CN114935758B - 基于光子集成回路的分布式合成孔径成像系统及成像方法 - Google Patents
基于光子集成回路的分布式合成孔径成像系统及成像方法 Download PDFInfo
- Publication number
- CN114935758B CN114935758B CN202210540569.1A CN202210540569A CN114935758B CN 114935758 B CN114935758 B CN 114935758B CN 202210540569 A CN202210540569 A CN 202210540569A CN 114935758 B CN114935758 B CN 114935758B
- Authority
- CN
- China
- Prior art keywords
- optical
- integrated circuit
- light
- optical waveguide
- incident light
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 title description 6
- 230000003287 optical effect Effects 0.000 claims abstract description 133
- 239000013307 optical fiber Substances 0.000 claims abstract description 31
- 239000011159 matrix material Substances 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000002068 genetic effect Effects 0.000 claims description 12
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 238000005259 measurement Methods 0.000 claims description 9
- 230000035772 mutation Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 abstract description 13
- 238000013461 design Methods 0.000 abstract description 8
- 238000012634 optical imaging Methods 0.000 abstract description 6
- 230000001276 controlling effect Effects 0.000 abstract description 2
- 230000001105 regulatory effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 13
- 241000239290 Araneae Species 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Optical Integrated Circuits (AREA)
- Optical Communication System (AREA)
Abstract
本发明为解决空间光学成像中通过光子集成回路合成孔径存在光子集成电路复杂和采样效率较低的问题，而提供了一种基于光子集成回路的分布式合成孔径成像系统及成像方法。本发明的成像系统包括透镜阵列、光子集成回路和信号处理模块；透镜阵列通过光纤传像束与光子集成回路连接中的光波导连接，与光纤传像束相连的光波导接入光子集成回路后，通过光纤分路器分为两路，各加入一个可控制开关的光开关来控制光波导的通断，从而组成一个可以作为测量矩阵的伪随机二值矩阵，使系统满足压缩感知的原理，从而简化光子集成电路设计；两束光首先经过光波导阵列光栅进行分频，然后在正交探测器进行干涉，其相位差通过相位调节器进行调节。
Description
技术领域
本发明属于空间光学成像技术领域，涉及阵列干涉成像技术和分布式合成孔径技术，具体涉及一种基于光子集成回路的分布式合成孔径成像系统及成像方法。
背景技术
随着前沿空间科学研究对观测分辨率需求的日益提高，各种探测任务对光学成像系统的观测能力及细节分辨率的要求也越来越高，相应的光学成像系统的口径也越来越大。但是，当望远镜口径不断增大时，加工成本呈幂函数趋势增大，现今的工艺不能满足超大口径望远镜镜面的制造精度，并且受到飞行器载荷及发射重量的限制，空间光学成像系统发射最大直径要小于10米，还远不能达到深空探测任务的需求。
