波长计是光学中最重要的工具之一，广泛应用于遥感、光谱校准、荧光光谱学、原子物理学和高精度计量学等领域。传统波长计可分为三类：色散光学、傅立叶变换系统和窄带滤波器。基于色散光学原理的波长计将光线分散到空间上不同位置的探测器上，其分辨率取决于所采用的光栅、探测器的大小以及它们之间的距离。相较于这种类型的波长计，采用法布里-珀罗腔的傅立叶变换波长计能够实现更高的波长识别精度。而使用窄带滤波器的波长计可以有选择性地传输指定波长的光，使其在特定波长范围内工作，有利于特定应用的需要。在解决波长计中分辨率与器件面积之间的权衡关系时，必须采用新的波长区分原理。在过去十年中，基于散斑的波长计和光谱仪已成为平衡分辨率和器件尺寸的重要方法。红外波段的波长探测通常使用基于InGaAs的集成探测器，然而这些器件价格昂贵且灵敏度不高，尤其当光的波长达到红外范围时。因此，寻找克服这些问题的方法变得非常必要。

在这项研究中，我们介绍了一种基于非线性频率转换的近红外（NIR）散斑波长计。实验中，如图1（a）所示我们采用周期性极化铌酸锂（PPLN）波导来实现红外光的频率上转换，从而得到可见光波段的非线性信号。图1（b）和图1（c）分别显示了在中心波长为1550nm、温度控制在34℃时测得的归一化倍频效率和倍频强度随泵浦功率的变化。我们使用二氧化钛（TiO2）粉末对非线性信号进行散射，并通过硅基探测器（CCD）捕获这些产生的散斑。硅基可见光探测器具有成本更低，更容易制造的优势。为了实现非线性可见光散斑与入射近红外光波长之间的映射，我们采用了深度学习网络，结构如图1（d）所示。

图 1. (a) 基于非线性频率转换的近红外散斑波长计的实验装置；（b）实验中使用的 PPLN 波导在34℃时的倍频效率；（c）倍频强度随基频光强度的变化；（d）近红外波长计中使用的深度学习网络ResNet50的结构。

为了验证波长计的分辨率，我们对近红外波长从1549.800nm每间隔1pm调整，一直到1549.806nm。图2（a）展示了部分收集到的不同入射近红外波长的散斑图。在以上数据的训练过程结束后，我们使用测试数据集来评估训练模型的性能。由图2（b）可知随着训练代数的增加，波长分辨率精度逐渐提高，在第100代时开始迅速收敛。通过对图2（c）中波长范围从1549.800nm到1549.806nm的归一化混淆矩阵进行分析，表明我们的神经网络在波长识别任务中表现良好。实验结果表明，在倍频情况下，我们的非线性近红外波长计的分辨率可以轻松达到1pm。我们还分析了不同波长之间散斑的相关性以及系统的噪声水平。我们的波长计还能提供激光器的功率信息。此外，我们还进一步证明了系统对双波长情况的识别能力。总体来说，我们提出的基于非线性频率转换的近红外散斑波长计为高分辨率、低成本的波长测量提供了一种有效的解决方案，并在多种应用领域中具有广泛的潜力。值得一提的是，我们提出的方法不仅适用于近红外波长，还有望应用于其他不可见光范围，如紫外线和远红外线光谱。这一工作的成果拓展了波长计技术的应用领域，为光谱分析提供了更多可能性。

图2. 倍频单波长识别分析。(a)不同近红外波长对应的可见光散斑图；(b)在1549.800nm至1549.806nm波长间隔为1pm的条件下，准确率随着训练代数变化图；(c)对近红外单波长识别的混淆矩阵。

该成果发表在“Yiwei Sun, Fengchao Ni, Yiwen Huang, Haigang Liu, and Xianfeng Chen, Near-infrared speckle wavemeter based on nonlinear frequency conversion, Optics Letters, 48(15), 4049-4052 (2023)”。

论文链接：https://opg.optica.org/ol/fulltext.cfm?uri=ol-48-15-4049&id=535472