CN113916497A - 一种光波导参数测量方法和装置 - Google Patents
一种光波导参数测量方法和装置 Download PDFInfo
- Publication number
- CN113916497A CN113916497A CN202111121942.1A CN202111121942A CN113916497A CN 113916497 A CN113916497 A CN 113916497A CN 202111121942 A CN202111121942 A CN 202111121942A CN 113916497 A CN113916497 A CN 113916497A
- Authority
- CN
- China
- Prior art keywords
- waveguide
- measured
- parameter
- pulse
- frequency
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000006185 dispersion Substances 0.000 claims abstract description 47
- 238000005259 measurement Methods 0.000 claims abstract description 29
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000001228 spectrum Methods 0.000 claims abstract description 10
- 230000009471 action Effects 0.000 claims abstract description 5
- 238000010845 search algorithm Methods 0.000 claims abstract description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 30
- 230000003595 spectral effect Effects 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 4
- 230000005684 electric field Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 2
- 239000013307 optical fiber Substances 0.000 description 13
- 230000010363 phase shift Effects 0.000 description 8
- 238000000691 measurement method Methods 0.000 description 7
- 239000000835 fiber Substances 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000009022 nonlinear effect Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 1
- 238000005253 cladding Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G01M11/30—Testing of optical devices, constituted by fibre optics or optical waveguides
- G01M11/33—Testing of optical devices, constituted by fibre optics or optical waveguides with a light emitter being disposed at one fibre or waveguide end-face, and a light receiver at the other end-face
-
- 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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Optics & Photonics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Optical Modulation, Optical Deflection, Nonlinear Optics, Optical Demodulation, Optical Logic Elements (AREA)
- Testing Of Optical Devices Or Fibers (AREA)
Abstract
一种光波导参数测量方法和装置,属于光波技术领域。利用通过控制产生和记录不同输入条件的光脉冲在待测波导的非线性和色散以及高阶色散参数共同作用下发生的时域以及/或频谱变化的情况,利用非线性传输方程配合参数搜索算法,直接利用测量数据对待测参数进行多变量搜索,同时获取待测待波导的非线性和色散参数的数值。
Description
技术领域
本发明涉及一种光波导参数测量方法和装置,属于光波技术领域。
背景技术