合成孔径技术是利用多个小孔径实现高分辨率成像的有效途径，多个小孔径实现大口径成像效果降低了望远镜口径对成像分辨率的制约，单个小口径的加工成本和系统重量也可以大幅度降低。国际上一些重大项目或计划也在采用光学合成孔径成像技术，例如欧洲南方天文台的甚大望远镜(very large telescope)和觅音计划等。但是，目前的合成孔径技术由于制造技术和成本的原因，子孔径数目较少，因此导致频域覆盖不足。此外，子孔径间的光路连接和校准很复杂，虽然镜头的体积和重量大大减少，但是透镜后面的系统并没有简化。
阵列干涉成像技术尝试了合成孔径技术的另外一种思路，由洛克马丁公司和UCDavis在2013年提出的SPIDER(Segmented Planar Imaging Detector for EOReconnaissance)(R.Kendrick,S.T.Thurman,A.Duncan,J.Wilm,and C.Ogden,"SegmentedPlanar Imaging Detector for EO Reconnaissance,"in Imaging and Applied Optics,Arlington,Virginia,2013/06/23 2013:Optical Society of America,in OSATechnical Digest(online),p.CM4C.1,doi:10.1364/COSI.2013.CM4C.1.[Online].Available:)(R.D.Kendrick,A.；Wilm,J.；Thurman,S.T.；Stubbs,D.M.；Ogden,C.,"flat-panel space-based space surveillance sensor,"presented at the the AdvancedMaui Optical and Space Surveillance Technologies Conference,Wailea,Maui,Hawaii,2013/09,2013.)(A.Duncan et al.,"SPIDER next generation chip scaleimaging sensor,"presented at the the Advanced Maui Optical and SpaceSurveillance Technologies Conference,Wailea,Maui,Hawaii,2014/09,2015.)，基于光子集成回路和干涉原理，通过大量微透镜组成大量基线，然后通过光子集成回路取代传统光学系统后端复杂的光路校准，大大简化了设计难度。可以在保持等效口径的同时，大大减小光学系统的轴向尺寸和重量、功耗。但是，SPIDER中两个微透镜只能组成一条基线，频域采样效率不高，要实现足够的频域覆盖，需要大量的微透镜，而大量微透镜的光路进入光子集成回路，导致光子集成回路上光路和光器件的排布和设计非常困难，在当前的工艺水平下难以实现高质量成像应用。
我们一直在尝试解决光子集成回路的简化问题和频率采样效率的提高问题。在之前，我们研究了基于压缩感知的光子集成回路设计CPCIT-2D，可实现2N个透镜情况下N×N的频域采样。但是CPCIT-2D的采样效率虽然相比于比SPIDER的N个基线采样数目提升很大，与2N个透镜可组成的最多基线数目2N×2N依然具有一定的差距，只采集到了最大基线数目的25％，其图像重建效果还有一定的改进空间。
发明内容
本发明的目的是解决空间光学成像中通过光子集成回路合成孔径存在光子集成电路复杂和采样效率较低的问题，而提供了一种基于光子集成回路的分布式合成孔径成像系统及成像方法。
为达到上述目的，本发明采用的技术方案为：
一种基于光子集成回路的分布式合成孔径成像系统，其特殊之处在于：包括透镜阵列、光子集成回路和信号处理模块；
所述透镜阵列包括2N个呈一维排布、二维排布或算法优化排布的透镜；
所述光子集成回路设置在透镜阵列的后焦面上，包括依次连接的光波导、光开关、正交探测器、波导阵列光栅和光电探测器；所述光波导中设置有1×2光纤分路器；1×2光纤分路器的两个输出端分别连接有光开关；
所述透镜阵列通过光纤传像束与光子集成回路中的光波导连接；所述光波导的数量与透镜阵列中透镜的数量相同；
目标发出的2N个入射光束通过透镜后经光纤传像束进入光波导，通过1×2光纤分路器将每个光束分为光能量为50:50的两路光，两路光分别通过光开关控制通断；
2N个入射光束对应的两路光分别合束后形成两束汇合光，入射至正交探测器，经正交探测器进行干涉后进入光电探测器，通过光电探测器进行光电转换和测量；
信号处理模块用于根据光电探测器获得的信号，计算得到目标频域对应的振幅和相位信息，并通过算法进行目标图像的重建和优化，得到目标场景高分辨率图像。
进一步地，所述透镜阵列包括2N个算法优化排布的透镜；所述算法优化排布为采用遗传算法的优化排布。
进一步地，所述2N＝50。
本发明还提供了一种基于光子集成回路的分布式合成孔径成像方法，采用上述的基于光子集成回路的分布式合成孔径成像系统，其特殊之处在于，包括以下步骤：
步骤一、透镜阵列接收目标发出的入射光束，入射光束进入透镜阵列后，通过光纤传像束传输至光子集成回路上的光波导中，通过每根光波导上的光开关控制光纤通断；
透镜阵列后的2N根光波导的入射光定义为：U＝[U1,U2,…,U2N]T∈R2N×1，此时不同光波导中的入射光可以表示为：
