本發明屬于serf(spin-exchange?relaxation-free,無自旋交換弛豫)態原子超高靈敏磁場測量,具體涉及一種基于深度學習的相位調制光束整形方法。
背景技術:
1、基于serf可以實現超高靈敏度磁場測量,在原子磁強計中,抽運光使堿金屬原子從基態躍遷到激發態,產生自旋極化,在外界磁場的作用下,堿金屬原子會發生拉莫爾進動。原子磁強計通過測量這種進動的頻率達到測量磁場大小的目的。
2、磁場強度的測量準確度,關鍵在于原子自旋極化率,若堿金屬氣室的原子極化率不均勻,將直接影響到磁場測量的精度。然而一般來說,抽運光激光器發出的光是高斯激光,其特點是中心強,周圍弱,這在原子磁強計中會導致原子氣室中不同位置的原子極化不均勻,影響磁場測量的精度。另外在高功率的激光器中,高斯激光中心部分光強過于集中,容易對磁強計內部元件造成損傷和破壞。將抽運激光的高斯光束通過光束整形,改善抽運激光的質量,得到高強均勻光束,可以避免由于抽運激光產生的橫向極化率梯度引起的極化率不均勻問題,從而使得超高靈敏磁場測量裝置的靈敏度進一步提高。
3、目前,使用最為廣泛的半導體激光器,其光源均是不規則的,需對其進行光束整形設計。典型的相位調制激光光束整形方法是gs(gerchbeg-saxton)算法,其特點在于原理簡單,容易實現;但是存在局部極值不能跳出、隨機初始相位敏感的缺點。
4、自機器學習進入到人們視野以來,其訓練-學習的思想啟發了許多傳統領域的研究工作。尤其是深度學習出現以來,在數字全息、光學通信、光鑷等領域都得到了廣泛應用。深度學習為光學領域的研究和生產提供了新的框架,目前已有幾個基于深度神經網絡的方案被提出并應用于光學領域。
5、在速度和使用效率上,基于深度學習的計算可以超過以前使用光波模擬和信號處理的基于物理的計算。完全足以用于相位調制計算,并且隨著深度學習領域的不斷發展,未來將會出現效果更好、速度更快、更適合相位調制的神經網絡。
技術實現思路
1、本發明針對現有技術中的缺陷或不足,提供一種基于深度學習的相位調制光束整形方法,通過搭建多層卷積神經網絡,對相位分布進行求解,并結合液晶空間光調制器將高斯光束整形為均勻性達到理想均勻光束90%的平頂光束,并最大限度的保留激光強度。解決傳統相位調制算法隨機初始相位敏感和容易陷入局部最優解的問題。
2、本發明的技術解決方案如下:
3、一種基于深度學習的相位調制光束整形方法,其特征在于,包括以下步驟:
4、步驟1,在堿金屬氣室激光入射側的光路系統中利用光束質量分析儀獲取初整光束參數,所述初整光束參數包括光強信息、束腰半徑信息、光斑尺寸信息和光斑形狀信息;
5、步驟2,將所述初整光束參數輸入高斯光束構建模型得到理想高斯光束;
6、步驟3,將所述理想高斯光束輸入光束整形模型,初始化光束整形模型參數;
7、步驟4,將預設的均勻光束參數輸入光束整形模型得到理想均勻光束;
8、步驟5,利用初整光束參數和理想均勻光束參數,通過基于深度學習的相位調制算法得到理想均勻光束的相位全息圖;
9、步驟6,將所述相位全息圖經過相位與灰度轉化程序轉化為灰度信息圖;
10、步驟7,將所述灰度信息圖加載到所述光路系統中的液晶空間光調制器得到均勻平頂光束,所述均勻平頂光束即為整形后的相位調制光束送入到堿金屬氣室中。
11、步驟1中的光路系統包括順序連接的激光器、隔離器、光纖耦合器、準直鏡、擴束系統、第一反射鏡、第二反射鏡和起偏器連接液晶空間光調制器,所述液晶空間光調制器通過凸透鏡連接光束質量分析儀,所述光束質量分析儀和所述液晶空間光調制器分別連接計算機。
12、步驟5中相位調制算法包括以下步驟:
13、步驟5.1,構建網絡結構,根據輸入輸出的圖片尺寸,設計網絡的神經元層數和每層神經元個數,采用u-net構建;
