基于光谱图像分类与脉冲序列识别的双域判别自适应锁模光纤激光器研究

本文创新性地提出融合光谱图像分类与时域脉冲识别的双域判别自适应遗传算法（AGA），通过构建卷积神经网络（CNN）分类模型结合双区域计数（DRC）方法，实现了非线性偏振旋转（NPR）光纤激光器的自动锁模（AML）。实验表明，该系统平均仅需3代进化即可稳定生成1559 nm中心波长的孤子脉冲，为复杂环境下的锁模控制提供了新范式。

　　

Highlight

本研究通过结合时域波形分析与光谱图像特征的双域复合适应度函数，将遗传算法优化与基于机器学习的模式识别相融合，提出了一种用于NPR光纤激光器的AML实现方案。

Experimental results and discussion

当泵浦驱动电流设置为200 mA时，系统可稳定产生中心波长1559 nm的传统孤子脉冲。如图5(a)所示，锁模脉冲光谱在中心波长两侧呈现对称的Kelly边带，3 dB带宽约5.5 nm；图5(b)对应的脉冲序列显示出11.05 MHz的重复频率，脉宽672 fs。50次测试表明，系统平均仅需3代进化即可从其他状态过渡到FML脉冲，5代内实现锁模的概率达90%。

Conclusion

该研究通过双域评估协议（结合CNN光谱分类与DRC时域计数）和AGA优化，显著提升了复杂偏振状态下NPR激光器的锁模效率。测试显示87%的激光器能在5代内完成锁模，为AML系统在生物医学成像等领域的应用提供了可靠技术支撑。

CRediT authorship contribution statement

团队采用多学科协作模式：韩冬冬负责基金获取与数据校验；李子轩完成初稿撰写与形式分析；胡千瑜参与实验设计与数据分析；卢毅航进行算法实现；任凯丽开发自适应遗传算法软件模块。

Funding

国家自然科学基金（62305268，61805198）、陕西省自然科学基础研究计划（2022JM-357）及陕西省重点研发项目（2024 QY2-GJHX-39）联合资助。

Declaration of competing interest

作者声明不存在可能影响本研究结果的财务或个人利益冲突。