利用Mach-Zehnder点衍射干涉仪的激光复振幅实时重建方法

在充分利用Mach-Zehnder自参考干涉系统无需设置专门参考光优点的基础上,提出一种激光复振幅实时重建方法.在参考臂和测试臂上分别设置放大倍率为s且互为倒置的望远镜系统,使得经针孔滤波、准直后的参考光被放大s2倍形成波前与振幅(或强度)皆近似于一个平面的理想参考光.研究表明:利用傅里叶分析法从干涉图中便可直接重建待测激光复振幅分布,具有结构简单和测量快速的优点.基于该系统分别对静态和动态输出光场进行复振幅重建实验,并由此求得相应的M2因子,从而验证该方法在复杂光场光束质量实时检测的可行性.

重建有耗单层媒质和背景媒质的回归圆方法

本文提出重建有耗单层媒质的回归圆方法。在高频部分,以波数k为因变量的反射系数轨迹形成一个圆,根据圆心和半径,不需使用任何数值方法即可重建出媒质特性。此方法既适用于已知复反射系数谱,又适用于只知道反射系数振幅情况,从而使本方法更实用。

深度学习用于连续太赫兹同轴数字全息重建

由于太赫兹面阵探测器像元数少,且目标像素数较少,全息图的衍射效应明显,因此其重建较可见光全息图重建困难。研究两种将深度学习用于二维连续太赫兹同轴数字全息振幅重建的方法,并与传统的角谱法(ASM)和带切趾的振幅约束相位恢复算法(APRA)进行对比。第一种是端对端的U-net网络重建方法(H-UnetM),即网络输入图像为全息图;第二种是角谱法加U-net网络重建方法(AS-UnetM)。仿真研究表明,对于记录距离15~20 mm、分辨率0.3~0.5 mm目标的2.52 THz全息图,AS-UnetM重建优于APRA,而H-UnetM仅优于ASM但不如APRA。最后通过真实实验加以验证,结果表明H-UnetM能够重建目标,但部分背景噪声也被突出,而采用ASUnetM在目标附近的重建效果最佳。

用改进的Fienup迭代算法进行数字全息重建

数字全息成像中往往包括再现像、共轭像和零级项,再现像的分离是常见而又难以彻底解决的问题。提出一种新的全息图重建算法,即利用相干衍射成像(CDI)中的迭代方法处理数字全息图,实现仅有一个实像的再现结果,从而彻底解决该问题。该方法包括两个步骤:首先通过CCD分别测量样品单独存在、样品和参考光同时存在以及参考光的远场衍射分布;然后通过计算机进行迭代运算。由于干涉光的存在,该算法比传统的CDI算法有更快的收敛速度和重建质量。同时进行了数值模拟验证并对生物切片进行了物像重建。

基于时域剪切的纳秒脉冲在线测量算法

为了从单幅时域剪切干涉图中重建出纳秒激光脉冲的振幅分布,提出了一种基于自参考时域剪切的纳秒脉冲在线测量算法。首先,在对振幅重建原理进行系统分析的基础上,通过数值模拟验证了该振幅重建算法的可行性。然后,给出了实验中各参数的选取原则,并通过实验验证该振幅重建算法的可行性。实验结果表明,该算法不需要额外增加测量光路就能实现脉冲时间强度分布的重建,具有测量原理简单、适用范围广等特点,为纳秒激光脉冲全域特性的测量提供了一种新思路。