|
导语
天线是无线通信的“眼睛”，是射频前端器件的延伸（甚至与射频前端器件集成），属于无线通信系统的核心组件；而花瓣属于植物的一种繁殖器官，由一层或多层细胞组成，形成美丽的外观和各种形状。天线与花瓣两者分属于不同的学科种类，但是都担任了自身系统与外界交互的任务。天线的英文单词为antenna，本身带有“触角”的含义，这与连接花瓣的根茎相似。天线和花瓣在各自的系统中担任的功能和外形有诸多类似之处，本文将探索两者之间的微妙联系。
天线是一种电子设备或器件，用于接收和发射无线电波或电磁波。它通常由导电材料构成，如金属，被设计成一种特定的形状和结构，以便与无线电信号相互作用。主要作用是将电磁波转换为电流（在接收模式下）或将电流转换为电磁波（在发射模式下），从而实现信息的传输。天线在移动通信、卫星通信、广播、雷达、导航和其他无线技术应用中发挥着关键作用。不同类型的天线有着不同的应用，以满足特定的通信需求，如全向天线用于覆盖广范围区域，而定向天线用于远距离通信。
花瓣通常位于植物的顶端，是花朵的组成部分之一。花瓣五彩缤纷，具有薄而平坦的结构，它们围绕花朵中心，可以单独或成群出现。花瓣的主要功能是吸引传粉媒介（通常是昆虫、鸟类或风）来帮助传播花粉并促进植物的生殖。不同植物种类的花瓣具有各种颜色、形状和纹理，以吸引不同类型的传粉媒介。花瓣通常与其他花部分如花蕊（包括雄蕊和雌蕊）一起构成完整的花朵。它们在花的生殖过程中扮演重要的角色，吸引传粉媒介，以促进花粉传播、受精和种子的产生。花瓣的颜色、形状和香气对吸引传粉媒介起到关键作用，因为这些特征可以吸引访问花朵的生物并促使它们与花部分互动。总之，花瓣是植物花朵的一部分，它们具有吸引传粉媒质的功能，帮助植物进行繁殖。不同植物种类的花瓣在颜色和形状上具有差异，这有助于吸引不同类型的传粉媒质。
01
图1. 偶极子天线与荷叶的花瓣
偶极子天线(Dipole Antenna)是简单且有效的天线，由两个平行导体部件组成，通常是金属棒或导线，它们被称为“偶极子”的两半。这两半元件被分开，形成一个中心点，而两边延伸出去。电信号通过一个导体元件输入，然后在两个导体元件之间振荡，并产生电磁场形成电磁波，产生辐射，用于发送信号；接收信号时反之。偶极子天线的辐射模式通常是全向性的，这意味着它在H面上均匀地辐射和接收无线电信号。这使得它适用于许多通信应用，如广播、卫星通信以及一般无线通信，理由是它可以与来自不同方向的信号进行良好的交互。图1给出了偶极子天线与荷叶花瓣外形对比，荷花具有长长的植物根茎，在外形上和偶极子天线类似。
02
图2. 八木天线与根茎
八木天线不同于偶极子天线，它是经典的定向天线，又称为八木反射器天线，广泛用于发射和接收无线电信号。这种天线是由日本工程师八木秀次(Hidetsugu Yagi)和他的学生宇田 (Shintaro Uda)于1926年共同发明的，故称为Yagi-Uda Antenna。八木天线的结构包括一个驱动器（也称为振子或驱动器天线）、一个反射器和若干个引向器。这些部件通常是金属棒或导线，它们平行地排列在一个支撑结构上，构成一个线性排布的阵列。传统的八木反射器天线与未开花的茎叶相似，都是朝着阵列排列方向辐射和生长。图2描述了八木天线的外形和一般的叶子根茎，在外形上两者都是由多个枝节与主干组成，八木天线的主干部分朝着辐射方向，使得波束有更强的指向性。
03
图3. 喇叭天线与喇叭花
喇叭天线（Horn Antenna）是一种用于微波和毫米波频段的天线，它的设计外形类似喇叭，因此得名。喇叭天线通常用于天线测量、雷达系统、微波通信和其他高频段应用。喇叭天线看起来像一个倒置的喇叭或漏斗形状，通常是定向性的（具有较强的方向性），只在特定方向上辐射或接收信号。喇叭天线与牵牛花等花瓣外形相似，如图3所示。
04
图4. 贴片天线与花瓣
贴片天线是一种用于通信和射频应用的小天线设计，通常制作成薄而平坦的形状，便于贴在电子设备、通信设备或其他表面。它们的导电材料常常是铜、银或其他导电材料，被固定在非导电基板上，该基板可以是玻璃纤维、聚酰亚胺、聚氯乙烯等绝缘材料。
