合成孔径成像技术从雷达、声呐到射电天文学领域已取得突破性进展，但在光学波段的实现一直面临严峻挑战。传统光学合成孔径系统依赖于多个接收器之间的严格波场同步，需要重叠测量区域或精密干涉测量，这限制了系统的可扩展性和实际部署。2025 年发表在《自然・通讯》上的多尺度孔径合成成像仪（Multiscale Aperture Synthesis Imager, MASI）通过硬件 - 算法协同设计，将原本棘手的光学同步问题转化为可计算问题，实现了亚微米分辨率在超长工作距离（~2 厘米）的无透镜成像。
传统合成孔径成像的硬件瓶颈
光学合成孔径成像的核心挑战源于光的极短波长（~500nm）。与无线电波（厘米到米级波长）不同，光学波段的合成孔径需要亚波长精度的相位同步。传统方法主要依赖两种途径：
- 干涉测量法：通过共享参考波或重叠测量区域建立相位关系，但需要精密的机械稳定性和复杂的光学设置
- 傅里叶叠层成像：在倒易空间合成孔径，但对相位变化敏感，难以处理多相位包裹的复杂物体
这些方法在实验室环境下可行，但在实际应用中面临严重限制。硬件层面的主要瓶颈包括：
- 传感器阵列需要精确的机械对齐和稳定
- 测量区域必须重叠以确保相位相干性
- 系统扩展性差，增加传感器数量会指数级增加同步复杂度
MASI 的硬件架构设计
MASI 采用分布式编码传感器阵列架构，将复杂的成像问题分解为可并行处理的子问题。其硬件设计体现了计算成像的核心思想：将计算负担从光学硬件转移到数字处理。
传感器阵列参数设计
MASI 原型采用 9 个编码传感器（AR1335，安森美半导体）组成的阵列，每个传感器具有：
- 分辨率：13 兆像素（~4160×3120）
- 像素尺寸：1.1μm
- 传感器尺寸：4.6×3.4mm
- 编码表面：替换传感器盖玻片的确定性编码图案
传感器阵列的关键设计参数包括：
- 阵列间距：传感器间保持毫米级间隙（完全独立操作）
- 工作距离：~2cm（超长工作距离设计）
- 照明要求：10mW 激光二极管，相干照明
- 运动控制：集成压电平台（SLC-1720，SmarAct），提供～30×30μm 的横向运动范围
编码表面的工程实现
每个传感器的编码表面是实现波场恢复的关键硬件组件。编码表面具有强度和相位双重调制功能，其设计原则包括：
- 确定性图案：预先校准的编码图案，作为叠层成像中的确定性探针
- 调制深度：优化调制深度以最大化相位灵敏度
- 空间频率覆盖：确保编码图案包含足够的空间频率信息
编码表面的制造采用微纳加工技术，在传感器盖玻片上制备微结构图案。这种设计使得每个传感器能够独立恢复复杂波场，而无需参考波或干涉测量。
计算相位同步算法架构
MASI 的核心创新在于其计算相位同步策略，该策略将硬件同步需求转化为算法优化问题。
波场恢复与传播模型
MASI 的成像模型基于波动光学理论。设物体出射波场为 $O (x,y)$，到达第 $s$ 个编码传感器的波场可表示为：
$$W_s(x,y) = O(x,y) \ast psf_{free}(h_s)$$
其中 $\ast$ 表示卷积，$psf_{free}(h_s)$ 是距离 $h_s$ 的自由空间传播核。传感器测量到的强度图案为：
$$I_{s,j}(x-x_j,y-y_j) = \left| \left{ W_s^{crop}(x,y) \cdot CS_s(x-x_j,y-y_j) \right} \ast psf_{free}(d) \right|^2$$
这里 $CS_s (x,y)$ 是第 $s$ 个传感器的编码表面，$d$ 是编码表面到像素阵列的距离，下标 $j$ 表示通过压电平台引入的亚像素位移。
相位同步优化算法
MASI 的计算相位同步采用迭代优化方法。设恢复的物体波场为：
$$O_{recover}(x,y) = \sum_s \left[ (e^{i\cdot \varphi_s} \cdot W_s^{pad}(x,y)) \ast psf_{free}(-h_s) \right]$$
其中 $\varphi_s$ 是第 $s$ 个传感器的相位偏移。优化目标是最小化重建误差或最大化合成强度：
$${\varphi_s} = \arg\max_{\varphi_s} \sum_{x,y} \left| O_{recover}(x,y) \right|^2$$
算法实现采用坐标下降法，每次优化一个传感器的相位偏移，同时保持其他传感器固定。这种方法的优势在于：
- 计算效率高：每个传感器仅优化一个参数
- 收敛稳定：避免高维参数空间中的局部极小值
- 可扩展性强：传感器数量增加时，计算复杂度线性增长
算法收敛参数
实际实现中的关键参数包括：
- 迭代次数：通常 3-5 次迭代即可收敛
- 相位分辨率：$\pi/64$ 弧度（~2.8°）
- 收敛阈值：合成强度变化小于 0.1%
- 计算时间：在标准工作站上，9 传感器阵列的同步约需 30 秒
硬件 - 算法协同设计原则
MASI 的成功源于硬件和算法的深度协同设计。以下是关键的设计原则：
1. 硬件简化换取计算复杂度
MASI 通过简化硬件设计来降低系统复杂性：
- 消除重叠区域：传感器完全独立，无需重叠测量区域
- 放宽对齐要求：传感器位置通过一次性校准确定，无需持续精密对齐
- 减少机械部件：仅需压电平台提供亚像素位移，无需复杂的光学调整机构
这些硬件简化带来的计算负担包括：
