基于物理信息深度学习的海洋大气边界层光学波导参数反演：来自自由空间光链路测量的多波长方法

《Photonics》：Physics-Informed Deep Learning-Based Inversion of Marine Atmospheric Boundary-Layer Optical Duct Parameters from Free-Space Optical Link Measurements

　　

海洋边界层温度逆温——暖空气平流至冷海面之上——可使近水平光线向海面弯曲，形成光学波导（optical duct），从而显著改变海洋上空自由空间光（FSO）链路的传播特性：被波导捕获的光线产生异常低损耗的超视距接收，同时伴随强烈的多径干扰和闪烁效应。尽管针对微波蒸发波导已存在大量反演技术，但迄今尚无研究直接从光学信道观测反演光学波导参数。本文首次提出一种物理信息深度学习框架，从多波长FSO信道测量中重建逆温层梯度（inversion-layer gradient）和层顶高度（layer-top height），而地表气温——研究表明其无法仅从链路观测中辨识——则由同址气象站提供。基于布格射线追踪（Bouguer ray tracing）在球面分层大气中的正演模型（经缩比波长分步傅里叶抛物方程对波导传播的分析验证）生成训练数据集：采用拉丁超立方设计采样的数千个逆温廓线，在850/1550 nm波长下经5–50 km海上链路传播，得到接收到达角、多径结构和色散分离量。物理引导神经网络——将折射率梯度约束嵌入损失函数——基于全部25,000个样本的混淆矩阵验证进行了修正：任何超过双射线（直射加海面反射）基线的到达路径明确指示捕获效应，P(ducting|npaths ≥ 3) = 1.00。修正后的约束将虚假波导检测从102例降至57例（参考随机种子下），并提高了平衡分类精度。数值实验表明，对控制波导效应的关键参数——逆温梯度——可实现高精度反演（R2 = 0.835，MAE = 0.033 K/m），其鲁棒性以回归和分类指标联合表征。系统的可辨识性分析进一步揭示：层顶高度为弱可辨识（R2 = 0.21），而地表气温在本研究考虑的观测量、廓线模型和链路几何下不可辨识——光线弯曲对廓线的均匀偏移实质上不变——因此由地面气象站提供，这与已部署的FSO系统一致；双输出网络实验量化了该策略的（适度）收益。所提出的框架为海上FSO信道预测开辟了新的感知维度；其工程建议在所述合成环境中确立，仍有待现场验证。

论文解读

一、研究背景与问题提出

自由空间光（FSO）通信凭借高带宽、免许可频谱和低截获概率等优势，在海上场景中受到日益广泛的关注。然而，海洋大气边界层中的折射现象可能严重恶化甚至反常增强FSO链路性能。当暖干空气平流至较冷海面之上时，最低数十米内会形成强温度逆温。若逆温梯度超过临界阈值（光波段约0.13 K/m），修正折射率梯度转为负值，形成光学波导，将近水平光线捕获并沿海面导引传播，如同潜望镜越过几何地平线观测。

光学波导对海上FSO链路产生两方面深远影响：其一，被捕获光线以异常低损耗传播，可在远超视距极限的距离实现超视距接收；其二，波导支持发射端与接收端之间的多条传播路径（多径），产生强烈干涉图样和到达角（AOA）扩展，通过码间干扰和闪烁严重劣化链路质量。准确预测这些效应需要掌握波导参数——逆温梯度、层顶高度和地表温度——传统上通过探空仪测量或浮标传感器获取，但这些方法稀疏、间歇，难以适应动态海岸环境。

从传播测量推断大气折射率参数这一反问题在微波波段已有广泛研究，包括基于雷达海杂波、GPS无线电掩星和波动理论反演等技术，近年来机器学习方法也被引入微波波导反演。然而在光波段，问题本质不同：光学折射率公式缺乏湿度项（水汽影响射频折射率但在光频可忽略），主导波导机制从蒸发波导（湿度梯度驱动）转变为温度逆温波导；可观测量也不同，光学链路提供到达角和接收功率测量而非雷达杂波或传播损耗。尽管存在这些差异，尚无已发表工作尝试直接从FSO信道观测反演光学波导参数。物理信息深度学习作为解决科学与工程反问题的强大范式，已在流体力学、传热和材料科学等领域得到应用，但尚未被用于大气折射率反演。