贴片天线的形状和尺寸可以根据应用需求进行设计，最常见的形状包括矩形、圆形、椭圆形或其他定制形状。贴片天线应用于不同频段，从几百MHZ到数个GHz。它们通常用于WiFi、蓝牙、GPS、手机通信、射频识别（RFID）、卫星通信等各种无线通信领域。这些天线具有许多优点，包括低成本、低轮廓、定制化和方向性。它们的低成本使其适用于大规模生产，而其低轮廓使其可以轻松贴附在设备表面，不会显著增加设备的厚度。此外，贴片天线可以根据特定应用的需求进行设计和制造，以最大程度地提高性能，并且可以通过调整天线的形状和尺寸来实现不同的辐射特性，包括全向辐射、定向辐射等。然而，贴片天线性能常受到附近金属和其他电子组件的影响，因此在设计和安装时需要特别注意天线的位置和周围环境，以确保最佳性能。
一些研究者设计出与花瓣相似的贴片天线，Farooq Faisal[1-2]提出了紧凑且灵活的花形共面波导(CPW)馈电天线用于高数据无线应用。所提出的天线的散热器由柔性和生物相容性聚酰胺基板支撑。天线的花形辐射体都是在基本的圆形上引入圆形槽，并通过50欧姆微带线连接两个分支来设计的。该天线具有成本低、外形美观、体积小、带宽宽、易于集成等特点，可作为外置天线应用于高数据无线通信领域，设计的天线如图4所示，充分借鉴了花瓣的形状。
05
图5. 花形单元胞集成板与向日葵
射频识别技术（RFID，Radio Frequency Identification）是一种很有潜力的无线识别技术，可用于跟踪和身份识别。Fatemeh Babaeian[3]提出了一种开发跨极性谐振器和单元电池的技术，无论标签取向如何，它们都能显示一致的反射。花形单元胞在不同旋转角度下提供了非常一致的交叉极化响应等。图5给出了花型单元胞和向日葵，花型单元胞和向日葵花瓣有着相似的分布，显示了天线和花瓣的微妙联系。
单根天线一般不能实现高增益和远距离传输需求，阵列天线则成为实现高增益的一种手段。阵列天线由多个天线阵元组成，它们被设计成特定的几何形状并协同工作。(1)阵列天线具有明显的方向性，可以通过调整每个阵元的相位和振幅来实现精确的信号指向，从而提高信号接收或发射的效率。(2)阵列天线的组合效果通常比单根天线具有更大的增益，适用于需要远距离通信和雷达应用的场合。(3)通过合理设计和调整，阵列天线可以形成波束，使信号聚焦在特定方向上，有助于抑制干扰和提高信噪比。(4)阵列天线还能够利用多路径传播的优势，提高信号的可靠性和质量。它们可以在多个路径上同时接收信号，减轻多径衰落引起的问题。(5)阵列天线系统还可以实施自适应技术，根据环境和干扰水平自动调整各个天线阵元的参数，以便最大程度地提高通信质量。(6)阵列天线适用于不同频段和应用领域，包括通信、雷达、无线电定位、天文观测等，具有广泛的多功能性。尽管包含多个天线阵元，阵列天线通常设计成相对紧凑的结构，占用较小空间，适合各种场合。因此，阵列天线的多重优势使其成为无线通信和雷达系统等领域中的重要技术组成部分。
06
图6. 蝴蝶形串联圆极化天线阵列板与花丛
Ghanshyam Mishra[4]提出了一种适用于毫米波频段的新型串联馈电圆极化行波天线——“蝴蝶”天线。蝴蝶单元由四个微带贴片天线组成的顺序旋转串联馈电线性阵列组成。所提出的圆极化蝴蝶结构具有低交叉极化辐射和宽轴比波束宽度。通过周期性漏波天线(LWA)分析，深入了解了“蝴蝶”系列馈线阵天线的辐射特性，并通过全波电磁仿真对其进行了验证。平行串联馈电平面阵列天线如图6所示。平行串联馈电平面阵列天线和花丛排列相似，通过增加数量和体积增加对波束增益或光合作用能力。
07
7. 圆极化阵列天线与花丛
何业军教授团队[5]提出了一种由新型平面衬底集成波导馈电s偶极子构成的宽带高效毫米波圆极化阵列，其中的毫米波偶极子由两个旋转对称弯曲臂组成，通过孔径耦合差分馈电，结构简单，性能优良。该阵列天线和花丛的照片如图7所示：“在平面上增加天线阵元数量可以在某一方向上获得更优良的性能”，这与“花瓣为了更好的进行光合作用簇成花丛”有异曲同工之处。组成阵列的形式多种多样，针对不同场景设计不同类型的天线是射频开发者的常识：对不同频率的波束扫描，大多用漏波天线阵列形式；对某一方向实现高增益需求，可采用普通阵列、网格天线、反射阵列或介质透镜；对单一频率的大角度扫描设计成相控阵列；对需要多波束覆盖或增加不同极化的通信链路则需要组成多输入多输出天线阵列。总之，针对不同频率和不同的适用场景，需要设计不同天线；类似地，花丛的生长形式与周围的环境有关，例如花的种类和花的生活环境，与具体地形地貌等也密切相关。