其中，Ui表示第i根光波导中的入射光；Ai表示第i根光波导中入射光的振幅；表示第i根光波导中入射光的相位，ω表示入射光的角频率，t代表时间；
每根光波导通过1×2光纤分路器进行50:50分光后，将入射光分为P光路和Q光路：
Up表示P光路中第p根光波导中的入射光；Ap表示P光路中第p根光波导中的入射光的振幅；表示P光路中第p根光波导中的入射光的相位；
Uq表示Q光路中第q根光波导中的入射光；Aq表示Q光路中第q根光波导中的入射光的振幅；表示Q光路中第q根光波导中的入射光的相位；
步骤二、2N个P光路和2N个Q光路进入正交探测器前分别进行合束，汇合为两个输入光US和UR，其中，US为P光路中各光波导入射光的和，R为Q光路中各光波导入射光的和；
步骤三、两个入射光US和UR在正交探测器中进行干涉，光电探测器接收到干涉后的光强采用同步信号fI和正交信号fQ表示：
步骤四、重复步骤一至步骤三M次，得到M个同步信号fI和正交信号fQ；
步骤五、利用得到M个同步信号fI和正交信号fQ，进行图像重建建模；
5.1)获取测量值y′
每根光纤中加入的光开关分别为Φj和Φj ′，连接正交探测器的S输入的光开关测量矩阵表示为ΦS＝[Φ1,Φ2,…,ΦSj,…,Φ2N]，连接正交探测器的R输入的光开关测量矩阵表示为ΦR＝[Φ′1,Φ′2,…,Φ′Rj,…,Φ2N′]，此时，同步信号fI和正交信号fQ的M次测量用y′∈RM×1表示，表达式为：
其中，表示由U组成的2N×2N条不同基线所采样的W＝2N×2N个空间频率；j表示所有光开关随机通断组成的测量矩阵的第j行；
G′＝[G′1,G′2,…,G′j,…,G′M]T∈RM×W表示由M次不同的光开关状态组成的传感矩阵；
5.2)从测量值y′中重建原信号x∈RH×1
最终，从测量值y′中重建原信号x∈RH×1可以表示为
y′＝G′Γ′F′x
其中，H表示将2N×2N的目标图像转化为一维向量后的数值；
Γ′∈RW×H表示SA-CPCIT对原信号的空间频率采样的二值矩阵；
F′∈RH×H表示离散傅里叶变换；
5.3)根据步骤5.2)获取的原信号x通过重建算法得到重建图像。
进一步地，步骤5.3)中，重建算法为模型驱动的深度算法ADMM-CSNet。
进一步地，步骤一中，P光路和Q光路中光波导入射光振幅P路和Q路中光波导入射光相位/>
进一步地，步骤四中，
进一步地，步骤一中，所述透镜阵列采用遗传算法优化排布，具体为：
步骤1)、选择初始的透镜个数2N、基线长度范围Bmax，初始化遗传算法的迭代次数M、交叉率ρ1、选择率ρ2和变异率ρ3；
步骤2)、随机产生2N个透镜的初始坐标，坐标对应的基线长度不超过Bmax，计算并记录对应产生的初始基线长度和初始基线冗余度；
步骤3)、对初始坐标以交叉率ρ1进行交叉，计算交叉后的基线长度和各个基线的适应性概率ρ4，记录对应的基线长度和交叉后的坐标，再以适应性概率ρ4从大到小排序，以选择率ρ2保留适应性大的坐标；
步骤4)、交叉后的坐标数据以变异率ρ3进行变异，计算变异后的基线长度和各个基线的适应性概率ρ5，记录对应的基线长度和变异后的坐标；
步骤5)、将步骤2)～步骤4)进行K次迭代，得到最终透镜阵列排布的基线长度和对应的坐标。
进一步地，所述最长基线范围Bmax＝50，迭代次数K＝50，交叉率ρ1＝0.2、选择率ρ2＝0.4和变异率ρ3＝0.1。
与现有技术相比，本发明具有的有益技术效果如下：
1、本发明提出的基于光子集成回路的分布式合成孔径成像系统，对现有的光子集成回路上的光路进行新型设计，使得透镜阵列中两两透镜都可以组成基线，在2N个透镜情况下，频域采样数目由SPIDER时的N个变为现在的4N2个。更重要的意义是，我们打破了阵列干涉成像技术与传统合成孔径之间的壁垒，使得阵列干涉成像技术具有了足够的频域采样数目和足够简洁的光子集成回路结构。
2、本发明分布式合成孔径成像系统中的透镜可以呈人为制定的排布规则进行排布，如规则的T型、Y型，或者经算法优化后的排布，透镜阵列中任一透镜可以与其他透镜组成基线，因此假设2N个透镜，可以组成的基线数目为4N2个，相比于传统SPIDER的N个基线，之前所提光学系统CPCIT-2D的N2个基线，透镜组成基线的效率大大提高，采样效率提高了多倍。
3、本发明分布式合成孔径成像系统的图像重建算法采用模型驱动的深度学习算法ADMM-CSNet，相比于传统的压缩感知重建算法，例如OMP,BP等，重建的实时性、重建图像准确性都有明显的提高。
4、本发明的合成孔径光学系统采用光子集成回路取代传统合成孔径系统中复杂的自由光路或光纤，可以实现高度集成，大大降低光学系统的体积、重量和功耗。
附图说明
图1为本发明基于光子集成回路的分布式合成孔径成像系统示意图；
图2为本实施例基于遗传算法得到的透镜阵列优化排布及其对应的频域覆盖示意图；其中，(a)为透镜阵列优化排布示意图；(b)为对应频域覆盖示意图；
图3为本发明实施例中透镜阵列不同规则阵列排布以及对应的频域覆盖示意图；其中(a1)和(a2)为Y型排布以及对应的频域覆盖示意图；(b1)和(b2)为圆周型排布以及对应的频域覆盖示意图；(c1)和(c2)为T型排布以及对应的频域覆盖示意图；