二、研究内容与主要结论

本文首次提出一种物理信息深度学习框架，从多波长FSO链路测量中反演海洋边界层光学波导参数。研究在物理基底的合成数据集上开发和评估该框架——所需的双波长AOA仪器在公开海上链路上尚不存在——但其输入恰为双波长FSO终端测量的观测量，因此可直接迁移至现场数据而无需架构变更。主要贡献包括：首次建立光学波导反演框架；系统开展可辨识性分析，揭示三个廓线参数具有根本不同的可辨识性——逆温梯度γ强可辨识（R² = 0.835，MAE = 0.033 K/m），层顶高度z_i弱可辨识（R² = 0.21），地表温度T₀不可辨识；建立带衍射分析和抛物方程交叉验证的双波长正演模型；验证并修正物理约束，将虚假波导检测从102例降至57例（参考种子），提高平衡分类精度。

三、关键技术方法

研究人员构建了完整的物理建模与深度学习反演管线。首先，采用Barrell–Sears参数化建立光波段折射率公式，并利用Ciddor密度公式量化海洋条件下干空气近似的精度，证明湿度效应本质上为共模误差。其次，将温度逆温建模为带平滑过渡的双线性廓线，以三个自由参数（T₀、γ、z_i）描述。第三，基于布格不变量（球面分层大气中斯涅尔定律的球面形式）开发射线追踪正演模型，采用打靶法扫描发射角并定位到达接收端的全部射线解。第四，通过瑞利距离分析和缩比波长分步傅里叶抛物方程（SSFT-PE）交叉验证，确立衍射可忽略机制并验证波导传播的射线模型。第五，采用拉丁超立方采样（LHS）生成5,000个廓线，每个廓线在五个链路距离（5、10、20、30、50 km）上传播，共25,000个样本，发射端和接收端高度均为10 m。第六，构建28维特征向量（含多径数、AOA向量、双波长色散向量等），注入符合实际的测量噪声（AOA噪声σ = 50 μrad，双波长差分噪声σ = 5 μrad）。最后，采用多层感知机（MLP）架构，将物理约束（n_paths ≥ 3 ? 预测dM/dz < 0）嵌入损失函数，使用Adam优化器和余弦退火学习率调度训练200个epoch。

四、研究结果

消融研究与修正约束的效果。 通过对比四种网络配置和均值预测基线，研究人员量化了各组件贡献。全模型对γ的R² = 0.835，MAE = 0.033 K/m，较基线（0.112 K/m）降低70.5%。混淆矩阵验证表明：n_paths ≥ 2阈值无判别力（P(duct|n_paths ≥ 2) = 0.828，接近基线率0.818），而n_paths ≥ 3是毫无例外的捕获指示器（P(duct|n_paths ≥ 3) = 1.000，5,690/5,690样本）；零路径样本中67.1%实为波导廓线（薄而强的波导在长距离上将所有射线捕获在接收端高度以下）。修正后的约束将虚假波导检测从102例降至57例（参考种子），三种子均值从92 ± 11降至76 ± 17，精度和平衡精度一致提高；回归精度在种子变异范围内不变。与无约束模型相比，修正约束将虚假阳性从63降至57（约9.5%），平衡精度基本不变——修正的主要价值在于物理正确性而非分类增益。双波长特征提供一致的正贡献：R²提高+0.007，平衡精度提高+0.7个百分点。数据分割控制实验确认无泄漏驱动的结果膨胀。