08
图8. 机器学习ML超表面与花瓣
人工智能(Artificial Intelligence，AI)与天线之间存在着紧密的关系。一方面，AI技术可以应用于优化天线系统的性能和适应性，另一方面，天线结构的某些设计可能借鉴自自然界中的花瓣等结构。
在通信系统中，尤其是无线通信领域，AI可用于优化和自动化天线设计。通过机器学习算法，可以分析和预测不同天线设计的性能，以更有效地选择和优化天线参数。AI还可用于信号处理的优化，通过深度学习等技术，系统能够自动调整天线参数以适应不同的通信环境，提高信号质量和网络性能。自适应天线系统能够感知环境和信号条件，并根据这些信息自动调整天线参数，而AI算法则可处理感测数据，使天线系统自动适应不同的通信场景，包括动态调整辐射方向和波束成形。在大规模的天线阵列中，AI可用于协调和管理多个天线元素，实现波束成形、干扰抑制和多用户通信的优化。Parinaz Naseri[6]提出了一种基于生成机器学习(ML)的方法来解决这种一对多映射。利用这种方法，在层间耦合不可忽略且传统方法合成繁琐的情况下，可以通过合成由潜在的全新散射体设计组成的低剖面结构来解决具有单个或多个约束的优化问题。天线结构所产生的波束方向图和花瓣如图8所示，这和盛开的花瓣结构相似，展示了天线和花瓣的微妙联系。
09
图9. 深度学习天线阵列与花瓣
Kaiqi Cao[7]提出了一种基于物理方法驱动的深度学习(pmdl)天线阵列形变快速波束稳定算法。首先，从理论上分析了任意曲面共形阵列的辐射方向图合成，设计了相应的物理方法，并通过计算和仿真结果验证了该方法的准确性。然后，结合上述辐射方向图综合，设计了物理方法驱动的深度神经网络(DNN)，并给出了其训练过程。在植物界，花瓣在发生形变时光合作用可能会发生变化。这种变化通常取决于形变的原因、程度以及植物的适应机制。举例而言，一些植物的花朵具有运动性，能够随着光线的变化而发生形变，以最大化光合作用效率。比如，向日葵的花朵在白天可以追踪太阳的运动。此外，在面临水分限制的干旱条件下，植物可能会通过形变，如卷曲叶片，以减少水分蒸发，然而这可能导致光合作用的减缓，因为光合作用通常需要叶片展开来最大化光的吸收。因此，植物的形变可能是一种适应策略，旨在平衡环境变化对光合作用的影响，以最大程度地提高能量获取和水分管理的效率。这与天线的人工智能自适应波束算法不谋而合，适应了不同环境下的光合作用或通信。基于深度学习的自适应天线阵列波束和花瓣如图9所示，展示了天线波束和花瓣的微妙联系。
在天线与花瓣的微妙联系上，学者们还在超宽带轨道角动量领域设计花瓣形状的贴片天线或者可展开天线；在超表面领域研究花瓣结构的吸波功能。花瓣和天线之间的微妙联系，主要表现在生物启发设计和工程应用领域。尽管它们在表面上看起来似乎毫无关联，但它们在某些方面可以相互启发。首先，花瓣的形状和结构可以为工程师提供设计天线的灵感，尤其是在微波和射频通信领域。通过模仿花瓣的天然结构，工程师可以创造出更加高效的天线设计思路，并用于天线阵列系统。其次，一些高频和微波天线采用了花瓣状的结构，可以实现波束形成和指向性辐射。花瓣的形状帮助天线产生精准的波束，类似于花朵中花瓣的排列，特别适合雷达、通信和射频干扰抑制等应用。
参考文献
[1]Farooq Faisal,Hyoungsuk Yoo. “A Miniaturized Novel-Shape Dual-Band Antenna for Implantable Applications,” IEEE Transactions on Antennas and Propagation, vol. 67, no.2, pp. 774-783, Feb. 2019.
