一种基于卷积神经网络的光纤结构二维特征提取及光学特性预测方法技术

本发明专利技术针对目前光纤结构优化设计方法存在的低效率、高人工成本等问题，提出一种基于卷积神经网络的光纤结构二维特征提取及光学特性预测方法，以光纤横截面二维自由分布的结构为参数空间，将光纤任意自由分布结构转换为二维数值矩阵，利用卷积神经网络提取二维结构特征，并通过回归计算建立了光纤横截面自由分布的二维结构与光学特性的高效、准确映射网络关系。本发明专利技术以多芯光纤为例，对模场面积、色散、有效折射率进行了准确预测。本发明专利技术计算速度快，精确度高，避免了目前已有的基于固定特征参数的映射网络对光纤结构优化设计的局限，并且可以与各类优化算法结合，有望实现高自由度光纤结构的优化设计。该技术方案同样适用于其他光学结构的预测。其他光学结构的预测。其他光学结构的预测。

【技术实现步骤摘要】
一种基于卷积神经网络的光纤结构二维特征提取及光学特性预测方法


[0001]本专利技术属于光纤
，涉及一种基于卷积神经网络的光纤横截面二维结构特征提取及光学特性预测分析方法，通过预先训练好的卷积神经网络对光纤横截面二维结构特征进行提取，并通过回归计算准确预测光纤的光学特性。

技术介绍

[0002]光纤光子学领域的发展，离不开各类新型功能型光纤光子结构及器件的开发与设计。目前光纤光子结构的研发主要依赖于密集计算的数值仿真和人工试错框架，通过一个先验的物理机制，利用各类数值仿真计算，通过人工反复调整结构特征参数来尝试获得理想的光学特性。这种基于人工试错框架的结构设计优化非常依赖于研究人员的经验和直觉，由于光学结构与特性之间的关系往往非常复杂隐晦，各个结构参数之间也会存在相互影响和制约，研究人员很难获得明确的优化和设计方向，在设计过程中往往伴随大量重复冗余的工作，设计方法耗时费力，单靠物理直觉和系统微调，很难有大的突破或者改进，也难以找到最佳或极限光学特性的结构参数。另一方面，密集计算的数值仿真方法(例如平面波展开法、有限差分法、有限单元法等)虽本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于卷积神经网络的光纤结构二维特征提取及光学特性预测方法，所述方法包括下列步骤：步骤1：将光纤横截面二维自由分布结构特征转换为二维数值矩阵；步骤2：利用数值仿真方法(例如有限元等)采集光纤的光学特性数据集；步骤3：构建光纤结构特征提取及回归计算预测神经网络结构；步骤4：使用采集的数据集对网络进行训练并保存模型；步骤5：使用测试集对网络模型的预测计算性能进行测试；步骤6：保存最合适的预测网络，用于快速准确计算不同光纤的光学特性。2.根据权利要求1中所述的基于卷积神经网络的光纤结构二维特征提取及光学特性预测方法，其特征在于：在步骤1中，通过选取合适的采样间隔(分辨率)，将光纤横截面二维自由分布结构特征转换为二维数值矩阵，矩阵中每一个点的...

【专利技术属性】
技术研发人员：黄薇，于浩淼，陈胜勇，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：