光波导通过一定的折射率结构可将光信号束缚在局部空间内沿着特定的方向传输,光纤等光波导是当前光通信,激光,传感,光子学芯片等领域的基本器件,绝大部分的光通信系统、光纤激光系统以及光子集成系统都由各种类型的光波导组成。光信号在波导中传输时会受到波导的材料和结构的影响通过波导的损耗、色散和非线性特性对光信号造成影响。因此,光波导的损耗、色散和非线性参数是光波导使用中的重要参量,在使用该波导构建系统之前必须要获取该波导的这些实际参数。
目前的测量方法,通常的测量方案是将几个参数分别使用不同的测量设备和方法进行测量。尤其是波导的色散和非线性的测量较为复杂,通常需要专用设备分别进行测量。
当前传统的色散测量方法:不同频率的电磁波在同一介质中传输的速度不同,这种现象称之为色散,对应的传输介质称之为色散介质。色散造成脉冲展宽、信号衰落等。色散由于具有频率依赖特性一般也称为色度色散。
如图1所示的现有技术色散的传统相移测量方法,该方法是测量不同波长下同一正弦调制信号的相移来得出群时延与波长的关系,进而导出色散系数的一种方法。相移法通过比较光纤基带调制信号在不同波长下的相位来确定色散特性。
图1的由光源发出的激光由信号发生器对其进行调制,调制频率为f(单位MHz,它应小于基带带宽),调制后的激光信号去除包层模只保留导模后注入光纤中,经过长度为L的光纤传输后,波长为λ的光相对于波长为λ0的光传输时延差为Δτ,则从光纤出射端接受到的光的调制波形相位差应满足其中,每公里的平均时延差可表示为:
其中,L为光纤长度。利用波长选择器和光电探测器配合矢量电压表和参考通道测出一组不同波长λi下的计算出τi(λi),这是一组离散值,再按ITU规定的不同光纤的群时延公式进行曲线拟合,最后再通过计算,求出被测光纤的色散系数
光纤色散的基准测量法是相移法;相移法是测量不同波长下同一正弦调制信号的相移来得出群时延与波长的关系,进而导出色散系数的一种方法。相移法的本质是通过比较光纤调制信号在不同波长下的相位来确定色散特性。该方法需要使用由可调谐光源,调制器,高分辨率的高频相位仪等设备组成的复杂的专用系统设备来完成测试装置如图1所示,设备造价昂贵且只能用于测量光纤(波导)的色散特性,且测量精度有限,对应短长度的,总色散量较小的波导无法完成测量。
当前传统的非线性参数测量方法:目前的传统方法为自相位调制法,通过测量自相位调制感应相移来间接求出光纤的非线性系数,为保证测量精度,待测光纤的色散和模式特性需要提前分别进行定量测量,然后通过利用非线性传输方程进行拟合才能得到较为准确的非线性参数。因此该参数的测量精度还有赖于其他参量(色散参数等)的获取,这使得非线性参数测量难度大大提高。
发明内容
为了克服现有技术的不足,本发明提供一种光波导参数测量方法和装置。
一种光波导参数测量方法,利用通过控制产生和记录不同输入条件的光脉冲在待测波导的非线性和色散以及高阶色散参数共同作用下发生的时域以及/或频谱变化的情况,利用非线性传输方程配合参数搜索算法,直接利用测量数据对待测参数进行多变量搜索,同时获取待测待波导的非线性和色散参数的数值。
使用可变衰减器调整注入到待测波导的输入脉冲功率,以制造多种不同的功率水平的输入条件,在波导的输出端分别测量不同的输入条件,即不同峰值功率,经过波导后的输出脉冲的光谱或时频数据,将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序,人工智能算法程序包括遗传算法或神经网络,根据多种不同功率输入条件下得到的不同的输出脉冲信号的信息,利用人工智能完成逆问题分析,自动推算出波导的色散和非线性参量的数值。
使用波形整形器调整注入到待测波导的输入脉冲形状;通过控制注入到待测波导中的输入脉冲形状,分别注入高斯形、超高斯形、双曲正割形,抛物线形或者三角形等脉冲并记录对应的经波导传输后的输出脉冲的数据,借助这些信息实现利用输出信号的信息利用人工智能完成逆问题分析,自动推算出波导的色散和非线性参量的数值。
一种光波导参数测量装置,使用时频测量仪的频率分辨光学开关设备(FROG)或者光谱相位相干电场重构(SPIDER)设备测量输出脉冲的时频特性,并利用这些时频数据来推算波导的色散和非线性参量的数值。
仅使用光谱仪设备测量输出脉冲的频谱特性,并利用这些光谱数据来推算波导的色散和非线性参量的数值。
一种光波导参数测量装置,包括脉冲光源、光整形器包括可变衰减器、待测波导及探测装置的光谱仪;通过同时控制注入到待测波导的输入脉冲功率和脉冲形状获取反映待测波导特征的更多信息,提高待测参量的识别度和测量精确度。
采用以下几个或者其中一种或组合:光谱仪测量经过波导的输出脉冲的光谱特性,时频测量设备测得经过波导的输出脉冲的时频特性,由此得到信号的复振幅表达式,时频测量设备测得经过波导的输出脉冲的时频特性,将时频图直接送入人工智能算法。
待测波导为传感探头,利用外界对波导参量造成影响,波导参量成为传感参数,完成动态参数测量,实现对外界环境的传感功能。
本发明的优点是:只需要通用的脉冲光源,光谱分析仪或时频测量设备即可同步完成多个参数的同时测量,无需使用专用设备对多个波导参数逐个分别进行测量。在脉冲信号测量信息不完整的情况下(比如对输出脉冲仅进行功率谱测量不需要测量其相位信息)仍然可以完成波导参量测量。
本发明的优点:区别于传统算法,不需要针对多个不同参量(包括γ,β2,β3,β4等值。)使用不同的设备以及不同的测量方案,不需要规则的输入与输出脉冲,实际上,脉冲在非线性作用下产生的劣化和分裂往往可以帮助取得更好的测量结果。依此设计的参量测量算法具有操作范围大、适用性强、方便操作的特点。可以测量带有增益的光纤,可以同时测量其色散、非线性以及其增益特性,这是传统测量无法完成的。
