CN112033645A - 波导光栅结构参数确定方法、装置、存储介质及激光雷达 - Google Patents
波导光栅结构参数确定方法、装置、存储介质及激光雷达 Download PDFInfo
- Publication number
- CN112033645A CN112033645A CN202010786309.3A CN202010786309A CN112033645A CN 112033645 A CN112033645 A CN 112033645A CN 202010786309 A CN202010786309 A CN 202010786309A CN 112033645 A CN112033645 A CN 112033645A
- Authority
- CN
- China
- Prior art keywords
- current
- far
- divergence angle
- waveguide grating
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M11/00—Testing of optical apparatus; Testing structures by optical methods not otherwise provided for
- G01M11/02—Testing optical properties
- G01M11/0242—Testing optical properties by measuring geometrical properties or aberrations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Chemical & Material Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Optical Integrated Circuits (AREA)
Abstract
本申请实施例公开了一种波导光栅结构参数确定方法、装置、存储介质及激光雷达,其中方法包括:获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角;获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角;基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。采用本申请实施例,可以在优化后得到最小远场光斑发散角,在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种波导光栅结构参数确定方法、装置、存储介质及激光雷达。
背景技术
从分立的无源器件如耦合器、波分复用器、光开关等,到分立的有源光器件如光源、光探测器、光调制器等,再到同一芯片多种光器件的集成,集成光子器件在众多领域都发挥着重要的作用。
波导光栅是硅基集成光学中重要且基本的器件之一。在光通信领域,利用光栅的衍射作用可以实现聚焦、反射、折射、滤波及耦合等功能。在雷达领域,光栅可以作为相控阵雷达的发射单元,多个发射天线单元可以在空间产生干涉形成远场光束,以此来探测目标物体。
波导光栅要想实现不同的功能其结构参数的设计至关重要。当设计的参数较少时,对于光栅耦合器来说,很难实现高效率的耦合;对于相控阵光栅天线来说,天线发射均匀性和方向性很不理想,同时远场光斑可能伴有较大的栅瓣。当设计的参数较多时,又会使得整个设计过程十分复杂。
发明内容
本申请实施例提供了一种波导光栅结构参数确定方法、装置、存储介质及激光雷达,可以在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计。所述技术方案如下:
第一方面,本申请实施例提供了一种波导光栅结构参数确定方法,所述方法包括:
获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角;
获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角;
基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。
第二方面,本申请实施例提供了一种波导光栅结构参数确定装置,所述装置包括:
当前发散角获取模块,用于获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角;
历史发散角获取模块,用于获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角;
结构参数确定模块,用于基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。
第三方面,本申请实施例提供一种计算机存储介质,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行上述的方法。
第四方面,本申请实施例提供一种激光雷达,可包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行上述的方法。
本申请一些实施例提供的技术方案带来的有益效果至少包括:
在本申请一个或多个实施例中,获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角,获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角,基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。通过计算的当前远场光斑发散角以及所述历史远场光斑发散角以对当前结构参数进行优化,可以根据需求自主设计光栅的结构参数,在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的波导光栅基本的横截面的结构示意图;
