高功率窄线宽多音光纤激光器的非线性协同抑制方法及系统

本技术的实施例涉及非线性光纤光学智能光谱调控，特别涉及一种高功率窄线宽多音光纤激光器的非线性协同抑制方法及系统。

背景技术：

1、高功率窄线宽光纤激光器凭借其光束质量高、结构紧凑、转换效率高和功率扩展能力强的优势，被广泛应用于相干光通信、相干光束合成、微波光子学、光纤传感和定向能光子系统等领域。随着输出功率的不断提升，光纤中的非线性效应逐渐成为限制系统功率提升和光谱稳定性的关键因素。其中，受激布里渊散射（sbs）会引起强烈的后向stokes散射，使前向输出功率受限；自相位调制（spm）会导致附加频率啁啾和谱形展宽；四波混频（fwm）则会产生寄生频率分量和带内非线性残留。为了提高高功率窄线宽光纤激光器的输出能力和光谱质量，设计一种能够协同抑制sbs、spm和fwm等复合非线性效应的方法显得尤为重要。

2、目前已经有很多高功率光纤系统非线性抑制方法被提出。经典的sbs抑制方法有：基于光纤结构和外部扰动的sbs抑制方法，huang等人系统总结了利用横向光纤设计、纵向变化光纤设计以及应变、温度等外部扰动抑制sbs的技术；基于伪随机二进制序列相位调制的sbs抑制方法，wang等人研究了滤波和放大的prbs相位调制在2.5 kw、10 ghz单体光纤放大器中的sbs抑制效果；基于准平顶伪随机调制的sbs抑制方法，kim等人针对2 kw、8 ghz线宽的yb掺杂保偏光纤激光器提出了准平顶prbs相位调制方案；基于多谐波线性频率调制的谱展宽方法，liu等人提出将多谐波线性频率调制与正弦相位调制相结合，以提高sbs阈值；基于纵向压缩梯度的sbs阈值提升方法，liméry等人通过在光纤放大器中引入纵向压缩梯度提高sbs阈值。上述方法能够在一定程度上提高sbs阈值，但是其通常依赖较强的谱展宽、复杂的调制结构或额外的物理调控手段，容易引入谱形畸变、相干性退化和系统复杂度增加等问题。

3、针对光纤中spm和fwm引起的谱形劣化，国内外的众多研究团队也提出了一些非线性抑制方法。对于fwm效应，ulvenberg等人分析了光纤纤芯半径波动对四波混频效率的影响，并提出通过结构波动建模理解和缓解fwm效率波动问题。上述方法主要针对克尔非线性中的某一类效应进行抑制，能够降低部分fwm产物或减弱谱展宽现象。但在高功率窄线宽多音光纤激光器中，sbs、spm和fwm往往是同时存在的，并且三者受到频率偏移、音调功率和初始相位配置的共同影响。单独针对某一类非线性效应进行优化，难以同时兼顾sbs阈值提升、时域峰值功率降低和带内非线性残留抑制。为了获得更灵活的光谱调控能力，多音调制也被应用于高功率窄线宽光纤系统的sbs抑制中。du等人针对1064nm高功率多音光纤放大器开展了sbs抑制与相干性实验研究，表明多音种子注入能够提高sbs阈值和最大输出功率。mauro等人则通过多音相位调制的相位控制提高sbs阈值。但是，现有的多音调制方法大多侧重于sbs阈值提升，对频率偏移、音调功率和初始相位的联合优化考虑不足，难以同时兼顾spm引起的峰值功率增强和fwm引起的带内非线性残留问题。

4、近年来，人工智能和机器学习方法在非线性光子系统建模与优化中得到关注。cuomo等人综述了物理信息神经网络（pinn）在科学机器学习中的发展，并指出pinn能够将偏微分方程等物理规律嵌入神经网络训练过程；raissi等人提出了一种用于求解正向和反向非线性偏微分方程问题的pinn基础框架；jiang等人则将pinn用于光纤非线性动力学建模过程中，提出了一种基于非线性薛定谔方程的光纤非线性传播建模方法。但是，现有的人工智能辅助方法大多侧重于单一物理过程的前向预测或单任务回归，在多种非线性效应共同存在的情况下，非常容易受到多任务耦合干扰，缺少面向sbs、spm和fwm的多物理场解耦建模能力。同时，部分数据驱动模型缺少物理一致性约束，其输出可能不满足功率、带宽、频率边界或相位边界的候选配置，难以直接用于高功率窄线宽多音光纤激光器的工程设计当中。

