一种基于神经网络的多模涡旋光束解复用方法

    公开(公告)号:CN112861634B

    公开(公告)日:2024-04-09

    申请号:CN202110028012.5

    申请日:2021-01-11

    Applicant: 南京大学

    Abstract: 本发明公开一种基于神经网络的多模涡旋光束解复用方法,包括以下步骤:依照多模涡旋光束的表达式进行数据仿真,构建数据集;设计深度卷积神经网络,对输入图像进行卷积操作提取高阶特征并用下采样处理压缩数据量,得到低维向量,对局部特征进行增强和提取;将其代入卷积神经子网络结构进行高阶特征表征,进一步提取其中所保留的振幅与强度分布的联系,得到与振幅相关的高维向量;将高维向量按顺序一维展开,通过全连接层将学习到的特征映射到数据标签空间上,最终得到振幅占比向量;根据训练效果对模型的可调参数进行修改,使模型表现最优。这种解复用方法可以在较复杂的多模式耦合情况上表现更好,可以凭借输入图像解析出每个模式的振幅,改进光通讯的效果。

    显微螺旋相衬成像方法及系统

    公开(公告)号:CN115993715A

    公开(公告)日:2023-04-21

    申请号:CN202310138919.6

    申请日:2023-02-20

    Applicant: 南京大学

    Abstract: 本发明提供一种显微螺旋相衬成像方法及系统,该方法通过构建螺旋相差物镜,包括依次设置的共轭成像透镜组和螺旋相位片;布置显微螺旋相衬成像系统;调节螺旋相差物镜,使螺旋相位片所在平面为背景光经过聚光镜后的会聚点所在平面的共轭面;将透明样品置于聚光镜与螺旋相差物镜间,调节聚光镜,使光源发出的背景光经过聚光镜后的会聚中心在共轭面的成像与螺旋相位片中心重合,物镜成像面获得具有螺旋相衬效果的实像,再经过目镜第二次放大即可在显微镜成像面观察到边界增强或者浮雕效果的虚像;本发明能够在不引入额外的进行傅里叶变换的透镜前提下,获得浮雕效果或相衬成像中的边界增强的像,可用于观测低衬度差样品的形貌相位差异。

    一种基于多次迭代的光学超晶格优化设计方法

    公开(公告)号:CN114442313B

    公开(公告)日:2022-11-04

    申请号:CN202111540533.5

    申请日:2021-12-16

    Applicant: 南京大学

    Abstract: 本发明公开一种基于多次迭代的光学超晶格优化设计方法,具体步骤如下:对非线性过程中的目标图像进行菲涅尔衍射积分的傅里叶变换,得到菲涅尔全息图;将得到的菲涅尔全息图进行菲涅尔衍射积分的逆傅里叶变换,得到物平面像场图;将物平面成像图的振幅设置为目标成像图像的振幅获得改进之后的物平面像场分布;以上步骤为一次迭代过程。通过多次迭代过程,得到连续化相位全息图;将该全息图进行二值化处理,得到二值化相位全息图即光学超晶格结构函数。本发明可应用于多种非线性光学过程,在消除目标图像中的衍射干扰条纹、提高非线性成像质量方面具有重要的应用。

    一种基于多次迭代的光学超晶格优化设计方法

    公开(公告)号:CN114442313A

    公开(公告)日:2022-05-06

    申请号:CN202111540533.5

    申请日:2021-12-16

    Applicant: 南京大学

    Abstract: 本发明公开一种基于多次迭代的光学超晶格优化设计方法,具体步骤如下:对非线性过程中的目标图像进行菲涅尔衍射积分的傅里叶变换,得到菲涅尔全息图;将得到的菲涅尔全息图进行菲涅尔衍射积分的逆傅里叶变换,得到物平面像场图;将物平面成像图的振幅设置为目标成像图像的振幅获得改进之后的物平面像场分布;以上步骤为一次迭代过程。通过多次迭代过程,得到连续化相位全息图;将该全息图进行二值化处理,得到二值化相位全息图即光学超晶格结构函数。本发明可应用于多种非线性光学过程,在消除目标图像中的衍射干扰条纹、提高非线性成像质量方面具有重要的应用。

    一种用于精细调控二阶非线性光学过程的方法

    公开(公告)号:CN112269264A

    公开(公告)日:2021-01-26

    申请号:CN202011266173.X

    申请日:2020-11-13

    Applicant: 南京大学

    Abstract: 本发明公开了一种通过人工微结构设计精细调控二阶非线性光学过程的方法。传统的准相位匹配(QPM)理论通过设计光学超晶格对非线性过程提供相位匹配,其中光学超晶格的周期由非线性过程中的波矢失配所决定。理论计算表明这种方法无法严格确保非线性过程中能量和相位变换的单向性,在高转换效率的情况会产生显著误差,并且难以在相位匹配的同时对谐波相位进行调控。本发明提出在设计超晶格结构时引入相对相位差角这一参量,通过选取合适的相对相位差角,可以精细调控非线性过程中的倍频波或基波的能量变化和相位变化,在提高非线性过程转换效率方面有重要应用。