图2a是本申请实施例提供的波导光栅耦合器的3D结构示意图;
图2b是本申请实施例提供的波导光栅耦合器基本的俯视图;
图3a是本申请实施例提供的相控阵波导光栅天线的3D结构示意图;
图3b是本申请实施例提供的相控阵波导光栅天线结构的俯视图;
图4是本申请实施例提供的一种波导光栅结构参数确定方法的流程示意图;
图5是本申请实施例提供的一种波导光栅结构参数确定方法的流程示意图;
图6是本申请实施例提供的一种波导光栅结构参数确定装置的结构示意图;
图7是本申请实施例提供的一种波导光栅结构参数确定装置的结构示意图;
图8是本申请实施例提供的一种激光雷达的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本申请的描述中,需要说明的是,除非另有明确的规定和限定,“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。此外,在本申请的描述中,除非另有说明,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
光栅作为耦合器一般需要有较高的垂直或倾斜的向上或向下的耦合效率,作为滤波器一般需要高的前向传输效率或背向反射效率,作为相控阵天线单元,需要高的向上发射效率和发射均匀性,以及低的栅瓣水平。
为了达到设计目的,一般需要打破常规均匀波导光栅的对称结构,将光栅作非均匀化处理,即对每个光栅周期的结构参数进行设计。如图1所示,硅基波导光栅包括衬底硅层,下包层二氧化硅层,硅波导光栅层及上包层二氧化硅或空气层。每个光栅周期的刻蚀深度为hi,硅波导层厚度为H。例如,当光栅被设计为耦合器时,一般为图2a和图2b所示结构,其中,某一光栅周期光栅齿宽度为wi,光栅齿长度为ai,周期为Λi=ai+bi。例如当光栅被设计为相控阵天线单元时,一般为图3a和图3b所示结构,某一光栅周期波导两边光栅齿宽度分别为wi1,wi2,波导宽度为wi3,光栅齿长度为ai,周期为Λi=ai+bi,(i=1,2,3…n),n为光栅周期数。
相控阵雷达通过多个光栅天线组成的发射单元发射光束,在空间上产生干涉形成远场光束,通过远场光束来实现物体探测,然后再通过调整发射单元所发射的光相位差的大小,来调整远场光束的方向,从而实现对不同角度目标物体的扫描,其中衡量相控阵雷达的性能参数之一就是较小的远场光斑发散角,这就需要光栅天线具有发射均匀性,因此需要光栅天线弱耦合,在光场传播方向均匀发射。
为了达到设计目的,需要打破常规均匀光栅的对称结构,将光栅作非均匀化处理,即对每个光栅周期的结构参数进行设计,设计参数可以包括hi,wi1,wi2,wi3,ai,Λi,(i=1,2,3…n),n为光栅周期数。
下面结合具体的实施例对本申请实施例提供的波导光栅结构参数确定方法进行详细介绍。该方法可依赖于计算机程序实现,可运行于基于冯诺依曼体系的波导光栅结构参数确定装置上。该计算机程序可集成在应用中,也可作为独立的工具类应用运行。
请参见图4,为本申请实施例提供的一种波导光栅结构参数确定方法的流程示意图。本申请实施例的所述方法可以包括以下步骤:
S101,获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角;
可以理解的,所需设计的波导光栅的结构参数至少包括hi,wi1,wi2,wi3,ai,Λi,(i=1,2,3…n),n为光栅周期数。获取各结构参数的当前值,作为当前结构参数。
假设光栅天线单元的工作波长为1550nm,以图3a和图3b所示结构作为相控阵天线设计的当前光栅结构,若当前条件中每个光栅周期的刻蚀深度为h=H=220nm,每个光栅周期波导两边光栅齿宽度分别为w1,w2,波导宽度为w3,光栅齿长度为a,周期为Λ=a+b=2a,n为光栅周期数。根据相位匹配条件,初步计算出光栅的周期Λ,确定光栅齿宽度w1=w2,波导宽度w3,光栅齿长度a。采用仿真软件(如Lumerical FDTD)进行结构建模后可以计算出当前结构参数对应的当前远场光斑的发散角。
S102,获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角;
历史结构参数,可以理解为该光栅天线单元在历史时刻所确定的结构参数。
在得到历史结构参数后,可按照上述相同的方式确定该历史结构参数对应的历史远场光斑发散角。
S103,基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。
具体的,若所述当前远场光斑发散角小于所述历史远场光斑发散角,将所述历史远场光斑发散角对应的历史群体最优值确定为所述波导光栅的目标结构参数。若所述当前远场光斑发散角大于所述历史远场光斑发散角,基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值对当前结构参数进行迭代,确定所述波导光栅的目标结构参数。
例如,设定最大迭代次数为Num_Itera,目标函数的自变量个数为N(该自变量个数为需要设计的结构参数的个数)、搜索空间维数为D,当前粒子群为D行N列向量x:
需要说明的是,粒子群即为各类结构参数,每类结构参数可理解为一个粒子。第i个粒子表示为一行N列的向量,xi=(xi1,xi2,…xiN),i=1,2,3,…D。每个粒子的位置为xi(位置代表各结构参数的值),第i个粒子的速度为vi=(vi1,vi2,…viN),i=1,2,3,…D,viN∈[-vmax,vmax],表示各结构参数hi,wi1,wi2,wi3,ai,Λi的变化量,vmax为最大速度且为一常数,即各结构参数的最大变化量。