5、上述高功率光纤激光器非线性抑制方法通常仅针对单一非线性效应或单一设计目标进行优化。然而，在实际的高功率窄线宽多音光纤激光器中，sbs、spm和fwm之间存在相互耦合关系，单一指标优化可能导致其他性能劣化。例如，仅提高sbs阈值可能加剧谱形畸变，仅降低峰值功率则可能无法保证后向散射阈值提升，仅优化频率间隔也难以同时控制功率分布和相位叠加效应。因此，亟需提供一种面向高功率窄线宽多音光纤激光器的非线性协同抑制方法，将频率偏移、音调功率和初始相位作为联合设计变量，结合复合非线性物理模型和物理信息神经网络代理模型，实现sbs、spm和fwm等复合非线性效应的统一建模与协同优化。

6、通过上述分析，现有技术存在的问题及缺陷可以总结为以下四点。

7、第一，现有的高功率窄线宽光纤系统的sbs抑制方法多依赖谱展宽、随机调制或外部物理调控，容易引入光谱畸变、相干性下降和系统结构复杂等问题。

8、第二，现有的spm和fwm抑制方法大多面向单一的克尔非线性效应，缺少针对于sbs、spm和fwm复合非线性效应的统一建模与协同优化。

9、第三，现有的多音参数设计方法大多依赖人工经验、参数扫描或常规启发式搜索，难以在频率、功率和相位构成的高维约束空间内实现高效全局寻优。

10、第四，现有的人工智能辅助光纤非线性优化方法多侧重前向预测或单任务建模，缺少面向多物理场响应的解耦预测结构和物理一致性约束，导致其在高功率窄线宽多音光纤激光器中的工程适用性不足。

技术实现思路

1、为了解决上述技术问题，本技术的实施例提出了一种面向高功率窄线宽多音光纤激光器的非线性协同抑制方法及系统，通过将广义非线性薛定谔方程前向传播模型、受激布里渊散射声光双向散射模型和多物理场解耦物理信息神经网络相结合，实现频率、功率和相位参数的高效联合优化。

2、为了实现上述目的，本技术的实施例提出了一种高功率窄线宽多音光纤激光器的非线性协同抑制方法，所述方法包括以下步骤：构建高功率窄线宽多音光纤激光器的多音驱动场模型，将频率偏移、音调功率和初始相位作为联合设计变量，并设定总输入功率、总带宽、频率间隔和相位范围约束；基于联合设计变量构建复合非线性物理模型，包括描述前向谱形演化的广义非线性薛定谔方程模型和描述受激布里渊散射反向能量转移的声光双向散射功率模型；基于复合非线性物理模型，对多个候选多音参数配置进行仿真采样，生成包含设计变量、物理辅助特征和关键响应标签的训练样本库；构建多物理场解耦物理信息神经网络mpd-pinn，mpd-pinn由共享编码器和分别对应自相位调制、受激布里渊散射和四波混频的解耦预测分支组成；基于训练样本库对mpd-pinn进行迭代训练，结合训练样本库和物理一致性约束预测多音参数配置对应的峰均功率比、谱形畸变比例、sbs阈值、阈值处前向输出功率和带内非线性残差比例，最终得到训练完成的mpd-pinn；基于训练完成的mpd-pinn，在预设的约束空间内对频率偏移、音调功率和初始相位进行代理辅助全局优化，得到候选优化多音参数配置，并将候选优化多音参数配置回代至复合非线性物理模型进行物理验证，输出满足受激布里渊散射、自相位调制和四波混频协同抑制要求的最优多音参数配置。

