本发明涉及一种偏振测量和偏振成像的方法和装置。
背景技术:
1、偏振传感在许多研究领域都是至关重要的,其应用范围从显微镜到航空航天技术。测量精度和系统灵敏度的提高始终具有广泛的重要性。传统的偏振测量方法可能很繁琐。
2、偏振传感方法可以分为两类:时间分辨,即用一连串的分析仪以时间复用的方式进行测量,或快照,即不同的分析仪在空间上复用。时间分辨测量可能更容易实现,但快照方法对具有快速变化的输入的应用场景来说是至关重要。这两种方法中的标准途径都直接或间接地与一个核心测量方程有关:s=inv(a)·i,其中s是待测量的斯托克斯矢量,i是在检测器上记录的强度矢量。矩阵a被称为仪器矩阵,由系统配置决定。为了提高精度和灵敏度,已经进行了许多尝试来将a推向一个最佳矩阵,因为它决定了误差传播的特性,从而影响测量精度。对系统误差放大的评估可以用a的条件数(cn)来进行。用于偏振传感的条件数的理论最小值已经在理论和实验上得到广泛研究和利用。
3、改进偏振传感技术是人们所希望的。
技术实现思路
1、根据第一方面,提供了一种旋光仪,包括:
2、全庞加莱发生器,所述全庞加莱发生器被配置成接收具有未知偏振态的入射光束,并从所述入射光束产生全庞加莱光束;
3、偏振器,所述偏振器被配置成从由所述全庞加莱发生器产生的全庞加莱光束中选择本征态;
4、检测器,所述检测器被配置成检测由所述偏振器选择的本征态的强度空间分布;
5、处理器,所述处理器被配置成根据来自所述检测器的输出来确定所述入射光束的偏振态。
6、所述全庞加莱发生器可以包括渐变折射率(grin)透镜。
7、所述检测器包括检测器元件阵列,所述检测器元件阵列被配置成测量来自偏振器的光束的强度横向分布。例如,检测器元件阵列可以是用于确定图像的摄像机(包括二维像素阵列,在该二维像素阵列上对强度进行采样)。
8、所述处理器可以被配置成确定所述强度横向分布中的一个或多个最大强度位置。
9、所述处理器可以被配置成执行机器学习算法,所述机器学习算法已经被训练来确定所述一个或多个最大强度位置。
10、所述机器学习算法可以包括卷积神经网络。
11、可以存在多于一个的所述最大强度位置,并且所述处理器可以被配置成基于中心对称约束来改进对所述最大强度位置的估计。
12、所述处理器可以被配置成从所述一个或多个最大强度位置确定所述入射光束的偏振态。
13、从所述一个或多个最大强度位置确定偏振态可以包括使用预定查找表(或类似物),所述预定查找表将所述一个或多个最大强度位置与入射光束的偏振态相关联。
14、所述处理器可以被配置成根据由所述检测器确定的强度空间分布的对比度水平来确定去偏振化的量。
15、根据第二方面,提供了一种偏振成像仪,包括:
16、全庞加莱发生器阵列,所述全庞加莱发生器阵列被配置成在多个不同的横向位置对具有未知偏振态的入射光束进行采样,并由此产生全庞加莱光束阵列;
17、偏振器,所述偏振器被配置成从由所述全庞加莱发生器阵列产生的全庞加莱光束阵列中的每个全庞加莱光束中选择本征态;
18、检测器,所述检测器被配置成检测由所述偏振器选择的每个本征态的强度空间分布;和
19、处理器,所述处理器被配置成根据来自所述检测器的输出来确定所述入射光束在所采样的每个横向位置处的偏振态。
20、每个全庞加莱发生器都可以包括渐变折射率透镜。
21、所述检测器可以包括检测器元件阵列,所述检测器元件阵列被配置成测量来自所述偏振器的光束的强度横向分布。
22、所述处理器可以被配置成从所测量的强度横向分布中确定每个本征态中的一个或多个最大强度位置。
23、所述处理器可以被配置成执行机器学习算法,所述机器学习算法已经被训练来确定每个本征态中的所述一个或多个最大强度位置。
24、所述机器学习算法可以包括卷积神经网络。
25、在每个本征态中都可以存在多于一个的最大强度位置,并且所述处理器可以被配置成基于中心对称约束来改进对所述最大强度位置的估计。
26、所述处理器可以被配置成从每个本征态中的所述一个或多个最大强度位置确定所述入射光束在所述多个不同的横向位置中的每个位置处的偏振态。
27、从所述一个或多个最大强度位置确定偏振态可以包括使用预定查找表,所述预定查找表将每个本征态中的所述一个或多个最大强度位置与偏振态相关联。
28、所述处理器可以被配置成根据由所述检测器确定的强度空间分布的对比度水平来确定去偏振化的量。
29、根据第三方面,提供了一种确定光束偏振态的方法,包括:
30、从入射光束产生全庞加莱光束;
31、使用偏振器从所述全庞加莱光束中选择本征态,所述全庞加莱光束由全庞加莱发生器产生;
32、使用检测器确定由所述偏振器选择的本征态的强度空间分布;