粒子群的个体最优值pbesti=(pbesti1,pbesti2,…pbestiN),(i=1,2,3,…D),而该粒子群的群体最优值gbest为粒子个体最优值的最优值,gbest=(gbest1,gbest2,…gbestN)。其中,个体最优值为每个粒子的最优值,即粒子群x中每行的最优值,群体最优值为个体最优值中的最优值。
若当前远场光斑发散角大于所述历史远场光斑发散角,则用当前粒子位置xi代替个体历史最优值pbesti,用当前粒子位置xi代替群体历史最优值gbest,并对当前结构参数进行迭代更新。
ω是惯性权重,其取值非负数,用来衡量粒子保持原来运动速度大小的系数。当ω较大时,全局搜索寻优能力强,当ω较小时,局部搜索寻优能力强。ω的取值随迭代次数而动态变化,取最大惯性权重ωmax=0.9,最小惯性权重ωmin=0.4,当t≤Num_Itera时,第t次迭代的惯性权重ω(t)=(ωmax-ωmin)×(t-1)/(Num_Itera-1)+ωmin;否则,ω(t)=ωmax,动态惯性权重ω的设计使得粒子群算法实现了自适应控制,在全局搜索和局部搜索之间进行了平衡,能更高效的达到优化目标。
c1和c2是学习因子,分别表示粒子对自身和全局的认识,其大小可衡量粒子前往个体最优值和群体最优值的加速度。通常c1=c2∈[0,4],一般设置为c1=c2=2。r1和r2为(0,1)之间的随机数。
并且在每次迭代后,再重新计算当前结构参数,若该结构参数仍然大于上一次迭代的结构参数,则继续迭代。在达到设定的最大迭代次数Num_Itera时,或者多次迭代之间的最优差值小于或者等于最小界限1×10-25时,停止迭代,此时的结构参数即为群体最优值,该群体最优值对应的远场光斑发散角即为最小远场光斑发散角。
在本申请一个或多个实施例中,获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角,获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角,基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。通过计算的当前远场光斑发散角以及所述历史远场光斑发散角以对当前结构参数进行优化,可以根据需求自主设计光栅的结构参数,在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计,整个优化过程操作简单。
请参见图5,为本申请实施例提供的一种波导光栅结构参数确定方法的流程示意图。本申请实施例的所述方法可以包括以下步骤:
S201,基于仿真软件建立光栅结构模型;
在本申请实施例中,可采用Lumerical FDTD仿真软件根据粒子xi进行建模,生成光栅结构模型。
每个粒子可理解为每类需要设计的结构参数。对于每个粒子可采用相同的方式实现,也就是说,若所需设计的结构参数包括每个光栅周期的刻蚀深度hi,每个光栅周期波导两边光栅齿宽度wi1和wi2,波导宽度wi3,光栅齿长度ai和光栅周期Λi,则需要对这6类结构参数分别建模实现。
在本申请实施例中所提及的结构参数(如初始结构参数、历史结构参数、当前结构参数等)均指其中的某一类结构参数。
S202,获取波导光栅的当前结构参数,将所述当前结构参数输入至所述光栅结构模型中,输出所述当前结构参数对应的当前远场光斑发散角;
获取结构参数的当前值,作为当前结构参数。并将该当前结构参数作为光栅结构模型的输入,从而可计算得到相应的当前远场光斑发散角。
S203,获取所述波导光栅的历史结构参数,将所述历史结构参数输入至所述光栅结构模型中,输出所述历史结构参数对应的历史远场光斑发散角;
计算历史远场光斑发散角的方式与当前远场光斑发散角的方式相同,此处不再赘述。
S204,若所述当前远场光斑发散角小于所述历史远场光斑发散角,基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值,对所述波导光栅的当前结构参数进行迭代;
具体的,若所述当前远场光斑发散角小于所述历史远场光斑发散角,获取当前惯性权重,基于所述当前惯性权重、预设学习因子以及所述历史群体最优值和所述历史个体最优值,计算更新后的光栅结构参数。其中,可以基于当前结构参数的迭代次数和预设惯性权重调整所述当前惯性权重。预设惯性权重包括但不限于最大惯性权重和最小惯性权重等。
例如,ω是惯性权重,其取值非负数,用来衡量粒子保持原来运动速度大小的系数。当ω较大时,全局搜索寻优能力强,当ω较小时,局部搜索寻优能力强,可以通过权重自适应在迭代过程中不断改变ω的大小,实现对全局搜索寻优和局部搜索寻优的平衡。实施例中ω的取值随迭代次数而动态变化,取最大惯性权重ωmax=0.9,最小惯性权重ωmin=0.4,当t≤Num_Itera时,第t次迭代的惯性权重ω(t)=(ωmax-ωmin)×(t-1)/(Num_Itera-1)+ωmin;否则,ω(t)=ωmax,动态惯性权重ω的设计使得粒子群算法实现了自适应控制,在全局搜索和局部搜索之间进行了平衡,能更高效的达到优化目标。
c1和c2是学习因子,分别表示粒子对自身和全局的认识,其大小可衡量粒子前往个体最优值和群体最优值的加速度。实施例中设置c1=c2=2,r1和r2为(0,1)之间的随机数。
获取此时I0对应的个体最优值pbesti和群体最优值gbesti,将所述个体最优值pbesti、群体最优值pbesti、c1和c2、r1和r2、ω代入迭代公式中:
其中,t表示迭代次数,表示根据第t次的迭代结果得到第t+1次的迭代结果。t=0表示当前结构参数,此时,t+1=1表示第一次迭代。将对迭代后的粒子=(xi1,xi2,…,xiN),i=1,2,3,…D带入光栅结构模型中再重新计算远场光斑发散角。