    基于倾斜畴结构的铌酸锂声学超晶格体声波谐振器件及其设计方法

    公开(公告)号:CN119853635A

    公开(公告)日:2025-04-18

    申请号:CN202411910968.8

    申请日:2024-12-24

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于倾斜畴结构的铌酸锂声学超晶格体声波谐振器件及其设计方法,该体声波器件包括由上而下依次叠加的上表面电极、铌酸锂声学超晶格和下表面电极,其中,所述铌酸锂声学超晶格包括交替排列的正畴区和负畴区,正畴区和负畴区均为倾斜畴。本发明还提供了上述体声波谐振器件的设计方法,首先通过数值模拟获取仿真参数,然后根据仿真参数设计具有周期交替排列倾斜结构的正畴区和负畴区的不同切型的铌酸锂声学超晶格,最后在铌酸锂声学超晶格上表面和下表面分别选择合适的电极,形成体声波谐振器件。本发明结构简单,实现了更多工作谐振模式和更高机电耦合系数的体声波谐振器件。

    一种用于消除局域倒格矢漂移的光学超晶格优化设计方法

    公开(公告)号:CN118278186A

    公开(公告)日:2024-07-02

    申请号:CN202410373283.8

    申请日:2024-03-29

    Applicant: 南京大学

    Abstract: 一种用于消除局域倒格矢漂移的光学超晶格优化设计方法,通过在光学超晶格结构函数中添加相应的补偿项,可以有效消除光学超晶格的实际局域倒格矢与预设局域倒格矢之间可能出现的局域倒格矢漂移,从而更为精确地提供预期局域倒格矢分布。具体步骤如下:根据预设局域倒格矢分布获得预设超晶格结构函数,通过理论分析求出该结构函数的实际局域倒格矢分布,再与预设局域倒格矢进行比较确定局域倒格矢漂移量,最后根据该漂移量对预设超晶格结构函数添加一分段常数形式的补偿项,得到优化的光学超晶格结构函数。本方法可应用于多种光学超晶格的结构设计,为相应非线性过程提供更为精确的相位匹配条件。

    外置成像模组及元件的组合
    18.
    发明公开

    公开(公告)号:CN117310961A

    公开(公告)日:2023-12-29

    申请号:CN202311379043.0

    申请日:2023-10-23

    Applicant: 南京大学

    Abstract: 本申请提供一种外置成像模组及元件的组合。上述外置成像模组,包括:壳体以及设于壳体内部的成像透镜组和相位调制单元,其中,成像透镜组被配置为对样品进行第二次或第二次以上次序的成像,相位调制单元被配置为对经成像透镜组出射的光线进行调制以于外置成像模组的成像面形成期望的样品图像;其中,相位调制单元所在的平面与光源所在的平面为一对共轭面,并且,至少相位调制单元所在的平面和外置成像模组的成像面之间的光路未引入进行傅里叶变换的透镜或透镜组。上述外置成像模组,可在无需改变原有的显微成像光路的情况下实现更多样的成像效果,同时可避免分辨率下降,提升成像品质。

    物镜模组、元件的组合及外置模组

    公开(公告)号:CN117250744A

    公开(公告)日:2023-12-19

    申请号:CN202311222612.0

    申请日:2023-09-20

    Applicant: 南京大学

    Abstract: 本申请提供一种物镜模组、元件的组合及外置模组。上述物镜模组包括:壳体;成像透镜组,设于壳体内部,被配置为接收光源照射至样品并经样品出射的光线,以对样品进行至少一次成像;相位调制单元,设于壳体内部,被配置为对经成像透镜组出射的光线进行调制以于物镜模组的成像面形成期望的样品图像;其中,相位调制单元所在的平面与光源所在的平面为一对共轭面,并且,至少相位调制单元所在的平面和物镜模组的成像面之间的光路未引入进行傅里叶变换的透镜或透镜组。上述物镜模组,可在无需改变原有的显微成像光路的情况下实现更多样的成像效果,同时可避免分辨率下降,提升成像品质。

    一种基于神经网络的多模涡旋光束解复用方法

    公开(公告)号:CN112861634A

    公开(公告)日:2021-05-28

    申请号:CN202110028012.5

    申请日:2021-01-11

    Applicant: 南京大学

    Abstract: 本发明公开一种基于神经网络的多模涡旋光束解复用方法,包括以下步骤:依照多模涡旋光束的表达式进行数据仿真,构建数据集;设计深度卷积神经网络,对输入图像进行卷积操作提取高阶特征并用下采样处理压缩数据量,得到低维向量,对局部特征进行增强和提取;将其代入卷积神经子网络结构进行高阶特征表征,进一步提取其中所保留的振幅与强度分布的联系,得到与振幅相关的高维向量;将高维向量按顺序一维展开,通过全连接层将学习到的特征映射到数据标签空间上,最终得到振幅占比向量;根据训练效果对模型的可调参数进行修改,使模型表现最优。这种解复用方法可以在较复杂的多模式耦合情况上表现更好,可以凭借输入图像解析出每个模式的振幅,改进光通讯的效果。

Patent Agency Ranking