一种基于神经网络的波长检测芯片及方法

摘要: 本发明涉及集成光子器件,具体涉及一种波长检测芯片及方法。背景技术:1、在集成光子系统中,光信号中心波长的精度直接决定系统工作性能。受环境温度、工况扰动影响,光源...
一种基于神经网络的波长检测芯片及方法

本发明涉及集成光子器件,具体涉及一种波长检测芯片及方法。

背景技术:

1、在集成光子系统中,光信号中心波长的精度直接决定系统工作性能。受环境温度、工况扰动影响,光源输出光信号的中心波长易发生漂移,因此集成光子系统普遍存在对光信号中心波长实时在线检测的需求。

2、传统光波波长检测方案包括可调谐法布里 - 珀罗扫描滤波法、光谱仪检测法、自由空间干涉波长计等,普遍存在集成度低、成本高昂的问题,难以适配小型化、批量化的片上应用场景。现有研究提出利用微环谐振阵列对入射光进行光学采样,基于采样得到的多路光强信号反演入射光信号的中心波长,该方案是一种具备高集成潜力的片上硅基波长检测技术。

3、但是,微环阵列波长检测方案存在固有缺陷,静态微环谐振滤波器阵列依靠固定谐振波长实现频域离散采样以完成波长检测,频域采样栅格固定,待测波长落在通道间隙处时检测误差增大,难以均匀保障全波段测量精度。若想要提升光谱采样分辨率,需要增加微环与探测通道数量,显著提升芯片面积与系统成本。

技术实现思路

1、本发明的目的在于克服现有微环阵列波长检测方案中,由于离散采样造成的波长识别存在误差的缺陷,从而提高波长识别精度。

2、第一方面,本发明提供一种基于神经网络的波长检测芯片,所述芯片包括电域数据处理模块和光波采样子芯片;

3、所述光波采样子芯片包括高阶模激发波导和微环波导阵列;所述高阶模激发波导用于对待测光源信号激发产生高阶模场;所述微环波导阵列用于接收所述待测光源信号原生的基模与激发后得到的高阶模耦合的混合信号;并对所述混合信号进行谐振采样,输出多个通道光信号;

4、所述电域数据处理模块包括光电转换阵列、处理器和存储器,所述光电转换阵列用于将多个通道光信号的光功率转换为数字信号并传送给处理器,所述处理器用于运行波长计算模型,计算并输出对应光源信号的中心波长,所述波长计算模型存储在所述存储器中,所述波长计算模型为经过训练的神经网络模型。

5、更进一步地,所述高阶模激发波导为非对称定向耦合结构。

6、更进一步地,所述高阶模激发波导包括第一模式激发波导和第二模式激发波导。

7、更进一步地,所述光波采样子芯片中还包括干路波导,所述干路波导的一端输入待测光源信号,所述高阶模激发波导布在干路波导中激发待测光源信号的高阶模,所述干路波导用于传输待测光源信号原生的基模与激发后得到的高阶模耦合的混合信号,所述微环波导阵列从干路波导中耦合获取光信号。

8、更进一步地,所述光波采样子芯片中包括第一微环波导阵列、第二微环波导阵列和第三微环波导阵列,所述第一微环波导阵列、第二微环波导阵列和第三微环波导阵列为垂直堆叠结构。

9、更进一步地,所述干路波导上还设有第一耦合波导和第二耦合波导,所述所述第一耦合波导与干路波导之间夹有第一厚度的隔离层;所述第二耦合波导与干路波导之间夹有第二厚度的隔离层;所述第二耦合波导之上还设有第三耦合波导,所述第三耦合波导与第二耦合波导之间夹有第三厚度的隔离层;所述第一微环波导阵列从干路波导中耦合获取光信号,第二微环波导阵列通过第一耦合波导耦合获取干路波导中的光信号,第三微环波导阵列通过第二耦合波导和第三耦合波导耦合获取干路波导中的光信号。

10、更进一步地,所述光波采样子芯片由下至上依次包括衬底层、下包层、第一隔离层、第二隔离层以及上包层;所述干路波导、高阶模激发波导和第一微环波导阵列设于下包层上方,并被第一隔离层包裹;所述第二微环波导阵列设于第一隔离层上方,并被第二隔离层包裹;所述第三微环波导阵列设于第二隔离层上方,并被上包层包裹;所述所述第一耦合波导和第二耦合波导设于第二隔离层中;所述第三耦合波导设于上包层中。

11、更进一步地,所述微环波导阵列包括多个波导环以及与每个波导环对应设置的输出波导;所述输出波导用于输出光信号;所述微环波导阵列中的多个波导环分为主波导环和附属波导环,所述附属波导环从主波导环对应的输出波导中耦合获取光信号。

12、第二方面,本发明提供一种基于神经网络的波长检测方法,所述方法由第一方面所述芯片的电域数据处理模块执行,包括:

13、针对每一个输入光信号,获取多个解调后的通道光信号;

14、对所述通道光信号的光强进行模数转换后进行归一化处理,生成光强特征向量;