S205,将迭代后的所述结构参数作为当前结构参数,并执行所述基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角的步骤;
可以理解的是,在对远场光斑发散角进行迭代后,按照上述将所述当前结构参数输入至所述光栅结构模型中,输出所述当前结构参数对应的当前远场光斑发散角相同的方式计算当前远场光斑发散角,并与本次迭代前的远场光斑发散角进行比较。若比较结果仍然是当前远场光斑发散角小于本次迭代前的远场光斑发散角,则继续对当前远场光斑发散角进行更新,再判断。
S206,当达到迭代停止条件时,获取迭代停止时的目标远场光斑发散角,将所述目标远场光斑发散角对应的目标群体最优值确定为所述波导光栅的目标结构参数;
当迭代次数达到指定次数时,或两次相邻迭代之间的群体最优值的差值小于预设值时,确定迭代停止。
也就是说,当优化达到设定的迭代次数Num_Itera或多次迭代次数之间的最优差值满足最小界限1×10-25时,停止迭代,此时的群体最优值即为光栅结构参数的最优取值(即目标结构参数),且该最优取值对应的最小的远场光斑发散角。
S207,若所述当前远场光斑发散角大于所述历史远场光斑发散角,将所述历史远场光斑发散角对应的历史群体最优值确定为所述波导光栅的目标结构参数。
若所述当前远场光斑发散角大于所述历史远场光斑发散角,不需要对当前结构参数进行迭代,该历史结构参数即为所述波导光栅的目标结构参数。
在本申请一个或多个实施例中,获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角,获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角,基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。通过计算的当前远场光斑发散角以及所述历史远场光斑发散角以对当前结构参数进行优化,可以根据需求自主设计光栅的结构参数,优化后得到的最小的远场光斑发散角,在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计,整个优化过程操作简单。此外,动态惯性权重的设计使得粒子群算法实现了自适应控制,在全局搜索和局部搜索之间进行了平衡,能更高效的达到优化目标。
下述为本申请装置实施例,可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节,请参照本申请方法实施例。
请参见图6,其示出了本申请一个示例性实施例提供的波导光栅结构参数确定装置的结构示意图。该波导光栅结构参数确定装置可以通过软件、硬件或者两者的结合实现成为激光雷达的全部或一部分。该装置1包括当前发散角获取模块11、历史发散角获取模块12和结构参数确定模块13。
可选的,如图7所示,所述装置还包括:
模型建立模块14,用于基于仿真软件建立光栅结构模型。
可选的,所述当前发散角获取模块11,具体用于:
将所述当前结构参数输入至所述光栅结构模型中,输出所述当前结构参数对应的当前远场光斑发散角。
可选的,所述历史发散角获取模块12,具体用于:
将所述历史结构参数输入至所述光栅结构模型中,输出所述历史结构参数对应的历史远场光斑发散角。
可选的,所述结构参数确定模块13,具体用于:
若所述当前远场光斑发散角小于所述历史远场光斑发散角,基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值对所述当前结构参数进行迭代,确定所述波导光栅的目标结构参数;
若所述当前远场光斑发散角大于所述历史远场光斑发散角,将所述历史远场光斑发散角对应的历史群体最优值确定为所述波导光栅的目标结构参数。
可选的,所述结构参数确定模块13,具体用于:
基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值,对所述波导光栅的当前结构参数进行迭代;
将迭代后的所述结构参数作为当前结构参数,并执行所述基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角的步骤;
当达到迭代停止条件时,获取迭代停止时的目标远场光斑发散角,将所述目标远场光斑发散角对应的目标群体最优值确定为所述波导光栅的目标结构参数。
可选的,所述结构参数确定模块13,具体用于:
获取当前惯性权重;
基于所述当前惯性权重、预设学习因子以及所述历史群体最优值和所述历史个体最优值,计算所述波导光栅的结构参数变化值;
将所述结构参数变化值与所述当前结构参数的和,作为迭代后的所述波导光栅的结构参数。
可选的,所述结构参数确定模块13还用于:
基于所述当前结构参数的迭代次数和预设惯性权重调整所述当前惯性权重。
可选的,所述结构参数确定模块13还用于:
当迭代次数达到指定次数时,或两相邻迭代之间的群体最优值的差值小于预设值时,确定迭代停止。
需要说明的是,上述实施例提供的波导光栅结构参数确定装置在执行波导光栅结构参数确定方法时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的波导光栅结构参数确定装置与波导光栅结构参数确定方法实施例属于同一构思,其体现实现过程详见方法实施例,这里不再赘述。
上述本申请实施例序号仅仅为了描述,不代表实施例的优劣。
在本申请一个或多个实施例中,获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角,获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角,基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。通过计算的当前远场光斑发散角以及所述历史远场光斑发散角以对当前结构参数进行优化,可以根据需求自主设计光栅的结构参数,优化后得到的最小的远场光斑发散角,在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计,整个优化过程操作简单。此外,动态惯性权重的设计使得粒子群算法实现了自适应控制,在全局搜索和局部搜索之间进行了平衡,能更高效的达到优化目标。
