1 中国科学院长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
采用具有模式转换和无损传输特性的三模非模式选择光子灯笼（PL）实现了976 nm波长的半导体激光的相干合束。相对于半导体激光常规空间孔径相干合束的方式，所提合束光场不会产生旁瓣，且能拥有较高的光束质量。通过仿真PL合束特性，搭建合束实验系统，最终976 nm波长的半导体激光基模输出功率达99.7 mW，转换效率为33.2%。实验结果表明，此合束系统实现了模式转换，使半导体激光能够以基模输出，展现了一种有潜力的半导体激光相干合束的方法。
半导体激光 光子灯笼 相干合束 相位调控 光纤模式 激光与光电子学进展
2024, 61(5): 0514006
1 中国科学院 长春光学精密机械与物理研究所，长春3003
2 中国科学院大学，北京100049
为了分析光子灯笼用于光合束时的模式控制能力波动，建立算法提取光场灰度矩阵，使用数值计算结果替代角功率分布方差来分析光子灯笼模式控制能力随合束功率的波动。根据功率流方程与临近模耦合理论推导了算法的理论基础。从算法结构和灰度值提取精度参数两方面详细介绍灰度提取算法。通过对比复原图与原光场图，证明算法将光强分布情况转化成灰度值矩阵的数值准确性；最后，以自制的3×1光子灯笼在弱主动模式控制下的表现为例，分析其模式控制能力随合束功率变化导致的输出光质量与合束损耗的变化。实验结果解释了合束功率从0增加到270 mW时3×1光子灯笼的光合束损耗曲线斜率变化以及合束光最大高斯拟合度波动。算法能简单、快速地分析光子灯笼用于基模合束光制备时模式控制能力的波动情况，且环境敏感度低，光场功率分布提取准确率大于99%。
半导体激光 模式控制 灰度矩阵 光子灯笼 光合束 diode laser mode control gray matrix photonic lantern beam combining 光学 精密工程
2023, 31(19): 2818
Author Affiliations
Abstract
1 Instrument Science and Technology, Harbin Institute of Technology, Harbin 150001, China
2 Research Center of Laser Fusion, China Academy of Engineering Physics, Mianyang 621900, China
In-situ laser-induced surface damage inspection plays a key role in protecting the large aperture optics in an inertial confinement fusion (ICF) high-power laser facility. In order to improve the initial damage detection capabilities, an in-situ inspection method based on image super-resolution and adaptive segmentation method is presented. Through transfer learning and integration of various attention mechanisms, the super-resolution reconstruction of darkfield images with less texture information is effectively realized, and, on the basis of image super-resolution, an adaptive image segmentation method is designed, which effectively adapts to the damage detection problems under conditions of uneven illumination and weak signal. An online experiment was carried out by using edge illumination and the telescope optical imaging system, and the validity of the method was proved by the experimental results.
laser optic damage image super-resolution image segmentation Chinese Optics Letters
2022, 20(7): 071101
1 大连理工大学软件学院, 辽宁大连 116620
2 河海大学物联网工程学院, 江苏常州 213022
3 沈阳飞机设计研究所, 辽宁沈阳 110035
4 沈阳理工大学信息科学与工程学院, 辽宁沈阳 110159
5 东北大学软件学院, 辽宁沈阳 110819
功率谱密度 (PSD)预测是频谱管理中的重要环节。由于功率谱密度具有高度的复杂性、非线性和不确定性, 单一的预测模型很难确保预测的准确性和效率。为克服单一预测方法的不足, 提出一种混合的机器学习模型, 将自组织映射 (SOM)网络与回归树 (RT)相结合, 以预测信号的功率谱密度。使用自组织映射网络将具有相似手工特征的原始样本集聚类成簇; 将每一个簇分别构建回归树来预测功率谱密度; 最后, 使用亚琛工业大学的数据进行实验。结果表明, 预测结果的均方根误差比现有方法提高 0.824, 证明混合模型具有较高的预测精确度和较好的泛化能力。
功率谱密度 自组织映射 回归树 手工特征 Power Spectral Density Self -Organizing Map Regression Tree manual feature 太赫兹科学与电子信息学报
2021, 19(4): 623
Author Affiliations
Abstract
1 University of Central Florida, CREOL, The College of Optics and Photonics, Orlando, Florida, United States
2 Chinese Academy of Sciences, Changchun Institute of Optics, Fine Mechanics and Physics, State Key Laboratory of Luminescence and Applications, Changchun, China
We demonstrate a deep-learning-based fiber imaging system that can transfer real-time artifact-free cell images through a meter-long Anderson localizing optical fiber. The cell samples are illuminated by an incoherent LED light source. A deep convolutional neural network is applied to the image reconstruction process. The network training uses data generated by a setup with straight fiber at room temperature (～20 ° C) but can be utilized directly for high-fidelity reconstruction of cell images that are transported through fiber with a few degrees bend or fiber with segments heated up to 50°C. In addition, cell images located several millimeters away from the bare fiber end can be transported and recovered successfully without the assistance of distal optics. We provide evidence that the trained neural network is able to transfer its learning to recover images of cells featuring very different morphologies and classes that are never “seen” during the training process.
