基于卷积神经网络智能识别吸收峰的激光稳频方法
摘要
针对饱和吸收光谱激光稳频技术中多吸收峰难以自动识别、误差信号灵敏度低的问题，提出了一种基于卷积神经网络（CNN）智能识别铷原子吸收峰的激光频率锁定方法。首先设计了大、小卷积核相结合的5个卷积-ReLU-最大池化模块+两层全连接层的一维卷积神经网络；然后对激光器进行线性扫频，获得了包含24个饱和吸收峰的铷原子的饱和吸收光谱信号Ssa(t)，提取每个吸收峰的位置序号，将其与饱和吸收光谱信号作为卷积神经网络训练的标签和数据，利用训练后的卷积神经网络实现吸收峰的智能识别；最后采用正交解调技术精确提取饱和吸收光谱信号的相位，使本振信号相位与其自动匹配，提高误差信号的灵敏度。设计了基于上位机卷积神经网络智能寻峰+现场可编程门阵列（FPGA）实时信号处理的激光频率锁定系统，锁定后的激光频率与光频梳拍频结果表明：在7500 s内，激光频率波动标准差为7.94 kHz；平均时间为64 s时，相对Allan方差为3.50×10-12。所提出的方法可被广泛应用于饱和吸收光谱激光稳频领域。
引用本文（GB/T 7714）
陈本永 Chen Benyong, 赵勇 Zhao Yong, 楼盈天 Lou Yingtian, 等. 基于卷积神经网络智能识别吸收峰的激光稳频方法[J]. Chinese Journal of Lasers, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。