本申请实施例还提供了一种计算机存储介质,所述计算机存储介质可以存储有多条指令,所述指令适于由处理器加载并执行如上述图4-图5所示实施例的上述方法,具体执行过程可以参见图4-图5所示实施例的具体说明,在此不进行赘述。
图8展示了一种运行上述波导光栅结构参数确定方法的基于冯诺依曼体系的激光雷达。具体的,可包括通过系统总线连接的外部输入接口1001、处理器1002、存储器1003和输出接口1004。其中,外部输入接口1001可包括触控屏10016,可选的还可以包括网络接口10018。存储器1003可包括外存储器10032(例如硬盘、光盘或软盘等)和内存储器10034。输出接口1004可包括显示屏10042和音响/喇叭10044等设备。
在本实施例中,本方法的运行基于计算机程序,该计算机程序的程序文件存储于前述基于冯诺依曼体系的激光雷达10的外存储器10032中,在运行时被加载到内存储器10034中,然后被编译为机器码之后传递至处理器1002中执行,从而使得基于冯诺依曼体系的激光雷达10中形成逻辑上的当前发散角获取模块、历史发散角获取模块和结构参数确定模块。且在上述波导光栅结构参数确定方法执行过程中,输入的参数均通过外部输入接口1001接收,并传递至存储器1003中缓存,然后输入到处理器1002中进行处理,处理的结果数据或缓存于存储器1003中进行后续地处理,或被传递至输出接口1004进行输出。
在本申请一个或多个实施例中,获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角,获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角,基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。通过计算的当前远场光斑发散角以及所述历史远场光斑发散角以对当前结构参数进行优化,可以根据需求自主设计光栅的结构参数,优化后得到的最小的远场光斑发散角,在保证满足衍射效率的同时,对波导光栅的结构参数进行快速有效的设计,整个优化过程操作简单。此外,动态惯性权重的设计使得粒子群算法实现了自适应控制,在全局搜索和局部搜索之间进行了平衡,能更高效的达到优化目标。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体或随机存储记忆体等。以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (11)
1.一种波导光栅结构参数确定方法,其特征在于,所述方法包括:
获取波导光栅的当前结构参数,基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角;
获取所述波导光栅的历史结构参数,基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角;
基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于仿真软件建立光栅结构模型。
3.根据权利要求2所述的方法,其特征在于,所述基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角,包括:
将所述当前结构参数输入至所述光栅结构模型中,输出所述当前结构参数对应的当前远场光斑发散角。
4.根据权利要求2所述的方法,其特征在于,所述基于所述历史结构参数获取所述波导光栅的历史远场光斑发散角,包括:
将所述历史结构参数输入至所述光栅结构模型中,输出所述历史结构参数对应的历史远场光斑发散角。
5.根据权利要求3或4所述的方法,其特征在于,所述基于所述当前远场光斑发散角以及所述历史远场光斑发散角,确定所述波导光栅的目标结构参数,包括:
若所述当前远场光斑发散角小于所述历史远场光斑发散角,基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值对所述当前结构参数进行迭代,确定所述波导光栅的目标结构参数;
若所述当前远场光斑发散角大于所述历史远场光斑发散角,将所述历史远场光斑发散角对应的历史群体最优值确定为所述波导光栅的目标结构参数。
6.根据权利要求5所述的方法,其特征在于,所述基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值对所述当前结构参数进行迭代,确定所述波导光栅的目标结构参数,包括:
基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值,对所述波导光栅的当前结构参数进行迭代;
将迭代后的所述结构参数作为当前结构参数,并执行所述基于所述当前结构参数获取所述波导光栅的当前远场光斑发散角的步骤;
当达到迭代停止条件时,获取迭代停止时的目标远场光斑发散角,将所述目标远场光斑发散角对应的目标群体最优值确定为所述波导光栅的目标结构参数。
7.根据权利要求6所述的方法,其特征在于,所述基于所述当前远场光斑发散角对应的当前群体最优值和当前个体最优值,对所述波导光栅的当前结构参数进行迭代,包括:
获取当前惯性权重;
基于所述当前惯性权重、预设学习因子以及所述历史群体最优值和所述历史个体最优值,计算所述波导光栅的结构参数变化值;
将所述结构参数变化值与所述当前结构参数的和,作为迭代后的所述波导光栅的结构参数。
8.根据权利要求的7所述的方法,其特征在于,所述方法还包括:
