一种基于蚁群算法的亚波长光栅设计方法

1.本发明属于光栅设计方法技术领域，尤其涉及一种基于蚁群算法的亚波长光栅设计方法。


背景技术：

2.高光谱成像仪的精细分光能力能探测出物质微小的差异，长波红外谱段作为大气的主要透过窗口之一，是地物光谱特征的重要覆盖区域，因此长波红外高光谱成像仪在遥感领域，尤其是在矿物勘探，安全监测、热流分析以及军事等方面具有重要的应用价值。现有使用广泛的fabry-p
é
rot薄膜型滤光片阵列具有复杂的膜系结构，限制了其应用场景和波段覆盖范围，而亚波长光栅阵列作为一种新型光谱分光方式，具有极高的峰值光谱响应效率、低旁带、窄带宽等优点，受到了广泛关注。亚波长光栅阵列分光的核心工作元件是在工作波段内可以自由调谐中心波长的微纳光栅，设计具有优良性能的光栅结构参数，对亚波长光栅阵列光谱成像技术至关重要。
3.在亚波长光栅设计过程中，设计者根据实际应用需求的不同确定微纳光栅光谱响应的工作波段、中心波长等参数，在加工条件的允许下，完成光栅制备材料的选择和光栅结构的拟定，通过理论计算可以得到初始光栅结构参数。但这种方法得到的光栅参数在模拟仿真中一般仅是中心波长与期望值一致，而带宽、旁带等会出现较大差异，因此，亚波长光栅结构参数优化是光栅设计过程中的核心步骤。
4.目前，针对微纳光栅结构参数的优化方法主要有经验法、深度学习方法、粒子群优化算法等。经验法主要通过设计者的工作经验，判别不同参数对光栅光谱响应的影响，遵循由重要至次要的顺序，完成光栅的设计。经验法适用性强，但速度慢且无法保证所得到的最终结构参数为最优解。深度学习方法通过大量数据的学习，自主完成光栅结构参数的学习优化，但需要大量的数据进行训练，整个优化过程较为缓慢，且设计者无法观察到参数对光栅光谱响应的影响，不利于后期的误差分析。粒子群算法通过模拟鸟群捕食行为对目标函数进行优化，是一种群智能算法，在用于光栅结构参数设计时容易出现早熟收敛及局部最优的问题。


技术实现要素：

5.本发明的目的是提供一种基于蚁群算法的亚波长光栅设计方法，以提升光栅光谱响应性能。
6.本发明采用以下技术方案：一种基于蚁群算法的亚波长光栅设计方法，包括以下步骤：
7.获取待设计亚波长光栅的理想光栅周期、理想光栅占空比和理想光栅层厚度；
8.以光栅周期、光栅占空比和光栅层厚度为输入优化参数，采用蚁群算法对输入优化参数进行优化，得到待设计亚波长光栅的实际光栅周期、实际光栅占空比和实际光栅层厚度；
9.其中，蚁群算法中的目标函数根据亚波长光栅的透过率参数、亚波长光栅的光谱曲线的衍射峰波长参数和亚波长光栅的光谱曲线的峰值半宽参数构建。
10.进一步地，透过率参数根据理想透过率和实际透过率确定。
11.进一步地，透过率参数根据理想透过率和实际透过率确定包括：
12.透过率参数根据理想透过率和实际透过率之标准差确定；
13.其中，理想透过率和实际透过率均通过时域有限差分法计算。
14.进一步地，衍射峰波长参数根据理想衍射峰波长和实际衍射峰波长之差的绝对值确定。
15.进一步地，衍射峰波长参数根据理想衍射峰波长和实际衍射峰波长之差的绝对值确定包括：
16.将理想衍射峰波长和实际衍射峰波长之差的绝对值与衍射峰波长因子相乘，得到衍射峰波长参数。
17.进一步地，峰值半宽参数根据理想峰值半宽和实际峰值半宽之差的绝对值确定。
18.进一步地，峰值半宽参数根据理想峰值半宽和实际峰值半宽之差的绝对值确定包括：
19.将理想峰值半宽和实际峰值半宽之差的绝对值与峰值半宽因子相乘，得到峰值半宽参数。
20.进一步地，目标函数具体为：
[0021][0022]
其中，f为目标函数值，n为在光谱曲线上采样点的个数，为理想光谱曲线上第i个采样点的理想透过率，p为理想光谱曲线对应的理想光栅周期，f为理想光谱曲线对应的理想光栅占空比，d1为理想光谱曲线对应的理想第一光栅层厚度，d2为理想光谱曲线对应的理想第二光栅层厚度，为实际光谱曲线上第i个采样点的实际透过率，p
′
为实际光谱曲线对应的实际光栅周期，f
′
为实际光谱曲线对应的实际光栅占空比，d
′1为实际光谱曲线对应的实际第一光栅层厚度，d
