自動鎖模光纖激光器研究進展

（上海交通大學，上海 200240）

(Shanghai Jiao Tong University, Shanghai 200240, China)

一直以來，超短脈沖因為其峰值功率高、脈寬窄和連續光譜寬等特點而被廣泛應用于各個領域中，如光學頻率測量[1]、高分辨率原子鐘[2]、信號處理[3]以及測距[4]等。被動鎖模光纖激光器（MLFL）作為產生飛秒脈沖的主要手段，是目前光電子技術領域最前沿、最活躍的研究方向之一。在眾多實現鎖模的方式中，基于非線性偏振旋轉（NPR）的被動鎖模方式因其結構簡單和輸出脈寬窄而被廣泛研究；然而，NPR鎖模中的偏振控制始終是一個難題，尤其是想要獲得諧波鎖模（HML）和調Q鎖模（QML）等多種輸出狀態時，對偏振控制的精準性要求大幅上升。首先，傳統的手調偏振的方式往往非常耗時而且很難找到基頻鎖模（FML）之外的脈沖狀態。其次，環境的擾動（如溫度和壓力變化）會導致基于NPR的MLFL腔內的偏振態發生漂移從而導致激光器頻繁失鎖（失去脈沖狀態），失鎖后激光器輸出中的不穩定的調Q（QS）巨脈沖極有可能損壞后端級聯的器件和設備從而造成損失。因此，對擁有自動鎖模能力和失鎖恢復能力的自動MLFL的需求與日俱增。

自動鎖模通常指的是利用計算機中央處理器、單片機或者現場可編程邏輯門陣列（FPGA）等高速計算設備控制鎖模諧振腔中的電控器件來代替人在鎖模調節過程中的作用。它利用算法來自動識別激光器的脈沖狀態，然后反饋控制諧振腔中的電控器件，從而能夠自動鎖定在目標狀態。在過去的10年中，自動鎖模在算法方面取得了重大突破，使得鎖模時間、失鎖恢復時間以及識別脈沖狀態種類等方面都有了飛速進步。本文中，我們根據算法來分類，介紹了自動鎖模技術的發展歷程，并對各個成果的特點做了簡要分析。

1 基于遍歷算法的自動鎖模技術

遍歷算法因其簡單性在早期已廣泛應用于自動鎖模，還因其能遍歷所有偏振態，所以適合用來驗證一些方案，同時也非常適用于觀察偏振態與鎖模狀態之間的相互關系。近年來，基于遍歷算法的自動鎖模技術取得了很多不錯的成果[5-12]。

2010年，T. HELLWIG等首次演示了自動鎖模技術[5]。自動鎖模技術的實驗裝置如圖1（a）所示，他們在激光腔內加入基于壓電擠壓器的自動偏振控制器（APC），并使用自制的全光纖振幅分割偏振計來測量腔內偏振態，成功地表征了基于NPR的摻鉺MLFL。其中，使用硅光電二極管來檢測雙光子吸收信號來判斷鎖模狀態，因為只有超短脈沖的高峰值功率才會導致較強的雙光子吸收（2PA）。通過計算機自動控制APC來進行偏振掃描，就可以對激光器進行表征，即在偏振態和激光器的系統參數（包括脈沖持續時間、中心波長和平均輸出功率等）之間建立映射。龐加萊球上的自動偏振掃描結果如圖1（b）所示，其中處于脈沖狀態的偏振態區域具有較強的2PA信號值；但這里的脈沖狀態還包含QS狀態和混合狀態（如QML狀態）。如圖1（c）所示，通過在掃描結果上應用數值濾波器，可以得到鎖模狀態對應的偏振態區域。該工作可以幫助基于NPR的MLFL快速找到鎖模狀態。但當已建立的映射長時間未更新時，它可能無法在短時間內找到鎖模狀態；因此，隨時間變化的腔狀態仍然是不能忽略的挑戰。

▲圖1 基于非線性偏振旋轉的鎖模光纖激光器的自動化特征和校準實驗成果

▲圖2 基于非線性偏振旋轉的摻Yb鎖模自動控制實驗成果[6]

