(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111518745.3 (22)申请日 2021.12.13 (71)申请人 天津理工大 学 地址 300384 天津市西青区 宾水西道391号 (72)发明人 黄薇　范俊杰　宋彬彬　陈胜勇　 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于神经网络的光纤多芯耦合器特性 分析方法 (57)摘要 本发明针对传统光纤结构计算分析方法存 在的低效率、 高成本等问题， 提出了一种 高效精 准的基于神经网络的光纤多芯耦合器特性分析 方法。 本发 明采用训练好的分类网络和特性预测 网络对光纤多芯耦合器的光学特性进行预测研 究。 该方法可以根据不同光纤结构参数快速精准 高效地预测计算对应的耦合器光学参数， 包括耦 合系数、 工作波长、 耦合带宽等。 该技术方案同样 适用于其 他光学结构特性的预测。 权利要求书1页 说明书3页 附图3页 CN 114186493 A 2022.03.15 CN 114186493 A 1.一种基于神经网络的光纤多芯耦合器特性分析 方法， 所述方法包括下列步骤： 步骤1： 利用传统有限元仿真方法获得双芯光纤耦合器部分数据集； 步骤2： 构建合 适的分类网络结构， 对不同种类模式耦合进行分类处 理； 步骤3： 在分类的基础上， 构建合 适的耦合器光学 特性预测 神经网络结构； 步骤4： 使用采集的数据集对分类网络和特性预测网络进行训练并保存 模型； 步骤5： 使用测试集对分类网络模型和特性预测网络模型的性能进行测试； 步骤6： 保存最 合适的分类和特性预测网络， 用于快速准确评估耦合器光学性能。 2.根据权利要求1中所述的基于神经网络的光纤耦合器特性分析方法， 其特征在于： 在 步骤1中， 所述双芯光纤耦合器基底材料为纯二氧化硅， 纤芯部分由两个半径分别为r1、 r2， 折射率分别为n1、 n2的纤芯构 成， 两个纤芯之间的距离为d， 通过改变结构参数， 可以实现光 纤基模到不同种类高阶模式之间的转换。 3.根据权利要求1中所述的基于神经网络的光纤耦合器特性分析方法， 其特征在于： 在 步骤2中， 构建分类网络的过程中， 对发生耦合的几类光纤模 型和不发生耦合的几类光纤模 型进行分类， 以分类的准确率作为评判标准。 4.根据权利要求1中所述的基于神经网络的光纤耦合器特性分析方法， 其特征在于： 在 步骤3中， 构建预测网络的过程中， 对发生耦合的几类光纤模 型的光学特性进 行预测， 包括： 耦合系数、 耦合波长、 耦合长度和耦合带宽， 损失函数综合了以上4个特性。权　利　要　求　书 1/1 页 2 CN 114186493 A 2一种基于神经 网络的光纤多芯耦合 器特性分析方 法 技术领域 [0001]本发明属于光纤技术领域， 涉及一种基于神经网络的光纤多芯耦合器的光学特性 分析方法， 通过 预先训练好的神经网络对光纤多芯耦合器的光学 特性进行准确预测。 背景技术 [0002]随着光纤技术的成熟和通信系统的发展， 对光纤通信容量的要求也进一步提高。 在保证信息传输质量的同时， 如何提高信道通信容量是光纤通信领域研究的热点。 空分复 用和模分复用等光纤复用技术是常见的用来提高光纤信道传输容量的方法。 这类复用技术 需要用到模式转换器件， 例如长周期光纤光栅、 布拉格光栅、 光子灯笼和多芯耦合器等。 其 中， 多芯耦合器可以将普通光纤基模在特定波长处转换成不同种类的高阶模式， 并且以体 积小、 集成度高、 兼容 性强等优点得到 了广泛的研究。 [0003]多芯耦合器 的研发设计需要孝虑工作波长、 带宽、 模式种类、 耦合长度、 转换效率 等参数， 这些重要的光学参数依赖于精准的光纤结构设计。 在多芯耦合器的设计过程中， 了 解光纤多芯耦合器的光学特性， 研究和挖掘光纤耦合器结构参数与光学特性之 间的关系和 规律， 对新型功能型多芯耦合器的设计优化有一定的指导作用。 [0004]传统光纤耦合器的光学特性分析是基于数学物理方法(例如有限元法和时域有限 差分法)， 再结合商业软件(例如COMSOL  Multiphysics)进行分析计算的。 这些传统方法计 算效率太低， 耗时太长， 并且由于光学结构参数与光学特性之 间的联系和规律比较隐晦， 因 此分析设计过程 非常依赖于研究人员的专业能力和经验， 在光学结构调节和计算过程中往 往伴随大量重复冗余的工作， 非常耗费人力物力资源。 [0005]神经网络作为一种新型智能计算方法， 为光学结构与光学特性之间建立起了一座 桥梁。 人工种经网络在许多领域都取得了不错的成果， 例如： 医学图像分割、 语义识别和成 像技术等。 人工神经网络具有许多传统方法所不具备的优点， 例如： 神经网络可以建立起光 学结构参数和对应光学特性之 间的线性或非线性的关系， 自动且更加快速高效地寻找它们 之间的联系和规律； 利用神经网络来预测光学结构的光学特性不需要依赖研究人员的经 验， 即使对光学领域了解不深入的人员也可以使用； 同时由于计算 非常快速高效， 神经网络 还可以结合其他优化算法对光学结构进行进一步的优化和改进设计， 对新型光学器件及极 限光学性能结构的研发具有重要的意 义。 发明内容 [0006]本发明针对传统光纤结构计算分析方法存在的低 效率、 高成本等问题， 提出了一 种高效精准的基于神经网络的光纤多芯耦合器特性分析方法。 本发明的目的是采用训练好 的神经网络对光纤多芯耦合器的光学特性进 行预测研究。 所涉及的光纤多芯耦合器基底材 料为纯二氧化硅， 纤芯部分由两个半径分别为r1、 r2， 折射率分别为n1、 n2的纤芯构成， 两个 纤芯之间的距离为d。 通过改变结构参数， 可以实现光纤基模到不同种类高阶模式之 间的转 换。 所提出的基于神经网络的分析方法可以根据不同光纤结构参数快速精准高效地预测计说　明　书 1/3 页 3 CN 114186493 A 3