[发明专利]基于深度学习的光纤激光分孔径相干合成相位控制方法

权利要求书

1.基于深度学习的光纤激光分孔径相干合成相位控制方法，其特征在于：包括：

光纤激光分孔径相干合成系统包括种子源、预放大器、光纤分束器、光纤相位调制器、光纤放大器、准直光束阵列、第一高反镜、第二高反镜、聚焦透镜、分束棱镜、相机、光斑分析仪、计算机、示波器和控制器；

种子源输出的激光由预放大器放大后通过光纤分束器分为多路子光束，各路子光束在各自光路中依次经过光纤相位调制器和光纤放大器后由准直光束阵列准直发射形成光纤激光发射面阵列光束，光纤激光发射面阵列光束经第一高反镜分为两个部分，一部分作为输出的高功率阵列光束，另一部分作为用于实施闭环相位控制的低功率采样阵列光束；低功率采样阵列光束经过第二高反镜反射出的部分通过聚焦透镜聚焦输出，分束棱镜将聚焦透镜聚焦输出的聚焦光束分为两个部分，其中一部分聚焦光束在聚焦透镜焦平面处被连接计算机的光斑分析仪采集，用于观测合成光束的远场光强分布；另一部份聚焦光束在聚焦透镜非傅里叶平面处被相机采集，相机实时获取待控制包含相位噪声的光纤激光发射面阵列光束对应的非傅里叶平面光斑图像，将光信号转换为电信号，并输入加载有训练好的分析模型和随机并行梯度下降算法的控制器，控制器实时控制各光纤相位调制器对准直光束阵列准直输出的光纤激光发射面阵列光束的活塞相位误差进行初步补偿和二次补偿，确保有效控制光纤激光发射面阵列光束中各路光束同相输出；

获取光纤激光分孔径相干合成系统的非傅里叶平面光斑图像作为训练样本，由训练样本训练分析模型；

在光纤激光分孔径相干合成系统中，实时获取待控制包含相位噪声的光纤激光发射面阵列光束对应的非傅里叶平面光斑图像，将获取的非傅里叶平面光斑图像输入到训练好的分析模型进行分析，得到产生所述非傅里叶平面光斑图像对应的光纤激光发射面阵列光束中各路子光束的相对相位信息，继而对光纤激光发射面阵列光束的活塞相位误差进行初步补偿，并利用随机并行梯度下降算法对初步补偿后的活塞相位误差进行二次补偿，确保有效控制光纤激光发射面阵列光束中各路子光束同相输出。

2.根据权利要求1所述的基于深度学习的光纤激光分孔径相干合成相位控制方法，其特征在于：训练样本包括非傅里叶平面光斑图像以及非傅里叶平面光斑图像对应的样本标签，样本标签包括低功率采样阵列光束中各路子光束相对相位组成的一维向量。

3.根据权利要求2所述的基于深度学习的光纤激光分孔径相干合成相位控制方法，其特征在于：根据光纤激光分孔径相干合成系统的参数构建光纤激光分孔径相干合成系统的仿真模型，在0到2pi内随机产生低功率采样阵列光束中各路子光束相对相位组成的一维向量，利用光纤激光分孔径相干合成系统的仿真模型根据低功率采样阵列光束中各路子光束相对相位组成的一维向量生成对应的非傅里叶平面光斑图像作为训练样本，其中非傅里叶平面光斑图像是由光纤激光发射面阵列光束通过柯林斯公式仿真计算得出的光斑图像；

以光纤激光分孔径相干合成系统的仿真模型生成的非傅里叶平面光斑图像及对应的样本标签中的低功率采样阵列光束中各路子光束相对相位组成的一维向量作为分析模型的输入；以分析模型的输出值与样本标签中的低功率采样阵列光束中各路子光束相对相位组成的一维向量之间的均方误差值作为损失函数，对分析模型进行训练。

4.根据权利要求1所述的基于深度学习的光纤激光分孔径相干合成相位控制方法，其特征在于：光纤激光分孔径相干合成系统的参数包括准直光束阵列上阵列单元数目、激光束腰半径、准直光束阵列上的单孔径直径、准直光束阵列上相邻孔径间距、种子源输出激光工作波长、聚焦透镜焦距、聚焦透镜非傅里叶平面与聚焦透镜焦平面的间距。

5.根据权利要求1所述的基于深度学习的光纤激光分孔径相干合成相位控制方法，其特征在于：所述分析模型为卷积神经网络模型，包括网络卷积层、网络激活层、网络池化层和全连接层。