(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 202010561581.1
(22)申请日 2020.06.18
(71)申请人 清华大学
地址 100084 北京市海淀区清华园1号
(72)发明人 杨原牧 靳淳淇 朱润泽
(74)专利代理机构 北京清亦华知识产权代理事
务所(普通合伙) 11201
代理人 廖元秋
(51)Int.Cl.
G01N 21/25(2006.01)
G02B 5/20(2006.01)
(54)发明名称
(57)摘要
本发明提出了一种基于超表面的光谱滤波
装置，属于高光谱传感和成像技术领域。本发明
装置包括衬底和由以周期形式布设于该衬底表
阵列；所述超表面滤波阵列中各光学天线分别对
应不同的像素，用于产生不同谐振波长的窄带滤
波光谱，各光学天线的高度均相同且在亚波长范
围内；本发明根据导模谐振效应，通过设计超表
面滤波阵列中光学天线的几何形状、尺寸、排布
周期，可以实现对光谱的窄带滤波；进一步地，通
过对超表面滤波阵列中的光学天线的分布进行
优化，可以实现高光谱分辨率、高灵敏度的光谱
滤波。权利要求书1页 说明书4页 附图2页CN 111693466 A 2020.09.22
C N 111693466
A
1.一种基于超表面的光谱滤波装置，其特征在于，包括衬底和由以周期形式布设于该衬底表面的若干个亚波长光学天线形成的超表面滤波阵列；所述超表面滤波阵列中各光学天线分别对应不同的像素，用于产生不同谐振波长的窄带滤波光谱，各光学天线的高度均相同且在亚波长范围内；
所述超表面滤波阵列中各光学天线的分布按照以下步骤确定：
1)根据工作波段，利用时域有限差分或严格耦合波分析方法，计算任一周期内光学天线在不同数量、高度、宽度和间距的情况下，对入射光透过率的调制情况；令各天线高度固定，筛选出满足：在工作波段范围内能够对入射光进行窄带滤波、在不同谐振波长处峰值接近于1的多种光学天线尺寸；
2)利用机器学习算法优化各周期内光学天线的数量、宽度、间距和周期尺寸；其中，对应不同的谐振波长，以峰值为1的一维高斯函数与光学天线谐振产生的窄带滤波光谱之间的差值作为所述机器学习算法的目标函数； 3)重复上述步骤1)和步骤2)对超表面滤波阵列中其余每一个像素所对应的光学天线进行优化，得到的所有光学天线的分布。
2.根据权利要求1所述的光谱滤波装置，其特征在于，步骤2)中，所述机器学习算法选用模拟退火算法、基因算法、粒子算法或凸优化算法。
3.根据权利要求1所述的光谱滤波装置，其特征在于，步骤2)中，所述机器学习算法选用凸优化算法，
其采用的目标函数为：
式中：i为不同的像素阵列序号，对应超表面滤波阵列中各周期的序号；f(x)i 为不同像素阵列的目标函数，x为待测光谱段；T i 为不同像素阵列产生的窄带滤波光谱；b i 为不同像素阵列对应的谐振波长；c为高斯函数的标准差。
4.根据权利要求1所述的光谱滤波装置，其特征在于，所述光学天线采用折射率大于2的介质材料制成，包括非晶硅、氮化硅、二氧化钛、磷化镓、氮化镓或砷化镓。
5.根据权利要求1所述的光谱滤波装置，其特征在于，所述光学天线的横截面为栅形、环形或缺角矩形。
6.根据权利要求1所述的光谱滤波装置，其特征在于，所述衬底采用二氧化硅、氟化钡或氟化镁制成。
权 利 要 求 书1/1页CN 111693466 A
一种基于超表面的高光谱滤波装置
技术领域
[0001]本发明可被应用于高光谱传感和成像等领域，特别涉及一种可应用于高光谱成像仪的新型超表面滤波装置。
背景技术
[0002]高光谱成像技术将成像技术与光谱技术相结合，探测目标的二维几何形态及一维光谱信息，具有“图谱合一”的特性，能够直接反映出目标的物理光谱特征，达到空间上直接识别目标的目的。高光谱成像技术在空间与地球的探测、军事目标侦查探测、生物医学的活体组织成分与病变的检查、食品安全检测等领域都有着广泛的应用。
