近日，我院光场调控与微纳光子学团队在光谱偏振信息实时高精度获取方向取得新进展，相关研究成果以“Physics-guided neural network for channeled spectropolarimeter spectral reconstruction”为题，发表在《Optics Express》(31(15), 24387-24403 (2023))上。

高精度光学遥感探测是国防安全、环境监测等领域的重要技术需求。近年来，一类将成像、光谱探测及偏振检测有效融合的新型光学探测技术——成像光谱偏振技术逐渐兴起，已成为先进光学成像研究的热点领域。其中，基于偏振光谱强度调制技术设计的通道型偏振光谱仪(CSP)，通过对入射光信号的调制及解调，可实现静态、快照式、全Stokes参量光谱测量，为实时、精确获取目标的光谱偏振信息提供了有效手段，其光路结构及测量原理如图1所示。然而，如何获取高精度、定量化的解调数据一直是制约CSP高性能应用的难点之一。

针对上述问题，胡继刚教授团队利用CSP物理模型蕴含的先验信息结合深度神经网络(DNN)强大的建模能力，设计了一种物理引导型神经网络(PGNN)，实现了对调制数据的超高精度快速解调，其工作流程如图2所示。与传统基于DNN的方法不同，PGNN的网络参数始于随机赋值，并由梯度下降算法获得其精确估计，从而建立调制光谱与Stokes参量光谱的映射关系。物理模型在网络参数优化过程中主要起约束作用，对DNN输出结果进行物理引导。该工作结合仿真与实验验证了PGNN对调制光谱的超高精度快速解调能力，其对紧凑型荧光灯光源的调制光谱解调结果如图3所示。相关研究成果为推动CSP的高性能应用提供了有效方案，也为其他同类型光谱成像设备的高精度数据获取提供了新方法。

图1通道型偏振光谱仪光学结构及测量原理(a) PSIM模块结构示意；(b)基于Offner型光栅光谱仪的CSP光学系统；(c)解调获得的目标Stokes参量光谱；(d)测量的调制光谱；(e)面阵CCD获取的二维信息

图2物理引导型神经网络的工作流程

图3紧凑型荧光灯调制光谱解调结果

该工作由合肥工业大学与中国科学院安徽光学精密机械研究所合作完成，物理学院青年教师黄禅博士为论文第一作者，胡继刚教授为论文通讯作者。该研究成果受到国家重点研发计划、国家自然科学基金和合肥工业大学中央高校业务费等项目的支持。

文章链接：https://opg.optica.org/oe/fulltext.cfm?uri=oe-31-15-24387&id=532612

（图、文/黄禅审核/高伟清）