涉耦合仪（MMI）组成，7 级即可实现27=128 通道的功率分配，如图2(a)、(b)所示为MMI 的结构及FDTD 仿真图，为了实现对1x2MMI 功分器插损的评估，实验中采用级联MMI 结构，图2(c)所示，通过对每个1-6 号端口测试，并进行线性拟合（图2(d)），得出单个1x2MMI 的插损约为0.3dB；移相器则利用硅材料的热光效应，通过加热硅光波导，实现折射率的变化，从而改变光程，得到光信号相位的变化，本实验中，采用TiN 作为加热电阴，TiN 宽度2.5um，长度110um，距离波导上方2um，为了得到热光移相器的调相效率和调相速率，我们设计制作了马赫曾德干涉仪（MZI），其中一臂采用的移相器与硅光OPA 中的相同，如图3(a)所示，施加在移相器一端的电压从0 增长到4.1V，正好经过了一个周期，热调移相电阴为0.6kΩ，因此P2Π=32.26mW，如图3(b)所示为在10kHz方波信号下热光移相器的响应，图中可清晰观察到光信号在热光调谐下的变化，从图中可看出热光调谐速率＞10kHz；光学天线采用光栅结构，相邻天线的间距为2um，天线长度为12um，宽度为1um，光栅的周期与耦合光栅的近似为626nm，占空比为50%，其天线结构及空间辐射场如图4(a)、(b)所示。芯片是采用联合微电子中心180nm 硅光工艺进行制作的，128 通道硅光OPA 的显微镜图如图5(a)所示，采用了垂直耦合方式实现光信号的输入，芯片完成制作后，对其进行光学和电学封装，如图5(b)所示为整体系统，采用三层板，可插拔式方案，系统中集成多通道移相器驱动、温控等，可满足硅光OPA 扫描模块的小型化。

图2 1x2MMI 功分器

图3 MZI 器件

2 旁瓣压缩算法原理

遗传算法（GA）为求解多维空间全局最优解提供了方案。它最早由美国的John holland 提出，该算法是根据大自然中生物进化规律设计提出的。是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转化成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时，相对一些常规的优化算法，通常能够较快地获得较好的优化结果。但是对于阵列规模较大的OPA 阵列，经过测试普通遗传算法无法得到理想校正结果，容易陷入局部最优解，寻找全局最优解能力不足。

针对普通遗传算法缺点，本文在此基础上进行了改进。使用了多个环境适应度函数，使得整个种群从本质上具备了多样化。采用一对多的交叉方式，加快了每一代迭代速度。加入早熟收敛检测机制，降低了收敛于局部最优解的概率。

初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解。在每一代，使用多种适应度函数作用于种群中的每个个体，从中选择出该适应度函数下的最优秀个体并将它们的基因片段随机复制给其它个体以产生下一代。整个过程将使得种群像自然进化一样，优秀个体总能够将基因遗传下去，后生代种群比前代更加适应环境。末代种群中最优的个体，可以作为问题近似最优解。所以适应度函数直接决定了后代对于何种环境的适应能力。

本文采用了两个评价函数，将ROI 区域中的SNR 值(Signal Noise Ratio)作为一个评价函数，

将评价函数作用于种群得到两个最优个体之后，从这两个个体中随机选择N1 和N2 个基因替换掉每个个体中原有的基因。二者比值被称为进化意愿。R 大小决定了种群将会对哪种环境更加适应。

同时N1 和N2 决定了收敛的速度，但是不合适的N 值会导致不如意的校正结果。

系统通过种群内个体的差异来判断是否早熟收敛，一旦判定早熟收敛，系统会在最优个体的基础上进行变异。产生大量新个体替代旧种群中的个体（图6）。

图6 算法流程图

3 算法实验分析

本次旁瓣压缩实验使用的是上文提到的128 通道OPA 芯片。校正位置设置在扫描角度为+6°附近，对应于图片x=300px，y=300px 位置处。实验中，取种群数量为M=300，设置最大迭代次数为1000。优化前如图7 所示，存在明显的旁瓣，并且能量比较分散，在x=300px 处，灰度值仅为1620 左右。优化之后效果如图8 所示，已经不存在明显的旁瓣，光能量基本集中在x= 300 位置处，去除相机纹波干扰后，旁瓣压缩比在20db，光斑发散角为0.16 度，极大的提升的相控阵的分辨率。

图7 随机相位效果图

结束语

本文提出了一种基于遗传算法的改进型旁瓣压缩算法，该算法利用了遗传算法从串集开始搜索、覆盖面大，利于全局择优的特点。增加了早熟判断，在提升旁瓣压缩效率的同时，显著提高了发散角的分辨率。实验结果表明，该算法能够成功的将旁瓣压缩至主瓣-18dB～-20dB，从而消除旁瓣带来的影响，并且能够将主瓣宽度压缩到0.16 度，提高了分辨率，提升了OPA芯片的实用性。