本发明不受波导长度的影响:使用可变衰减器调整注入到待测波导的输入脉冲(脉冲为高斯型脉冲,脉冲宽度10ps)使其峰值功率为1W,100W,1000W10000W。在波导的输出端使用光谱仪分别测量不同的输入条件(即不同峰值功率)经过波导后的输出脉冲的光谱数据。将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。
本发明的人工智能算法程序(遗传算法或神经网络等)根据输入和输出脉冲信号自动推算出波导的色散和非线性等参量的数值。使用整形器调整注入到待测波导的输入脉冲形状(脉冲为高斯型脉冲,超高斯型,三角形)脉冲峰值功率为1000W。
在波导的输出端使用光谱仪分别测量不同的输入条件(即不同脉冲形状)经过波导后的输出脉冲的光谱数据。将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。
本发明的人工智能算法(遗传算法或神经网络等)程序根据输入和输出脉冲信号自动推算出波导的色散和非线性等参量的数值。
使用可变衰减器调整注入到待测波导的输入脉冲形状(脉冲为高斯型脉冲)脉冲峰值功率为1000W。使用时频测量设备(如FROG(频率分辨光学开关)等)测得经过波导的输出脉冲的时频数据。
将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。人工智能算法程序(遗传算法或神经网络等)根据输入和输出脉冲信号自动推算出波导的色散和非线性等参量的数值。
附图说明
当结合附图考虑时,通过参照下面的详细描述,能够更完整更好地理解本发明以及容易得知其中许多伴随的优点,但此处所说明的附图用来提供对本发明的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定,如图其中:
图1为传统测量方法的系统框图。
图2为本发明的光脉冲在光纤中的演化。
图3为本发明的光脉冲在光纤中的演化。
图4为本发明的脉冲传输一定长度之后的输出脉冲光谱,时域以及时频特性。
图5为本发明的脉冲传输一定长度之后的输出脉冲光谱,时域以及时频特性。
图6为本发明的脉冲传输一定长度之后的输出脉冲光谱,时域以及时频特性。
图7为本发明的系统框图。
图8为本发明的利用人工智能进行数据分析的系统框图。
下面结合附图和实施例对本发明进一步说明。
具体实施方式
显然,本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解,当称元件、组件被“连接”到另一元件、组件时,它可以直接连接到其他元件或者组件,或者也可以存在中间元件或者组件。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语)具有与所属领域中的普通技术人员的一般理解相同的意义。
为便于对实施例的理解,下面将结合做进一步的解释说明,且各个实施例并不构成对本发明的限定。
实施例1:一种光波导参数测量方法,含有以下步骤:在光波导中传输的光脉冲,在波导的色散和非线性共同作用下,脉冲会发生演化,脉冲的时频特性以及光谱会在非线性和色散作用下发生变化。如图2、图3、图4、图5及图6所示,(其演化规律由非线性偏微分方程(广义非线性薛定谔方程)来决定,波导的待测参数就是该方程的参数值)。因此波导中传输脉冲的变化取决于波导的这些待测参数(色散和非线性参数),这些参量信息都隐含在输入和输出脉冲数据(图4、图5及图6)中,由传输前后的脉冲数据可以推算出传输系统的特性参数。但通常在非线性作用下输出脉冲具有复杂的形态如图4、图5及图6,传统测量方法不能直接从中提取测量信息。借助人工智能算法可以从脉冲所携带的大量信息中提取出传输系统参量。
实施例2:如图2、图3、图4、图5、图6、图7及图8所示,一种光波导参数测量方法,含有以下步骤:
使用可变衰减器调整注入到待测波导的输入脉冲(脉冲为高斯型脉冲,脉冲宽度10ps)使其峰值功率为1W,100W,1000W10000W。在波导的输出端使用光谱仪分别测量不同的输入条件(即不同峰值功率)经过波导后的输出脉冲的光谱数据。
将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。
图7为本发明的系统构成框图,人工智能算法程序(遗传算法或神经网络等)根据输入和输出脉冲信号自动推算出波导的色散和非线性等参量的数值。使用整形器调整注入到待测波导的输入脉冲形状(脉冲为高斯型脉冲,超高斯型,三角形)脉冲峰值功率为1000W。
在波导的输出端使用光谱仪分别测量不同的输入条件(即不同脉冲形状)经过波导后的输出脉冲的光谱数据。将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。
使用可变衰减器调整注入到待测波导的输入脉冲形状(脉冲为高斯型脉冲)脉冲峰值功率为1000W。使用时频测量设备(如FROG(频率分辨光学开关)等)测得经过波导的输出脉冲的时频数据。
由超短脉冲光源经过可调光整形器根据需要调整脉冲幅度以及形状等特性后注入到待测波导中。
使用时频测量设备(如FROG(频率分辨光学开关)等)测得经过波导的输出脉冲的时频数据。或者不使用时频测量设备而仅仅在波导的输出端使用光谱仪测量经过波导后的输出脉冲的光谱数据此时测量数据为输出信号的非完整数据,这种情况下可以通过调整输入脉冲,通过测试不同输入条件下的输出来补偿测量信息。
将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。该人工智能算法程序根据输入和输出脉冲信号自动推算出波导的色散和非线性等参量的数值。
