单轴随机介质光谱重建光学系统
光学
2024-12-25 v1 应用物理
摘要
无序介质产生的散斑场广泛用于光谱测量。现有的散斑重建光谱仪（RS）主要依赖监督学习，需大规模的光谱-散斋对。然而，除了长期数据收集的系统稳定性要求外，生成具有高分辨率且标注细致的多样化光谱数据尤为困难。数据种类不足阻碍了神经网络对新光谱类型的泛化。本研究通过引入 PhyspeNet，一种结合卷积神经网络（CNN）与混沌光学腔物理模型的未经训练的光谱重建框架，规避了这一限制。无需预训练和对正在测试的光谱的先验知识，PhyspeNet 只需一次捕获的散斑即可用于各种多波长重建任务。实验表明，我们利用随机介质中空间与光谱域之间的一对多映射，构建了无镜头、快照 RS 系统。分辨率为 2 pm 的双波长峰可被区分，最大工作带宽达 40 nm，测量精度高。该方法建立了神经网络 RS 系统的新范式，完全消除对数据集的依赖，同时确保计算结果具有高度的通用性和物理可解释性。
引用
@article{arxiv.2412.18238,
title = {Lensless speckle reconstructive spectrometer via physics-aware neural network},
author = {Junrui Liang and Min Jiang and Zhongming Huang and Junhong He and Yanting Guo and Yanzhao Ke and Jun Ye and Jiangming Xu and Jun Li and Jinyong Leng and Pu Zhou},
journal= {arXiv preprint arXiv:2412.18238},
year = {2024}
}
备注
12 pages, 4 figures