硅光光學相控陣旁瓣壓縮算法的研究

郭進 劉其鑫 路侑錫 蔣平 楊米杰 曹睿 李同輝 劉祖文 馮俊波 金里

（聯合微電子中心有限責任公司，重慶 401332）

近些年來，隨著無人駕駛、智能機器人領域的快速發展，作為核心傳感器的激光雷達受到了廣泛關注，得到了快速的發展。硅光OPA 提供了全新的激光雷達光束掃描方案，采用兼容的CMOS工藝進行硅光OPA 的制作，易于批量化和低成本化，光束掃描通過電子調相來實現，避免了傳統的機械掃描的慣性，可靠性更高，除此之外，采用熱光或者電光效應調相，光束掃描的速度可以更快。

硅光OPA 近些年來發展迅速，無論從規模和性能上來說都取得了長足的進步，規模方面，已從1*16 陣列[1]、1*32 陣列[2]發展到1*512 陣列[3]、1*1024 陣列[4]。性能方面，硅光OPA 各個子器件的損耗、效率得到了全方位提升，包括1*2 功分器[5]損耗可到0.04dB、移相器[5]功耗約2μW/2Π、天線[6]效率大于90%等。對于硅光OPA 來說，旁瓣壓縮比是一項重要指標，直接影響到探測的準確性，通常情況下，旁瓣壓縮均通過一些校準算法來實現，但目前報道中，這一指標相對較低，如文獻[7]中的1*64 陣列報道的指標為11.4dB，文獻[8] 中的1*128 陣列報道的指標為12dB，文獻[9]采用PSO 算法報道指標僅為12.2dB，文獻[11]采用爬坡算法報道指標僅為6.65dB，FWHM (Full Width at Half Maximum)為0.25°，這些指標性能距離實際應用相對較遠，因此有必要提出一種新的思路，來提高旁瓣壓縮比，提高硅光相控陣的可實用性。

目前較常用的旁瓣壓縮算法有粒子群算法[9]、遺傳算法[10]、爬坡算法[11]。經過測試粒子群算法和爬坡算法極易陷入局部最優解，導致校正效果不佳。OPA 陣列規模提升之后，普通遺傳算法迭代次數過多，不具備工程應用價值。本文以遺傳算法為基礎，通過多個適應度評價函數限定種群進化方向，通過改進的交叉算法，極大提高了收斂速度和校正效果。使用該算法校正之后實際測量最佳旁瓣壓縮比在18db-20db，迭代次數在300次附近，具有極大的工程應用價值。

1 硅光光學相控陣的設計與制作

硅光OPA 早于2009 年就被研究[1]，文獻中提出了一種一維陣列，天線采用一維光柵結構，通過采用調相和波長調諧實現光束的二維掃描。后來美國麻省理工學院提出了2 維陣列[12]，64x64 規模，天線間距為9um，10 倍多于半光學波長（λ=1550nm），掃描角度僅僅只有±6°（僅僅針對其中的8x8 陣列）。雖然二維陣列均可采用調相實現二維掃描，但是受限于硅光波長的特征尺寸較大（當λ=1550nm，單模波長尺寸為450nm），當陣列規模較大時，天線之間的尺寸將會數倍于波長，且密集的光鏈路布線難度巨大，很難應用到實際需求中。因此近些年來，一維陣列越來越受到青睞。我們的設計中也采用一維陣列，通過實現波長調諧和移相實現二維掃描，如圖1 所示硅光OPA 架構，主要由三個部分組成：功率分配網絡、移相器陣列、天線陣列。當光信號通過功率分配網絡，均分到128 通道中，并進入移相器陣列中，通過熱光或者電光效應對每個通道進行調相，帶有調制的相位的光進入天線中，并由天線向空間輻射，由于每個通道的光信號帶有特定的相位信息，因此，會在某個方向形成相干增強，達到波束賦形的目的。