具体实施方式
为使本发明的目的、优点和特征更加清楚，以下结合附图和具体实施例对本发明提出的一种基于光子集成回路的分布式合成孔径成像系统及成像方法作进一步详细说明。本领域技术人员应当理解的是，这些实施方式仅仅用来解释本发明的技术原理，目的并不是用来限制本发明的保护范围。
阵列干涉成像技术相比于传统成像系统，在相同分辨率的情况下具有低质量、小体积的优势。出于频域覆盖的需要，阵列干涉成像技术的透镜阵列需要大量透镜，光子集成回路上需要大量的光器件，因而限制了它的应用和发展。本发明对光子集成回路上的光路重新设计，使得透镜阵列中两两透镜都可以组成基线，在2N个透镜情况下，频域采样数目由SPIDER时的N个变为4N2个。打破了阵列干涉成像技术与传统合成孔径之间的壁垒，使得阵列干涉成像技术具有了足够的频域采样数目和足够简洁的光子集成回路结构。同时使用模型驱动的深度学习算法ADMM-CSNet，相比于传统的压缩感知重建算法，重建的实时性、重建图像准确性都有明显的提高。
本发明提出的基于光子集成回路的分布式合成孔径光学系统，使用光子集成回路取代传统合成孔径光学系统中的传输光路或光纤。光子集成回路上包含波导阵列光栅、正交探测器、相位调节器、光波导、光开关。光子集成回路放置在透镜阵列的后焦面上，每根光波导一分为二，然后各加入一个可控制开关的光开关来控制光波导的通断，从而组成一个可以作为测量矩阵的伪随机二值矩阵，使系统满足压缩感知的原理，从而简化光子集成电路设计；两束光首先经过光波导阵列光栅进行分频，然后在正交探测器进行干涉，其相位差通过相位调节器进行调节。这里的透镜阵列不再分为两组，并且任意两个透镜均可以组成基线，这是与其他设计的不同之处。透镜阵列也可以通过光纤成像束进行二维排布，从而摆脱光子集成回路尺寸对基线长度的限制。
如图1所示，本发明提供的基于光子集成回路的分布式合成孔径光学系统包括透镜阵列、光子集成回路(PIC)和信号处理模块；
透镜阵列包括呈平面排布的透镜阵列，可以为规则形状，如T型、Y型，也可以为算法优化后排布，比如通过遗传算法得到的透镜排布，如图2所示。
光子集成回路(PIC)包括依次连接的光波导、光开关、正交探测器、波导阵列光栅和光电探测器，这些光器件通过一定的规则进行连接；
透镜阵列的各透镜通过光纤传像束与光子集成电路中的光波导连接，光波导的数量与透镜阵列中透镜的数量相同，然后每根光波导通过1×2光纤分路器分为光能量为50:50的两路，且每路上的光波导中均设置有光开关，光开关具有开、关两个状态，控制光波导的通断，并可以实现外部控制。
每个透镜对应的光子集成回路中两路光波导的其中一路进行合路，另外一路也进行合路，因此输入光最终合为两路，并进入正交探测器。在正交探测器进行干涉后，通过光电探测器进行光电转换和测量；
来自目标的入射光经过透镜耦合进波导，光开关随机开启，入射光经过光波导传输后经过正交探测器和光电探测器，得到互相干可见度信息，互相干可见度信息包括幅值信息和相位信息；
信号处理模块根据光电探测器获得的信号，计算得到目标频域对应的振幅和相位信息，并通过算法进行目标图像的重建和优化，得到目标高分辨率图像。
透镜阵列这里以基于遗传算法的优化排布为例，通过遗传算法排布，可实现透镜排布的非冗余度达到86.4％。
具体过程为：
步骤1)、选择初始的透镜个数2N、基线长度范围B_max，初始化遗传算法的迭代次数K、交叉率ρ1、选择率ρ2和变异率ρ3；
步骤2)、随机产生2N个透镜的初始坐标，坐标对应的基线长度不超过Bmax，计算并记录对应产生的初始基线长度和初始基线冗余度；
步骤3)、对初始坐标以交叉率ρ1进行交叉，计算交叉后的基线长度和各个基线的适应性概率ρ4，记录对应的基线长度和交叉后的坐标，再以适应性概率ρ4从大到小排序，以选择率ρ2保留适应性大的坐标；
步骤4)、交叉后的坐标数据以变异率ρ3进行变异，计算变异后的基线长度和各个基线的适应性概率ρ5，记录对应的基线长度和变异后的坐标；
步骤5)、将步骤2)～步骤4)进行K次迭代，得到最终的基线和对应的坐标数据。
图3为透镜阵列规则排布及其对应的频域覆盖。从左至右分别为：Y型、圆周型和T型对应的透镜阵列排布和频域覆盖。从图中可以看出，规则排布虽然采样冗余比较大，但是工程实现难度相比于基于算法的优化排布要低。
基于上述系统，本发明提供的基于压缩感知的高分辨率光子集成的成像方法，包括以下步骤：
步骤一、透镜阵列接收目标发出的入射光，入射光进入透镜阵列后，通过光纤传像束传输至光子集成回路上的光波导中，通过每根光波导上的光开关控制光纤通断；
透镜阵列后的2N根光波导定义为：U＝[U1,U2,…,U2N]T∈R2N×1，此时不同光波导中的入射光可以表示为：
其中，Ui表示第i根光波导中的入射光；Ai表示第i根光波导中入射光的振幅，表示第i根光波导中入射光的相位，ω表示入射光的角频率，t代表时间；
每根光波导通过1×2光纤分路器进行50:50分光后，将入射光分为P光路和Q光路：
Up表示P光路中第p根光波导中的入射光；Uq表示Q光路中第q根光波导中的入射光；
