基于LSTM神经网络的色散光谱干涉快速亚纳米精度测距方法研究（特邀）
Abstract
色散光谱干涉技术为同步提升测量分辨率、动态范围与速度提供重要方案，但因相位提取复杂，其在即时响应场景应用仍然受限。提出基于长短期记忆网络（LSTM）神经网络的色散光谱干涉快速亚纳米精度测距方法。通过含噪声的干涉光谱物理模型生成多时间延迟差（2~10 ps）模拟数据集，并设计多层LSTM神经网络，同步提取干涉光谱特征信息，优化模型精度与推理速度。将训练后模型应用于待测数据泛化，实现无处理亚纳米精度距离信息输出。结果表明，该方法相位解算分辨率优于2.0 mrad（即0.5 nm位移），单帧数据解调耗时小于21 μs，较传统方法速度提升一个数量级，且具有多水平噪声、多时间延迟差泛化能力。该研究突破传统方法精度-速度矛盾，为高动态、高精度干涉测距提供可行方案。
Fields of Study & Subjects
Optical measurement and interference techniques
Advanced Measurement and Metrology Techniques
Semiconductor Lasers and Optical Devices
Publication details
- Journal / source
- Acta Optica Sinica
- Volume
- 46
- Issue
- 1
- Pages
- 0122022–0122022
- Publication date
- 1 January 2026
- Language
- EN