基于卷积神经网络图像分类的自动锁模光纤激光器
摘要
将卷积神经网络（CNN）图像分类应用于基于非线性偏振旋转技术的被动锁模光纤激光器中，实现激光器锁模态的自动判定、建立和恢复。首先，基于激光器输出光谱图像数据，建立CNN图像分类判定模型。以图像分类的判定结果构建适应度函数，然后通过自适应遗传算法优化腔内电动偏振控制器（EPC），最终激光器能够实现从任意状态调节到锁模态。在实验中，通过随机改变EPC状态，进行了40次独立测试。激光器从任意状态实现稳定锁模态的平均代数为5.4，在10代以内实现锁模的概率为90%。并对不同手动偏振控制器偏振状态下的光纤激光器进行测试，90%的测试可以在10代以内实现自动锁模，验证了该方法的有效性。本工作为自动锁模光纤激光器的实现提供了一种新的方法。
引用本文（GB/T 7714）
韩冬冬 Han Dongdong, 魏茜阳 Wei Xiyang, 李嬴 Li Ying, 等. 基于卷积神经网络图像分类的自动锁模光纤激光器[J]. Acta Optica Sinica, 2025.
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。