[发明专利]一种基于相位恢复的光纤激光模式分解方法及其实现装置

说明书

本发明公开了一种基于相位恢复的光纤激光模式分解方法及其实现装置，该方法分为四个步骤，步骤1：使用单模激光标定模式分解装置，进而调节模式分解装置中光学元件的相对位置；步骤2：更换模式分解装置中的光纤激光器，实现少模激光输出，通过上述模式分解装置采集模式分解所需的少模光斑；步骤3：运用多位置光斑的GS迭代算法，恢复上述多模光斑的相位，获得多模光斑的复振幅；步骤4：对复振幅采用相关投影算法进行模式分解，将模式分解结果作为随机并行梯度下降算法的初值，进行优化。本发明解决了传统随机并行梯度下降算法容易因对初值敏感而陷入局部最优的问题，在保持精度的同时，提高了可以分解的模式数目。

技术领域

本发明涉及激光器测量领域，具体涉及一种基于相位恢复的光纤激光模式分解方法及其实现装置。

背景技术

激光技术是二十世纪与原子能、半导体及计算机齐名的四项重大发明之一。四十多年来，以激光器为基础的激光技术得到了迅速的发展，已广泛应用于工业生产、通讯、信息处理、医疗卫生、军事、文化教育以及科学研究等各个领域，取得了很好的经济效益和社会效益，对国民经济及社会发展发挥愈来愈重要的作用。而光纤激光器具有谐振腔内无光学镜片、免调节、免维护、高稳定性的优点，被广泛应用于大功率激光器中。但是，高功率下的少模光纤激光器中的模式竞争、模式耦合以及MI等涉及模式的过程可能会导致输出环境的恶化。因此，很有必要从模式的角度对上述过程进行深入分析，这就依赖于光纤激光器领域内正在兴起的模式分解技术获取光纤激光器输出光束中的模式特征，包括各本征模的含量和相位等。

黄良金在其博士论文《大模场光纤激光器的模式分解及模式控制》中研究了基于光斑强度信息的SPGD算法模式分解技术，但是并没有解决SPGD算法容易因对初值敏感而陷入局部最优的问题。An Yi等人在《Learning to decompose the modes in fewmodefibers with deep convolutional neural network》中研究了神经网络在模式分解上的应用，但是该神经网络是在理想情况下的仿真中训练的，因此可能会受到像差等方面的干扰。Mathieu Paurisse在《Complete measurement of fiber modal content bywavefront analysis》一文中研究了基于波前探测得到复振幅的模式分解过程，该方法是将是将待测光斑复振幅与各模式理想单模正交分量做复振幅相关度运算，因为是用复振幅来进行计算，所以在像差干扰下，其模式分解结果会有偏差。

发明内容

本发明的目的在于提供一种基于相位恢复的光纤激光模式分解方法及其实现装置，不但对像差的影响不敏感，还解决了传统数值分析法(SPGD)因对初值敏感而容易陷入局部最优的问题，使得模式分解数目从原来的三个模式提高到了现在的十几个模式。

实现本发明的解决方案为：一种基于相位恢复的光纤激光模式分解方法，步骤如下：

步骤1、使用单模激光标定模式分解装置，进而调节模式分解装置中光学元件的相对位置，转入步骤2；

步骤2、更换模式分解装置中的光纤激光器，实现多模激光输出，通过上述模式分解装置采集模式分解所需的少模光斑，转入步骤3；

步骤3、运用多位置光斑的GS迭代算法，恢复上述多模光斑的相位，获得多模光斑的复振幅，转入步骤4；

步骤4、对复振幅采用相关投影算法进行模式分解，将模式分解结果作为随机并行梯度下降算法的初值，进行优化。

结合图4，一种基于相位恢复的光纤激光模式分解方法的实现装置，所述基于相位恢复的光纤激光模式分解方法通过模式分解装置实现测量采集，所述模式分解装置包括光纤激光器、光学放大系统、功率衰减和光斑采集系统和计算机，沿光路依次设置光纤激光器、待测光纤、光学放大系统、功率衰减和光斑采集系统，功率衰减和光斑采集系统和计算机连接。

进一步地，光学放大系统采用4F共焦系统，沿光路依次为第一透镜、第一反射镜、第二反射镜、第二透镜。