[发明专利]一种基于免疫算法的液晶滤波器优化方法

说明书

本发明实施例公开了一种基于免疫算法的液晶滤波器优化方法，根据琼斯矩阵模拟不同液晶滤波器滤波性能，结合免疫算法通过优化双折射液晶电控滤波器的目标光谱指标(中心波长透过率、截止区抑制、半高宽)，进而确定任意厚度下的最佳电压组合的参数，即得到预期的输出光谱曲线；不仅获取了良好的滤波效果，同时对于液晶盒在厚度、级数的选择上更加灵活、可以节约成本材料、提升不同波长的切换时间，而且能够智能调控滤波性能，省略了繁琐的调试阶段，提高了经济性与实用性。

技术领域

本发明涉及光谱检测以及液晶光调控技术领域，尤其涉及一种基于免疫算法的液晶滤波器优化方法。

背景技术

目前的双折射光学滤波器是里奥(Lyot)滤波器，它由一些交替偏振器和双折射器件组成，每个连续的光学延迟量是前一个的两倍关系；Solc滤波器，它是在一对偏振器之间有许多双折射部分，改变每一个双折射器件的角度来实现。这两种滤波器结构可以有效提高光谱分辨率，但是存在均匀性差、截至区抑制效果不好、以及透射率低等缺点。

所以对于双折射光学滤波器的性能进行优化显得尤为关键，这些优化包括增加可调性、自由光谱范围、切换速度、对比度、光谱分辨率并减小通频带大小、截止区旁瓣等性能指标。结合当今的人工智能优化算法，对于光谱多目标性能进行优化参数，选择符合实际生产、设计合理的光学延迟比(可以通过改变加载电压大小，双折射器件厚度，相邻的双折射器件夹角以及不同的结构组合)，来得到预期的理想光谱响应。针对液晶滤波器的模型优化，这对于实际生产、制作和测试具有指导意义。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于免疫算法的液晶滤波器优化方法，针对输出光谱具有高分辨率、自由光谱广、杂峰抑制好等多目标优化问题，利用人工免疫算法结合液晶滤波器的模型进行全局寻优，得到最合理的参数。

为了解决上述技术问题，本发明实施例提供了一种基于免疫算法的液晶滤波器优化方法，包括以下步骤：

S1：初始化种群，随机产生多个第一代子群体，针对每一级液晶盒厚度和驱动电压采用全局随机取样机制产生各自子群体的第一代，种群规模维度与液晶滤波器级数一致；

S2：抗体与抗原选择，选择目标输出光谱曲线与实际输出光谱曲线误差来评价亲和度，根据亲和度值对液晶盒厚度和驱动电压两个产生的抗体进行排序；

S3：抗体激励，使用针对每一级的液晶厚度和驱动电压的抗原通过编码方式形成不同厚度、电压解空间的抗体；

S4：判断是否满足结束条件，得到预期最优解或者超过最大迭代次数，算法即终止；

S5：免疫循环处理，选择适应度高的抗体来经行活化，对其进行克隆复制若干个副本，然后采用变异算子对抗体发生突变，最后再筛选亲和度高的抗体

S6：利用随机产生的新抗体来覆盖原种群当中激励度低的抗体，并且刷新新种群，然后在转步骤S2继续执行。

其中，所述评价亲和度的函数定义为：

其中表示滤波器的波长范围，表示点惩罚因子，and分别表示理想光谱曲线和实际光谱曲线，通带与阻带的权因子一起控制半高宽宽度和阻带波纹大小的作用，然后根据亲和度值来对于液晶盒厚度和驱动电压两个产生的抗体进行排序。

其中，所述形成不同厚度、电压解空间的抗体的计算方法为：

其中，为抗体I的第k维度，即相对应级数液晶盒厚度和驱动电压，L是抗体编码的总维数，取决于设定的液晶滤波器级数，同时采用二进制来实现编码。