2012年，華東師范大學的曾和平教授團隊率先利用遍歷算法和脈沖計數實現了基于NPR的摻Yb自動MLFL[6]。該實驗裝置如圖2（a）所示，其中偏振分束器（PBS）作為輸出耦合器將諧振腔中的部分光輸出到腔外來進行檢測，然后通過光電探測器（PD）變為電信號之后進入脈沖整形模塊變成數字信號，接著再用一個高速計數模塊進行脈沖計數并將計數的結果傳遞給微控制單元（MCU）。MCU根據計數的結果來判定當前是否為鎖模狀態，若不是，則遍歷電控偏振控制器（EPC）的控制電壓，直到找到鎖模狀態為止。這里使用的EPC是一個包含3個互為45°的集成光纖擠壓器，但實驗中為了方便起見僅使用了其中一個，這能夠大大減少遍歷算法的時間。由于單一控制電壓實現的偏振狀態有限，不能確保每次遍歷都能找到鎖模狀態。為了實現高信噪比，實驗中通過調節兩個腔內衍射光柵之間的距離，將光纖激光器腔內的色散優化為接近零。圖2（b）為基于此方案實現的自動MLFL從自由運行到鎖模狀態的時域波形演變過程。這項工作還研究了改變EPC的驅動電壓時，激光器的脈沖寬度、光譜形狀和載波包絡相位偏移頻率的變化過程。此外，在保持系統光路穩定的情況下，可以通過MCU來直接設置一個準確的電壓值驅動EPC來復現鎖模狀態。該工作首次將反饋方案引入自動鎖模領域，因此它無疑對自動鎖模技術的發展產生了巨大的影響；但是，如果EPC電壓遍歷完后仍然沒有找到鎖模狀態，這時候仍需通過腔內的波片進行手動偏振控制來改變腔內的初始偏振態，這就大大限制了該激光器的應用。

2014年，中國科學技術大學李莎等利用MSP430型單片機、兩個電磁鐵偏振控制器以及數模轉換器（DAC）等器件實現了重復頻率為6.238 MHz的自動MLFL[8]。實驗裝置如圖3所示，工作原理與先前的工作類似，MCU運行遍歷算法以搜索鎖模狀態，并且鎖模狀態的識別基于脈沖整形后的脈沖計數。基于此方案，激光器可以在90 s內自動進入鎖模狀態（即初始鎖定時間）。該工作在初始鎖模時間上取得了很大的進展，但在算法和硬件上仍然有很大的提升空間。工程應用中需要多種脈沖狀態，而該激光器只能搜索FML，在對脈沖計數規則進行修訂后可能能夠搜索到HML狀態；但是對于QS和QML狀態則難以實現。

▲圖3 被動鎖模光纖激光器的自動鎖模系統實驗裝置

▲圖4 可編程、可快速切換的被動諧波鎖模光纖激光器實驗成果

2018年，我們課題組實現了能夠自動識別多種脈沖狀態的自動MLFL，包括FML、2階HML和3階HML等狀態[11]。通過記錄經驗值，激光器可以在這些脈沖狀態之間迅速切換。實驗設置如圖4（a）所示，我們使用模數轉換器（ADC）代替復雜的脈沖整形電路，從而簡化了系統的反饋裝置，并使用計算機作為控制中心。如圖4（b）所示，我們提出了一種簡化的遍歷算法來搜索巨大的偏振空間（通過4個DC電壓控制EPC從而形成4維參數空間）。在搜索過程中，我們建立了一個快捷庫來記錄各個脈沖狀態的經驗驅動電壓值，從而迅速進行初始鎖模、失鎖恢復以及脈沖之間的切換。這里，FML狀態的搜索仍然基于脈沖計數，而HML則是基于新的鑒別標準。通過對HML狀態的時域脈沖進行快速傅里葉變換（FFT），我們發現對于n階HML狀態，第n個頻譜分量的幅度在所有頻譜線中最大，如圖4（c）和圖4（d）所示；因此，在脈沖計數的同時，將該頻譜特征也作為鑒別標準是非常有效的。該工作實現的MLFL重復頻率約為6.85 MHz，自動搜索到的各個脈沖波形如圖4（e）—（g）所示。該工作中雖然是離線實現的自動鎖模，但是提出的多狀態鑒別算法是非常有效的。

