基于复数神经网络的单偏振调制的偏振复用多模光纤成像系统技术方案

本发明专利技术属于电子信息技术领域，具体为基于复数神经网络的单偏振调制的偏振复用多模光纤成像系统。本发明专利技术系统包括复数投影网络(CV

【技术实现步骤摘要】
基于复数神经网络的单偏振调制的偏振复用多模光纤成像系统


[0001]本专利技术属于电子信息
，具体涉及偏振复用多模光纤成像系统。

技术介绍

[0002]近年来，基于多模光纤(multimode fiber，MMF)的光场成像凭借其传递大量空间模式的特点逐渐成为热门话题[1
‑
6]，在生物医疗、信息传输等领域具有广泛应用前景。然而，MMF内部的模式耦合会引起强散射，经过MMF传输后通常得到的看似随机分布的散斑图案。然而，该散射过程在一定时间内已被证明是确定性的且线性的，因此可以使用复数传输矩阵(transmission matrix，TM)[1]进行描述。复数TM的测量可以通过相干法获得。此外，深度学习方法也已被研究用于无参考光的MMF图像重建[2
‑
4]和投影[5,6]。其中，通过MMF的图像是更具挑战性的，因为机器学习算法需要大量的训练数据，而对于散射系统来说，很难用单个网络获取所需输出图像的训练数据集和相应的输入光场，这是一个“先有鸡还是先有蛋”的难题。
[0003]文献[5]提出了一种具有两个子网络的投影网络，通过一个模型网络学习系统的前向传播过程，和一个生成网络学习其逆过程，以解决鸡和蛋的困境。文献[6]进一步提出了一种含有三个子网络投影仪结构，用实数网络模拟光场在物理MMF系统中的传输过程，相比于参考文献[5]的结果显示出更强的泛化性。
[0004]然而，现有的工作都使用实数神经网络，这与复杂的物理光场传播不兼容。具体而言，文献[5]忽略了复杂光场的实部和虚部之间的交叉关系。参文献[6]使用冗余分支来模拟复值传播过程，增加了过拟合的风险。此外，这些工作只关注单极化情况。尽管MMF的输入是线性偏振的，但是由于多模光纤的内部结构并非完全理想，光场经过多模光纤传输过程中存在偏振模式耦合，在通过MMF传输之后不能保持偏振。因此，物理模型驱动的复数神经网络在MMF图像投影中的应用，同时如何利用MMF的模式间耦合问题是非常值得研究的。