理论上，P光路和Q光路中光波导入射光振幅P光路和Q光路中光波导入射光相位/>
步骤二、两路入射光进入正交探测器前分别进行合束，汇合为两个输入光US和UR，输入光US为P光路中各光波导入射光的和，输入光UR为Q光路中各光波导入射光的和；如果所有光开关的状态为开，那么可以表示为：
步骤三、两个入射光在正交探测器中进行干涉，光电探测器接收到干涉后的光强可以用同步信号fI和正交信号fQ表示，同步信号fI和正交信号fQ为公式(4)和公式(5)的展开，并运用欧拉公式可得；
步骤四、重复步骤一至步骤三次，得到M个同步信号fI和正交信号fQ；
步骤五、利用得到M个同步信号fI和正交信号fQ，进行图像重建建模；
(1)获取测量值y′
每根光纤中加入的光开关分别为Φj和Φ′j，连接正交探测器的S输入的光开关测量矩阵表示为ΦS＝[Φ1,Φ2,…,ΦSj,…,Φ2N]，连接正交探测器的R输入的光开关测量矩阵表示为ΦR＝[Φ′1,Φ′2,…,Φ′Rj,…,Φ2N′]，此时，M次测量用y′∈RM×1表示，表达式为：
其中，y′j表示′矩阵中的一个值，y′属于实数域，大小是M×1，y′j就是其中的第j个值；
表示由U组成的2N×2N条不同基线所采样的W＝2N×2N个空间频率；j表示所有光开关随机通断组成的测量矩阵的第j行；
G′＝[G′1,G′2,…,G′j,…,G′M]T∈RM×W表示由M次不同的光开关状态组成的传感矩阵；
(2)从测量值y中重建原信号x∈RH×1
最终，从测量值y中重建原信号x∈RH×1可以表示为
y′＝G′Γ′F′x (10)
其中，H表示将2N×2N的目标图像转化为一维向量后的数值；
Γ′∈RW×H表示SA-CPCIT对原信号的空间频率采样的二值矩阵；
F′∈RH×H表示离散傅里叶变换。
(3)根据步骤5.2)获取的原信号x通过重建算法得到重建图像，采用模型驱动的深度算法ADMM-CSNet进行重建。
注意这里不再需要把透镜分为两组，而且所有的透镜都可以和其他任意一个透镜组成基线，类似于综合孔径。相比于CS-CPCIT+，2N个透镜可组成的基线数目由N×N变为4N×N。
但是需要注意的一点是，由于入射光强的波分复用，用于干涉的光强只有入射光的50％。不过由于可组成基线数目的增加，我们使用的透镜数可以减少，因此可以通过增大透镜尺寸来得到期望的光能量。
本发明实施例中，要得到500mm口径，角分辨率为0.1mrad的图像，此时需设置50个微透镜，微透镜直径为9mm，迭代次数M＝50，交叉率ρ1＝0.2、选择率ρ2＝0.4和变异率ρ3＝0.1，将微透镜根据遗传算法进行优化排布，然后将透镜分别用光纤传像束与光子集成电路相连接，光子集成电路中的光波导中插入光开关，可以随机开关并记录。来自目标场景的入射光经过透镜耦合进波导，然后通过光波导导入正交探测器中进行干涉，最后光信号进入光电探测器，记录光强，最后通过数据处理模块得到高分辨图像，即通过理论计算得到目标的频域信息，空间频率采样数为2117个，可得到较为细致的图像反演。
使用模型驱动的深度学习算法ADMM-CSNet进行图像重建的具体过程去下：
相比于模型驱动算法，模型驱动的深度学习可以学习模型超参数，提高模型的适应能力，提高精度；相比于数据驱动的深度学习，模型驱动的深度学习网络的设计有模型指导，可以减少数据需求量，减小训练时间。
ADMM-CSNet的数学模型首先应用于压缩感知核磁共振成像(Compressed SensingMRI,CS-MRI)，可以将ADMM-CSNet看作是CS-MRI下的一种深度学习求解方法。由于我们使用了基于压缩感知的系统结构，这里可以将ADMM-CSNet模型应用到阵列干涉成像技术的图像重建中来。
SA-CPCIT的表达式为：
y′＝G′Γ′Fx＝ΦFx (11)
重建过程可以表示为：
这里Fl是F矩阵的第l行。
通过在空间域引入辅助变量z，可以将上式写为：
其增广拉格朗日函数为
使用缩放拉格朗日乘子我们可以展开为下列子问题：
解决第二个子问题的一种方法是直接使用梯度下降算法，因此有ADMM算法迭代：
这里I是一个N×N的单位矩阵。μ1＝1-lrρ，μ2＝lrρ，λl＝rλl，lr是步长，k∈{1,2,…,Nt}表示在梯度下降算法中的迭代此时，因此表示一个代表正则化函数g(·)的梯度的非线性变换；参数/>是更新率。
为了得到满意的重建结果，通常需要运行ADMM算法数十次迭代。然而，对于一般的正则化函数g(·)，选择合适的变换Dl和非线性函数S(·)。此外，重建不同采样率的频域数据，调谐ADMM解算器中的ρl、ηl、μ1、μ2、λl等参数时非常重要的。为了克服上述困难，可以通过定义深度ADMM-Nets来分别训练上述变换、函数和参数。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明技术方案的范围。
Claims (9)
1.一种基于光子集成回路的分布式合成孔径成像系统，其特征在于：包括透镜阵列、光子集成回路和信号处理模块；
所述透镜阵列包括2N个呈一维排布、二维排布或算法优化排布的透镜；