2 基于機器學習算法的自動鎖模技術

機器學習作為目前最熱門的技術之一，也被應用于自動鎖模領域[13-16]。這方面的研究主要是由華盛頓大學的J. N. KUTZ團隊推動的。

2013年，該團隊演示了數值仿真，通過極值搜索控制（ESC）算法在基于NPR的MLFL數值模型中搜索并保持高能量FML狀態[13]。ESC是一種自適應控制算法，它可以通過梯度探測找到并跟蹤目標函數的局部最大值。然后，他們使用機器學習和稀疏表示法在數值仿真中成功地將MLFL中的雙折射分類。2014年，他們結合ESC和基于機器學習的雙折射分類，提出了基于數值仿真的自調諧光纖激光器，如圖5所示[15]。在訓練過程中，使用環形搜索、Gabor變換和奇異值分解（SVD）歸約建立了一個庫，該庫包括各種腔體雙折射值與波片和偏振器上的驅動電壓的最優解之間的映射。在執行過程中，激光腔內當前的雙折射用短環形搜索來表征，并用稀疏表示法來分類,然后由庫給出最優解。ESC的作用是解決環境干擾帶來的微小性能變化。如果環境干擾太大而導致應用優化方案后激光器依然不能回到期望狀態，則該算法將返回并執行另一個短環形搜索來重新通過稀疏分類識別雙折射。

最近，他們通過將深度學習結構與基于數值仿真的模型預測控制結合，發表了自調諧激光器的最新結果[16]。未來隨著計算能力的發展，使用適當的機器學習算法來實現自動鎖模可能會非常高效；但目前這些研究都還是基于數值仿真的。盡管仿真中有很好的理論指導數據生成，但在實際中能否發揮出好的效果還有待驗證。

3 基于最優化算法的自動鎖模技術

優化算法因能夠高效地在短時間內找到鎖模目標，成為目前自動鎖模領域的研究最熱點，取得了非常不錯的研究成果[17-25]。

2013年，FU X.等使用基因算法（GA）來優化多個NPR濾波器，從而在理論仿真中增強了MLFL的單脈沖能量[17]。仿真表明，通過使用GA恰當地設置多個NPR濾波器，可以有效地增強單脈沖能量，從而可以規避和抑制多脈沖不穩定性。這也是GA首次被應用與自動鎖模技術中。

2015年，法國勃艮第大學的U.ANDRAL等首次利用演化算法（EA）來進行了自動鎖模的實驗演示[18]。實驗裝置如圖6（a）所示，2個EPC和1個手調偏振控制器用于控制諧振腔內的偏振態。其中，每個EPC由3個電壓驅動，而EA優化這6個電壓值來實現自動鎖模。首先，他們提出的適應度函數是非線性BaB2O4晶體中產生的二次諧波生成（SHG）信號。由于FML狀態可以產生很強的SHG信號，所以持續優化EPC的6個驅動電壓來放大SHG信號，最終可以達到鎖模狀態，如圖6（b）所示。然而，將SHG信號的強度作為適應度函數無法很好地區分FML狀態和QML狀態。由于QML狀態可能會出現在EA優化的過程中，為了解決這個問題，該工作中使用自由空間范圍（FSR）射頻（RF）頻譜分量的強度作為新的適應度函數，來過濾掉QML狀態，其算法收斂效果如圖6（c）所示。隨后，該組又使用新的適應度函數實現了自動鎖定到FML狀態和HML狀態[19]。這些研究具有重要意義，但仍存在一些不足，如無法實現腔體內的整個偏振控制，這可能會使操作更加復雜。EA的復雜性和巨大的6維偏振搜索空間，導致初始鎖模時間太長（EA收斂需要12代，大約為半小時）。