技术实现思路

[0005]本专利技术的目的在于提供一种基于复数神经网络的单偏振调制的偏振复用多模光纤成像系统，以解决光场经过多模光纤传输过程中存在的偏振模式耦合问题，确保在通过MMF传输之后能保持偏振。
[0006]本专利技术针对MMF成像技术中的图像投影任务，重点考虑如何设计更符合物理模型的轻量高效算法，改进实数神经网络与实际复数光场传输物理模型不匹配的问题；同时，考虑到MMF传输中存在的模式间耦合，如何用简单光路系统实现偏振复用问题。
[0007]本专利技术提供的基于复数神经网络的单偏振调制的偏振复用多模光纤成像系统，包括提出一种受物理模型启发的复数投影网络(complex
‑
valuled projector network,CV
‑
Pnet)，用于获得两个偏振上不同的图案投影，实现偏振复用；相对于实数投影网络(real
‑
valued projector network,RV
‑
net)，CV
‑
Pnet可以更合理地对光传播进行建模，并且具有
较小的空间复杂度。针对MMF中存在的偏振模式耦合问题，本专利技术反过来利用这一性质，通过生成
‑
模型神经网络结构，在偏振敏感空间光调制器(SLM)上使用单个全息图实现偏振复用(PM)MMF投影。
[0008]本专利技术针对对MMF成像技术中的图像投影任务，即通过计算进入MMF之前纯相位SLM上显示的全息图，对入射光场进行调控，使得经过MMF传输后远端相机能够显示目标的图案。由于光场在MMF传输的过程中经历了严重的散射，MMF的远端图案通常是看似随机的散斑图案。并且由于MMF波导结构的不完整性，对于入射的单偏振模式的光场，经过MMF传输后的出射光场将包含其他偏振模式的信息。因此，如何在获得光纤出射端在不同偏振同时显示不同目标图案对应的入射端SLM上的纯相位全息图案，具有重要的研究价值。
[0009]本专利技术提出的单偏振调制的偏振复用多模光纤图像投影系统，参见图1所示。该系统包括激光器、反射镜、空间光调制器、多模光纤(MMF)、相机，以及相关光学元件：半波片，偏振片，透镜1，透镜2，套筒透镜3，物镜1，物镜2，套筒透镜4，偏振分束器；所述激光器与反射镜之间的光路上依次设置有半波片、偏振片、第一透镜1和第二透镜2；所述空间光调制器接受反射镜反射的单偏振光输入；所述空间光调制器与偏振分束器之间光路上依次有第三透镜3、第一物镜1、第二物镜2、第四透镜4；其中，多模光纤连接于第一物镜1、第二物镜2之间；这部分也称为物理系统。
[0010]激光器出射的光束经过半波片和偏振片，成为单偏振光束；再经过第一透镜1和第二透镜2组成的4f系统实现光束扩束；经过反射镜反射后的光束打在偏振敏感的纯相位空间光调制器(SLM)上，经过调制后的光束经过第三透镜3和第一物镜1耦合进MMF，传输后的光束通过第二物镜2和第四透镜4后，偏振分束器将两个正交偏振方向的光束分开，然后分别由相机接收。值得注意的是，在进入MMF之前的光束是单偏振的，而经过MMF后的光束受到偏振模式耦合，将不再保持单偏振特性。
[0011]所述复数投影网络，用于获得两个偏振上不同的图案投影，实现偏振复用；其包含一个偏振复用生成网络(polarization
‑
multiplexed generation network，PM
‑
Gnet)和分别用于对X和Y两个偏振的两个模型网络(model network，Mnet)。偏振复用的复数投影网络，其原理图如图2所示，其工作过程包括四个流程：
[0012]流程201，为训练数据获取，即使用随机生成的相位图案调制入射光束，并采集在两个偏振方向上相机接收到的强度图案。
[0013]流程202，进行X和Y两个偏振Mnet训练；使用流程201获取的随机相位、相机采集的图像组作为训练集，学习系统的前向过程；在Mnet训练过程中，目标损失函数采用均方误差(mean square error，MSE)。当两个偏振方向的Mnet训练完毕后，固定其系数，进入下一流程。
[0014]流程203，训练PM
‑
Gnet；PM
‑
Gnet的输入是来自两个偏振的目标图案，输出为预测的SLM相位图案，并且PM
‑
Gnet的输出将作为Mnet的输入，获得X和Y偏振方向的强度图像输出。在PM
‑
Gnet训练过程中，目标损失函数为：
[0015][0016]其中，x
out
,x
target
分别是X偏振下NN皮尔逊相关系数，P(x,y)定义为x与y的协方差比上x和y标准差的乘积：
[0017][0018]该损失函数与两个偏振方向的神经网络输出和目标图案的平均相关系数相关。当PM
‑
Gnet训练完成后，进入下一流程。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于复数神经网络的单偏振调制的偏振复用多模光纤成像系统，其特征在于，包括一种复数投影网络(CV
‑
Pnet)，用于获得两个偏振上不同的图案投影，实现偏振复用；还包括由激光器、反射镜、空间光调制器(SLM)、多模光纤(MMF)、相机，以及相关光学元件经光路连接的物理系统；所述激光器与反射镜之间的光路上依次设置有半波片、偏振片、第一透镜和第二透镜；所述空间光调制器接受反射镜反射的单偏振光输入；所述空间光调制器与偏振分束器之间光路上依次有第三透镜、第一物镜、第二物镜、第四透镜；其中，多模光纤连接于第一物镜、第二物镜之间；激光器出射的光束经过半波片和偏振片，成为单偏振光束；再经过第一透镜和第二透镜组成的4f系统实现光束扩束；经过反射镜反射后的光束打在偏振敏感的纯相位空间光调制器(SLM)上，经过调制后的光束经过第三透镜和第一物镜耦合进多模光纤(MMF)，传输后的光束通过第二物镜和第四透镜后，偏振分束器将两个正交偏振方向的光束分开，然后分别由相机接收。2.根据权利要求1所述的偏振复用多模光纤成像系统，其特征在于，所述复数投影网络(CV
‑
Pnet)包括一个偏振复用生成网络(PM
‑
Gnet)和分别用于对X和Y偏振的两个模型网络(Mnet)；其工作过程包括四个流程：流程201，为训练数据获取，即使用随机生成的相位图案调制入射光束，并采集在两个偏振方向上相机接收到的强度图案；流程202，进行X和Y两个偏振Mnet训练；使用流程201获取的随机相位、相机采集图像组作为训练集，学习系统的前向过程；在Mnet训练过程中，目标损失函数采用均方误差(MSE)；当两个偏振方向的Mnet训练完毕后，固定其系数，进入下一流程；流程203，训练PM
‑
Gnet；PM
‑
Gnet的输入是来自两个偏振的目标图案，输出为预测的空间光调制器(SLM)相位图案，并且PM
‑
Gnet的输出将作为Mnet的输入，获得X和Y偏振方向的强度图像输出；在PM
‑
Gnet训练过程中，目标损失函数为：其中，x
out
,x
target
分别是X偏振下NN皮尔逊相关系数，P(x,y)定义为x与y的协方差比上x和y标...

【专利技术属性】
技术研发人员：迟楠，牛文清，
申请(专利权)人：复旦大学，
类型：发明
国别省市：