[0003]按照分光原理，成像光谱仪可分为衍射型、散型、干涉型和滤波型。其中衍射型、散型和干涉型光谱仪具有分光光路复杂、可靠性差、体积庞大、不适合小型化设计等缺点。滤波型高光谱成像系统用特殊设计的光学带通滤波片，获取来自场景光谱的一个窄波段信息，具有结构紧凑、性能稳定的优点。为了实现与探测器直接集成的窄带滤波器件，以往通常采用的是法珀谐振腔。法珀谐振腔通常由两个分布式布拉格反射镜(DBR)以及厚度可变的谐振腔组成。通过在空间不同位置调控谐振腔的厚度调制其谐振波长，实现高光谱成像。为了实现厚度不同的谐振腔，需要采用昂贵且复杂的灰度光刻技术对器件进行加工。还有一种利用双层亚波长光栅实现窄带光谱滤波的方式。这种方法采用平面亚波长光栅替代分布式布拉格反射镜。其谐振波长可以通过改变光栅的面内构型来调控，可以通过平面光刻工艺进行制备，避免了法珀谐振腔需要灰度光刻这一缺陷。然而，该方法仍然面临需要加工双层光栅的问题，且结构对准以及上层结构平面化难度较大，会影响最后制备的器件的光谱分辨率以及透射率。此外，还有采用新型结构材料制备的高光谱成像仪，如利用金属超表面的表面等离子体共振产生窄带光谱阵列，能够对分子或化合物的吸收光谱进行探测，但这种装置为反射型结构，系统体积较大且需要多种光学元件
配合。还有利用光子晶体或量子点实现的光谱成像装置，首先对光子晶体或量子点的结构或成分进行调节，组成具有连续随机的光谱特性的阵列，待测物的光谱通过滤波阵列后，利用压缩感知技术对光谱进行复原，能够得到待测物的光谱分布。但光子晶体结构具有对入射光的角度敏感，结构吸收较强等缺点，而量子点光谱仪采用非标准CMOS材料和工艺，制造工艺复杂，且光谱响应取决于量子点材料，工作波段受限。并且，这两种方法都需要利用压缩感知技术对光谱进行复原，复原方法复杂且在复原过程中容易丢失特征光谱，影响待测光谱的测量精确度。[0004]超表面是由特定形状、尺寸排列的亚波长结构构成的单层平面光学天线阵列。通过合理的天线阵列设计，单层超表面有望实现对光谱的窄带滤波，应用于高光谱成像，能够解决目前滤波器件光谱分辨率低、波段受限、设计加工难，系统体积大的问题。
发明内容
[0005]针对目前高光谱成像仪光谱分辨率、灵敏度低、光学系统的体积重量大、设计加工难度大等问题，本发明提出一种基于超表面的高光谱滤波装置。本发明通过设计亚波长天
线的几何尺寸和排布周期，实现了高光谱分辨率、高灵敏度的单层片上光谱滤波装置。[0006]为了实现上述目的，本发明采用如下技术方案：
[0007]本发明提出的一种基于超表面的光谱滤波装置，其特征在于，包括衬底和由以周期形式布设于该
衬底表面的若干个亚波长光学天线形成的超表面滤波阵列；所述超表面滤波阵列中各光学天线分别对应不同的像素，用于产生不同谐振波长的窄带滤波光谱，各光学天线的高度均相同且在亚波长范围内；
[0008]所述超表面滤波阵列中各光学天线的分布按照以下步骤确定：
[0009]1)根据工作波段，利用时域有限差分或严格耦合波分析方法，计算任一周期内光学天线在不同数量、高度、宽度和间距的情况下，对入射光透过率的调制情况；令各天线高度固定，筛选出满足：在工作波段范围内能够对入射光进行窄带滤波、在不同谐振波长处峰值接近于1的多种光学天线尺寸；
[0010]2)利用机器学习算法优化各周期内光学天线的数量、宽度、间距和周期尺寸；其中，对应不同的谐振波长，以峰值为1的一维高斯函数与光学天线谐振产生的窄带滤波光谱之间的差值作为所述机器学习算法的目标函数；
[0011]3)重复上述步骤1)和步骤2)对超表面滤波阵列中其余每一个像素所对应的光学天线进行优化，得到的所有光学天线的分布。
[0012]本发明具有以下特点及有益效果：
[0013]本发明提出一种基于超表面的高光谱滤波装置根据导模谐振等效应，通过设计超表面天线的几何形状、尺寸、排布周期，可以实现对光谱的窄带滤波。光学天线的结构与窄带滤波光谱的谐振波长具有