基于所述当前结构参数的迭代次数和预设惯性权重调整所述当前惯性权重。
9.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当迭代次数达到指定次数时,或两相邻迭代之间的群体最优值的差值小于预设值时,确定迭代停止。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有多条指令,所述指令适于由处理器加载并执行如权利要求1~9任意一项的所述的方法。
11.一种激光雷达,其特征在于,包括:处理器和存储器;其中,所述存储器存储有计算机程序,所述计算机程序适于由所述处理器加载并执行如权利要求1~9任意一项的所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010786309.3A CN112033645B (zh) | 2020-08-07 | 2020-08-07 | 波导光栅结构参数确定方法、装置、存储介质及激光雷达 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010786309.3A CN112033645B (zh) | 2020-08-07 | 2020-08-07 | 波导光栅结构参数确定方法、装置、存储介质及激光雷达 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112033645A true CN112033645A (zh) | 2020-12-04 |
CN112033645B CN112033645B (zh) | 2023-06-16 |
Family
ID=73582611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010786309.3A Active CN112033645B (zh) | 2020-08-07 | 2020-08-07 | 波导光栅结构参数确定方法、装置、存储介质及激光雷达 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112033645B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082686A (zh) * | 2007-05-29 | 2007-12-05 | 电子科技大学 | 新型光纤参数确定方法 |
CN102183814A (zh) * | 2011-05-27 | 2011-09-14 | 哈尔滨工业大学深圳研究生院 | 基于混合优化算法的光纤布拉格光栅的逆向设计方法 |
CN102313989A (zh) * | 2011-09-13 | 2012-01-11 | 山东理工大学 | 一种单个非球面透镜像差校正的方法 |
CN102831604A (zh) * | 2012-07-30 | 2012-12-19 | 常州大学 | 一种灰度图像的二维Renyi熵阈值分割方法 |
CN105205838A (zh) * | 2015-08-24 | 2015-12-30 | 重庆邮电大学 | 一种基于混沌粒子群算法的矢量量化码书构造方法 |
CN108227188A (zh) * | 2018-01-30 | 2018-06-29 | 山东大学 | 一种基于混沌粒子群算法的全随机硅基波导光栅设计方法 |
CN110160380A (zh) * | 2019-06-03 | 2019-08-23 | 中国矿业大学 | 一种宽通道板式换热器及换热器粒子群优化结构设计方法 |
-
2020
- 2020-08-07 CN CN202010786309.3A patent/CN112033645B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101082686A (zh) * | 2007-05-29 | 2007-12-05 | 电子科技大学 | 新型光纤参数确定方法 |
CN102183814A (zh) * | 2011-05-27 | 2011-09-14 | 哈尔滨工业大学深圳研究生院 | 基于混合优化算法的光纤布拉格光栅的逆向设计方法 |
CN102313989A (zh) * | 2011-09-13 | 2012-01-11 | 山东理工大学 | 一种单个非球面透镜像差校正的方法 |
CN102831604A (zh) * | 2012-07-30 | 2012-12-19 | 常州大学 | 一种灰度图像的二维Renyi熵阈值分割方法 |
CN105205838A (zh) * | 2015-08-24 | 2015-12-30 | 重庆邮电大学 | 一种基于混沌粒子群算法的矢量量化码书构造方法 |
CN108227188A (zh) * | 2018-01-30 | 2018-06-29 | 山东大学 | 一种基于混沌粒子群算法的全随机硅基波导光栅设计方法 |
CN110160380A (zh) * | 2019-06-03 | 2019-08-23 | 中国矿业大学 | 一种宽通道板式换热器及换热器粒子群优化结构设计方法 |
Non-Patent Citations (3)
Title |
---|
朱春霖 等: "《应用于亚波长角向偏振金属光栅设计的快速收敛粒子群算法优化》", 《朱春霖 等》 * |
王春阳 等: "《基于粒子群算法的光波导相控阵光栅波瓣优化》", 《数字技术与应用》 * |
