基于卷积神经网络智能识别吸收峰的激光稳频方法

针对饱和吸收光谱激光稳频技术中多吸收峰难以自动识别、误差信号灵敏度低的问题，提出了一种基于卷积神经网络（CNN）智能识别铷原子吸收峰的激光频率锁定方法。首先设计了大、小卷积核相结合的5个卷积-ReLU-最大池化模块+两层全连接层的一维卷积神经网络；然后对激光器进行线性扫频，获得了包含24个饱和吸收峰的铷原子的饱和吸收光谱信号Ssa(t)，提取每个吸收峰的位置序号，将其与饱和吸收光谱信号作为卷积神经网络训练的标签和数据，利用训练后的卷积神经网络实现吸收峰的智能识别；最后采用正交解调技术精确提取饱和吸收光谱信号的相位，使本振信号相位与其自动匹配，提高误差信号的灵敏度。设计了基于上位机卷积神经网络智... View More