- 需要精确的传感器位置校准算法
- 需要鲁棒的相位同步优化算法
- 需要高效的波场传播计算
2. 传感器 - 算法接口标准化
每个传感器与算法之间的接口标准化设计：
- 统一数据格式：所有传感器输出相同格式的强度图像
- 独立处理管道：每个传感器的波场恢复可并行处理
- 参数化校准：传感器位置和编码表面特性参数化存储
3. 可扩展性设计
MASI 架构支持线性扩展：
- 传感器数量：增加传感器只需线性增加计算量
- 阵列尺寸：远场应用可支持米级基线
- 分辨率提升：增加传感器数量可线性提升空间频率覆盖
性能指标与工程实现
分辨率性能
MASI 在反射模式下实现了：
- 横向分辨率：780nm（亚微米级）
- 工作距离：~2cm（超长工作距离）
- 视场扩展：16 倍（从 4.6×3.4mm 扩展到 16.6×15.4mm）
- 轴向分辨率：~6.5μm（3D 成像）
与传统光学显微镜相比，MASI 在保持亚微米分辨率的同时，工作距离增加了 20 倍以上。
计算资源需求
MASI 的计算需求主要集中在两个阶段：
-
波场恢复阶段（每个传感器独立）：
- 数据量：300 帧 ×13 兆像素 / 帧 ≈ 4GB
- 计算时间：~15 秒（20 帧 / 秒采集）
- 内存需求：~8GB
-
相位同步阶段（多传感器协同）：
- 优化参数：N 个传感器对应 N-1 个相位偏移
- 迭代计算：3-5 次迭代
- 总时间：~30 秒（9 传感器阵列）
系统校准流程
MASI 采用分层校准策略：
-
编码表面校准（一次性）：
- 使用标准测试样本（血涂片）
- 精确映射振幅和相位调制特性
- 存储校准参数供后续使用
-
传感器位置校准（系统部署时）：
- 使用点光源作为校准目标
- 通过交叉相关确定相对位置
- 相位优化精确定位
-
运行中校准（可选）：
- 基于重建质量的自适应调整
- 环境变化补偿
应用场景与扩展方向
当前应用领域
-
生物医学成像：
- 小鼠脑切片的大视场高分辨率成像
- 无透镜 3D 细胞成像
- 全玻片数字病理
-
工业检测：
- 微电子器件表面缺陷检测
- 材料微结构分析
- 3D 形貌测量
-
法证科学：
- 指纹高分辨率成像
- 弹道痕迹分析
- 文件防伪验证
技术扩展方向
-
波长扩展：
- 红外波段：材料分析和热成像
- 太赫兹波段：安全检查和生物传感
- X 射线波段：材料科学和医学成像
-
偏振成像：
- 双折射材料分析
- 生物组织偏振特性测量
- 应力分布可视化
-
内窥镜应用：
- 多光纤束分布式传感器
- 超分辨率内窥成像
- 微创手术导航
-
大规模阵列：
- 长基线光学阵列（类似事件视界望远镜）
- 分布式遥感系统
- 行星表面监测
系统设计检查清单
基于 MASI 的设计经验，以下是计算成像系统的设计检查清单：
硬件设计检查项
- 传感器阵列是否支持独立操作？
- 编码表面是否提供足够的调制深度？
- 照明系统是否满足相干性要求？
- 机械稳定性是否满足亚像素位移需求？
- 数据接口是否支持高速数据传输？
算法设计检查项
- 波场恢复算法是否收敛稳定？
- 相位同步优化是否避免局部极小值？
- 校准算法是否鲁棒可靠？
- 计算复杂度是否可接受？
- 内存使用是否优化？
系统集成检查项
- 硬件 - 算法接口是否标准化？
- 校准流程是否自动化？
- 系统是否支持线性扩展？
- 性能指标是否可量化评估？
- 用户界面是否友好易用？
挑战与未来展望
当前技术挑战
- 照明限制：需要相干光源，限制了在自然光照条件下的应用
- 计算需求：大规模传感器阵列需要高性能计算资源
- 频率覆盖：稀疏阵列存在频率覆盖不完整问题
- 动态场景：对运动物体的成像仍具挑战性
未来发展方向
- 部分相干光源：开发适用于 LED 等部分相干光源的算法
- 神经网络加速：利用深度学习优化计算流程
- 混合阵列设计：结合不同尺寸和类型的传感器
- 实时处理：实现视频率的高分辨率成像
结论
多尺度孔径合成成像仪（MASI）代表了计算成像领域硬件 - 算法协同设计的重要进展。通过将光学同步问题转化为计算优化问题，MASI 突破了传统合成孔径成像的硬件限制，实现了亚微米分辨率在超长工作距离的无透镜成像。
MASI 的设计理念强调了几个关键原则：硬件简化换取计算复杂度、传感器 - 算法接口标准化、系统可扩展性设计。这些原则不仅适用于合成孔径成像，也为其他计算成像系统提供了设计参考。
随着计算能力的持续提升和算法技术的不断进步，MASI 这类硬件 - 算法协同设计的成像系统将在生物医学、工业检测、遥感监测等领域发挥越来越重要的作用。未来的发展方向包括扩展工作波长、集成偏振成像能力、开发实时处理算法等，这些进展将进一步推动计算成像技术从实验室走向实际应用。
资料来源
本文基于 2025 年发表在《自然・通讯》的研究论文 "Multiscale aperture synthesis imager"（Nature Communications 16, 10582, 2025）。该研究由康涅狄格大学 Guoan Zheng 实验室主导，得到了美国国立卫生研究院、国家科学基金会等机构的支持。
关键技术细节包括分布式编码传感器阵列设计、计算相位同步算法、波场恢复与传播模型等，均在原论文中有详细描述。本文从工程实现角度对这些技术进行了深入解析，提供了硬件设计参数、算法优化策略和系统集成原则。