▲圖5 自調諧光纖激光器實驗成果

▲圖6 基于演化算法的鎖模光纖激光器實驗成果

2016年，英國帝國理工學院R. I.WOODWARD等使用GA來優化EPC的驅動電壓實現了自動鎖模，其實驗裝置如圖7（a）所示[20]。該工作創造性地提出了復合適應度函數，它是從時域波形、光譜和頻譜中提取的3個分量的平均加權總和。通過掃描EPC的驅動電壓，得到了它們之間的關系，如圖7（b）所示。該工作驗證了GA在優化復合適應度上是非常有效的，且4次連續FML狀態搜索結果顯示了該激光器良好的可重復性。此外，由于激光器在GA迭代的過程中受到干擾后依然能恢復到FML狀態，所以該自動MLFL還具有抗環境干擾的能力。該工作進一步為在自動鎖模技術中使用GA鋪平了道路，但復合適應度函數的參數需要使用示波器、光譜分析儀和電譜分析儀等大型設備來收集；因此，激光器的成本和便攜性是面臨的主要問題。此外，由于使用大型設備進行的數據采集時設備之間的數據交互很耗時，而且該工作中使用的GA的復雜性，初始鎖模時間約為30 min。

▲圖7 基于基因算法的超短脈沖自優化實驗成果[20]

2017年，美國科羅拉多大學的D.G. WINTERS等利用GA實現了全正常色散光纖激光器的自動鎖模，同時利用爬山算法進行失鎖恢復[22]。實驗裝置如圖8所示，他們使用4個液晶（LC）相位延遲片來代替傳統基于NPR的MLFL中的可旋轉的固定延遲片，LC只需要較低的電壓進行驅動；因此，偏振的參數空間是4維的。GA的適應度函數是測得的光譜和目標光譜之間的確定系數，它揭示了這兩個光譜之間的光譜相似性。基于有效的適應度函數可以迅速找到鎖模狀態，同時該工作使用爬山算法來進行失鎖恢復。通過這些處理，輸出脈寬的穩定性大大提升。該工作最終通過GA在人口數量為50時運行9代后能夠成功找到FML狀態，大約耗時90 s。并且基于爬山算法，激光器可以在30 s內從失鎖成功恢復。

▲圖8 全正常色散自動鎖模光纖激光器實驗裝置[22]

▲圖9 基于擬人算法的智能鎖模光纖激光器實驗成果[24]

2019年，我們實現了第一個實時智能可編程MLFL，實驗裝置如圖9（a）所示[24]。該激光器能夠自動鎖定各種脈沖狀態，包括FML狀態、2階HML狀態、3階HML狀態、QS狀態和QML狀態，如圖9（b）所示。此外，該激光器大大地縮短了FML狀態的初始鎖模時間和失鎖恢復時間，其中最短的啟動僅為0.22 s，而最短的恢復時間僅為14.8 ms。通過10次連續實驗，我們得到平均初始鎖模時間為3.1 s，平均失鎖恢復時間為58.9 ms。此外，我們在開放的實驗環境中進行了15天的運行測試，驗證了激光器優秀的穩定性。這些優秀的性能主要歸因于我們的實時偏振控制硬件平臺和所提出的擬人算法（HLM）。激光器最初在約0.5 s內達到FML狀態，然后在15天內發生了12次失鎖，平均恢復時間僅為31 ms，這也表明激光器優秀的穩定性。這些優秀的性能仍歸因于我們的實時偏振控制硬件平臺和所提出的HLM。如圖9（a）所示，硬件平臺由ADC、FPGA、DAC和EPC組成。與離線實現（大型設備用于數據采集，而PC作為計算中心）相比，實時實現在耗時上有明顯的優勢。如圖9（c）所示，HLM主要由3部分組成：先進的Rosenbrock搜索（ARS）算法、隨機碰撞恢復算法以及鎖模鑒別算法。HLM從ARS開始，被用來搜索目標脈沖狀態。在鎖定到目標脈沖狀態后，HLM將進入基于鑒別的監測中（除非檢測到失鎖）。隨機碰撞恢復試圖能夠高效地將激光從失鎖中恢復。如果恢復成功，則HLM將返回監測過程，否則重新啟動ARS。該算法稱為擬人算法是因為它有許多和手動鎖模過程中人的邏輯相似的功能，而ARS在某種程度上類似于偏振調整中的人為行為。此外，我們提出了一套有效的目標函數和鑒別標準，可以實現各種脈沖狀態的自動搜索。通過將實時實現與擬人算法相結合，我們成功解決了自動鎖模領域中的一些持久性缺陷問題，包括耗時長以及由于使用大型設備而導致的便攜性不足、高成本等問題。此外，可編程的各種模式輸出提高了激光器的靈活性，使其在研究和工業應用中都具有廣闊的前景。隨后的工作中，我們基于FPGA控制平臺改進了GA算法，提出了基于FFT特征的新的適應度函數，進一步縮短了鎖模時間[25]。

