单轴随机介质光谱重建光学系统
环与代数
2024-12-25 v1
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.2412.18236,
title = {Monomial Rota-Baxter operators of weight zero and averaging operators on the polynomial algebra},
author = {Artem Khodzitskii},
journal= {arXiv preprint arXiv:2412.18236},
year = {2024}
}
备注
25 p