技术领域
[0001] 本
发明涉及激光稳频领域，尤其涉及一种基于饱和吸收谱智能识别技术的激光自动稳频系统。
背景技术
[0002]
激光器的诞生推动了一系列科学技术的进步。为获取符合要求的激光，即要求激光的线宽窄、
频率稳定度高，研究者们研究了激光闭环稳频系统。典型激光闭环稳频系统由参考频率、
鉴频器、反馈
控制器三部分组成。广泛使用的参考频率有
原子或分子的跃迁频率和光学
谐振腔的特征频率。最主要的差别是鉴频方法的不同。采用原子分子的跃迁频率作为参考频率，常从原子分子的吸收
光谱或色散光谱中获取鉴频
信号，研究者们设计了许多鉴频方法及其稳频技术，如调制光谱稳频技术、调制转移谱(MTS)稳频技术、偏置光谱稳频技术、磁致二色性稳频技术等。高Q值的F-P腔的透射和反射特性具有与原子吸收谱线相似的特性，具有极窄的线宽，基于F-P腔的典型稳频技术是PDH(Pound-Drever-Hall)稳频技术。
[0003] 激光的闭环稳频技术经过多年的发展，取得了非常突出的成果，在许多研究领域得到了广泛地应用，然而它存在非常明显的不足，主要体现为激光稳频系统的不稳定，即易出现脱
锁现象。这是由于上述激光闭环稳频技术的有效锁频范围通常较窄，当激光系统承受不可避免的干扰时，激光频率跳变出有效锁频范围而出现脱锁。这类现象严重限制了激光闭环稳频系统的应用场景，如长时间、野外复杂环境、无人值守、星载等实验。
发明内容
[0004] 针对
现有技术激光闭环稳频系统存在的脱锁现象的问题，本发明的目的是提供一种基于饱和吸收谱智能识别技术的激光自动稳频系统，能够实现激光频率的自动锁定和脱锁后自动重锁定，具有智能化、功能强大、鲁棒性强、适用性广的特点。
[0005] 为了实现上述发明目的，本发明在激光闭环稳频系统的
基础上构建自动稳频系统，将
人工智能中的
模式识别技术与经典光电技术相结合，基于
支持向量机设计了饱和吸收谱智能识别技术，能够准确地自动调谐激光激光器的输出模式与工作状态、搜索饱和吸收谱中的锁定点，实现激光的自动锁频和脱锁后自动重锁定。具体方案是：
[0006] 参考图1，一种基于饱和吸收谱智能识别技术的激光自动稳频方法，是一种双回路控制结构，其工作机制为
[0007] 锁频状态监控器实时监控稳频系统的工作状态：
[0008] 若激光频率处于可锁定状态，激光闭环锁定回路保持工作，使激光的发射频率锁定在目标频率值；
[0009] 若激光频率处于脱锁状态，启动自动重锁定回路，根据饱和吸收谱智能识别技术将激光器调节至良好的单模工作状态，即激光器具有宽无跳模调谐范围。并识别饱和吸收谱中的所有可锁定点，即原子的超精细跃迁频率对应的吸收峰，并根据目标频率值在所有可锁定点中确定目标锁定点。随后，根据目标锁定点将激光频率调谐至预设的有效锁频范围内并重新激活激光闭环锁定回路，即可实现激光频率脱锁后重新锁定，其中，良好的单模输出状态即激光器具有宽无跳模调谐范围(Wide Mod-hop Free Tuning Range,WMFTR)状态。
[0010] 通过上述机制，激光频率在该自动稳频系统中一直处于“锁定、失锁后重锁定、锁定…”的自动循环。
[0011] 作为上述技术方案的进一步改进，所述激光闭环锁定回路保持工作，使激光频率锁定在目标频率值的过程具体包括：
[0012] A1、实时获取激光器当前状态下的饱和吸收信号及鉴频信号；
[0013] A2、反馈控制
算法根据频率误差计算激光器的控制量；
[0014] A3、根据控制量对激光器的输出频率进行反馈校正。
[0015] 作为上述技术方案的进一步改进，所述重锁定回路具体包括：
[0016] B1、自动地调节激光器的驱动
电流以改变激光器的输出模式，使其输出模式的
频率范围包含待锁定激光频率；