圖1 硅光OPA 架構

功分網絡采用級聯的1x2 多模干涉耦合儀（MMI）組成，7 級即可實現27=128 通道的功率分配，如圖2(a)、(b)所示為MMI 的結構及FDTD 仿真圖，為了實現對1x2MMI 功分器插損的評估，實驗中采用級聯MMI 結構，圖2(c)所示，通過對每個1-6 號端口測試，并進行線性擬合（圖2(d)），得出單個1x2MMI 的插損約為0.3dB；移相器則利用硅材料的熱光效應，通過加熱硅光波導，實現折射率的變化，從而改變光程，得到光信號相位的變化，本實驗中，采用TiN 作為加熱電陰，TiN 寬度2.5um，長度110um，距離波導上方2um，為了得到熱光移相器的調相效率和調相速率，我們設計制作了馬赫曾德干涉儀（MZI），其中一臂采用的移相器與硅光OPA 中的相同，如圖3(a)所示，施加在移相器一端的電壓從0 增長到4.1V，正好經過了一個周期，熱調移相電陰為0.6kΩ，因此P2Π=32.26mW，如圖3(b)所示為在10kHz方波信號下熱光移相器的響應，圖中可清晰觀察到光信號在熱光調諧下的變化，從圖中可看出熱光調諧速率＞10kHz；光學天線采用光柵結構，相鄰天線的間距為2um，天線長度為12um，寬度為1um，光柵的周期與耦合光柵的近似為626nm，占空比為50%，其天線結構及空間輻射場如圖4(a)、(b)所示。芯片是采用聯合微電子中心180nm 硅光工藝進行制作的，128 通道硅光OPA 的顯微鏡圖如圖5(a)所示，采用了垂直耦合方式實現光信號的輸入，芯片完成制作后，對其進行光學和電學封裝，如圖5(b)所示為整體系統，采用三層板，可插拔式方案，系統中集成多通道移相器驅動、溫控等，可滿足硅光OPA 掃描模塊的小型化。

圖2 1x2MMI 功分器

圖3 MZI 器件

2 旁瓣壓縮算法原理

遺傳算法（GA）為求解多維空間全局最優解提供了方案。它最早由美國的John holland 提出，該算法是根據大自然中生物進化規律設計提出的。是模擬達爾文生物進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優解的方法。該算法通過數學的方式，利用計算機仿真運算，將問題的求解過程轉化成類似生物進化中的染色體基因的交叉、變異等過程。在求解較為復雜的組合優化問題時，相對一些常規的優化算法，通常能夠較快地獲得較好的優化結果。但是對于陣列規模較大的OPA 陣列，經過測試普通遺傳算法無法得到理想校正結果，容易陷入局部最優解，尋找全局最優解能力不足。

針對普通遺傳算法缺點，本文在此基礎上進行了改進。使用了多個環境適應度函數，使得整個種群從本質上具備了多樣化。采用一對多的交叉方式，加快了每一代迭代速度。加入早熟收斂檢測機制，降低了收斂于局部最優解的概率。

初代種群產生之后，按照適者生存和優勝劣汰的原理，逐代演化產生出越來越好的近似解。在每一代，使用多種適應度函數作用于種群中的每個個體，從中選擇出該適應度函數下的最優秀個體并將它們的基因片段隨機復制給其它個體以產生下一代。整個過程將使得種群像自然進化一樣，優秀個體總能夠將基因遺傳下去，后生代種群比前代更加適應環境。末代種群中最優的個體，可以作為問題近似最優解。所以適應度函數直接決定了后代對于何種環境的適應能力。

本文采用了兩個評價函數，將ROI 區域中的SNR 值(Signal Noise Ratio)作為一個評價函數，

將評價函數作用于種群得到兩個最優個體之后，從這兩個個體中隨機選擇N1 和N2 個基因替換掉每個個體中原有的基因。二者比值被稱為進化意愿。R 大小決定了種群將會對哪種環境更加適應。

同時N1 和N2 決定了收斂的速度，但是不合適的N 值會導致不如意的校正結果。

系統通過種群內個體的差異來判斷是否早熟收斂，一旦判定早熟收斂，系統會在最優個體的基礎上進行變異。產生大量新個體替代舊種群中的個體（圖6）。

圖6 算法流程圖

3 算法實驗分析

本次旁瓣壓縮實驗使用的是上文提到的128 通道OPA 芯片。校正位置設置在掃描角度為+6°附近，對應于圖片x=300px，y=300px 位置處。實驗中，取種群數量為M=300，設置最大迭代次數為1000。優化前如圖7 所示，存在明顯的旁瓣，并且能量比較分散，在x=300px 處，灰度值僅為1620 左右。優化之后效果如圖8 所示，已經不存在明顯的旁瓣，光能量基本集中在x= 300 位置處，去除相機紋波干擾后，旁瓣壓縮比在20db，光斑發散角為0.16 度，極大的提升的相控陣的分辨率。

圖7 隨機相位效果圖

結束語

本文提出了一種基于遺傳算法的改進型旁瓣壓縮算法，該算法利用了遺傳算法從串集開始搜索、覆蓋面大，利于全局擇優的特點。增加了早熟判斷，在提升旁瓣壓縮效率的同時，顯著提高了發散角的分辨率。實驗結果表明，該算法能夠成功的將旁瓣壓縮至主瓣-18dB～-20dB，從而消除旁瓣帶來的影響，并且能夠將主瓣寬度壓縮到0.16 度，提高了分辨率，提升了OPA芯片的實用性。