日前，MicrowaveJournal专访了MathWorks 射频和混合信号产品经理 Giorgia Zucchelli

1. 您在 MathWorks 的角色和具体专业领域是什么？
   
   

我是射频和混合信号领域的产品经理，我的背景是射频建模。在 MathWorks，我们与世界各地的工程师密切合作，确定并解决现代无线系统、混合信号 IC 和高速数字互连的需求，应对从射频/微波软件和设计到卫星通信再到 5G/6G 等客户挑战。

2. 您在 MathWorks 工作已近 15 年了。是什么吸引您加入 MathWorks？您如何看待公司在这段时间的发展？

我于 2009 年初加入 MathWorks，因为它具有长远的眼光，它不断投资新兴技术并满足前沿需求。例如，此后，MathWorks 推出了用于天线阵列快速电磁分析的 Antenna Toolbox，以及用于对 3GPP 无线通信系统物理层进行建模的 5G Toolbox，使毫米波射频等公司能够开发和生产具有创新混合波束成形架构的无线电，这项技术十年前才成为高级学术研究的主题。

3. MathWorks 以 MATLAB® 和 Simulink® 闻名，该公司拥有大量应用程序、行业、学科和功能。您能否描述一下 MATLAB 和 Simulink 对推进工程和科学的影响？

MathWorks 的口号确实是“加快工程和科学的步伐”。在射频和混合信号领域，MathWorks 为我们的工程受众开发了射频仿真、天线设计和信号完整性分析解决方案。我与用户密切合作，开发突破频率和带宽界限的系统：使无线应用进入毫米波领域，高速 I/O 进入 100 Gbps 以上。

公司和学术界的研究人员使用 MATLAB 和 Simulink 开发用于波束成形、均衡和线性化的新算法和架构。例如，Otava为其 24 至 40 GHz 8 通道毫米波波束成形集成电路开发了一个模型，可与 AMD-Xilinx ZynQ 7000 FPGA 结合使用，以实现整个相控阵系统的控制逻辑。

4. MATLAB 和 Simulink 如何协同工作来帮助设计人员？您能否举例说明它如何为工程师提供更多设计选择？

MATLAB 和 Simulink 共同支持基于模型的设计：一种以建模和仿真为中心的设计方法。通过在设计过程的早期关注算法建模，工程师可以更轻松地探索新的想法、架构、算法，并更具创造力。基于模型的设计是在开发过程的早期阶段进行验证的关键推动因素，在开发过程中，需要花费更多的精力来评估规格，并节省查找和修复错误的时间，从而加快整体上市时间并提高产品质量。

基于模型的设计支持多个抽象级别并支持模型转换，使设计人员能够比使用手动编码更快地定位硬件（处理器或 FPGA）并共享模型（IBIS-AMI、SystemVerilog、FMI/FMU）。设计人员可以快速迭代不同的想法，以更少的精力构建原型和演示器，并在开发过程中尽早发现错误。例如，通过基于模型的设计，DigitalGlobe 模拟了完整的卫星对地通信系统，并在投入昂贵的原型之前就证明它可以支持数据速率提高 50%。

DigitalGlobe 通信系统在 X 频段运行，该频段与深空网络 (DSN) 使用的频段相邻。为了避免干扰，DigitalGlobe 工程师必须满足严格的带外发射和功率要求，即使他们试图提高下行链路数据速率。该团队需要实现具有陡峭边缘的滤波器，但此类滤波器可能会扭曲信号。此外，当他们改变调制方案时，他们需要准确地模拟交叉极化干扰，以确保系统能够以低于 10-6 的误码率运行。通过使用基于模型的设计，该团队证明他们可以通过在 Simulink 中运行模拟（传输 1000 万比特）并分析失真、环境和卫星仰角造成的影响来实现他们的目标。

5. 人工智能时代，在帮助工程师进行仿真和分析过程中发挥什么作用？

随着时间的推移，工程师可以使用新的设计和分析工具。人工智能正在兑现其承诺，并且每天都在实际应用。

在射频和混合信号领域，人工智能正被用于优化复杂设计，在无线电中实现更深入的信号分类，以及通过自动纠正错误和编码、均衡和线性化算法等技术，使通信链路更加稳健。工程师们正在将人工智能技术嵌入到商业产品中，以解决最具挑战性的问题。例如，NanoSemi 工程师使用 MATLAB 开发和调整用于线性化功率放大器的数字预失真和机器学习算法。工程师需要快速开发、调试、优化和实施他们的人工智能算法；与客户进行迭代，以确保正在开发的系统满足他们的需求，并在各种操作条件下进行彻底的回归测试。借助 MATLAB，他们可以与客户共享特定模块，同时保护其 IP 并实现早期验证，这是一个显着的优势，因为它可以最大限度地减少由于误解而导致的错误。

另一个例子是巴拉特电子（BEL），该公司应用人工智能回归学习技术来估计 3D 监视雷达中目标的仰角。在人工智能的帮助下，这家航空航天和国防公司可以使其雷达更能抵抗反射和噪声。BEL 工程师使用 MATLAB 生成合成数据，节省了团队进行复杂计算和记录现场数据的时间。然后，他们使用 MATLAB 评估多元回归方法，以找到准确目标预测的最佳技术。