15、将光强特征向量输入至波长计算模型中,获得对应的波长;

16、其中,所述波长计算模型为经过训练的神经网络模型。

17、更进一步地,所述波长计算模型的输入为光强特征向量,输出为波长;所述波长计算模型架构为堆叠3层全连接隐藏层,层间先执行线性加权运算,再通过 sigmoid 激活函数引入非线性映射,生成光强特征向量与波长之间的非线性关系;

18、所述波长计算模型的训练过程包括:使用已知波长的光信号输入波长检测芯片,生成相应的光强特征向量,构建波长-光强特征向量一一对应的训练数据集;将光强特征向量输入波长计算模型,计算模型输出的预测波长值与实际波长值的均方误差作为损失函数,通过反向传播机制动态更新网络参数;当预测波长值与实际波长值的误差小于设定阈值时,模型完成训练。

19、相比于现有技术,本发明的有益效果在于通过高阶模激发波导对待测光信号产生高阶模,使基模与高阶模混合共同进入微环波导阵列进行谐振采样;基模和高阶模具有不同的模式色散特性,同一微环能够对不同模式形成相互独立的谐振响应,在不额外增加微环器件数量、不显著扩大芯片面积的条件下扩充光学采样特征维度,同时,针对混合模光信号中基模与高阶模谐振峰易交叠、传统解析解调依赖理想线型假设、模式归属易出错、鲁棒性不足的问题,引入神经网络解调,神经网络依托数据驱动自动学习不同模式谐振光谱的特征差异,无需精确预设波导色散与模式参数,能够实现更准确的模式峰区分,提高了波长识别的精度。

1.一种基于神经网络的波长检测芯片,其特征在于,

2.根据权利要求1所述的波长检测芯片,其特征在于,所述高阶模激发波导为非对称定向耦合结构。

3.根据权利要求2所述的波长检测芯片,其特征在于,所述高阶模激发波导包括第一模式激发波导(601)和第二模式激发波导(603)。

4.根据权利要求1所述的波长检测芯片,其特征在于,所述光波采样子芯片中还包括干路波导(602),所述干路波导(602)的一端输入待测光源信号,所述高阶模激发波导布在干路波导(602)中激发待测光源信号的高阶模,所述干路波导(602)用于传输待测光源信号原生的基模与激发后得到的高阶模耦合的混合信号,所述微环波导阵列从干路波导(602)中耦合获取光信号。

5.根据权利要求4所述的波长检测芯片,其特征在于,所述光波采样子芯片中包括第一微环波导阵列(6)、第二微环波导阵列(7)和第三微环波导阵列(8),所述第一微环波导阵列(6)、第二微环波导阵列(7)和第三微环波导阵列(8)为垂直堆叠结构。

6.根据权利要求5所述的波长检测芯片,其特征在于,所述干路波导(602)上还设有第一耦合波导(701)和第二耦合波导(702),所述第一耦合波导(701)与干路波导(602)之间夹有第一厚度的隔离层;所述第二耦合波导(702)与干路波导(602)之间夹有第二厚度的隔离层;所述第二耦合波导(702)之上还设有第三耦合波导(801),所述第三耦合波导(801)与第二耦合波导(702)之间夹有第三厚度的隔离层;所述第一微环波导阵列从干路波导(602)中耦合获取光信号,第二微环波导阵列通过第一耦合波导(701)耦合获取干路波导(602)中的光信号,第三微环波导阵列通过第二耦合波导(702)和第三耦合波导(801)耦合获取干路波导(602)中的光信号。

7.根据权利要求6所述的波长检测芯片,其特征在于,所述光波采样子芯片由下至上依次包括衬底层(1)、下包层(2)、第一隔离层(3)、第二隔离层(3)以及上包层(5);所述干路波导、高阶模激发波导和第一微环波导阵列(6)设于下包层(2)上方,并被第一隔离层(3)包裹;所述第二微环波导阵列(7)设于第一隔离层(3)上方,并被第二隔离层(4)包裹;所述第三微环波导阵列(8)设于第二隔离层(4)上方,并被上包层(5)包裹;所述所述第一耦合波导和第二耦合波导设于第二隔离层中;所述第三耦合波导设于上包层中。

8.根据权利要求1所述的波长检测芯片,其特征在于,所述微环波导阵列包括多个波导环以及与每个波导环对应设置的输出波导;所述输出波导用于输出光信号;所述微环波导阵列中的多个波导环分为主波导环和附属波导环,所述附属波导环从主波导环对应的输出波导中耦合获取光信号。

9.一种基于神经网络的波长检测方法,其特征在于,所述方法由权利要求1-8任一项所述芯片的电域数据处理模块执行,包括:

10. 根据权利要求9所述的波长检测方法,其特征在于,所述波长计算模型的输入为光强特征向量,输出为波长;所述波长计算模型架构为堆叠3层全连接隐藏层,层间先执行线性加权运算,再通过 sigmoid 激活函数引入非线性映射,生成光强特征向量与波长之间的非线性关系;