3、为实现上述目的，本技术的实施例还提出了一种高功率窄线宽多音光纤激光器的非线性协同抑制系统，所述系统包括：多音参数构建模块，用于构建高功率窄线宽多音光纤激光器的多音驱动场模型，将频率偏移、音调功率和初始相位作为联合设计变量，并设定总输入功率、总带宽、频率间隔和相位范围约束；复合非线性建模模块，用于基于联合设计变量构建复合非线性物理模型，包括描述前向谱形演化的广义非线性薛定谔方程模型和描述受激布里渊散射反向能量转移的声光双向散射功率模型；训练样本库生成模块，用于基于复合非线性物理模型，对多个候选多音参数配置进行仿真采样，生成包含设计变量、物理辅助特征和关键响应标签的训练样本库；mpd-pinn构建模块，用于构建由共享编码器和分别对应自相位调制、受激布里渊散射和四波混频的解耦预测分支组成的多物理场解耦物理信息神经网络mpd-pinn；训练模块，用于基于训练样本库对mpd-pinn进行迭代训练，结合训练样本库和物理一致性约束预测多音参数配置对应的峰均功率比、谱形畸变比例、sbs阈值、阈值处前向输出功率和带内非线性残差比例，最终得到训练完成的mpd-pinn；代理辅助优化模块，用于基于训练完成的mpd-pinn，在预设的约束空间内对频率偏移、音调功率和初始相位进行代理辅助全局优化，得到候选优化多音参数配置；物理回代验证模块，用于将候选优化多音参数配置回代至复合非线性物理模型进行物理验证，输出满足受激布里渊散射、自相位调制和四波混频协同抑制要求的最优多音参数配置，并对最优多音参数配置进行实施。

4、为了实现上述目的，本技术的实施例还提出了一种电子设备，所述电子设备包括：处理器和存储器，所述存储器中存储有所述处理器能够执行的指令，所述处理器被配置为执行所述指令时，使得所述电子设备能够实现如上述所述的一种高功率窄线宽多音光纤激光器的非线性协同抑制方法。

5、为了实现上述目的，本技术的实施例还提出了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，能够实现如上述所述的一种高功率窄线宽多音光纤激光器的非线性协同抑制方法。

6、可选地，构建高功率窄线宽多音光纤激光器的多音驱动场模型，包括：

7、设高功率窄线宽多音光纤激光器包含个离散窄带频率分量，在进入光纤介质的输入端，复电场包络表示为：

8、；

9、其中，表示复电场包络，、、分别表示第个离散窄带频率分量的初始功率、中心频率偏移和初始相位；

10、对各音调功率设置总功率约束为：

11、，；

12、其中，表示总功率，表示第个离散窄带频率分量的功率；

13、将频率向量、功率向量和相位向量共同构成参数集，并根据预设的总带宽、最小频率间隔和相位范围，对参数集进行可行性约束；

14、其中，，，，。

15、可选地，广义非线性薛定谔方程模型的构建包括：

16、在慢变包络近似条件下，对第个离散窄带频率分量的复包络建立前向传播方程，表示为：

17、；

18、其中，为第个离散窄带频率分量的在有源光纤中的局部分布式增益系数，为线性损耗系数，为二阶群速度色散参数，为等效非线性系数，为四波混频相位失配量，为的简化表示；

