【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及光學(xué)精密測量，具體涉及一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法。
技術(shù)介紹
1、短脈沖激光持續(xù)時(shí)間通常在飛秒量級(jí)，具有脈沖寬度短、峰值功率高、光譜范圍寬等優(yōu)點(diǎn)，成為認(rèn)識(shí)各種微觀超快過程的有效手段。高峰值功率的超短脈沖激光在超精密微納加工、超快測試、高功率脈沖太赫茲譜生成等領(lǐng)域具有重要的應(yīng)用價(jià)值。
2、脈沖寬度是超快激光的關(guān)鍵參數(shù)，其數(shù)值直接決定了激光的能量和光譜特征，在飛秒激光的開發(fā)、調(diào)制、檢測，在超短脈沖激光與物質(zhì)相互作用過程監(jiān)測、評(píng)估等過程中需要進(jìn)行精密測試。在超精細(xì)加工過程中，脈沖的空間啁啾和波前傾斜等脈沖參數(shù)影響加工過程中受熱均勻性，對(duì)超精細(xì)加工的分辨率和加工形狀影響較大。在超短脈沖與物質(zhì)相關(guān)作用，引發(fā)超快測試過程中，相位和強(qiáng)度信息的變化與超快反應(yīng)過程息息相關(guān)。高功率脈沖太赫茲譜生成過程中，超短脈沖激光的時(shí)間啁啾導(dǎo)致太赫茲譜不均勻，降低激發(fā)效率。
3、在傳統(tǒng)的基于二次諧波產(chǎn)生頻率分辨光學(xué)門型脈寬復(fù)原算法(pgcp)中，需要輸入一個(gè)猜測脈沖作為初始輸入，然后迭代出與實(shí)拍frog圖對(duì)應(yīng)時(shí)域信號(hào)及其脈寬，但是在實(shí)際測量中，飛秒脈沖具有多種形式，列如高斯型、雙峰脈沖型等等，在實(shí)際測量中無法得知具體的脈沖類型時(shí)，只能輸入固定類型的初始猜測脈沖信號(hào)，但是當(dāng)猜測脈沖類型與實(shí)際脈沖類型不匹配時(shí)，會(huì)導(dǎo)致脈寬復(fù)原算法迭代次數(shù)過大、誤差過大甚至迭代停滯。
4、因此，現(xiàn)在亟需一種能夠自動(dòng)識(shí)別脈沖類型并且擬合出最接近實(shí)際拍攝脈沖的初始猜測脈沖信號(hào)并效提升pgcp算法的迭代速度和精度的光學(xué)門型脈寬
技術(shù)實(shí)現(xiàn)思路
1、為解決上述問題，本專利技術(shù)提供了一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法能夠解決上述問題。
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)采用以下技術(shù)手段：
3、一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，包括以下步驟：
4、步驟1、從基于二次諧波產(chǎn)生頻率分辨光學(xué)門型結(jié)構(gòu)的飛秒脈沖脈寬儀器里獲得待測脈沖的frog圖及其時(shí)域信號(hào)；
5、步驟2、利用基于二次諧波產(chǎn)生頻率分辨光學(xué)門型結(jié)構(gòu)的飛秒脈沖脈寬儀器獲取實(shí)拍的飛秒脈沖frog圖并猜測與其對(duì)應(yīng)的時(shí)域信號(hào)，將實(shí)拍飛秒脈沖frog圖和與其對(duì)應(yīng)的時(shí)域信號(hào)作為bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練集；
6、步驟3、創(chuàng)建bp神經(jīng)網(wǎng)絡(luò)，bp神經(jīng)網(wǎng)絡(luò)為輸入層、隱藏層、輸出層三層網(wǎng)絡(luò)架構(gòu)，將步驟2中的訓(xùn)練集輸入bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，根據(jù)輸入層節(jié)點(diǎn)以及輸出層節(jié)點(diǎn)個(gè)數(shù)來確定初始化神經(jīng)元的權(quán)重和閾值，并使用soa算法找尋與步驟1中的待測脈沖的frog圖及其時(shí)域信號(hào)最貼近的時(shí)域信號(hào)對(duì)初始化的權(quán)重和閾值進(jìn)行優(yōu)化，確保得到一個(gè)最符合數(shù)據(jù)使用權(quán)重和閾值的bp神經(jīng)網(wǎng)絡(luò)，保存創(chuàng)建成功的bp神經(jīng)網(wǎng)絡(luò)；
7、步驟4、將步驟2中的實(shí)拍飛秒脈沖frog圖和與其對(duì)應(yīng)的時(shí)域信號(hào)輸入步驟3中創(chuàng)建成功的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并保存訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)；
8、步驟5、將步驟2中的實(shí)拍飛秒脈沖frog圖和與其對(duì)應(yīng)的時(shí)域信號(hào)作為測試集放入步驟4中訓(xùn)練好的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行測試，得到改進(jìn)時(shí)域信號(hào)的預(yù)測值；
9、步驟6、將步驟2中的實(shí)拍飛秒脈沖frog圖和步驟5得到的改進(jìn)時(shí)域信號(hào)的預(yù)測值作為猜測脈沖代入pgcp脈寬復(fù)原算法，得出實(shí)拍飛秒脈沖frog圖對(duì)應(yīng)脈沖的脈寬。
10、本專利技術(shù)進(jìn)一步的優(yōu)選方案：步驟2中所述實(shí)拍飛秒脈沖frog圖進(jìn)行噪聲處理，處理后的frog圖進(jìn)行數(shù)據(jù)降維處理。
