[发明专利]一种基于级联调制器的光学卷积信号处理系统及方法

说明书

本发明提供了一种基于级联调制器的光学卷积信号处理系统及方法，能够利用级联的马赫‑曾德尔调制器在光域内完成信号之间的相乘运算，并借助于调制器之间的可调光时延线来实现时间移位操作，再利用光电探测器实现光电转换，最后对信号采样结果进行累加得到卷积结果。本发明相比于基于微电子电路的卷积计算系统，具有运算速度快，功耗低等优势；相比于基于集成光子线路的卷积计算系统，本发明可以包含较大数据量的信号之间的卷积计算；相比于基于波分复用技术的卷积计算系统，本发明结构简单，可操作性强。本发明利用光学信号处理超高带宽的优势，减小了数字信号处理部分的工作量，具有高速大带宽和低延迟的优势。

技术领域

本发明属于光学信号处理和光计算技术领域，涉及一种基于级联调制器的光学卷积信号处理系统及方法。

背景技术

卷积计算是信号处理领域中最重要的运算之一。在语音识别、图像处理、地质勘探、超声诊断等技术领域中，卷积计算都有着非常广泛的应用。然而，在大部分的应用场合中，卷积计算都是对信号进行采样后，使用数字信号处理技术进行计算。目前，随着微电子集成电路的特征尺寸已经十分逼近物理极限，其性能也不能继续按照摩尔定律持续增长。所以，以电子作为信息传递和处理载体的计算系统存在运算速度、功耗等多方面的瓶颈。

光计算是利用光的物理性质进行大容量信息处理的光学运算技术。考虑到可以利用光的并行性和高速性等物理性质，人们尝试使用光子器件来构造可以突破传统微电子技术性能瓶颈的高性能信号处理系统。近年来，许多关于光计算的应用研究相继报道。其中，最为引人注目的研究成果包括基于集成马赫-曾德尔干涉仪(Y.Shen,et al,“Deeplearning with coherent nanophotonic circuits”Nature Photonics,vol.11(2017):441-446)和微环谐振器(J.Feldmann,et al,“All-optical spiking neurosynapticnetworks with self-learning capabilities”Nature,569(2019):208-214)等光子器件阵列构建的向量-矩阵乘法光计算结构。虽然，基于此类集成光子器件进行光学卷积计算也具有一定的可行性。但是由于光子集成器件有着集成度低、特征尺寸大等缺点，当利用上述硬件体系构建卷积计算框架时，卷积计算的数据量会受到其硬件系统规模的限制。此外，目前另一种基于非集成方案实现光学卷积计算的方法(X.Xu,et al,“11TOPS photonicconvolutional accelerator for optical neural networks.”Nature,586(2021):44-51)是基于波分复用原理，将同一信号分别加载在不同波长的激光上，利用色散光纤产生波长相关的固定时延，最后通过光电探测器对不同时延下的信号进行累加得到卷积计算的结果。上述光学卷积计算方案有着运算速度快，数据处理容量大等优势。但该方案的复杂度较高，系统较为庞大，实现成本也较为昂贵。因而，如何采用新的技术手段完成大量数据的卷积计算，并且能够使卷积计算系统较为简单、紧凑成为光计算及光学信号处理领域亟待解决的问题。

因此，目前亟需一种光学卷积计算系统和对应的计算方法，能够克服计算卷积计算量大的问题，减小硬件系统规模的限制。

发明内容

有鉴于此，本发明提供一种基于级联调制器的光学卷积信号处理系统及方法，能够借助于级联结构的马赫-曾德尔调制器在光域内完成信号之间的相乘运算，并借助于调制器之间的可调光时延线来实现时间移位操作，再利用光电探测器实现光电转换，最后对信号采样结果进行累加得到卷积结果。

为达到上述目的，本发明的技术方案为:

一种基于级联调制器的光学卷积信号处理系统，包括任意波形发生器、激光器、第一级调制器、第二级调制器、第一偏振控制器、第二偏振控制器、可调光时延线、光电探测器PD和示波器。

任意波形发生器为双通道波形发生器，一通道单向连接第一级调制器，另一通道单向连接第二级调制器。