[发明专利]一种基于微腔光频梳的并行光学神经网络系统及识别方法在审

专利信息
申请号: 202011141048.6 申请日: 2020-10-22
公开(公告)号: CN112329913A 公开(公告)日: 2021-02-05
发明(设计)人: 王伟强;王信宇;任阳明;王阳;张文富 申请(专利权)人: 中国科学院西安光学精密机械研究所
主分类号: G06N3/04 分类号: G06N3/04;G06N3/067;G06N3/08
代理公司: 西安智邦专利商标代理有限公司 61211 代理人: 郑丽红
地址: 710119 陕西省西*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 微腔光频梳 并行 光学 神经网络 系统 识别 方法
【权利要求书】:

1.一种基于微腔光频梳的并行光学神经网络系统,其特征在于:包括依次设置的窄线宽激光器(1)、微腔光孤子光频梳单元(2)、光学布拉格光栅(3)、光学放大器(4)、波分多路复用模块(5)、第一调制器(6)和光学神经网络单元(7);

所述窄线宽激光器(1)用于提供微腔光孤子光频梳产生的泵浦光源;

所述微腔光孤子光频梳单元(2)包括依次设置的偏振控制器(21)、环形器(22)和微环谐振腔(23),用于提供微腔光孤子光频梳光源;

所述光学布拉格光栅(3)用于过滤微腔光孤子光频梳的泵浦光成分与辅助光;

所述光学放大器(4)用于放大微腔光孤子光频梳;

所述波分多路复用模块(5)用于对微腔光孤子光频梳进行分光,将微腔单孤子光频梳波长进行分离;

所述第一调制器(6)用于加载待识别信号;

所述光学神经网络单元(7)用于对待识别信号进行识别,并输出识别后的信号。

2.根据权利要求1所述的基于微腔光频梳的并行光学神经网络系统,其特征在于:所述光学神经网络单元(7)包括光学神经网络线性结构和光学神经网络非线性结构,所述光学神经网络非线性结构包括可编程电源(71)、第二调制器(72)、FPGA控制模块(73)和探测模块(74);所述可编程电源(71)用于驱动第二调制器(72),调节光学神经网络线性结构的矩阵,使其满足识别的要求;所述第二调制器(72)根据探测模块(74)的探测功率调整投射率;所述探测模块(74)用于对光学神经网络单元(7)的输出结果进行测量;所述FPGA控制模块(73)用于控制非线性型函数类型,通过读取探测模块(74)的功率得到识别结果。

3.根据权利要求2所述基于微腔光频梳的并行光学神经网络系统,其特征在于:所述第二调制器(72)为铌酸锂调制器或硅基铌酸锂调制器。

4.根据权利要求3所述基于微腔光频梳的并行光学神经网络系统,其特征在于:所述探测模块(74)为普通商用光学探测器或CCD。

5.根据权利要求1至4任一所述基于微腔光频梳的并行光学神经网络系统,其特征在于:所述窄线宽激光器(1)为半导体窄线宽激光器或光纤型窄线宽激光器。

6.根据权利要求5所述基于微腔光频梳的并行光学神经网络系统,其特征在于:所述波分多路复用模块(5)为商用光学型或者半导体型波分复用模块。

7.根据权利要求6所述基于微腔光频梳的并行光学神经网络系统,其特征在于:所述第一调制器(6)为铌酸锂调制器或硅基铌酸锂调制器。

8.根据权利要求7所述基于微腔光频梳的并行光学神经网络系统,其特征在于:,所述光学放大器(4)为半导体型或者光纤型光学放大器。

9.根据权利要求8所述基于微腔光频梳的并行光学神经网络系统,其特征在于:所述微腔光孤子光频梳单元(2)为50G重复频率或100G重复频率的微腔光孤子光频梳单元。

10.基于权利要求1至9任一所述并行光学神经网络系统的识别方法,其特征在于,包括以下步骤:

步骤一、调节窄线宽激光器的波长,微腔光孤子光频梳单元产生微腔光孤子光频梳;

步骤二、光学布拉格光栅过滤微腔光孤子光频梳的泵浦光成分与辅助光,光学放大器对微腔光孤子光频梳进行放大,波分多路复用模块对微腔光孤子光频梳进行分光;

步骤三、第一调制器加载待识别信号;

步骤四、光学神经网络单元对待识别信号进行处理,并将识别后的信号输出。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学院西安光学精密机械研究所,未经中国科学院西安光学精密机械研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011141048.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top