-
针对所测相位调制曲线的非线性关系,采用样条插值法对其进行校正。利用图5所示相位差与驱动灰度关系,反求满足线性关系的灰度,既已知输入灰度
$ {x_i} $ 上的相位差$ y = f({x_i}) $ ,存在反函数$ x = {f^{ - 1}}({y_i}) $ ,以相位差$ {y_i} $ 为反插值节点,求解输入灰度$ x = g(y) $ 。为保证原始相位调制曲线的特性,选用具有保凸特性的三次样条插值法建立输入灰度与驱动灰度之间的关系。三次样条插值表达式为[21]:式中:
$ S(x) $ 为三次样条插值函数,表示输入灰度与驱动灰度关系;$ {f_i} $ 是灰度$ {x_i} $ 对应的相位差,既${f_i} = f({x_i}), (i = 0,1,2,\cdots,n)$ ,${h_i} = {x_{i + 1}} - {x_i} (i = 0,1,2,\cdots,n)$ ;$ {M_{\text{i}}} = S''({x_i}) $ 为待定参数。选择非扭结边界作为插值函数的边界条件,如公式(6)所示:
式中:
$ S_0^{'''}({x_0}) $ 、$ S_1^{'''}({x_1}) $ 表示前两个灰度值的三阶导数;$ {\kern 1 pt} S_{n - 2}^{'''}({x_{n - 1}}) $ 和$ S_{n - 2}^{'''}({x_n}) $ 表示最后两个灰度值的三阶导数。三次样条插值函数
$ S(x) $ 在满足非扭结边界外,还需要满足以下条件:(1) 函数
$ S(x) $ 在区间$ [{x_{i - 1}},{x_i}]{\kern 1 pt} {\kern 1 pt} {\kern 1 pt} ,{\kern 1 pt} {\kern 1 pt} {\kern 1 pt} i = 1,2,\cdots,n $ 上至多为三次幂;(2)
$ S(x) $ 、$ {S'}(x) $ 、$ {S{''}}(x) $ 在插值节点区间内连续;(3)
$ S({x_{\text{i}}}) = {y_i}{\kern 1 pt} {\kern 1 pt} {\kern 1 pt} ,{\kern 1 pt} {\kern 1 pt} {\kern 1 pt} i = 0,1,2,\cdots,n - 1 $ 。在原始相位调制曲线中,相位完成一个变化周期对应的驱动灰度值在0~255的范围内,可将该段区间的曲线记为:
式中:
$ {\varphi _i} $ 表示测量相位;$ {g_i} $ 表示驱动灰度。为实现相位补偿,首先构造空间光调制器输入灰度与相位调制量的理想线性函数为:
式中:
$ \varphi ' $ 表示相位差,取值区间为$0 \sim 2\pi$ ;$ g' $ 为输入灰度。利用所测灰度对应的相位差,对函数
$ \varphi $ 进行三次样条反插值,可以得到驱动灰度$ g $ 与输入灰度$ g' $ 之间的关系,如图6所示。根据图5中实验所测驱动灰度与相位差的关系和图6中输入灰度与驱动灰度的关系,求得液晶空间光调制器不同相位差对应校正后输入灰度如表1所示。
Phase difference (π) Original grayscale Corrected grayscale 0 0 0 0.2 12 26 0.4 20 51 0.6 46 76 0.8 76 102 1 92 127 1.2 109 153 1.4 132 178 1.6 161 204 1.8 205 229 2 255 255 Table 1. Phase difference of gray before and after correction
根据表1绘制如图7所示的校正后相位调制曲线。从图6中可以看出:校正后相位调制曲线接近理想的线性关系,受测量误差影响,在输入灰度为30左右时存在较小误差,但整体液晶空间光调制器相位差与灰度有较好的线性关系。结合图5、图6所示的经三次样条插值后所得的输入灰度与驱动灰度的关系以及校正后的相位调制关系生成新的LUT表,并加载到液晶空间光调制器中。
-
为验证所提方法对液晶空间光调制器衍射效率优化的有效性,文中搭建了如图8所示的衍射效率测试系统,图8(a)为系统原理图,图8(b)为系统实验装置图。并与随机并行梯度下降法进行对比分析,验证所提方法的优越性,随机并行梯度下降法性能评价函数值设为0.8,迭代次数设定为1000次。实验具体步骤如下:
(1) 调节偏振片,将圆偏光调整为线偏光,偏振方向为水平方向;
(2) 为液晶空间光调制器加载不同相位差的灰度图;
(3) 调节CCD相机,捕获远场光强分布;
(4) 分析远场光强分布图,计算光束衍射效率。
部分灰度图如图9所示。
Figure 9. (a)
$ \Delta \phi $ =$ \pi {\text{/2}} $ ,$ \theta $ =1.56°; (b)$ \Delta \phi $ =$ \pi {\text{/4}} $ ,$ \theta $ =0.78°; (c)$ \Delta \phi $ =$ \pi {\text{/8}} $ ,$ \theta $ =0.39°在液晶空间光调制器衍射效率测试系统中分别测试光束偏转不同角度时光束衍射效率,测试结果如表2所示。
Grating period/(°) Not optimized Stochastic parallel gradient descent The proposed method 1.56 31.76% 68.13% 76.41% 0.78 38.80% 81.61% 83.89% 0.52 44.32% 85.72% 87.63% 0.39 49.91% 87.08% 90.19% 0.31 53.28% 89.13% 91.83% 0.26 55.91% 90.64% 92.37% 0.22 57.85% 91.32% 93.25% 0.19 58.93% 91.63% 93.84% Table 2. Diffraction efficiency of beam at different deflection angles
通过CCD相机观测液晶空间光调制器光束偏转时的远场光斑强度分布,并对远场光强进行归一化处理。光束偏转1.56°时,得到如图10的优化结果及光强分布图。
Figure 10. (a) Not optimized; (b) Stochastic parallel gradient descent method; (c) The proposed method
图10(a)为未优化时光斑及光强分布结果,(b)为随机并行梯度下降法优化后结果,(c)为所提方法优化后的结果。由于未优化时液晶空间光调制器驱动灰度与相位差成非线性关系,相邻阵元间相位差不能保持一致,造成光束分散,光斑能量不集中,严重影响了指定级次光束的衍射效率。应用随机并行梯度下降法优化后,指定级次光束衍射效率有所提高,但优化后依旧存在旁瓣。所提优化方法由于直接校正液晶空间光调制器的LUT表,使得驱动灰度与相位差近似理想的线性关系,所以在加载灰度图后衍射效率有明显的提升,旁瓣数量减少,能量减弱。
Figure 11. (a) Not optimized; (b) Stochastic parallel gradient descent method; (c) The proposed method