為了提高自動MLFL的智能水平，應該監測和控制更多的反饋信號。除了時域波形和頻譜外，還可以通過將光譜信息加入到反饋信號中來進行一定程度的光譜控制[20-22]。目前使用光譜分析儀來進行光譜信息采集的方法速度比較慢，無法實現實時自動鎖模。最近，我們課題組將時間拉伸技術引入到實時智能MLFL，實現了鎖模飛秒脈沖的實時智能控制，實驗裝置如圖10（a）所示[26]。時間拉伸技術通過色散介質將光譜映射成為時域波形，使得我們可以實時采集和分析光譜信息。結合智能控制算法，實現了鎖模光譜寬度10～40 nm可調，調節精度為1.47 nm，如圖10（b）所示，并且實現了光譜形狀可編程為雙曲正割或三角形，如圖10（c）所示。此外，基于實時的光譜控制，我們的研究還展示了從窄譜鎖模態到寬譜鎖模態以及從三角形光譜脈沖態到寬譜鎖模態的演變過程，發現兩者動力學過程具有相似性，提出了目標鎖模狀態可能決定中間動力學過程的猜想，為人們進一步探索MLFL內部機理提供新視角。

表1 自動鎖模激光器工作的比較

表1從算法、鎖模時間、恢復時間以及主要特點等方面總結了上述自動鎖模相關研究的成果。遍歷算法因其簡單性作為早期自動鎖模的探索性工作，機器學習因其出色的模型優化能力在自動鎖模的仿真中表現出色；而最優化算法因其高效性能夠大大降低鎖模時間，但其中目標函數的選擇也是算法性能的關鍵。

4 結束語

▲圖10 基于時間拉伸技術的鎖模飛秒脈沖智能控制的實驗成果[26]

自動鎖模技術解決了傳統基于NPR的MLFL中的手動偏振調節耗時長和不穩定等難題，在鎖模時間、失鎖恢復時間以及識別脈沖狀態數目等方面都取得了非常好的研究進展。這些成果在學術界和工業界都有極大的應用潛力，未來還可以通過升級硬件和優化算法來進一步提升這些指標。但是自動鎖模未來的發展不僅僅局限于此，結合時間拉伸色散傅里葉變換來實時控制鎖模脈沖光譜就是一個重要的研究趨勢而且已經取得了突破性的進展[26]。目前，采用智能鎖模技術可實現對飛秒激光器輸出脈沖光譜形狀的智能調控；但調控參數僅限于偏振態，對光譜的調控能力有限。未來可以進一步將泵浦功率和鎖模諧振腔長度引入反饋控制信號。同時，由于實時光譜分辨率有限，還無法實現某些特殊形狀的鎖模光譜。此外，目前尚未實現飛秒脈沖時域相位以及脈沖寬度的實時精確識別，在飛秒脈沖時域精確調控方面還需加大研究力度。而通過飛秒脈沖的空間相位控制實現飛秒脈沖光場的空域精確調控還是研究空白；因此，時頻空多維度精細調控飛秒超快激光是未來的重要發展趨勢。