一种涵盖多状态脉冲识别的快速自动锁模方法
技术领域
本发明涉及锁模激光器及自动控制领域,尤其涉及一种涵盖多状态脉冲识别的快速自动锁模方法。
背景技术
锁模激光器是当今光电子技术领域最前沿、最活跃的研究方向之一,也是超快光学系统研究的基础和出发点。物理、化学、生物以及材料与信息科学等学科许多研究都以超短脉冲作为基本工具,不断揭示新的超快变化过程,直观探索微观世界里物质的运动规律。锁模激光器能够产生具有高脉冲能量,窄脉冲宽度的脉冲,因此被广泛运用于材料加工与制作、显微镜、生物成相、距离测量、尺寸测量、时钟和同步、光通信、光信号处理、遥感等诸多应用。
锁模的实现方式有主动锁模、被动锁模以及混合锁模。主动锁模可以实现重复频率可调,不过其产生的脉冲脉宽一般较宽,多为皮秒量级。被动锁模的结构简单,脉冲的脉宽也很窄,可达几十飞秒。混合锁模结合了前两者的优点,重复频率可调,输出的脉冲脉宽也比较窄,但是其结构复杂且通常稳定性欠佳。
因此,基于非线性偏振演化(Nonlinear Polarization Evolution,NPE)的被动锁模一直是用于产生超短脉冲的主要方式。但基于NPE的被动锁模激光器的偏振控制一直是一个问题,尤其是想要获得多种输出状态时(如谐波锁模、调Q等),对偏振控制的精准性要求会大幅提高且在进行状态切换时,需要反复调节偏振态,这对于手动操作而言,几乎是无法实现的。
为了解决上述问题,近年来,少数利用电控偏振实现自动锁模的实验被报道,勃艮第大学的U.Andral等人和帝国理工学院的R.I.Woodward等人先后利用遗传算法(GeneticAlgorithm,GA),结合电控偏振技术,实现了自动锁模,但是前者的实验结构繁琐,需要两个电控偏振控制器(Electrical Polarization Controller,EPC),6路电压控制;后者锁模的识别复杂,需要同时用到时域、频域和光谱的信息来综合识别。此外,GA算法的复杂度较高,不利于实时,运算量较大,两个方案中锁模耗时都在30分钟左右。由此可见,对快速偏振控制技术的需求与日俱增。
因此,本领域的技术人员致力于开发一种偏振控制算法和锁模状态的自动识别方法,以此来解决基于NPE的被动锁模激光器的偏振控制问题,实现自动锁模,从而拓宽锁模激光器的应用场景。
发明内容
有鉴于现有技术的上述缺陷,本发明所要解决的技术问题是基于NPE的被动锁模激光器的偏振控制问题,从而实现自动锁模。
为实现上述目的,本发明提供了一种涵盖多状态脉冲识别的快速自动锁模方法,包括以下步骤:
步骤1、锁模激光器的输出信号经过光电转换及高速采样后得到的时域波形信号送入计算中心,用于进行锁模状态识别;
步骤2、若锁模状态识别为未锁模,则执行最优化算法;
步骤3、根据最优化算法,将调节后的偏振状态值通过串口通信协议由计算中心输入数模转换器,通过数模转换器转化为四路直流电压;
步骤4、数模转换器输出的四路直流电压驱动锁模激光器其中的电控偏振控制器,从而实现自动的偏振控制;
步骤5、若锁模状态识别为锁模,则进入监测模式;
步骤6、监测到失锁,快速恢复即逐一尝试以前锁模的经验偏振状态,看是否能够恢复锁模状态;
步骤7、快速恢复锁模成功,则恢复监测模式;
步骤8、快速恢复锁模失败,则进入最优化算法,重新寻找锁模状态。
进一步地,所述最优化算法是罗森布朗克(Rosenbrock)最优化算法。
进一步地,所述输出信号光电转换是通过光电探测器后输入高速示波器。
进一步地,所述输出信号高速采样是通过高速采样模数转换器实现所述锁模激光器输出信号的数字化。
进一步地,所述输出信号的高速采样是示波器通过TCP/IP协议采样得到的时域波形信号。
进一步地,通过对信号进行时频域的分析,实现基频锁模、谐波锁模、调Q以及调Q锁模状态的自动识别。
进一步地,所述电控偏振控制器是基于新型光材料制备的,其波长覆盖从1528nm到1610nm。
进一步地,所述电控偏振控制器通过利用0~5V的控制电压产生0~π的偏振态相位延迟,使0~5V的控制电压产生的偏振态能够遍历整个庞加莱球。