′2为实际光谱曲线对应的实际第二光栅层厚度，α为衍射峰波长因子，λe为理想光谱曲线的理想衍射峰波长，λr为实际光谱曲线的实际衍射峰波长，β为峰值半宽因子，fwhme为理想光谱曲线的理想峰值半宽，fwhmr为实际光谱曲线的实际峰值半宽。
[0023]
本发明的另一种技术方案：一种基于蚁群算法的亚波长光栅设计装置，包括：
[0024]
获取模块，用于获取待设计亚波长光栅的理想光栅周期、理想光栅占空比和理想光栅层厚度；
[0025]
优化模块，用于以光栅周期、光栅占空比和光栅层厚度为输入优化参数，采用蚁群算法对输入优化参数进行优化，得到待设计亚波长光栅的实际光栅周期、实际光栅占空比和实际光栅层厚度；
[0026]
其中，蚁群算法中的目标函数根据亚波长光栅的透过率参数、亚波长光栅的光谱曲线的衍射峰波长参数和亚波长光栅的光谱曲线的峰值半宽参数构建。
[0027]
本发明的另一种技术方案：一种基于蚁群算法的亚波长光栅设计装置，包括存储
器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种基于蚁群算法的亚波长光栅设计方法。
[0028]
本发明的有益效果是：本发明通过将透过率参数、衍射峰波长参数和峰值半宽参数融入到蚁群算法的目标函数中，可以在优化亚波长光栅的透过率的同时根据实际应用场景平衡光谱准确性和光谱分辨率，进而提升光栅光谱响应性能。
附图说明
[0029]
图1为本发明实施例一种基于蚁群算法的亚波长光栅设计方法的流程图；
[0030]
图2为本发明实施例中光栅参数和路径的对应示意图；
[0031]
图3为本发明实施例中根据设置好的蚁群算法迭代优化次数变化曲线图；
[0032]
图4为根据本发明实施例的优化方法设计得到的光栅光谱响应曲线示意图；
[0033]
图5为本发明实施例一种基于蚁群算法的亚波长光栅设计装置的结构示意图。
具体实施方式
[0034]
下面结合附图和具体实施方式对本发明进行详细说明。
[0035]
本发明公开了一种基于蚁群算法的亚波长光栅设计方法，包括以下步骤：步骤s110、获取待设计亚波长光栅的理想光栅周期、理想光栅占空比和理想光栅层厚度；步骤s120、以光栅周期、光栅占空比和光栅层厚度为输入优化参数，采用蚁群算法对输入优化参数进行优化，得到待设计亚波长光栅的实际光栅周期、实际光栅占空比和实际光栅层厚度；其中，蚁群算法中的目标函数根据亚波长光栅的透过率参数、亚波长光栅的光谱曲线的衍射峰波长参数和亚波长光栅的光谱曲线的峰值半宽参数构建。
[0036]
本发明通过将透过率参数、衍射峰波长参数和峰值半宽参数融入到蚁群算法的目标函数中，可以在优化亚波长光栅的透过率的同时根据实际应用场景平衡光谱准确性和光谱分辨率，进而提升光栅光谱响应性能。
[0037]
具体的，在本实施例的目标函数中，透过率参数根据理想透过率和实际透过率确定。更具体的，透过率参数根据理想透过率和实际透过率确定包括：透过率参数根据理想透过率和实际透过率之标准差确定；其中，理想透过率和实际透过率均通过时域有限差分法计算。衍射峰波长参数根据理想衍射峰波长和实际衍射峰波长之差的绝对值确定。进一步地，将理想衍射峰波长和实际衍射峰波长之差的绝对值与衍射峰波长因子相乘，得到衍射峰波长参数。
[0038]
在一个实施例中，峰值半宽参数根据理想峰值半宽和实际峰值半宽之差的绝对值确定。将理想峰值半宽和实际峰值半宽之差的绝对值与峰值半宽因子相乘，得到峰值半宽参数。
[0039]
对于亚波长光栅光谱响应而言，核心评价参数为光谱曲线的峰值衍射率、带宽及中心波长的位置。峰值衍射率决定了光栅的最大响应效率，是衡量光栅信噪比的重要因素，对峰值衍射率进行约束，可以使得优化后的光栅结构的光谱响应具有更高的信噪比。
[0040]
带宽决定了光栅的光谱分辨率，较小的带宽可以获得更高的光谱分辨率，但会降低光栅的信噪比；大带宽可以获得较高的信噪比，但会极大的限制光栅的光谱分辨率。在设计评价函数时加入带宽因素，可以让设计者根据实际需求优化得到需要的带宽数值。峰值
波长的位置决定了光栅的工作波段，准确的峰值波长保证了光栅的光谱准确性。
[0041]
在设计评价函数(即蚁群算法中的目标函数)时，本发明充分考虑这三个评价因素。理想光谱曲线的确定根据不同场景的设计需求，一般的设定为一维正态分布，其中均值μ与方差σ分别用于调整理想光谱曲线的中心波长和峰值半宽。