11、本專利技術(shù)進(jìn)一步的優(yōu)選方案：所述噪聲處理包括剪除背景噪聲處理和通過低通濾波濾除高頻噪聲處理。
12、本專利技術(shù)進(jìn)一步的優(yōu)選方案：步驟2中所述實(shí)拍飛秒脈沖frog圖和與其對(duì)應(yīng)的時(shí)域信號(hào)進(jìn)行歸一化處理。
13、本專利技術(shù)進(jìn)一步的優(yōu)選方案：步驟3中所述訓(xùn)練集的實(shí)拍飛秒脈沖frog圖作為數(shù)據(jù)輸入bp神經(jīng)網(wǎng)絡(luò)進(jìn)行信號(hào)的向前傳播訓(xùn)練和誤差的反向傳播訓(xùn)練，所述信號(hào)的向前傳播為信號(hào)從輸入層輸入經(jīng)過隱含層后從輸出層輸出，所述誤差的反向傳播為輸出層開始逐層計(jì)算各層神經(jīng)元的輸出誤差，然后根據(jù)誤差梯度下降法來調(diào)節(jié)各層的權(quán)值和閾值優(yōu)化bp神經(jīng)網(wǎng)絡(luò)性能。
14、本專利技術(shù)進(jìn)一步的優(yōu)選方案：步驟3還包括求解隱藏層的最佳神經(jīng)元個(gè)數(shù)，構(gòu)建最佳隱藏層的bp神經(jīng)網(wǎng)絡(luò)。
15、與現(xiàn)有技術(shù)相比，本專利技術(shù)的有益效果為：
16、1、本專利技術(shù)提供了一種基于bp神經(jīng)網(wǎng)絡(luò)的二次諧波產(chǎn)生頻率分辨光學(xué)門型脈寬復(fù)原算法，基于二次諧波產(chǎn)生頻率分辨光學(xué)門型的飛秒脈寬測試儀，能夠有效提高pgcp飛秒脈寬復(fù)原算法的速度與精度。
17、2、本專利技術(shù)bp神經(jīng)網(wǎng)絡(luò)無需預(yù)先給出輸入數(shù)據(jù)和輸出數(shù)據(jù)之間的映射關(guān)系就能學(xué)習(xí)兩者之間的數(shù)學(xué)關(guān)系，其基本思想是梯度下降法，利用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的實(shí)際輸出值和期望輸出值的誤差均方差為最小，能夠有效處理飛秒脈寬frog圖和其時(shí)域信號(hào)之間的關(guān)系，具有快速高效的效果。
18、3、本專利技術(shù)基于bp神經(jīng)網(wǎng)絡(luò)的二次諧波產(chǎn)生頻率分辨光學(xué)門型脈寬復(fù)原算法能有效解決在實(shí)際實(shí)際測量中由于不知道待測脈沖的類型而導(dǎo)致迭代次數(shù)過多以及誤差偏大的情況，并且由于自動(dòng)識(shí)別脈沖類型能降低實(shí)際測量飛秒脈沖的難度。
本文檔來自技高網(wǎng)...【技術(shù)保護(hù)點(diǎn)】
1.一種基于BP神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，步驟2中所述實(shí)拍飛秒脈沖FROG圖進(jìn)行噪聲處理，處理后的FROG圖進(jìn)行數(shù)據(jù)降維處理。
3.根據(jù)權(quán)利要求2所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，所述噪聲處理包括剪除背景噪聲處理和通過低通濾波濾除高頻噪聲處理。
4.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，步驟2中所述實(shí)拍飛秒脈沖FROG圖和與其對(duì)應(yīng)的時(shí)域信號(hào)進(jìn)行歸一化處理。
5.根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，步驟3中所述訓(xùn)練集的實(shí)拍飛秒脈沖FROG圖作為數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行信號(hào)的向前傳播訓(xùn)練和誤差的反向傳播訓(xùn)練，所述信號(hào)的向前傳播為信號(hào)從輸入層輸入經(jīng)過隱含層后從輸出層輸出，所述誤差的反向傳播為輸出層開始逐層計(jì)算各層神經(jīng)元的輸出誤差，然后根據(jù)誤差梯度下降法來調(diào)節(jié)各層的權(quán)值和閾值優(yōu)化BP神經(jīng)網(wǎng)絡(luò)性能。
6.根據(jù)權(quán)利要
...【技術(shù)特征摘要】
1.一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，包括以下步驟：
2.根據(jù)權(quán)利要求1所述的一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，步驟2中所述實(shí)拍飛秒脈沖frog圖進(jìn)行噪聲處理，處理后的frog圖進(jìn)行數(shù)據(jù)降維處理。
3.根據(jù)權(quán)利要求2所述的一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，所述噪聲處理包括剪除背景噪聲處理和通過低通濾波濾除高頻噪聲處理。
4.根據(jù)權(quán)利要求1所述的一種基于bp神經(jīng)網(wǎng)絡(luò)的光學(xué)門型脈寬復(fù)原算法，其特征在于，步驟2中所述實(shí)拍飛秒脈沖frog圖和與其對(duì)應(yīng)的時(shí)域信號(hào)進(jìn)行歸一...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：毛桂林，錢溢超，孟鑫，王凱，
申請(qǐng)(專利權(quán))人：江蘇師范大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。