进一步地,所述电控偏振控制器在波长为1550nm时的插损为1.2dB。
进一步地,所述监测模式是指不断对当前波形进行锁模状态识别,以此监测失锁的发生。
本发明利用EPC模块,基于Rosenbrock最优化方法,结合多状态脉冲识别,实现了自动偏振控制和快速自动锁模,其中实现自动基频锁模最快仅耗时3分钟。闭环反馈结构和快速恢复机制使激光器可以稳定工作在目标状态,且可以通过改变偏振态实现多状态的迅速切换。该方法解决了基于NPE的被动锁模激光器中偏振控制的问题,可以让锁模激光器快速自动锁模且稳定工作在目标状态。
以下将结合附图对本发明的构思、具体结构及产生的技术效果作进一步说明,以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明的一个较佳实施例的基于Rosenbrock最优化且涵盖多状态脉冲识别的快速自动锁模算法的原理图;
图2是本发明的一个较佳实施例的Rosenbrock最优化算法流程图;
图3是本发明的一个较佳实施例的二次谐波锁模的快速傅里叶变换(FFT)结果;
图4是本发明的一个较佳实施例的三次谐波锁模的FFT结果;
图5是本发明的一个较佳实施例的调Q的FFT结果;
图6是本发明的一个较佳实施例的调Q锁模的FFT结果;
图7是本发明的一个较佳实施例的基频锁模时域波形;
图8是本发明的一个较佳实施例的二次谐波锁模时域波形;
图9是本发明的一个较佳实施例的三次谐波锁模时域波形;
图10是本发明的一个较佳实施例的四次谐波锁模时域波形;
图11是本发明的一个较佳实施例的调Q时域波形;
图12是本发明的一个较佳实施例的调Q锁模时域波形。
具体实施方式
以下参考说明书附图介绍本发明的多个优选实施例,使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现,本发明的保护范围并非仅限于文中提到的实施例。
在附图中,结构相同的部件以相同数字标号表示,各处结构或功能相似的组件以相似数字标号表示。附图所示的每一组件的尺寸和厚度是任意示出的,本发明并没有限定每个组件的尺寸和厚度。为了使图示更清晰,附图中有些地方适当夸大了部件的厚度。
本发明利用EPC模块,基于Rosenbrock最优化方法,结合多状态脉冲识别,实现了自动偏振控制和快速自动锁模。闭环反馈结构和快速恢复机制使激光器可以稳定工作在目标状态,且可以通过改变偏振态实现多状态的迅速切换。
如图1所示,在本发明的较佳实施方式中,具体包括以下步骤:
步骤1、锁模激光器的输出信号经过光电探测器后输入高速示波器,示波器通过TCP/IP协议将得采样得到的时域波形信号送入电脑端,用于进行锁模状态识别;
步骤2、若锁模状态识别为未锁模,则进行Rosenbrock最优化。具体地,通过对信号进行时频域的分析,实现了包括基频锁模、谐波锁模、调Q以及调Q锁模等多种状态的自动识别;
步骤3、根据Rosenbrock最优化算法,将调节后的偏振状态值通过串口通信协议由计算中心输入数模转换器(Digital Analog Convertor,DAC),通过DAC转化为四路直流电压;
步骤4、DAC输出的四路直流电压驱动锁模激光器其中的EPC,从而实现自动的偏振控制;本发明中所使用的EPC基于新型光材料,响应时间低至微秒量级,1550nm下的插损低至1.2dB,波长覆盖从1528nm到1610nm。EPC通过利用0~5V的控制电压产生0~π的偏振态相位延迟,以此保证了0~5V的控制电压产生的偏振态能够遍历整个庞加莱球;
步骤5、若锁模状态识别为锁模,则进入监测模式。所谓监测模式,是指不断对当前波形进行锁模状态识别,以此监测失锁的发生;
步骤6、监测到失锁,快速恢复即逐一尝试以前锁模的经验偏振状态,看是否能够恢复锁模状态;
步骤7、快速恢复锁模成功,则恢复监测模式;
步骤8、快速恢复锁模失败,则进入Rosenbrock最优化算法,重新寻找锁模状态。