所述光子集成回路设置在透镜阵列的后焦面上，包括依次连接的光波导、光开关、正交探测器、波导阵列光栅和光电探测器；所述光波导中设置有1×2光纤分路器；1×2光纤分路器的两个输出端分别连接有光开关；
所述透镜阵列通过光纤传像束与光子集成回路中的光波导连接；所述光波导的数量与透镜阵列中透镜的数量相同；
目标发出的2N个入射光束通过透镜后经光纤传像束进入光波导，通过1×2光纤分路器将每个光束分为光能量为50:50的两路光，两路光分别通过光开关控制通断；
2N个入射光束对应的两路光分别合束后形成两束汇合光，入射至正交探测器，经正交探测器进行干涉后进入光电探测器，通过光电探测器进行光电转换和测量；
信号处理模块用于根据光电探测器获得的信号，计算得到目标频域对应的振幅和相位信息，并通过算法进行目标图像的重建和优化，得到目标场景高分辨率图像。
2.根据权利要求1所述的基于光子集成回路的分布式合成孔径成像系统，其特征在于：
所述透镜阵列包括2N个算法优化排布的透镜；所述算法优化排布为采用遗传算法的优化排布。
3.根据权利要求2所述的基于光子集成回路的分布式合成孔径成像系统，其特征在于：
所述2N＝50。
4.一种基于光子集成回路的分布式合成孔径成像方法，采用如权利要求1-3任一所述的基于光子集成回路的分布式合成孔径成像系统，其特征在于，包括以下步骤：
步骤一、透镜阵列接收目标发出的入射光束，入射光束进入透镜阵列后，通过光纤传像束传输至光子集成回路上的光波导中，通过每根光波导上的光开关控制光纤通断；
透镜阵列后的2N根光波导的入射光定义为：U＝[U1,U2,…,U2N]T∈R2N×1，此时不同光波导中的入射光可以表示为：
其中，Ui表示第i根光波导中的入射光；Ai表示第i根光波导中入射光的振幅；表示第i根光波导中入射光的相位，ω表示入射光的角频率，t代表时间；
每根光波导通过1×2光纤分路器进行50:50分光后，将入射光分为P光路和Q光路：
Up表示P光路中第p根光波导中的入射光；Ap表示P光路中第p根光波导中的入射光的振幅；表示P光路中第p根光波导中的入射光的相位；
Uq表示Q光路中第q根光波导中的入射光；Aq表示Q光路中第q根光波导中的入射光的振幅；表示Q光路中第q根光波导中的入射光的相位；
步骤二、2N个P光路和2N个Q光路进入正交探测器前分别进行合束，汇合为两个输入光US和UR，其中，US为P光路中各光波导入射光的和，UR为Q光路中各光波导入射光的和；
步骤三、两个入射光US和UR在正交探测器中进行干涉，光电探测器接收到干涉后的光强采用同步信号fI和正交信号fQ表示：
步骤四、重复步骤一至步骤三M次，得到M个同步信号fI和正交信号fQ；
步骤五、利用得到M个同步信号fI和正交信号fQ，进行图像重建建模；
5.1)获取测量值y′
每根光纤中加入的光开关分别为Φj和Φ′j，连接正交探测器的S输入的光开关测量矩阵表示为ΦS＝[Φ1,Φ2,…,ΦSj,…,Φ2N]，连接正交探测器的R输入的光开关测量矩阵表示为ΦR＝[Φ′1,Φ′2,…,Φ′Rj,…,Φ2N′]，此时，同步信号fI和正交信号fQ的M次测量用y′∈RM×1表示，表达式为：
其中，表示由U组成的2N×2N条不同基线所采样的W＝2N×2N个空间频率；j表示所有光开关随机通断组成的测量矩阵的第j行；
G′＝[G′1G′2,…,G′j,…,G′M]T∈RM×W表示由M次不同的光开关状态组成的传感矩阵；
5.2)从测量值y′中重建原信号x∈RH×1
最终，从测量值y′中重建原信号x∈RH×1可以表示为
y′＝G′Γ′F′x
其中，H表示将2N×2N的目标图像转化为一维向量后的数值；
Γ′∈RW×H表示SA-CPCIT对原信号的空间频率采样的二值矩阵；
F′∈RH×H表示离散傅里叶变换；
5.3)根据步骤5.2)获取的原信号x通过重建算法得到重建图像。
5.根据权利要求4所述的基于光子集成回路的分布式合成孔径成像方法，其特征在于：
步骤5.3)中，重建算法为模型驱动的深度算法ADMM-CSNet。
6.根据权利要求5所述的基于光子集成回路的分布式合成孔径成像方法，其特征在于：
步骤一中，P光路和Q光路中光波导入射光振幅P路和Q路中光波导入射光相位/>
7.根据权利要求6所述的基于光子集成回路的分布式合成孔径成像方法，其特征在于：
步骤四中，
8.根据权利要求4-7任一所述的基于光子集成回路的分布式合成孔径成像方法，其特征在于：
步骤一中，所述透镜阵列采用遗传算法优化排布，具体为：
步骤1)、选择初始的透镜个数2N、基线长度范围Bmax，初始化遗传算法的迭代次数M、交叉率ρ1、选择率ρ2和变异率ρ3；
步骤2)、随机产生2N个透镜的初始坐标，坐标对应的基线长度不超过Bmax，计算并记录对应产生的初始基线长度和初始基线冗余度；
步骤3)、对初始坐标以交叉率ρ1进行交叉，计算交叉后的基线长度和各个基线的适应性概率ρ4，记录对应的基线长度和交叉后的坐标，再以适应性概率ρ4从大到小排序，以选择率ρ2保留适应性大的坐标；
步骤4)、交叉后的坐标数据以变异率ρ3进行变异，计算变异后的基线长度和各个基线的适应性概率ρ5，记录对应的基线长度和变异后的坐标；
步骤5)、将步骤2)～步骤4)进行K次迭代，得到最终透镜阵列排布的基线长度和对应的坐标。
