EN

用于光束整形的衍射光学元件设计的混合算法

摘要:提出了一种用于衍射光学元件优化设计的混合遗传迭代爬山算法,该算法将迭代量化傅里叶变换算法融入到遗传算法中,然后在整体遗传算法结束后,对找到的当前最优解再用爬山法进行局部寻优,从而得到最优的衍射光学元件表面相位分布。用该混合方法设计了衍射光学元件,可以将入射的高斯光束整形成方形的均匀光斑。模拟结果表明:该混合算法具有收敛速度快、设计准确度高等优点。相比于其它设计方法,本文提出的方法能较好地改善整形效果,特别适用于光束整形的衍射元件设计。


关键词:衍射光学元件;遗传算法;混合算法;光束整形


0引言

在激光的诸多应用中,对激光的波面、光强分布、模式及光斑形状与大小等提出了多种特殊的要求。例如,在光计算与光学测量中要求激光光束的振幅及相位都要均匀分布。在惯性约束核聚变(Inertial Confinement Fusion,ICF)等强激光光学中、对激光光斑的要求极其苛刻,要求光斑不均匀性小于5%,衍射效率大于90%,且光斑呈无旁瓣的平顶分布。现有的基于折射原理的大功率半导体激光器阵列光束整形技术简单,工艺成熟,但重量和体积较大且衍射效率与光斑均匀性差;基于衍射原理的光束整形技术,能够实现任意的波前变换,而且衍射光学元件(Diffractive Optical Element,DOE)具有体积小、重量轻、微型化、阵列化、生产和复制成本低等优点,因此在光束整形领域具有广阔的应用前景。到目前为止,衍射光学元件的优化设计方法主要分为基于傅里叶变换的迭代算法和基于搜索极值的优化算法。基于傅里叶变换的迭代算法对初始相位选择非常敏感,而像遗传算法、模拟退火算法这类非迭代的方法,虽然对初始选择不敏感,鲁棒性强,但是要想找到最优解,需要消耗大量的搜索时间,收敛速度很慢。


不同于以往的一些混合算法,本文提出了一种新的混合算法(GAIFTLS),将迭代量化傅里叶变换方法融入标准遗传算法中,直接设计量化的DOE相位,在整体混合遗传迭代算法结束后,再对所得到的当前最优解用爬山法进行局部寻优本文所提出的混合算法充分地利用遗传算法(Genetic Algorithm,GA)的全局搜索特性与迭代傅里叶变换算法(Iterative Fourier Transform,IFT)的快速收敛特性,并利用爬山法很强的局部的寻优能力,来寻找解空间中的最优解由于制作工艺的限制,制作连续相位分布的DOE是有困难的,但是现有的高分辨率激光直写系统(DWL66),利用声光调制器可以将激光强度调制成32级不同的能量级,可以一次快速写出最多32级台阶结构的衍射光学元件,而不需要任何掩模板,避免了多次掩模套刻中的对准误差等问题,降低了制作成本、提高了元件的制作准确度和衍射效率本文提出的混合算法最后设计的DOE相位是量化的,而已有的一些混合优化算法大多将DOE的相位视为连续的,然后进行设计,最后将设计的DOE相位进行量化,这会引入量化噪音我们将该混合算法应用到激光高斯光束整形中,并与已有一些算法的设计结果进行了比较,结果表明,该混合算法具有收敛速度快、鲁棒性强、光斑均匀性高等优点。


......


图1.衍射光学元件设计系统


......


4 结论

本文提出的混合算法,结合了遗传算法、迭代量化傅里叶变换算法和爬山法,用于衍射光学元件的设计,它将迭代量化的傅里叶变换算法作为一个算子放入遗传算法中,增强遗传算法的局部搜索特性,然后在整体遗传算法结束后,对找到的当前最优解再用爬山法进行局部寻优,从而得到最优的DOE相位分布。数值模拟结果表明:用本算法设计DOE不仅收敛速度快、设计准确度高、量化噪音小,而且得到的光斑均匀性好,可以直接设计量化的DOE,是一种较为有效的衍射光学元件设计新方法。在光束整形、光束匀化和其它一些强激光应用中具有广泛的应用前景。


源自于:光行天下