这些都是人工智能技术嵌入到商业产品中的实际例子，使用 MATLAB，工程师和研究人员可以专注于创新、与客户更快地进行迭代并减少测试和调试时间。

6. 您发现哪些 RF 和混合信号应用最活跃？您预计这种情况未来会如何改变？

对于无线通信以及雷达和其他定位系统，市场正朝着毫米波宽带系统的发展方向发展。5G 和 6G、WiLAN 和 UWB 以及卫星通信也出现了同样的趋势，从而引发了对以下方面的探索：

· 具有数百个天线元件的大规模 MIMO 阵列，现已发展到数千个元件，用于创建智能反射表面

· 超过 10 GHz 更高的工作频率，已接近亚太赫兹范围

· 更大的信号带宽已覆盖数百 MHz 并延伸至 GHz。

这些趋势直接反映在通信系统的算法复杂性上，并且也影响着测试程序。例如，高通正在为 5G 移动设备开发射频前端组件和包络跟踪技术，支持 30 多个不同的射频频段。5G 中可能的波形组合数量比 LTE 多 10 倍，这使得设备验证更加复杂且耗时。Qualcomm 使用 MATLAB 通过定点数字模块和硬件精确的功率放大器模型构建了 Tx 和 Rx 路径的完整模型。他们使用仿真来预测关键系统性能指标、优化设计参数并自动测试一系列波形组合。最后，他们使用基于模型的设计自动生成可以直接与客户共享库。

同样，对于高速数字互连，数据速率越来越高，超过数百 Gbps，正在转向光学和光子技术，并集成一些来自无线标准的算法技术，例如高阶调制和前向错误连接。

与此同时，人工智能（机器学习、深度学习或强化学习技术）被应用于加速集成电路设计过程并开发信号恢复和校正算法。

7. 面对向5G以及6G的过渡，工程师面临的主要挑战是什么，以及最有前途的射频和毫米波解决方案是什么？

随着频谱变得越来越拥挤，无线电在访问频谱方面获得了更大的灵活性，设计人员面临着识别和探索涉及干扰信号和不利信道条件的场景挑战。制定共存和缓解策略，例如线性化和波束/零点控制，进一步增加了任务的复杂性。

在开发昂贵的原型或致力于给定的解决方案之前，使用虚拟平台进行算法设计和验证是非常有益的。这就推动了对射频前端、天线阵列、信道模型和数字信号处理算法的集成分析工具的需求，这些工具可以准确预测新兴技术与其运行环境之间的相互作用。

从建模和仿真的角度来看，需要紧密集成过去由专家团队单独使用的仿真技术，例如不同的射频解算器、多种电磁分析技术和射线追踪通道建模。

8. 回顾这一年，您在射频和混合信号应用中看到的一些最重要的趋势是什么？

随着半导体技术和制造的发展，下一代无线通信和定位系统变得更加集成并且可用于主流消费应用。由于利润较小、成本较低、设计迭代速度较快，拥有深厚供应链的复杂组织很难评估和迭代需求和规范。

为了更好地支持这一复杂的设计流程，电子行业正在经历一场转型变革，类似于过去十年汽车行业经历的变革。在这种情况下，出现的最有趣的趋势是需要创建代表性模型，这些模型可以交换并用作可执行规范，以记录、协商和迭代多个团队和组织的需求。

由于模型与它们所代表的芯片一样复杂，为了加快建模和验证过程，业界开始首次尝试将传统拟合和基于物理的技术与人工智能工具相结合。

9. 您和 MathWorks 对哪些新兴机会感到兴奋？

对复杂射频系统的可执行模型和数字孪生，以及连接射频、电磁学和数字信号处理等多个领域的先进仿真工具的需求日益增长。

工程师们正在通过对在不同环境条件下运行的复杂波束形成器进行建模来构建下一代毫米波通信系统。借助 MATLAB 和 Simulink 等工具，系统设计人员可以开发架构和算法，在构建复杂原型之前，他们可以模拟 RF 非线性、多个噪声源、近场和远场天线耦合、波束斜视和色散效应的影响以及干扰信号的光线追踪通道。

10. 关于 MathWorks 和您的专业领域，我们的读者还应该了解哪些内容？

随着技术的发展和系统要求变得更加严格，使用集成数字信号处理算法并准确预测复杂射频效应的系统级模型对于加快开发、更快地创新和更早地发现错误是必要的。由于无法单独分析和优化组件，无线通信、雷达和高速数字互连的可执行模型已成为降低集成问题和沟通不畅风险的重要工具。

MATLAB 和 Simulink 等工具提供了一个可以将多个物理域、数据驱动模型、抽象级别和仿真技术集成在一起的平台。基于模型的设计优势已在很大程度上在汽车行业实现了证明，电子行业现在有机会利用这种方法来开发射频系统。