可辨识性分析。 三个廓线参数呈现根本不同的可辨识层级。γ强可辨识源于其直接决定波导层内修正折射率梯度dM/dz，控制射线曲率、弹跳距离和多径数量，这些效应通过AOA向量和多径数直接可观测。z_i弱可辨识源于γ–z_i耦合：射线转向高度同时依赖两个参数，不同的(γ, z_i)组合可产生相似的多径结构。T₀不可辨识源于等观测简并性：由于N ∝ P/T对T非线性，改变T₀不仅平移M(z)还扰动梯度dM/dz，但该梯度扰动可通过γ的微小调整精确补偿——任何位于等观测线γ ? κ·(T₀ ? 290 K) = const上的(T₀, γ)对产生本质上相同的轨迹。链路因此仅约束T₀与γ的线性组合。双输出网络实验（以真实T₀作为oracle输入）表明：提供精确T₀仅将MAE_γ从0.0330降至0.0309 K/m（?6%），z_i的MAE从16.29降至16.16 m（?1%），R²_zi基本不变（0.208 → 0.215）——z_i弱可辨识并非主要通过T₀简并传递，而是源于固有的γ–z_i耦合。

噪声鲁棒性。 在测试集AOA特征中注入基线噪声水平（σ_base = 50 μrad）的0.5×、1×、2×、4×和8×倍附加噪声。MAE_γ从0.033增长至0.135 K/m，呈亚线性增长；R²下降速度快于MAE，在×4附加噪声时R²_γ ≈ 0.08。分类指标揭示失效模式：召回率饱和（0.972 → 0.999）而精度下降（0.972 → 0.832）——噪声下模型趋向于将大多数廓线预测为波导，越来越多非波导廓线被虚报。反演在约×2附加噪声（100 μrad）内保持有用（R²_γ = 0.604，平衡精度 = 0.725），而最先进的FSO跟踪系统AOA测量精度为10–50 μrad，处于有效范围内。

五、讨论与结论

与微波波导反演相比，光学波导反演在波导机制（温度逆温驱动而非湿度梯度驱动）、可观测量类型（AOA和多径结构而非雷达杂波或传播损耗）和波长多样性（双波长色散无微波对应物）三方面存在根本差异。工程意义包括：波导感知链路规划——通过反演γ预测当前大气条件是否支持波导并相应调整链路余量分配；超视距检测——检测到波导时（高γ，n_paths ≥ 3）链路可能经历异常超视距接收；双波长部署——850/1550 nm双波长收发信机的适度但一致的增益证明其合理性；地面站集成——T₀不可辨识性结果提供明确设计指令：链路终端的一个温度传感器既必要又充分。

研究局限包括：合成数据（正演模型生成而非现场测量）；射线求解器数值精度（转向点锚定段上4–25%的精度限制）；理想化海面反射（完美镜面、无菲涅尔损耗、无粗糙度）；聚焦因子占位值；单一链路几何（ht = hr = 10 m）；未建模湍流；残余湿度结构和参数化效应；z_i弱可辨识性。未来工作方向包括：现场验证（双波长FSO链路配AOA跟踪和同址温度传感器，被视为运营建议的门控步骤）；z_i的焦点因子（损失加权或多任务学习）；扩展廓线模型（多层或非参数廓线）；光学–微波联合反演；实时实现。

研究结论翻译： 本文提出了一个物理信息深度学习框架，用于从多波长自由空间光链路测量中反演海洋边界层光学波导参数。关键发现如下：该框架是首个直接从FSO信道观测反演海洋光学波导参数（逆温梯度和层顶高度，地表温度外部提供）的工作，填补了现有文献中仅考虑微波蒸发波导的空白。控制波导是否发生的关键参数γ以高精度反演（R² = 0.835，MAE = 0.033 K/m），较均值预测基线改善70.5%。混淆矩阵验证表明双射线基线不携带波导信息（P(duct|n_paths ≥ 2) = 0.83 ≈ 基线率），而任何超过两条路径的到达是毫无例外的捕获指示器（P(duct|n_paths ≥ 3) = 1.00），修正后的约束将虚假波导检测从102例降至57例。三个廓线参数呈现根本不同的可辨识性：γ强可辨识、z_i弱可辨识、T₀不可辨识（与γ存在等观测简并性），由此形成T₀由地面气象站提供的实用策略。物理引导正则化的主要作用是消除物理上不可能的波导预测而非显著指标增益。双波长特征提供一致正贡献，反演在约两倍名义噪声水平内保持有用。该框架建立了海上FSO信道预测的新感知模态：通过将大气视为多径结构编码边界层热力学状态的信息信道，FSO链路本身成为光学波导的分布式传感器。