光束偏转角度为0.78°时实验结果如图11所示,当偏转角度为0.78°时,周期内增至8个阵元,受未优化时相位差与灰度的非线性关系影响,8个阵元间相位差不能一致保持为
$ \pi {\text{/4}} $ ,造成旁瓣数量明显增多,指定衍射级次光束衍射效率较低。应用所提方法对原始相位调制量进行补偿优化后,相位差与灰度基本呈线性关系,并生成新的LUT表加载到液晶空间光调制器中,使液晶空间光调制器阵元间相位差基本保持在$ \pi {\text{/4}} $ ,有效抑制了栅瓣,衍射效率相较于未优化时提高了45.09%,比随机并行梯度下降法衍射效率提高了2.28%。图12为光束偏转0.39°时优化结果及远场光强分布图,由于偏转角度减小,周期内阵元数增至16,实验结果如图12所示,经所提方法优化后衍射效率达到90.19%,比未优化时提高了40.28%,相较随机并行梯度下降法提高了3.11%。光束偏转0.19°时,应用所提优化方法优化后,指定级次光束衍射效率如表2所示,所提方法优化后衍射效率为93.84%,分别比未优化和随机并行梯度下降法优化后衍射效率提高了34.91%和2.21%。
Figure 12. (a) Not optimized; (b) Stochastic parallel gradient descent method; (c) The proposed method
对比分析表2中实验结果以及图10~12中远场光强分布图可以看出,未优化时由于驱动灰度与相位差的非线性关系,随着光束偏转角度减小,周期数增多,栅瓣数量也随之增多,极大地影响了光束衍射效率。基于随机并行梯度下降法的优化方法对一级光强有所提高,但对旁瓣强度抑制效果较差,栅瓣抑制效果不佳。所提优化方法有效抑制了一级光斑两侧旁瓣,栅瓣数量明显减少,光束能量基本汇聚在一级光斑处,光束衍射效率有明显的提高。实验结果显示所提优化方法能有效优化液晶空间光调制器光束衍射效率,优化效果优于随机并行梯度下降法等现有算法,且对不同偏转角度的光束衍射效率都有较好的优化效果。
所提方法只需要对液晶空间光调制器实测相位调制曲线进行校正,更新调制器中的LUT表,使加载的灰度与形成相位差基本呈线性关系,保证光束偏转时相邻阵元间相位差相同,实现衍射效率的优化,无需通过迭代方式搜索最优驱动电压。在实际应用中,此方法可用于优化不同相位型液晶空间光调制器衍射效率,该方法为离线优化模式,需要在使用液晶空间光调制器之前应用所提方法对液晶空间光调制器相位调制曲线进行补偿校正。完成校正优化后,液晶空间光调制器中驱动灰度与相位基本呈线性关系,直接根据光束偏转角度加载对应阶梯变化灰度图,即可保证相邻阵元间相位差基本一致,有效提高光束衍射效率。
Optimization method of diffraction efficiency of liquid crystal spatial light modulator based on spline interpolation
doi: 10.3788/IRLA20210827
- Received Date: 2021-11-05
- Rev Recd Date: 2022-01-16
- Accepted Date: 2022-02-09
- Publish Date: 2022-09-28
-
Key words:
- liquid crystal spatial light modulator /
- spline interpolation /
- phase modulation /
- diffraction efficiency optimization /
- stochastic parallel gradient descent method
Abstract: To reduce the diffraction efficiency of liquid crystal spatial light modulator, an optimization method of diffraction efficiency of liquid crystal spatial light modulator based on spline interpolation is proposed. According to Tyman-Green interference principle, the phase modulation system is built. Loading on the modulator with a grayscale map of step change, the phase modulation curve of liquid crystal spatial light modulator is drawn by calculating the movement of interference fringes. The cubic spline inverse interpolation method is used to correct the phase modulation curve and to realize the compensation of the phase modulation amount. The diffraction efficiency test system of liquid crystal spatial light modulator is set up, and the experimental verification of the proposed optimization method is carried out and compared with the stochastic gradient descent method. The results show that when the beam deflection angle is 1.56°, 0.78°, 0.39° and 0.19°, the diffraction efficiency of the proposed method can increase by 30% to 40%. Compared with the stochastic parallel gradient descent method, the diffraction efficiency increases by 2%-8%. This method can effectively suppress the gate lobe energy, improve the diffraction efficiency of the main lobe beam, and overcome the disadvantages of the stochastic parallel gradient descent method, such as a number of iterations, slow optimization speed, and easy to fall into local optimal.