[2]Farooq Faisal, Yasar Amin, Hyoungsuk Yoo, Hyoungsuk Yoo, “Compact and Flexible Novel Wideband Flower-Shaped CPW-Fed Antennas for High Data Wireless Applications,” IEEE Transactions on Antennas and Propagation, vol. 67, no.6, pp. 4184-4188, Jun. 2019.
[3]Fatemeh Babaeian, Nemai Chandra Karmakar, “Development of Cross-Polar Orientation Insensitive Chipless RFID Tag,” IEEE Transactions on Antennas and Propagation, vol. 68, no.7, pp. 5159-5170, Jul. 2020.
[4]Ghanshyam Mishra, Satish Kumar Sharma, Jia-Chi Samuel Chieh, “A High Gain Series-Fed Circularly Polarized Traveling-Wave Antenna at W-Band Using a New Butterfly Radiating Element,” IEEE Transactions on Antennas and Propagation, vol. 68, no.12, pp. 7947-7957. Dec. 2020.
[5]Long Zhang, Ke Wu, Sai-Wai Wong, Yejun He, Peng Chu , Wenting Li , Kai Xu Wang , and Steven Gao,“Wideband High-Efficiency Circularly Polarized SIW-Fed S-Dipole Array for Millimeter-Wave Applications,” IEEE Transactions on Antennas and Propagation, vol. 68, no.3, pp. 2422-2427, Mar. 2020.
[6]Parinaz Naseri, and Sean V. Hum, “A generative machine learning-based approach for inverse design of multilayer metasurfaces,” IEEE Transactions on Antennas and Propagation, vol. 69, no.9, pp. 5725-5739. Sep. 2021.
[7]Kaiqi.Cao, Cheng Jin, Binchao Zhang, Qihao lv, Fan Lu, “Beam Stabilization of Deformed Conformal Array Antenna Based on Physical-Method-Driven Deep Learning,” IEEE Transactions on Antennas and Propagation, vol. 71, no.5, pp. 4115-4127. May. 2023.
作者简介：何业军，博士，深圳大学教授，博士生导师，IET Fellow，IEEE天线与传播学会深圳分会主席，国家科技部重点研发计划重点专项项目负责人，国家科技部中英天线与电波联合实验室主任，负责举办IEEE射频与天线技术国际学生研讨会现任IEEE Transactions on Antennas and Propagation, IEEE Transactions on Mobile Computing, IEEE Antennas and Wireless Propagation Letters, IEEE Antennas and Propagation Magazine, China Communications等SCI 国际期刊副编辑（Associate Editor ）。研究方向：无线通信、天线与射频等。
| 
提升卡
变色卡
千斤顶
