基于人工神经网络的光学相控阵相位校准光学相控阵在激光雷达、自由空间光通信、医学扫描成像等领域有广泛的应用前景。基于硅波导的集成光学相控阵在大幅度提升光束扫描角度等方面展示了潜力，然而制造集成波导所需用的微加工过程通常会引入较大的相位误差。测量光学相控阵每个阵元的相位误差并进行补偿¾即相控阵的相位校准，成为基于波导的集成光学相控阵的关键技术问题。此前的相位校准技术需要通过大量迭代寻找相控阵的最佳相位校准状态，过程冗长且效率低下。最近，南京大学现代工学院的江伟课题组报道了基于人工神经网络的相位校准技术，去除了相位校准中所需的迭代过程，有望大幅度提升集成光学相控阵的相位校准效率，克服光学相控阵在激光雷达等应用中的一个瓶颈问题。
光学相控阵从一系列阵列单元中发出相干光，通过调控每个阵列单元的相位以使波阵面发生旋转，从而改变光束的指向。然而，基于波导的集成光学相控阵在微加工过程中由于制造工艺的偏差，会不可避免地引起每个阵列单元的相位偏差，从而使得光学相控阵这种相位敏感型器件产生严重问题，具体表现为相控阵出射光束弥散而不是呈现理想的汇聚形式。通常的解决方法是借助优化算法不断调整各阵元的移相器相位，直至出射光束达到理想状态。对于一个包含N个移相器的光学相控阵，这相当于在N维空间中搜索最优解。由于N个移相器的相位分布与出射光束角分布的对应关系是非线性的，这个搜索最优解的过程通常需要大量的迭代，而且经常不能搜索到真正的最优相位校准状态。
图1. 基于波导超晶格的光学相控阵
该课题组提出了基于人工神经网络的相位校准技术，利用神经网络构建出由出射光束角分布到N个阵元相位分布的逆对应关系。在研究过程中发现，由于逆对应关系可能存在多个解，导致出现了相位混淆(phase ambiguity), 进而使得神经网络训练过程不收敛。针对此问题，课题组深入研究了集成光学相控阵的器件物理原理，鉴别出两类相位混淆的物理机制：共轭混淆与周期混淆，并分别针对这两类机制发展了相应的解决方法。针对共轭混淆，课题组提出了采用相位掩模后二次测量出射光束角分布的方法，而对于周期混淆则引入保护周期性和连续性的评估函数。在同时克服了这两种相位混淆后，所构建的神经网络（图2最右栏，Net 4）经过训练，其各结点偏置和权重最终能收敛到恰当的数值，并获得了最优的相位补偿结果（图3最右栏）。光学相控阵光束质量的一个主要评估指标为主光束与次光束强度的比值，也称为旁瓣抑制比。Net 4的仿真校准结果能够普遍达到12 dB以上的旁瓣抑制比，明显好于图中其他神经网络。
图2 用于光学相控阵校准的四种人工神经网络结构
图3 基于人工神经网络的相位校准训练结果（仿真）
基于此人工神经网络的相位校准实验结果表明，仅测量两次远场光束角分布即可实现相位校准。这在优化效率方面比之前使用的粒子群优化算法（PSO）等迭代校准技术提升可达百倍以上，后者每次迭代都要进行远场光束测量。同时，实验结果也显示校准后的次光束强度较低，并且其强度的收敛偏差较小，即校准后的光束质量以及校准的重复性均达到了较优的水平。以上这些结果证实了基于人工神经网络的相位校准技术的优势。
本文中发展的人工神经网络的相位校准技术对光束相干合成、图像相位获取(phase retrieval)、片上相干光学器件等技术领域也有较大助益。
图4. 实验：(a) 校准前器件产生的光束；(b) 经过人工神经网络(ANN)校准后的相控阵的光束；(c) 经过传统迭代算法(PSO)校准后相控阵产生的光束。(d) 神经网络与传统迭代算法(PSO)收敛与偏差特性仿真
相关工作以“Phase calibration for integrated optical phased arrays using artificial neural network with resolved phase ambiguity”为题近日发表于国际期刊Photonics Research 10, 347 (2022)。此研究工作受到了国家自然科学基金、江苏省双创团队、国家重点研发计划等项目的支持。现代工学院博士生冷乐蒙与曾昭邦为文章共同一作，吴桂瀚、暨翔等研究生也作出了贡献。
免责声明：本文旨在传递更多科研资讯及分享，所有其他媒、网来源均注明出处，如涉及版权问题，请作者第一时间后台联系，我们将协调进行处理，所有来稿文责自负，两江仅作分享平台。转载请注明出处，如原创内容转载需授权，请联系下方微信号