[0017] B2、自动地调节激光器的控制参量，以将激光器调节至WMFTR状态，可以通过饱和吸收谱(SAS)来确定激光器是否处于WMFTR状态。具体的，该过程基于饱和吸收谱的智能识别技术实现自动化和智能化，饱和吸收谱的智能识别技术是通过设计智能分类器将饱和吸收谱分成两类，分别表征激光器是否处于WMFTR状态，进而将激光器最终调节为以标准饱和吸收谱表征的WMFTR状态；
[0018] B3、搜索并
定位标准饱和吸收谱中的所有可锁定点，即定位饱和吸收谱中的每一个超精细跃迁频率所对应的吸收峰，并基于此将激光频率缩放至目标锁定点对应的有效锁频范围内。
[0019] 作为上述技术方案的进一步改进，步骤B2中，所述饱和吸收谱的智能识别技术包括离线处理与实时处理，具体包括：
[0020] B21、在离线处理中，在多种情况下采集若干饱和吸收谱作为样本，并对每一个样本中所对应的激光器工作状态进行标注，构成训练样本集；
[0021] B23、根据特征提取算法从每一个饱和吸收谱样本中提取
特征向量，构成特征向量训练集；
[0022] B24、构建分类器，利用特征向量训练集对分类器进行训练，并将样本的分类结果与标注真值进行误差检验，以优化分类器的参数；
[0023] B25、在实时处理中，实时地获取饱和吸收谱信号，根据与步骤B23相同的特征提取算法提取特征向量，利用步骤B24中优化后的分类器对实时饱和吸收谱进行分类，根据分类结果确定此时激光器是否工作在WMFTR状态。
[0024] 作为上述技术方案的进一步改进，步骤B23中，所述根据特征提取算法从每一个饱和吸收谱样本中提取特征向量具体包括：
[0025] B231、从标准饱和吸收谱(激光器处于WMFTR状态)中提取不同尺度的
片段作为模板；
[0026] B232、计算每一模板与待分类饱和吸收谱的互相关序列，并从中提取最大互相关信息，即最大值及在序列中的对应
位置；
[0027] B233、待分类饱和吸收谱和吸收谱与多尺度模板的互相关信息组成该饱和吸收谱样本特征向量。
[0028] 作为上述技术方案的进一步改进，步骤B24中，所述分类器为支持向量机。
[0029] 为了实现上述发明内容，本发明提供了一种基于饱和吸收谱智能识别技术的激光自动稳频系统的实现方案与装置，包括激光器、激光
驱动器、主处理器、反馈控制器、鉴频器、低
精度波长计。所述激
光驱动器用于实现对激光器的控制与驱动，主处理器用于采集信号、分析系统的工作状态、控制系统的工作流程，鉴频器用于获取原子的饱和吸收信号与鉴频信号，低精度波长用于粗略测量激光器的输出频率，反馈控制器用于对激光器的输出频率进行反馈校正。
[0030] 作为上述技术方案的进一步改进，所述主处理器上的程序包括锁频状态判别模
块、激光输出模式选择模块、实时SAS智能分类器模块、SAS锁定点搜索模块、激光器控
制模块。
[0031] 本发明的有益技术效果：
[0032] 本发明构建双回路控制结构的智能化激光自动稳频系统，包括闭环锁定回路与一键式自动重锁定回路。该系统功能强大，无论激光器处于何种状态，都能够通过完整的自动过程实现激光频率的自动锁定与脱锁后自动重锁定。该系统创新性地将人工智能中的模式识别技术与典型的光电技术结合，基于饱和吸收谱的智能识别技术，能够更加准确快速地判别和调整激光器的工作状态、搜索目标锁定点，为实现激光的自动稳频系统提供了一个智能化的解决方案。该系统能够广泛适用于自动稳频系统的一般应用，对于不同的实验环境和系统配置，只需更换相应的模块即可。因此，该系统具有智能化、功能强大、鲁棒性强、适用性广的特点。
附图说明
[0033] 图1是本发明的基于双回路控制结构的智能化激光自动稳频系统示意图。
[0034] 图2是本发明的具体
实施例中系统总体设计图。
[0035] 图3是本发明的具体实施例中MTS鉴频器光电原理图。
[0036] 图4是本发明的具体实施例中基于支持向量机的SAS智能识别方法的原理
框图。
[0037] 图5是本发明的具体实施例中特征提取的模板示意图。
[0038] 图6是本发明的具体实施例中基于支持向量机的SAS智能识别技术的训练结果。
具体实施方式
[0039] 为了使本公开的目的、技术方案和优点更加清楚明白，下结合具体实施例，并根据附图，对本发明进一步详细说明。需要说明的是，在附图或
说明书描述中，未描述的内容以及部分英文简写为所属技术领域中普通技术人员所熟知的内容。本实施例中给定的一些特定参数仅作为示范，在不同的实时方式中该值可以相应地改变为合适的值。
[0040] 参考图2，本实施例中，激光器为780nm外腔
半导体激光器，其输出的激光通过两个分束器分成三束，其中一大功率分束光用作稳频系统输出，两小功率分束光分别用于鉴频器与波长计。波长计(精度为1GHz)粗略测量激光频率(Freq)用于判别激光器的输出模式；参考图3，进入MTS鉴频器的分束光被分为探测光与
泵浦光，经EOM调制后的泵浦光与探测光在铷(Rb)泡内反向重合发生调制转移。被Rb泡吸收后的探测光由光电探测器(PD)转化为
电信号，即饱和吸收信号(SAS)，饱和吸收信号经解调后获得鉴频信号(FDS)。Freq信号直接采集至主处理器；SAS与FDS经过反馈控制器采集后再传输至主处理器。
[0041] 参考图2，系统的工作流程为：锁频状态监控器判定激光频率的锁定状态，若激光处在锁定状态，使闭环锁定回路(Cycle A)保持工作，即反馈控制器根据频率误差信号计算控制量以快慢两通道对激光器的驱动电流和压电陶瓷(PZT)
电压进行反馈控制；若激光处在失锁状态，启动重锁定回路(Cycle B)，通过一系列自动控制过程将激光频率重新调谐回预设的有效锁频范围，再次激活Cycle A以重新锁定激光频率。
[0042] 下面对重锁定回路的过程进行详细介绍：
[0043] B1:对于780nm外腔半导体激光器，其有许多不同的输出模式，每一个模式对应的输出频率范围不同。对于本实施例中要将激光频率锁定至Rb-D2跃迁线上的某一超精细跃迁频率，首先需要将激光频率调节至对应的模式，其频率范围约为384225
[0044] B2:在B1之后，需要有序地调节激光器的电流和PZT电压以使激光器处于合适的工作状态，对于外腔半导体激光器，指的是较宽的无跳模调谐范围(Wide Mod-hop Free Tuning Range,WMFTR)状态。判断外腔半导体激光器是否处在WMFTR状态的有效方法是分析其饱和吸收谱SAS，因为当激光器处在WMFTR状态时，获得的饱和吸收谱具有一致的特性，称为标准饱和吸收谱，否则，SAS或多或少与标准饱和吸收谱不相同。因此，通过判断SAS是否具备与标准SAS一致的特性就可以判断激光器是否工作在WMFTR的状态。
[0045] 参考图4，本实施例公开一种基于支持向量机(Support Vector Machine,SVM)的SAS智能识别技术。
[0046] 参考图5，在本实施例中，通过归一化互相关算法评估标准SAS与待分类的SAS之间的相似度来提取部分特征值。互相关算法的其公式如下所示
[0047]
[0048] 式中， Corrxy(m)为待分类的SAS信号(Sx)与标准SAS信号(Sstd)之间的归一化互相关值。
[0049] 首先，为了使特征提取过程更为全面，需要计算不同尺度下的Corrxy(m)值，本实施例从一个标准SAS信号中提取了5个片段作为模板，如图5中的Tj所示，分别对应的是Rb-D2饱和吸收谱以及各基态的超精细能级吸收谱(F＝x→F'＝？中不同x形成的超精细吸收峰群)。得到5个互相关结果Corrj(m)(j＝1,2L 5)，计算其最大相似度及其在SAS
采样序列中相应的位置，即
[0050] Sj＝max(Corrj(m))
[0051] Pj＝{m|Corrj(m)＝Sj}
[0052] 此外，注意到Rb-D2饱和吸收谱中，在原子跃迁频率远失谐处，原子对激光几乎不吸收，在饱和吸收谱中呈现出平坦的线型，如图5中的Rj所示，因而需要计算该区域的平整度Fj来反映其特征。值得指出，由于在不同的条件下，如光强
波动，泵浦光与探测光对准，铷泡的
温度变化等，原子对激光的饱和吸收会发生一定程度的变化，为了准确评估标准SAS的特定，在本实施例中采集了M个不同情况下的标准SAS。最终，通过上述算法，从一个待分类的SAS信号提取出M个特征向量FVj(j＝1,2,...M)，且
[0053] FV＝(S1,S2,S3,S4,S5,D1,D2,D3,D4,F1,F2,F3,F4)T
[0054] 式中，Dj＝Pj+1-P1用于确定Tj之间在SAS采样序列中的相对位置。
[0055] 在模式识别技术中，支持向量机(Support Vector Machine,SVM)是具有优异性能的分类器，它的原理是在特征向量空间寻找最优的
超平面，将不同类的特征向量分离在超平面的两边，从而实现分类的目的。应用SVM时可以将其简化为如下公式[0056]
[0057] 式中，αi,K(·),si,b分别是支持向量机的参数，可以在对SVM进行训练的过程中确定，x是特征向量，C(x)是特征向量与超平面之间的函数间隔，意味着函数间隔的绝对值越大，其距离超平面越远，分类效果越显著。
[0058] 参考图4，本具体实施例设计了2级SVM(2L-SVM)分类器，在第一级SVM中，SVMj分别对FVj进行分类，得到的结果Cj(FVj)组成新的特征向量，即
[0059] FVsum＝(C1,C2...,CM)T
[0060] 在本实验中M＝4。在第二级SVM中，SVMsum对FVsum进行分类，得到最终的分类结果Csum(FVsum)。
[0061] 在本具体实施例实验中，在各种情况下采集了若干的SAS信号构成了训练样本集，并做了相应标注，即
[0062] D＝{(xi,yi),yi∈{-1,+1}}
[0063] 样本集D的容量超过了700，分别在激光器处于不同的工作状态时进行采集。
[0064] 通过样本集训练2L-SVM的结果如图6所示，其中，蓝色圆圈标记的点为-1样本，绿色加号标记的点为+1样本，C＝+1与C＝-1分别为SVM的分类临界线，临界线上的点即为所谓的支持向量，由图可见，分类结果有着非常高的准确率。图6中，只有两个-1样本被错误地分在于两临界线之内，这是由于实际上很难将所有特征向量都恰好分离在超平面的两边，因此理论上满足一定约束条件时，SVM的训练过程中允许部分错误的分类结果存在。在本具体实施例中为了严格控制假阳率，设定的2L-SVM分类器的结果如下式决定
[0065] y＝sgn(Csum(FVsum)-1)
[0066] 本具体实施例对2L-SVM分类器进行了实时测试，表现出与训练过程一致的良好效果。由此表明，通过基于SVM设计的SAS智能识别方法能够准确识别SAS是否属于标准SAS信号，从而判断激光器是否工作在WMFTR状态。
[0067] B3：在通过智能识别SAS信号将激光器调整至WMFTR状态后，需要将激光频率缩放至设定的有效锁频范围内，即某一超精细跃迁对应的吸收峰处。首先，在特征提取过程中，可以通过特征元素Pj来定位饱和吸收谱中Tj区域的位置，并以此计算PZT电压的扫频中心和扫频幅度，将SAS缩放至包含待锁定频率的Tj区域。随后，通过检测Tj区域中存在的超精细吸收峰，并且将其排序可以确定每一个超精细吸收峰的位置，即可锁定点的位置，即基于特征提取来确定饱和吸收谱中的目标锁定点。随后，再一次计算PZT电压的扫频中心和扫频幅度将激光频率缩放至预设的锁定点对应的有效锁频范围之内。至此，关闭扫频并激活闭环锁定回路就可以将激光频率重新锁定在目标参考频率。
[0068] 以上包含了本发明优选实施例的说明，这是为了详细说明本发明的技术特征，并不是想要将发明内容限制在实施例所描述的具体形式中，依据本发明内容主旨进行的其他
修改和变型也受本
专利保护。本发明内容的主旨是由
权利要求书所界定，而非由实施例的具体描述所界定。