图8给出的是利用人工智能进行数据分析的系统框图:
将波导输入脉冲信号的数据和波导输出的脉冲信号的数据作为人工智能算法的输入,利用人工智能算法从波导的输入输出数据信息推算出待测波导参量。
实施例3:如图2、图3、图4、图5、图6、图7及图8所示,一种光波导参数测量装置,包括:脉冲光源、光整形器(可变衰减器)、待测波导及探测装置的光谱仪(或使用时频测量仪如频率分辨光学开关设备(FROG)或者光谱相位相干电场重构(SPIDER)设备测量输出脉冲的时频特性)。
脉冲光源可以采用以下几个方法的其中一种或组合:通过控制注入到待测波导的输入脉冲功率,获得不同功率水平下的经波导传输后的脉冲信号,(如分别注入峰值功率为10W,100W,1kW,10kW的高斯脉冲并记录对应的经波导传输后的输出脉冲)以获取可反映待测波导特征的更多信息,提高待测参量的识别度和测量精确度。并可以借助这些信息实现利用输出信号的非完整信息(非全场测量)测得待测波导的参量值。通过控制注入到待测波导中的输入脉冲形状,获得不同功率水平下的经波导传输后的脉冲信号,(如分别注入高斯脉型、超高斯型、抛物线型、三角形等脉冲并记录对应的经波导传输后的输出脉冲)以获取可反映待测波导特征的更多信息,提高待测参量的识别度和测量精确度。并可以借助这些信息实现利用输出信号的非完整信息(非全场测量)测得待测波导的参量值。类似地还可以通过控制注入到待测波导的脉冲宽度、脉冲啁啾量来实现类似上述功能。
探测装置可以采用以下几个方法的其中一种或组合:
(1)光谱测量:使用光谱仪测量经过波导的输出脉冲的光谱特性。
(2)时频测量1:使用时频测量设备(FROG或者SPYDER等)测得经过波导的输出脉冲的时频特性,由此得到信号的复振幅表达式。
(3)时频测量2:使用时频测量设备(FROG或者SPYDER等)测得经过波导的输出脉冲的时频特性,将时频图直接送入人工智能算法。
算法方面:可以使用遗传算法、模拟退火算法、粒子群算法或者神经网络算法。
待测波导可作为传感探头,利用外界对波导参量造成影响,波导参量成为为传感参数,本测量系统就成为传感系统。
实施例4:如图1、图2、图3、图4、图5、图6、图7及图8所示,一种光波导参数测量方法,含有以下步骤:使用光整形器或者可变衰减器等器件根据需要调整注入到待测波导的输入脉冲。
使用时频测量设备(如FROG(频率分辨光学开关)等)测得经过波导的输出脉冲的时频数据。或者不使用时频测量设备而仅仅在波导的输出端使用光谱仪测量经过波导后的输出脉冲的光谱数据此时测量数据为输出信号的非完整数据,这种情况下可以通过调整输入脉冲,通过测试不同输入条件下的输出来补偿测量信息。
将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序。
人工智能算法程序根据输入和输出脉冲信号自动推算出波导的色散和非线性等参量的数值。
人工智能算法的实现:
使用遗传算法进行多参量搜索,波导的多个待测参数为待搜索变量(一组待测参数的猜测值为一个遗传算法的个体,一定数量的个体集合构成遗传算法的初始种群),结合非线性传输方程(广义非线性薛定谔方程),计算由当前当前种群的每个个体得到的输出信号,将该计算获得的不同参量输出信号和实测输出信号进行对比得到误差评价函数用于控制遗传算法的下一代参量生成。经多代进化后收敛得到待测参量。
代替遗传算法的另一算法使用神经网络进行参数回归,神经网络的输入端为待测波导的输入和输出的脉冲信号信息,神经网络的输出端为待测波导的多个参数。利用测量数据和理论计算数据作为训练集对神经网络进行训练,使得神经网络可以利用待测波导的输入输出脉冲信号信息推算波导参量。
如上所述,对本发明的实施例进行了详细地说明,但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形,这对本领域的技术人员来说是显而易见的。因此,这样的变形例也全部包含在本发明的保护范围之内。
Claims (8)
1.一种光波导参数测量方法,其特征在于利用通过控制产生和记录不同输入条件的光脉冲在待测波导的非线性和色散以及高阶色散参数共同作用下发生的时域以及/或频谱变化的情况,利用非线性传输方程配合参数搜索算法,直接利用测量数据对待测参数进行多变量搜索,同时获取待测待波导的非线性和色散参数的数值。
2.根据权利要求1所述的一种光波导参数测量方法,其特征在于使用可变衰减器调整注入到待测波导的输入脉冲功率,以制造多种不同的功率水平的输入条件,在波导的输出端分别测量不同的输入条件,即不同峰值功率,经过波导后的输出脉冲的光谱或时频数据,将输出脉冲信号和输入脉冲信号的数据送入人工智能算法程序,人工智能算法程序包括遗传算法或神经网络,根据多种不同功率输入条件下得到的不同的输出脉冲信号的信息,利用人工智能完成逆问题分析,自动推算出波导的色散和非线性参量的数值。
3.根据权利要求1所述的一种光波导参数测量方法,其特征在于使用波形整形器调整注入到待测波导的输入脉冲形状;通过控制注入到待测波导中的输入脉冲形状,分别注入高斯形、超高斯形、双曲正割形,抛物线形或者三角形等脉冲并记录对应的经波导传输后的输出脉冲的数据,借助这些信息实现利用输出信号的信息利用人工智能完成逆问题分析,自动推算出波导的色散和非线性参量的数值。
4.使用权利要求2或者权利要求3所述的一种光波导参数测量方法的一种光波导参数测量装置,其特征在于使用时频测量仪的频率分辨光学开关设备(FROG)或者光谱相位相干电场重构(SPIDER)设备测量输出脉冲的时频特性,并利用这些时频数据来推算波导的色散和非线性参量的数值。