9.根据权利要求8所述的基于光子集成回路的分布式合成孔径成像方法，其特征在于：
所述基线长度范围Bmax＝50，迭代次数K＝50，交叉率ρ1＝0.2、选择率ρ2＝0.4和变异率ρ3＝0.1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210540569.1A CN114935758B (zh) | 2022-05-17 | 2022-05-17 | 基于光子集成回路的分布式合成孔径成像系统及成像方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210540569.1A CN114935758B (zh) | 2022-05-17 | 2022-05-17 | 基于光子集成回路的分布式合成孔径成像系统及成像方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114935758A CN114935758A (zh) | 2022-08-23 |
| CN114935758B true CN114935758B (zh) | 2024-05-10 |
Family
ID=82863832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210540569.1A Active CN114935758B (zh) | 2022-05-17 | 2022-05-17 | 基于光子集成回路的分布式合成孔径成像系统及成像方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114935758B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113906315A (zh) * | 2019-04-26 | 2022-01-07 | 莫罗实验室公司 | 用于对光检测和测距系统中来自多个孔径的相干检测进行管理的装置和方法 |
| US11320588B1 (en) * | 2012-04-16 | 2022-05-03 | Mohammad A. Mazed | Super system on chip |
| CN114486746A (zh) * | 2021-11-25 | 2022-05-13 | 中国科学院西安光学精密机械研究所 | 基于压缩感知的高分辨率光子集成成像系统及成像方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8334976B2 (en) * | 2008-03-18 | 2012-12-18 | The Board Of Trustees Of The University Of Illinois | Second-order nonlinear susceptibility of a nanoparticle using coherent confocal microscopy |
| CN102353449B (zh) * | 2011-06-20 | 2014-11-12 | 中国科学院空间科学与应用研究中心 | 一种极弱光多光谱成像方法及其系统 |
-
2022
- 2022-05-17 CN CN202210540569.1A patent/CN114935758B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11320588B1 (en) * | 2012-04-16 | 2022-05-03 | Mohammad A. Mazed | Super system on chip |
| CN113906315A (zh) * | 2019-04-26 | 2022-01-07 | 莫罗实验室公司 | 用于对光检测和测距系统中来自多个孔径的相干检测进行管理的装置和方法 |
| CN114486746A (zh) * | 2021-11-25 | 2022-05-13 | 中国科学院西安光学精密机械研究所 | 基于压缩感知的高分辨率光子集成成像系统及成像方法 |
Non-Patent Citations (6)
| Title |
|---|
| Design and performance estimation of a photonic integrated beamforming receiver for scan-on-receive synthetic aperture radar;Reza, Manuel等;《Journal of Lightwave Technology》;20211011;第39卷(第24期);第7588-7599页 * |
| Single photonic integrated circuit imaging system with a 2D lens array arrangement;Gang Liu等;《Optics express》;20220228;第30卷(第4期);第4905-4918页 * |