[0042]
对理想光谱曲线进行离散采样得到一定数量波点的透射率并同时确定理想光谱曲线峰值衍射对应波长λe、峰值半宽fwhme。
[0043]
具体的，在本发明实施例中，假定亚波长光栅为双层光栅结构，进而影响亚波长光栅光谱响应效率的因素包括光栅周期p、光栅占空比f、第一光栅层厚度 d1，第二光栅层厚度d2，进而，目标函数具体为：
[0044][0045]
其中，f为目标函数值，n为在光谱曲线上采样点的个数，为理想光谱曲线对应的理想透过率，p为理想光谱曲线对应的理想光栅周期，f为理想光谱曲线上对应的理想光栅占空比，d1为理想光谱曲线对应的理想第一光栅层厚度，d2为理想光谱曲线对应的理想第二光栅层厚度，为实际光谱曲线上第i个采样点的实际透过率，p
′
为实际光谱曲线上对应的实际光栅周期， f
′
为实际光谱曲线对应的实际光栅占空比，d
′1为实际光谱曲线上对应的实际第一光栅层厚度，d
′2为实际光谱曲线对应的实际第二光栅层厚度，α为衍射峰波长因子，λe为理想光谱曲线的理想衍射峰波长，λr为实际光谱曲线的实际衍射峰波长，β为峰值半宽因子，fwhme为理想光谱曲线的理想峰值半宽，fwhmr为实际光谱曲线的实际峰值半宽。约束条件可根据实际工程确定，对于上述的双层光栅结构，约束条件为p∈(0,λ)，f∈(0,1)，d1∈(0,1)，d2∈(0,1)。
[0046]
在本发明实施例中，理想光谱曲线即预先设定的光栅结构参数对应的光栅曲线，这些光栅结构参数即成为理想透过率、理想光栅周期、理想光栅占空比、理想第一光栅层厚度和理想第二光栅层厚度。这些参数前的限定词“理想”是相对的，而并非绝对的，其实相对于实际仿真之后得到的光栅参数而言的。
[0047]
需要说明的是，峰值波长决定了光栅的光谱准确性、带宽决定了光栅的光谱分辨率。在不同的应用场景，光谱准确性和光谱分辨率的重要性是不同的。利用α和β两个系数，可以用于根据场景需要平衡二者影响程度。
[0048]
若是仅选取理想光谱曲线每个波点的透射率与实际光谱曲线中对应波点透射率的标准差作为评价函数，则会出现评价函数值最优，但优化结果非最优的情况。例如，对于同一评价函数值，会出现三种情况，一是峰值波长准确、带宽差异大；二是峰值波长差异大、带宽准确；三是峰值波长及带宽均较为准确三种情况。若仅选取标准差作为评价函数，优化的结果是随机的，设计者无法确定获得峰值波长及带宽均较为准确的结果。在评价函数中加入峰值波长和带宽，可使得优化结果朝着设计者需求的方向进行，优化结果更为准确。
[0049]
在本发明中采用了蚁群算法对光栅参数进行优化，首先需要将光栅参数转化为蚁群算法中路径寻优问题，将亚波长光栅结构优化参数集置于xoy二维坐标系中，将光栅结构参数的有效数字作为坐标。
[0050]
本发明实施例中，光栅周期p用两位有效数字表示，其中整数部分1位，小数部分1
位；占空比和光栅层厚度均用两位有效数字表示，小数部分均为2位。
[0051]
对于约束条件p∈(0,λ)，f∈(0,1)，d1∈(0,1)，d2∈(0,1)中的光栅结构参数，可以写成式(2)形式。
[0052][0053]
对于坐标系的每个节点的坐标值(xi,yi)，i＝1,2,...,8，xi表示第i个有效数字的序数，yi表示该有效数字的数值。xoy坐标系中每一条路径对应一组优化参数。如图2所示，p＝1.7，f＝0.53，d1＝0.64，d2＝0.36，与图中路径对应的8位数字序列为17536436。
[0054]
另外，关于蚁群算法，起步大致包括以下步骤：
[0055]
(1)首先在fdtd solutions中对结构进行建模，matlab与lumerical scrip 集成。
[0056]
(2)设置初始参数。如确定初始参数种群数量num、优化光栅参量个数j (即本发明实施例中的有效数字位数)，信息素重要程度因子信息素的挥发程度ρ以及最大迭代次数maxits、最大蚁群数量num_max。
[0057]
(3)从种群第一个体、第一次迭代开始优化(即从第一组参数和第一个有效数字位数开始)，第一个体在第一个光栅参数节点的纵坐标值yi随机给定(即第一条路径的起点随机)；计算第一个体从光栅参量节点i转移到光栅参量节点 i 1的概率pk(t)并转移个体(i自增)；重复上述步骤，直到i≤j，第一只蚂蚁走完第一条路径，给出路径图，将路径图上的坐标带入公式(2)，计算优化参数f