fiber imaging cell imaging deep learning microstructured optical fiber transverse Anderson localization Advanced Photonics
2019, 1(6): 066001
1 工业和信息化部电子第五研究所电子元器件可靠性物理及其应用技术重点实验室, 广东 广州 510610
2 工业和信息化部电子第五研究所可靠性研究分析中心, 广东 广州 510610
3 中国科学院长春光学精密机械与物理研究所发光学及应用国家重点实验室, 吉林 长春 130033
对磷锗锌晶体光学薄膜激光损伤的机理进行了实验和理论研究。将同一批生长的磷锗锌晶体切割为6 块，并利用相同的工艺对这些晶体进行抛光；对其中4只样品镀制双波段多层增透膜，利用扫描电子显微镜观察这4只样品的光学薄膜形貌，发现薄膜的大部分区域成膜质量较好，但也有小部分区域形成团簇；利用二次离子质谱仪分析了薄膜的组成成分，发现在该薄膜的ZrO2层含有Pt元素；利用波长为2 μm、脉宽为31 ns的固体激光器对磷锗锌晶体样品进行激光损伤阈值测试，得出4只镀膜样品的激光损伤阈值平均值为0.68 J/cm2，其他2只未镀膜样品的损伤阈值平均值为1.1 J/cm2。利用有限元仿真方法计算了杂质作用下薄膜的激光损伤阈值，研究了杂质颗粒的半径和填埋深度对损伤阈值的影响，计算了薄膜的理论激光损伤阈值，证明了Pt杂质颗粒的存在对磷锗锌晶体表面增透膜的激光损伤阈值有很大影响，所以控制该杂质的浓度对提高薄膜的损伤阈值具有重要意义。
薄膜 激光损伤 杂质诱导 磷锗锌晶体 有限元仿真
重庆邮电大学 信号与信息处理重庆市重点实验室, 重庆 400065
针对OFDM(正交频分复用)信号子载波调制方式识别的问题, 提出了一种将高阶矩和高阶累积量相结合的联合识别算法。该算法首先运用基于高阶矩的特征量把MPSK(多进制相移键控)调制(M=2、4)、64QAM(六阶正交幅度调制)和16QAM(四阶正交幅度调制)区分开, 然后再利用基于高阶累积量的特征量区分BPSK(二进制相移键控)调制和QPSK(四相相移键控)调制。从理论上进行了推导与分析, 该算法对多径衰落与噪声干扰不敏感。计算机仿真结果表明, 所提算法在多径信道条件下具有良好的识别性能。
正交频分复用 子载波 高阶累积量 高阶矩 调制识别 OFDM subcarrier high-order cumulant high-order moment modulation identification
1 中国科学院长春光学精密机械与物理研究所发光学及应用国家重点实验室， 吉林 长春 130033
2 中国科学院研究生院， 北京 100049
由于单管半导体激光器比半导体激光线阵、叠阵具有更好的光束质量及散热特性，因此更适用于光电干扰光源。针对于电荷耦合器件(CCD)光谱响应曲线特征，采用808 nm单管半导体激光器为光源，将24只单管半导体激光器分组集成，通过空间合束和偏振合束以提高其输出功率密度，采用自行设计的光学系统对光束进行扩束聚焦，耦合进芯径为300 μm，数值孔径0.22的光纤中，所有激光器都采用串联方式，在8.5 A电流下通过光纤输出功率为162 W，耦合效率达到84%。
激光器 半导体激光器 光纤耦合 光束质量 偏振合束
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院研究生院, 北京 100049
半导体激光器散热是在热源至热沉之间尽可能提供一条低的热阻通路。其主要目的是降低外热阻(即激光器芯片至散热空间的热阻)，使发热激光器芯片与被冷却表面之间保持一个低的温度梯度和良好的热接触。对于接触热阻冷却方法，人们往往根据自身的研究对象，用实验方法来解决接触热阻的问题。通过对单管合束模块整体热阻逐步进行分析,通过软件模拟和结合频率红移法对激光二极管热阻进行测量，得出单管合束模块整体散热热阻小于0.25 ℃/W。此散热模块可以满足百瓦级半导体激光器的散热要求。
激光器 大功率半导体激光器 风冷散热 热阻 频率红移法
1 中国科学院长春光学精密机械与物理研究所激发态物理实验室， 吉林 长春 130033
2 中国科学院研究生院， 北京 100049
利用光栅外腔的方法对半导体激光阵列(LDA)进行光谱合束时常采用平凸或双凸柱透镜作为变换透镜，然而它会导致外腔的反馈效率低下，经研究发现LDA轴上发光单元的反馈效率为80.5%，对于边缘发光单元甚至降到了49.7%。针对该问题提出了采用双分离柱透镜作为变换透镜，从而可以提高外腔的反馈效率。将传统LDA光谱合束光路展开，并利用Zemax画出它的等效光路，以此来求出平凸变换透镜LDA每个发光单元的反馈效率；根据像差理论分析了平凸变换透镜的成像特点，发现平凸变换透镜的球差和慧差较大，需要对其进行矫正；根据初级像差理论，利用PW法设计了双分离变换透镜，并利用Zemax进行了优化。结果发现，优化后双分离变换透镜可以使10 mm宽LDA发光单元的反馈效率达到94.2%以上。研究结果表明使用双分离变换透镜法可提高光谱合束效率。
激光技术 半导体激光阵列 光谱合束技术 变换透镜 像差 反馈效率 耦合效率