5.根据权利要求4所述的一种光波导参数测量装置,其特征在于仅使用光谱仪设备测量输出脉冲的频谱特性,并利用这些光谱数据来推算波导的色散和非线性参量的数值。
6.根据权利要求4所述的一种光波导参数测量装置,其特征在于包括脉冲光源、光整形器包括可变衰减器、待测波导及探测装置的光谱仪;通过同时控制注入到待测波导的输入脉冲功率和脉冲形状获取反映待测波导特征的更多信息,提高待测参量的识别度和测量精确度。
7.根据权利要求4所述的一种光波导参数测量装置,其探测装置采用以下几个或者其中一种或组合:
光谱仪测量经过波导的输出脉冲的光谱特性,
时频测量设备测得经过波导的输出脉冲的时频特性,由此得到信号的复振幅表达式,
时频测量设备测得经过波导的输出脉冲的时频特性,将时频图直接送入人工智能算法。
8.根据权利要求4所述的一种光波导参数测量装置,其特征在于待测波导为传感探头,利用外界对波导参量造成影响,波导参量成为传感参数,完成动态参数测量,实现对外界环境的传感功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111121942.1A CN113916497B (zh) | 2021-09-24 | 2021-09-24 | 一种光波导参数测量方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111121942.1A CN113916497B (zh) | 2021-09-24 | 2021-09-24 | 一种光波导参数测量方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113916497A true CN113916497A (zh) | 2022-01-11 |
CN113916497B CN113916497B (zh) | 2024-05-03 |
Family
ID=79236235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111121942.1A Active CN113916497B (zh) | 2021-09-24 | 2021-09-24 | 一种光波导参数测量方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113916497B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002318171A (ja) * | 2001-04-20 | 2002-10-31 | Nippon Telegr & Teleph Corp <Ntt> | 単一モード光ファイバの非線形屈折率測定方法および装置 |
CN109039472A (zh) * | 2018-07-11 | 2018-12-18 | 南通智大信息技术有限公司 | 一种基于深度学习的数据中心光通信色散估计与管理方法 |
CN110515255A (zh) * | 2019-08-26 | 2019-11-29 | 西南交通大学 | 单泵浦光纤参量放大器及对其进行优化增益的方法 |
CN112484968A (zh) * | 2020-11-20 | 2021-03-12 | 上海复享光学股份有限公司 | 用于光学量测的方法、系统、计算设备和存储介质 |
CN113077078A (zh) * | 2021-03-19 | 2021-07-06 | 中国科学院物理研究所 | 基于深度学习的超短激光脉冲相位预测方法及其系统 |
CN113285758A (zh) * | 2021-05-18 | 2021-08-20 | 成都信息工程大学 | 一种基于ipca-dnn算法的光纤非线性均衡方法 |
-
2021
- 2021-09-24 CN CN202111121942.1A patent/CN113916497B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002318171A (ja) * | 2001-04-20 | 2002-10-31 | Nippon Telegr & Teleph Corp <Ntt> | 単一モード光ファイバの非線形屈折率測定方法および装置 |
CN109039472A (zh) * | 2018-07-11 | 2018-12-18 | 南通智大信息技术有限公司 | 一种基于深度学习的数据中心光通信色散估计与管理方法 |
CN110515255A (zh) * | 2019-08-26 | 2019-11-29 | 西南交通大学 | 单泵浦光纤参量放大器及对其进行优化增益的方法 |
CN112484968A (zh) * | 2020-11-20 | 2021-03-12 | 上海复享光学股份有限公司 | 用于光学量测的方法、系统、计算设备和存储介质 |
CN113077078A (zh) * | 2021-03-19 | 2021-07-06 | 中国科学院物理研究所 | 基于深度学习的超短激光脉冲相位预测方法及其系统 |
CN113285758A (zh) * | 2021-05-18 | 2021-08-20 | 成都信息工程大学 | 一种基于ipca-dnn算法的光纤非线性均衡方法 |
Non-Patent Citations (1)
Title |
---|
项鹏等: "光纤波导中光脉冲演化方程的数值解及计算机仿真研究", 《光子技术》, no. 2, pages 117 - 120 * |
Also Published As
Publication number | Publication date |