′
、 d
′1、d
′2和p
′
。
[0058]
(4)将计算得到的f
′
、d
′1、d
′2和p
′
传输至fdtd solution中，仿真获得每个波长点的透射率，再根据式(1)计算得到目标函数值，更新信息素浓度矩阵，并在fdtd solutions的窗口中给出所计算的f
′
、d
′1、d
′2和p
′
值以及目标函数值。
[0059]
(5)如果迭代次数未达到最大迭代次数，进行下一次迭代，直至达到最大迭代次数，选择目标函数值最小时对应的f
′
、d
′1、d
′2和p
′
值作为输出值。最后将该输出值作为亚波长光栅的结构参数。
[0060]
具体的，如图3所示，为设置蚁群数量num＝20,信息素挥发程度＝0.3，最大迭代次数maxits＝200，信息素重要程度因子为1时，目标函数值随迭代次数的变化曲线。从图中可以看出算法在迭25次以后目标函数值的评价值已趋向收敛并达到最小，这主要是因为蚁群算法的正反馈机制，使得其能够快速的发现最优解。如图4所示，根据得到的优化参数设计好的亚波长光栅经优化后光栅光谱响应曲线，从图中可以看出，经优化后的光栅光谱响应曲线具有良好的线型，较高的峰值衍射效率，极低的旁带效应，整体接近正态分布。
[0061]
本发明还一种基于蚁群算法的亚波长光栅设计装置，如图5所示，包括：获取模块210，用于获取待设计亚波长光栅的理想光栅周期、理想光栅占空比和理想光栅层厚度；优化模块220，用于以光栅周期、光栅占空比和光栅层厚度为输入优化参数，采用蚁群算法对输入优化参数进行优化，得到待设计亚波长光栅的实际光栅周期、实际光栅占空比和实际光栅层厚度；其中，蚁群算法中的目标函数根据亚波长光栅的透过率参数、亚波长光栅的光谱曲线的衍射峰波长参数和亚波长光栅的光谱曲线的峰值半宽参数构建。
[0062]
需要说明的是，上述装置的模块之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0063]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将所述装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0064]
本发明还公开了一种基于蚁群算法的亚波长光栅设计装置，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述的一种基于蚁群算法的亚波长光栅设计方法。
[0065]
所述装置可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该装置可包括但不仅限于，处理器、存储器。本领域技术人员可以理解，该装置可以包括更多或更少的部件，或者组合某些部件，或者不同的部件，例如还可以包括输入输出设备、网络接入设备等。
[0066]
所称处理器可以是中央处理单元(central processing unit，cpu)，该处理器还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
[0067]
所述存储器在一些实施例中可以是所述装置的内部存储单元，例如装置的硬盘或内存。所述存储器在另一些实施例中也可以是所述装置的外部存储设备，例如所述装置上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器还可以既包括所述装置的内部存储单元也包括外部存储设备。所述存储器用于存储操作系统、应用程序、引导装载程序(bootloader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。
[0068]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的模块及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。