赵昊: "《基于混沌粒子群算法优化硅基波导光栅耦合器的研究》", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112033645B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rifai et al. | Multi-objective adaptive large neighborhood search for distributed reentrant permutation flow shop scheduling | |
Bautin et al. | Minpos: A novel frontier allocation algorithm for multi-robot exploration | |
KR101949609B1 (ko) | 대표 광선 기반의 점유맵 업데이트 방법 및 시스템 | |
US20220398351A1 (en) | Method and system for reverse design of micro-nano structure based on deep neural network | |
Liu et al. | Self-attention-based multi-agent continuous control method in cooperative environments | |
CN115166896B (zh) | 显示设备、显示用衍射光波导及其设计方法 | |
Santos et al. | Multi-objective iterated local search based on decomposition for job scheduling problems with machine deterioration effect | |
EP3706334B1 (en) | Propagation path search method and apparatus | |
CN112033645A (zh) | 波导光栅结构参数确定方法、装置、存储介质及激光雷达 | |
Datta et al. | Individual penalty based constraint handling using a hybrid bi-objective and penalty function approach | |
Xu et al. | Integrated optimum design of metal space frame radomes with variable size members involving electromagnetic and structural analysis | |
EP1429572A1 (en) | Reception determination method and system of ray, and radio wave propagation characteristic estimation method using them | |
Çınar et al. | Boundary conditions in Tree-Seed Algorithm: Analysis of the success of search space limitation techniques in Tree-Seed Algorithm | |
Schröder et al. | Field strength prediction for environment aware MIMO channel models | |
Jakob | Towards an adaptive multimeme algorithm for parameter optimisation suiting the engineers’ needs | |
CN115564935A (zh) | 一种无载波超宽带探测系统虚拟仿真建模方法 | |
Takahashi et al. | Optimization of a photonic crystal nanocavity using covariance matrix adaptation evolution strategy | |
CN111596499A (zh) | 波导光栅天线构建方法及装置 | |
Švogor et al. | Multi-criteria software component allocation on a heterogeneous platform | |
Viswanath et al. | MASM: a market architecture for sensor management in distributed sensor networks | |
Medha et al. | Current-best particle swarm optimization | |
Sun et al. | A modified evolutionary reinforcement learning for multi-agent region protection with fewer defenders | |
Lam | Multidiscilinary design optimization for aircraft wing using response surface method, genetic algorithm, and simulated annealing | |
Binois et al. | Advanced numerical modeling methods for the characterization and optimization of metasurfaces | |
CN118316844A (zh) | 一种虚拟网络请求的物理网络资源分配方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |