强激光与粒子束

作者：李鑫涛, 刘晖, 乔硕, 杨一帆, 吕杨, 刘霞, 熊玲玲,

关键词：激光自混合干涉, 微位移重构, 卷积神经网络, 特征提取, 半导体激光器,

提出了一种基于卷积神经网络（CNN）的半导体激光自混合干涉（SMI）微位移重构方法，将SMI信号分段并以窗口平均位移作为标签输入卷积神经网络，实现了物体微米量级位移的直接重构，避免了位移重构过程中复杂的SMI信号相位解包裹计算过程。所使用的卷积神经网络由三组卷积层、池化层和线性整流函数组成，其中卷积层用于提取SMI信号中的局部位移特征，池化层用于压缩SMI信号中的特征信息并增强抗干扰能力，线性整流函数有助于突出SMI信号中的关键位移特征。在理论仿真中，将具有10 dB噪声的SMI信号输入至已训练完成的卷积神经网络中，直接输出物体重构微位移的均方根误差为 5.3\times 10^-8 ；在实验中，将包含系统噪声的SMI信号输入已训练完成的卷积神经网络中，直接输出物体重构微位移的均方根误差为 2.1\times 10^-7 。理论仿真与实际实验结果均表明，卷积神经网络通过分析SMI信号的时序片段，能够实现半导体激光自混合干涉信号的微米量级位移重构。

来源：2026年第4期

《强激光与粒子束》期刊编辑部

查看强激光与粒子束杂志2026年第4期