14、步驟5.2,制作數據集,根據公式e2(x2,y2)=f[e1(x1,y1)×exp(iφ1(x1,y1))],其中,e1(x1,y1)指調制前入射激光橫截面的強度分布,e2(x2,y2)指調制后的出射激光橫截面的強度分布,φ(x1,y1)為調制面疊加的相位分布,f為傅里葉變換,i為復數單位;在己知e1(x1,y1)的情況下,輸入一個相位φ1(x1,y1),即可得到一個對應的e2(x2,y2),由此隨機生成一系列的相位分布φ1(x1,y1),由公式計算出對應的e2(x2,y2),保存起來后將e2(x2,y2)作為輸入,φ1(x1,y1)作為輸出,進行訓練,得到神經網絡模擬函數
15、步驟5.3,采用pytorch框架作為基礎搭建網絡,將數據集中的e2(x2,y2)作為輸入,φ1(x1,y1)作為輸出,采用反向傳播算法作為訓練算法,使用adam優化方法,對網絡進行訓練;訓練完成后將期望光束形狀輸入到網絡中,得到相位分布,將相位分布加載到液晶空間光調制器上,得到整形后的光束;
16、步驟5.4,引入期望光強分布與實際光強分布的相關系數γ作為評價指標,γ值在0~1之間,0表示毫無關聯,1表示線性相關,
17、
18、其中,ek表示期望的光強分布,ee表示實驗得到的光強分布,cov(ek,ee)表示ek和ee的協方差,var[ek]為ek的方差,var[ee]為ee的方差;
19、步驟5.5,預設一個指標參數a表示期望調制效果,若所述相關系數γ值大于或等于指標參數a,則輸出此時的相位若γ小于指標參數a,則重復步驟5.3,直至所述相關系數γ大于或等于指標參數a,所述相位信息圖即為輸出相位組成的相位函數圖;
20、步驟7中所述均勻平頂光束的均勻性達到理想均勻光束的90%,并最大限度的保留激光強度。
21、步驟5中相位調制算法是在gs算法基礎上進行的改進優化算法,以解決gs算法中隨機初始相位敏感和容易陷入局部最優解的問題。
22、步驟2中包括高斯光束分布公式其中,i(x,y)為光場表達式,i1為光場強度,x為x軸上的坐標值,y為y軸上的坐標值,wo為束腰半徑,是指在高斯光束的橫截面考察,以中心點為原點,振幅下降到原點處1/e倍的地方與原點的距離,e是自然常數;i(x,y)為整個觀察屏上所有區域的光強分布。
23、本發明的技術效果如下:本發明一種基于深度學習的相位調制光束整形方法,通過搭建多層卷積神經網絡,對相位分布進行求解,并結合液晶空間光調制器將高斯光束整形為均勻性達到理想均勻光束90%的平頂光束,并最大限度的保留激光強度,解決傳統相位調制算法隨機初始相位敏感和容易陷入局部最優解的問題。應用本發明方法能夠將抽運激光的高斯光束通過光束整形,改善抽運激光的質量,得到高強均勻光束,可以避免由于抽運激光產生的橫向極化率梯度引起的極化率不均勻問題,從而使得超高靈敏磁場測量裝置的靈敏度進一步提高。
1.一種基于深度學習的相位調制光束整形方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的基于深度學習的相位調制光束整形方法,其特征在于,步驟1中的光路系統包括順序連接的激光器、隔離器、光纖耦合器、準直鏡、擴束系統、第一反射鏡、第二反射鏡和起偏器連接液晶空間光調制器,所述液晶空間光調制器通過凸透鏡連接光束質量分析儀,所述光束質量分析儀和所述液晶空間光調制器分別連接計算機。
3.根據權利要求1所述的基于深度學習的相位調制光束整形方法,其特征在于,步驟5中相位調制算法包括以下步驟:
4.根據權利要求1所述的基于深度學習的相位調制光束整形方法,其特征在于,步驟7中所述均勻平頂光束的均勻性達到理想均勻光束的90%,并最大限度的保留激光強度。
5.根據權利要求1所述的基于深度學習的相位調制光束整形方法,其特征在于,步驟5中相位調制算法是在gs算法基礎上進行的改進優化算法,以解決gs算法中隨機初始相位敏感和容易陷入局部最優解的問題。
6.根據權利要求1所述的基于深度學習的相位調制光束整形方法,其特征在于,步驟2中包括高斯光束分布公式其中,i(x,y)為光場表達式,i1為光場強度,x為x軸上的坐標值,y為y軸上的坐標值,wo為束腰半徑,是指在高斯光束的橫截面考察,以中心點為原點,振幅下降到原點處1/e倍的地方與原點的距離,e是自然常數;i(x,y)為整個觀察屏上所有區域的光強分布。