其中,锁模状态识别包括基频锁模、谐波锁模、调Q以及调Q锁模的多种状态的自动识别,不同状态的识别所使用的识别方法和标准不尽相同。
对于基频锁模而言,其识别标准如下:
1、域的脉冲计数准确:在采样率和重复频率确定的情况下,固定时间段中的脉冲数量就是确定的,通过时域计数的方式,可以成功过滤掉谐波锁模以及其它状态。
2、脉冲峰值的归一化方差足够小:锁模状态下的脉冲平稳,幅度大致相当,所以其脉冲峰值的归一化方差是非常小的,基频锁模时域波形如图7所示。
对于n次谐波锁模而言,其识别标准如下:
1、时域的脉冲计数准确。
2、脉冲峰值的归一化方差足够小。
3、傅里叶变换(Fast Fourier Transform,FFT)结果中,第n根谱线及其倍数的谱线幅度更大:如图3与图4所示,因为在n次谐波锁模中,重复频率已经增大到基频的n倍,所以在频域上,自然是与当前重复频率成整倍数关系的那些频率分量幅度更大。二次谐波锁模时域波形如图8所示,三次谐波锁模时域波形如图9所示,四次谐波锁模时域波形如图10所示。
对于调Q而言,其识别标准如下:
FFT中,几乎所有的频率分量都集中在低频:调Q脉冲具有重复频率低,但单个脉冲能量巨大的特点,其重复频率一般为kHz量级。所以调Q的FFT结果中,低频的频率分量应该占绝大部分,如图5所示(其中的插图为放大的调Q的FFT在低频处的结果)。调Q时域波形如图11所示。
对于调Q锁模而言,其识别标准如下:
1、FFT中,大部分的频率分量都集中在低频:调Q锁模是具有调Q包络,包络内为锁模脉冲,所以其频谱应该是集中分布在包络的低频与内部锁模脉冲的高频两处,如图6所示,会有大部分的频率分量集中在包络的低频。
2、FFT中,存在最够大的高频分量。调Q锁模的一部分频谱集中分布内部锁模脉冲的高频附近,所以FFT结果中会有一些高频分量显著大于其它的高频分量,如图6所示(其中的插图从左到右分别为放大的调Q锁模的FFT在低频处与高频处的结果)。调Q锁模时域波形如图12所示。
Rosenbrock最优化算法有别于最速下降法、牛顿法、共轭梯度法等方法,它适用于没有确定的优化目标函数解析式的场景,非常适合本发明的场景,Rosenbrock最优化算法的步骤为:
步骤1:探索。Rosenbrock最优化算法会按着每个方向挨个探索,在本发明中,EPC由四路直流电压控制,因此共有四个方向。Rosenbrock算法流程如图2所示,采集当前波形,计算其优化目标函数值(时频域相关参数)作为初始目标值,随后初始化随机给一组电压值U=[U1,U2,U3,U4]。首先从通道1开始探索,即在U1上加上一个步进电压Δu,然后将新的电压值Utemp=[U1+Δu,U2,U3,U4]赋予EPC,采集偏振调整后的波形用于计算目标值,将当前目标值与之前目标值进行比较,若当前目标值更优,则接受这次探索并储存当前目标值用于下次探索比较,同时将通道1的步进电压变为α*Δu(α>1),作为奖励;若当前目标值更差,则拒绝这次探索,同时将通道1的步进电压变为β*Δu(β<0),作为惩罚。
步骤2:构造新的探索方向。按照上述方式对通道1至通道4逐一循环探索,直至四个方向均探索失败,则利用Gram-Schmidt正交化方法重新构造新的相互正交的探索方向,用于下一轮的探索。利用Gram-Schmidt正交化方法构造新的探索方向有着举足轻重的作用,因为新的构造方向往往是更快速到达最优解的方向。
步骤3:优化结束条件。在探索的过程中,若成功检测到锁模,则会直接结束优化。否则就会在一轮探索结束过后检测此次优化后的电压值相比优化前的电压值变化是否太小,若||U(k+1)-Uk||≤ε,则认为本次优化已经相当接近最优解(全局或局部)了,其中U(k+1)和Uk分别为经k+1次优化和k次优化后的电压值,ε是在Rosenbrock参数初始化中设定的阈值。此时,程序会重新随机初始化电压值及目标值,重新开始搜索,重复优化直至锁模。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。