基于多输出残差神经网络的飞秒脉冲时域重建

吕玮智 Lü Weizhi、麻云凤 Ma Yunfeng、赵鹏 Zhao Peng、王哲 Wang Zhe、程旺 Cheng Wang、郭广妍 Guo Guangyan、杨学博 Yang Xuebo、殷晨轩 Yin Chenxuan

2024Laser & Optoelectronics ProgressComputer Science被引 1开放获取

摘要

提出一种基于多输出残差神经网络（MO-ResNet）的飞秒激光重建方法，对频率分辨光学开关法轨迹图进行质量分析与脉冲反演，并使用局部加权回归法对反演结果进行优化。结果表明所提算法中预处理阶段的轨迹图质量识别的模型准确率达到98.14%。所提算法的重建结果与检索振幅网格算法（RANA）相比，平均相对误差约为4.6%。所提算法平均计算耗时约为0.037 s，表明计算速度达到RANA的一个数量级以上。同时验证结果表明该方法具备较强的抗噪性能，证明残差神经网络在飞秒脉冲反演上的可行性。该方法对飞秒脉冲激光的快速重建和提升低信噪比时的稳定性有一定意义。

引用本文（GB/T 7714）

吕玮智 Lü Weizhi, 麻云凤 Ma Yunfeng, 赵鹏 Zhao Peng, 等. 基于多输出残差神经网络的飞秒脉冲时域重建[J]. Laser & Optoelectronics Progress, 2024.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.3788/lop240653

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。