19、根据前向传播方程分别计算自相位调制引起的非线性相移、交叉相位调制引起的通道相位耦合和四波混频引起的新生频率分量分布；

20、自相位调制和四波混频的物理辅助量包括：

21、多音输入场瞬时功率，；

22、有效传播长度内累积的非线性相移，；

23、非线性相位调制诱发的瞬时频率漂移，；

24、四波混频产生的新频率关系，；

25、由相位失配量、峰值功率、谱占用带宽和带内混频产物数量构成的物理辅助特征。

26、可选地，声光双向散射功率模型的构建包括：

27、设第个前向频率分量的功率为，其对应的反向stokes分量功率为，采用如下双向耦合方程描述受激布里渊散射能量交换过程：

28、；

29、；

30、其中，为等效布里渊增益系数；

31、根据光纤输入端反向stokes总功率与前向总注入功率之比定义sbs反射率：

32、；

33、其中，表示sbs反射率；

34、当达到预设的反射率阈值时，将对应的输入功率确定为sbs阈值，并记录阈值处的前向输出功率。

35、可选地，mpd-pinn的网络结构包括：

36、输入层，用于接收输入的经归一化处理的设计变量编码和物理辅助特征；

37、共享编码器，用于提取多音参数配置对应的公共隐空间特征；

38、spm预测分支，用于预测峰均功率比和谱形畸变比例；

39、sbs预测分支，用于预测sbs阈值和阈值处的前向输出功率；

40、fwm预测分支，用于预测带内非线性残差比例；

41、输出层，用于将各预测分支的输出组合为关键响应向量；

42、表示为：，表示峰均功率比，用于表征多音叠加后的时域峰值功率相对平均功率的比例，表示谱形畸变比例，用于表征输出光谱相对于目标多音谱形的畸变程度，表示sbs阈值，用于表征系统进入显著反向散射状态时的功率边界，表示阈值处前向输出功率，用于表征达到sbs阈值时可传输的有效输出功率，表示带内非线性残差比例，用于表征四波混频和自相位调制所产生非线性分量落入有效带内的比例。

43、可选地，在基于训练样本库对mpd-pinn进行迭代训练时，采用数据拟合项与物理一致性项共同构成的复合损失函数，表示为：

44、；

45、其中，为数据拟合损失，用于约束mpd-pinn输出的关键响应向量接近由复合非线性物理模型得到的仿真标签，为物理一致性损失，为物理约束权重；

46、由比例指标范围约束项、阈值功率关系约束项和峰均功率比下界约束项构成，表示为：

47、；

48、其中，用于约束比例类指标处于合理范围，用于约束sbs阈值和阈值处前向输出功率之间的物理关系，用于保证峰均功率比满足基本非负性和下界约束；

49、谱形畸变比例和带内非线性残差比例均为非负比例量，应位于有限物理区间内，因此采用如下惩罚项：

50、；

51、其中，表示relu激活函数；

52、由于阈值处前向输出功率不应超过对应的sbs阈值输入功率，因此定义为：

53、；

54、由于峰均功率比不小于1，因此写为：

55、。

56、可选地，基于训练完成的mpd-pinn，在预设的约束空间内对频率偏移、音调功率和初始相位进行代理辅助全局优化，得到候选优化多音参数配置，包括：

57、在预设的设计空间内生成候选配置集合，利用训练完成的mpd-pinn预测每一个候选多音参数配置进对应的关键响应向量，并按照约束评分函数进行排序，保留排序靠前的多个候选多音参数配置作为候选优化多音参数配置；

58、约束评分函数表示为：，为对应的约束评分，表示对应的，由预测的关键响应向量构成的综合性能得分，表示对应的约束惩罚项；

59、以提高和为主要目标，同时对、和进行约束，用于扣减功率过度集中、频率间隔过小、带内串扰过大或sbs阈值不足的。

60、本技术提出的一种高功率窄线宽多音光纤激光器的非线性协同抑制方法，与现有技术相比，实现了以下提升。

61、第一，本技术通过联合gnlse前向传播模型和sbs声光双向散射模型，能够同时表征sbs功率限制、spm谱展宽和fwm带内非线性残留，从而实现复合非线性效应的统一建模。

62、第二，本技术通过mpd-pinn的共享编码器和多物理场解耦分支，使不同非线性机制对应的响应指标由独立分支学习，降低了多任务干扰，提高了代理模型的物理可解释性和预测稳定性。

63、第三，本技术通过代理辅助全局优化，将高成本逐点物理仿真搜索转换为快速预测、排序和回代验证流程，显著降低了多音频率、功率和相位联合优化的计算成本。

64、第四，本技术能够输出可直接用于多音驱动信号生成的频率、功率和相位参数组合，在提高sbs阈值的同时降低峰值功率、光谱失真和带内非线性残留。