---|---|
CN113916497B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | STFT based on bandwidth-scaled microwave photonics | |
CN103842768A (zh) | 光学相干断层成像技术 | |
WO2020040019A1 (ja) | 光ファイバの損失測定装置および光ファイバの損失測定方法 | |
CN110057544B (zh) | 一种光电转换模块频率响应自动测量装置及方法 | |
CN106153225A (zh) | 基于微波光子滤波器的光纤布拉格光栅横向压力传感器系统及测量方法 | |
EP3228025B1 (en) | Method for characterizing performance of a multimode fiber optical link and corresponding method for fabricating multimode optical fiber links | |
Li et al. | Modal delay and modal bandwidth measurements of bi-modal optical fibers through a frequency domain method | |
US6909496B2 (en) | Method and device for easily and rapidly measuring nonlinear refractive index of optical fiber | |
US6459479B1 (en) | Optical detection of a fiber span with high polarization-mode dispersion in a fiber system | |
US5661554A (en) | Method of and device for measuring the nonlinear refractive index in a single mode optical fibre | |
CN113916497B (zh) | 一种光波导参数测量方法和装置 | |
Li et al. | Measuring modal delays of few-mode fibers using frequency-domain method | |
CA2174028C (en) | Method of and device for measuring the kerr non linearity coefficient in a single mode optical fibre | |
CN110401482A (zh) | 一种利用波长-时间映射进行光纤色散测量的装置及方法 | |
WO2004083908A2 (en) | Optical pulse characterization for telecommunications applications | |
US6580499B2 (en) | Chromatic dispersion distribution measurement apparatus and method for the same | |
CN110441723B (zh) | 一种太赫兹探针瞬态响应校准方法和装置 | |
Simova et al. | Characterization of chromatic dispersion and polarization sensitivity in fiber gratings | |
WO2004005877A1 (en) | Method, system and device for measuring the polarisation mode dispersion of an optical fibre | |
Li et al. | Modal delay and bandwidth measurements of bi-modal fibers facilitated by analytical transfer function model | |
Supe et al. | Methods for estimation of optical fiber non-linearity using self-phase modulation effect | |
US20070058158A1 (en) | Measurement and characterization of nonlinear phase shifts | |
Wang et al. | Time-resolution enhanced multi-path OTD measurement using an adaptive filter based incoherent OFDR | |
Kito et al. | Simplified and fast acquirable BOTDA with frequency-swept probe pulse | |
Amiri et al. | Study of Optical Fibre Dispersion and Measuring Methods |
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 |