[发明专利]一种SGDBR可调谐半导体激光器的波长调谐方法

权利要求书

1.一种SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，包括如下步骤：

第一拟合步骤：初始化多组前、后光栅区电流，分别测试待测激光器在各组前、后光栅区电流下对应的输出波长，由此得到第一电流-波长对应关系；

第二拟合步骤：将所述待测激光器的结构参数与所述第一拟合步骤中的各组前、后光栅区电流分别组合后，输入已训练好的波长预测神经网络，得到对应的输出波长，由此得到第二电流-波长对应关系；所述波长预测神经网络用于以SGDBR可调谐半导体激光器的结构参数和前、后光栅区电流为输入，预测SGDBR可调谐半导体激光器的输出波长；

优化步骤：初始化所述待测激光器的结构参数，并利用预设的优化算法更新所述待测激光器的结构参数，以使得执行所述第二拟合步骤后，第二电流-波长对应关系与所述第一电流-波长对应关系间的误差最小化，并将使所述误差最小的结构参数确定为目标结构参数；

波长调谐步骤：将多组前、后光栅区电流分别与所述目标结构参数组合后，输入所述波长预测神经网络，以得到对应的输出波长，由此得到所述待测激光器实际的电流-波长对应关系。

2.如权利要求1所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，所述波长预测神经网络的训练方法包括：

建立SGDBR仿真模型，用于根据SGDBR可调谐半导体激光器的结构参数以及前、后光栅区电流预测SGDBR可调谐半导体激光器的输出波长；

随机多组SGDBR可调谐半导体激光器的结构参数以及前、后光栅区电流，利用所述SGDBR仿真模型获得各组参数对应的输出波长，并以每一组参数作为输入，以对应的输出波长作为输出，构建训练数据集；

利用所述训练数据集训练神经网络，在训练结束后，得到所述波长预测神经网络。

3.如权利要求2所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，建立SGDBR仿真模型时，SGDBR可调谐半导体激光器的有源区的前向光场强度和后向光场强度由时域行波法求解得到，SGDBR可调谐半导体激光器的前光栅区的反射谱和透射谱由传输矩阵法得到，SGDBR可调谐半导体激光器的后光栅区的反射谱和透射谱由传输矩阵法得到。

4.如权利要求2所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，利用所述SGDBR仿真模型获得各组参数对应的输出波长时，由matlab软件的并行计算加速仿真完成。

5.如权利要求2所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，所述神经网络为级联神经网络。

6.如权利要求1所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，所述预设的优化算法为粒子群算法。

7.如权利要求6所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，所述优化步骤包括：

(S1)以每一个所述待测激光器的结构参数为一个粒子，并在预设范围内初始化多个粒子，构成粒子群；

(S2)对每一个粒子，分别执行所述第二拟合步骤，得到对应的第二电流-波长对应关系，由此得到粒子群的最优位置；

(S3)计算所述最优位置处的粒子对应的第二电流-波长对应关系与所述第一电流-波长对应关系之间的误差，若所计算的误差小于预设的阈值或者达到最大迭代次数，则转入步骤(S4)；否则，更新每个粒子后，转入步骤(S2)，以开始下一次迭代；

(S4)将最后一次迭代中，最优位置处的粒子所对应的结构参数确定为所述目标结构参数；

其中，所述待测激光器的结构参数的标称值属于所述预设范围。

8.如权利要求1-7任一项所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，所述结构参数为前、后光栅区的结构参数。

9.如权利要求8所述的SGDBR可调谐半导体激光器的波长调谐方法，其特征在于，所述结构参数包括：前光栅区的耦合系数、后光栅区的耦合系数、前光栅区的占空比、后光栅区的占空比、前光栅区的周期和后光栅区的周期。

10.一种计算机可读存储介质，其特征在于，包括存储的计算机程序；所述计算机程序被处理器执行时，控制所述计算机可读存储介质所在设备执行权利要求1-9任一项所述的SGDBR可调谐半导体激光器的波长调谐方法。