33、使用处理器根据来自所述检测器的输出确定所述入射光束的偏振态。
34、根据第四方面,提供了一种执行偏振成像的方法,包括:
35、使用全庞加莱发生器阵列在多个不同的横向位置对具有未知偏振态的入射光束进行采样,并由此产生全庞加莱光束阵列;
36、从由所述全庞加莱发生器阵列产生的全庞加莱光束阵列中的每个全庞加莱光束中选择本征态;
37、检测由偏振器选择的每个本征态的强度空间分布;和
38、根据来自检测器的输出来确定所述入射光束在所采样的每个横向位置处的偏振态。
39、每个全庞加莱发生器都可以包括渐变折射率透镜。
40、确定所述入射光束在所采样的每个横向位置处的偏振态可以包括使用处理器从测量到的强度横向分布确定一个或每个本征态中的一个或多个最大强度位置。
41、所述处理器可以被配置成执行机器学习算法,所述机器学习算法已经被训练来确定一个或每个本征态中的所述一个或多个最大强度位置。
42、每个方面的特征(包括可选特征)都可以与任何其他方面的特征相结合。例如,参考第一和第二方面描述的特征可以用在根据第三或第四方面的方法中。
1.一种旋光仪,包括:
2.根据权利要求1所述的旋光仪,其中,所述全庞加莱发生器包括渐变折射率(grin)透镜。
3.根据权利要求2所述的旋光仪,其中,所述检测器包括检测器元件阵列,所述检测器元件阵列被配置成测量来自偏振器的光束的强度横向分布。
4.根据权利要求3所述的旋光仪,其中,所述处理器被配置成确定所述强度横向分布中的一个或多个最大强度位置。
5.根据权利要求4所述的旋光仪,其中,所述处理器被配置成执行机器学习算法,所述机器学习算法已经被训练来确定所述一个或多个最大强度位置。
6.根据权利要求5所述的旋光仪,其中,所述机器学习算法包括卷积神经网络。
7.根据权利要求4-6中任一项所述的旋光仪,其中,存在多于一个的所述最大强度位置,并且所述处理器被配置成基于中心对称约束来改进对所述最大强度位置的估计。
8.根据权利要求4-7中任一项所述的旋光仪,其中,所述处理器被配置成从所述一个或多个最大强度位置确定所述入射光束的偏振态。
9.根据权利要求8所述的旋光仪,其中,从所述一个或多个最大强度位置确定偏振态包括使用预定查找表,所述预定查找表将所述一个或多个最大强度位置与入射光束的偏振态相关联。
10.根据前述权利要求中任一项所述的旋光仪,其中,所述处理器被配置成根据由所述检测器确定的强度空间分布的对比度水平来确定去偏振化的量。
11.一种偏振成像仪,包括:
12.根据权利要求11所述的偏振成像仪,其中,每个全庞加莱发生器都包括渐变折射率透镜。
13.根据权利要求12所述的偏振成像仪,其中,所述检测器包括检测器元件阵列,所述检测器元件阵列被配置成测量来自所述偏振器的光束的强度横向分布。
14.根据权利要求13所述的偏振成像仪,其中,所述处理器被配置成从所测量的强度横向分布中确定每个本征态中的一个或多个最大强度位置。
15.根据权利要求14所述的偏振成像仪,其中,所述处理器被配置成执行机器学习算法,所述机器学习算法已经被训练来确定每个本征态中的所述一个或多个最大强度位置。
16.根据权利要求15所述的偏振成像仪,其中,所述机器学习算法包括卷积神经网络。
17.根据权利要求14-16中任一项所述的偏振成像仪,其中,在每个本征态中都存在多于一个的最大强度位置,并且所述处理器被配置成基于中心对称约束来改进对所述最大强度位置的估计。
18.根据权利要求14-17中任一项所述的偏振成像仪,其中,所述处理器被配置成从每个本征态中的所述一个或多个最大强度位置确定所述入射光束在所述多个不同的横向位置中的每个位置处的偏振态。
19.根据权利要求18所述的偏振成像仪,其中,从所述一个或多个最大强度位置确定偏振态包括使用预定查找表,所述预定查找表将每个本征态中的所述一个或多个最大强度位置与偏振态相关联。
20.根据权利要求11-19中任一项所述的偏振成像仪,其中,所述处理器被配置成根据由所述检测器确定的强度空间分布的对比度水平来确定去偏振化的量。
21.一种确定光束偏振态的方法,包括:
22.一种执行偏振成像的方法,包括:
23.根据权利要求21或22所述的方法,其中,每个全庞加莱发生器都包括渐变折射率透镜。
24.根据权利要求22或23所述的方法,其中,确定所述入射光束在所采样的每个横向位置处的偏振态包括使用处理器从测量到的强度横向分布确定一个或每个本征态中的一个或多个最大强度位置。
25.根据权利要求24所述的方法,其中,所述处理器被配置成执行机器学习算法,所述机器学习算法已经被训练来确定一个或每个本征态中的所述一个或多个最大强度位置。