| 基于干涉原理的超薄高分辨率平板成像方法研究;郭丹凤等;《中国优秀硕士学位论文全文数据库 信息科技辑》;20190215(第02期);第I138-2081页 * |
| 基于数字全息的新型定量相位显微成像方法及应用研究;杨杨;《中国博士学位论文全文数据库 基础科学辑》;20200815(第08期);第A005-18页 * |
| 集成光波导开关与可调谐延迟线研究;宋倩倩;《中国博士学位论文全文数据库 基础科学辑》;20220315(第03期);第A005-47页 * |
| 高分辨率紧凑被动相干成像技术研究;刘罡;《中国博士学位论文全文数据库 基础科学辑》;20200531(第05期);第A005-5页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114935758A (zh) | 2022-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | Class-specific differential detection in diffractive optical neural networks improves inference accuracy | |
| Liu et al. | Superhigh-resolution recognition of optical vortex modes assisted by a deep-learning method | |
| TWI825452B (zh) | 光電計算系統 | |
| Hu et al. | Progress in quantum teleportation | |
| TWI777108B (zh) | 計算系統、計算裝置及計算系統的操作方法 | |
| CN116258624A (zh) | 基于多成像投影架构的光学张量卷积计算系统及方法 | |
| CN109768829A (zh) | 轨道角动量光传输中大气湍流失真补偿系统及其方法 | |
| CN112946789A (zh) | 一种基于超透镜阵列与光子集成芯片干涉平板成像系统 | |
| Ding et al. | Structure design and image reconstruction of hexagonal-array photonics integrated interference imaging system | |
| Liu et al. | System design of an optical interferometer based on compressive sensing: an update | |
| CN114503000A (zh) | 光学神经元单元及其网络 | |
| CN114935758B (zh) | 基于光子集成回路的分布式合成孔径成像系统及成像方法 | |
| CN112924026A (zh) | 一种干涉平板成像方法及其系统 | |
| CN113433688A (zh) | 一种基于微透镜阵列与光子集成芯片干涉成像方法及系统 | |
| CN115564037A (zh) | 基于多成像投影架构的光学卷积计算系统及方法 | |
| CN112179506B (zh) | 一种混合阶或分数阶涡旋光束模态识别装置及方法 | |
| CN114486746B (zh) | 基于压缩感知的高分辨率光子集成成像系统及成像方法 | |
| CN117055273A (zh) | 基于卷积神经网络的光学相控阵初始相位校准系统和方法 | |
| CN113126205B (zh) | 一种基于光开关的分段式平面成像系统及方法 | |
| CN112924027B (zh) | 基于微透镜阵列与光子集成芯片干涉成像方法及系统 | |
| Liu et al. | A high-precision 2D DOA estimation algorithm by a large-space three-parallel array for reducing mutual coupling | |
| CN115237201A (zh) | 基于多成像投影架构的光学矩阵-矩阵乘法计算系统及方法 | |
| JP2024509663A (ja) | 光学的ベクトル乗算器 | |
| Zhang et al. | Spatial Frequency Coverage and Image Reconstruction for Photonic Integrated Interferometric Imaging System | |
| Serabyn et al. | Development of a light-field fluorescence microscope for in situ life searches in the solar system |
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 |