[發明專利]基于四象限離散相位調制的單遠場型深度學習波前復原方法

在審

• 申請號: 202011030900.2
• 申請日: 2020-09-27
• 公開（公告）號: CN112197876A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 邱學晶;趙旺;楊超;王帥;許冰
• 申請（專利權）人: 中國科學院光電技術研究所
• 主分類號: G01J9/00
• 分類號: G01J9/00;G06N3/04;G06N3/08
• 代理公司: 北京科迪生專利代理有限責任公司 11251
• 代理人: 楊學明

1.基于四象限離散相位調制的單遠場型深度學習波前復原方法，其特征在于，通過以下步驟實現：

步驟1：設計基于四象限離散相位調制的波前傳感器；

步驟2：根據步驟1收集四象限離散相位調制的遠場光斑與近場波前數據，并將CCD測量的遠場圖像和近場波前對應的Zernike模式系數分別作為數據集中的樣本和標簽，若步驟2無法實現，則重復執行步驟1再次設計傳感器，直至實現步驟2；

步驟3：配置深度學習環境，搭建卷積神經網絡(CNN)；

步驟4：任意抽取數據集中80％的樣本作為訓練集，供網絡學習遠場光斑與近場波前的映射關系；從數據集剩下的20％樣本中任意抽取一半樣本做為驗證集，用于調整網絡超參數并驗證算法有效性，最后剩余的10％樣本作為測試集用于進行無偏估計。

2.根據權利要求1所述的一種基于四象限離散相位調制的單遠場型深度學習波前復原方法，其特征在于：所述步驟1中的四象限離散相位調制將單位圓分成四個象限：一、三象限具有的相位差，二、四象限具有的相位差，四象限離散相位調制可克服單遠場對應多入射波前的多解問題的理論基礎為：

遠場復振幅U_far(x₀，y₀)等于近場復振幅U_near(x，y)的傅立葉變換，即，

U_far(x₀，y₀)＝∫∫U_near(x，y)exp[-i2π(ux+vy)]dxdy (1)

式中，(x，y)和(x₀，y₀)分別為近場和遠場坐標，u、v分別為空間頻率，λ為波長，f為透鏡焦距，A_near(x，y)為入射波前的振幅，為入射波前相位，當均勻光入射時，A_near(x，y)可歸一化為1，對近場波前進行180度旋轉并取復共軛，有根據歐拉公式，一對旋轉翻轉對稱的入射波前對應的遠場復振幅U_far(x₀，y₀)和U′_far(x₀，y₀)可簡化為：

比較U_far(x₀，y₀)與U′_far(x₀，y₀)的表達式，可知兩者實部相等，虛部大小相等方向相反，由傅立葉光學知，遠場光強分布是遠場復振幅模的平方，因此，有：

|U_far(x₀，y₀)|²＝|U′_far(x₀，y₀)|² (5)

綜上所述，兩幅180度旋轉復共軛的波前對應同一遠場光強分布；

設四象限二元相位調制引入的相位為Φ(x，y)，Φ(x，y)表達式為：

此時，調制后的一對旋轉翻轉對稱的波前的遠場分別為：

Φ(x，y)≠-Φ(-x，-y)，此時|U_far(x₀，y₀)|²≠|U′_far(x₀，y₀)|²，入射波前的旋轉翻轉對稱性被打破，此外，離散相位調制使得調制后的波前不再屬于原來的樣本空間，此時遠場光斑到波前像差信息的映射是單射。

3.根據權利要求1所述的一種基于四象限離散相位調制的單遠場型深度學習波前復原方法，其特征在于：所述步驟2中數據集的樣本數量應至少為一萬組，即應在樣本空間進行充分采樣。

4.根據權利要求1所述的一種基于四象限離散相位調制的單遠場型深度學習波前復原方法，其特征在于：所述步驟3中的深度學習網絡可以是CNN，也可以是其他深度學習網絡。

5.根據權利要求1所述的一種基于四象限離散相位調制的單遠場型深度學習波前復原方法，其特征在于：所述步驟4中訓練集、驗證集與測試集的劃分方式可根據數據集的大小適當改變。