定量的关系，调整天线的结构尺寸，能够得到覆盖待测光谱波段的窄带滤波阵列。进一步地，利用优化算法对超表面结构进行优化，可以实现高光谱分辨率、高灵敏度的光谱滤波。
附图说明
[0014]图1是本发明的一种基于超表面的光谱滤波装置的结构示意图。
[0015]图2是本发明实施例中，超表面滤波阵列的结构示意图。
[0016]图3是本发明实施例中，光谱滤波装置的窄带滤波仿真结果。
[0017]图4是由本发明实施例的光谱滤波装置构成的高光谱成像系统及其光路示意图。
具体实施方式
[0018]为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施实例仅仅用以解释本发明，并不用于限定本发明。
[0019]参见图1，本发明实施例的一种基于超表面的高光谱滤波装置3包括衬底3-2和由以周期形式布设于该衬底3-2表面的若干个亚波长光学天线形成的超表面滤波阵列3-1。其中，
[0020]超表面滤波阵列3-1中各光学天线分别对应不同的像素，用于产生不同谐振波长的窄带滤波光谱，各光学天线的高度均相同且在亚波长范围内，根据待测光谱的不同波段光学天线可采用高折射率(折射率大于2)的相同介质材料制成，包括非晶硅、氮化硅、二氧
化钛、磷化镓、氮化镓、砷化镓等。
[0021]进一步地，超表面滤波阵列3-1可以为二维阵列或一维阵列，分别以平行于该超表面滤波阵列3-1行和列的方向作为x轴和y轴，并以右手定则建立坐标系xyz。参见图2，分别为二维阵列的三维图和侧视图，图中虚线框3-1-1内为一个周期的超表面滤波阵列，该阵列中各行各列均含有至少大于等于3个光学天线，各光学天线沿xy平面的横截面形状可以为栅形、环形、缺角矩形等，各光学天线沿xy平面的尺寸为与待测光谱波长相关：在可见光与近红外波段，尺寸在百纳米范围内；在中红外波段，尺寸在几微米范围内；当光学天线采用对称结构时，其对光源的偏振态不依赖。根据导模谐振效应，当外部入射波与光栅结构所支持的泄露导波模之间发生耦合，在谐振波长处，可以实现近100％的透射，并且其对光栅结构参数的变化非常敏感，当参数发生变化时，谐振波长和谐振线宽都有可能发生改变。在此基础上，利用优化算法对光学天线结构参数以及周期等进行优化，可以实现高光谱分辨率、高灵敏度的光谱滤波。
[0022]衬底3-2可采用二氧化硅、氟化钡或氟化镁等制成，具体根据待测波段需要选择相应材质的衬底3-2，以保证设定的透射率。
[0023]进一步地，对于如图2所示的基于超表面的高光谱滤波装置3，其超表面滤波阵列3-1中各光学天线的分布按照以下步骤确定：
[0024]1)根据工作波段λ，利用时域有限差分或严格耦合波分析等方法，计算同一周期内光学天线在不同数量、高度、宽度和间距的情况下，对入射光透过率的调制情况；令各天线高度固定，筛选出满足：在工作波段范围内能够对入射光进行窄带滤波、在不同谐振波长处峰值接近于1的多种光学天线尺寸。
[0025]在本实施例中，确定工作波段为9-11微米，规定硅栅形结构的数量为每个周期内有两个天线结构，高度为4.5微米，两个硅光学天线的宽度分别在0.6-1微米以及1.8-2.5微米范围内，间隔在1.5-1.9微米以及1.9-2.2微米范围内。周期阵列结构的数量决定了滤波装置的光谱分辨率，阵列结构越多，对应的谐振波长数量越多，光谱分辨率越高，在本实施例中，选取了100个周期阵列结构组成高光谱滤波装置，在9-11微米的待测谱段，实现了20纳米的光谱分辨率。
[0026]2)利用机器学习算法优化各周期内光学天线的数量、宽度、间距和周期尺寸。可以使用的优化算法包括：模拟退火算法、基因算法、粒子算法、凸优化算法等。
[0027]本实施例种使用的优化算法为凸优化算法中的内点优化算法。内点优化算法是一种求解线性规划或非线性凸优化问题的算法，属于约束优化算法。内点法的特点是将构造的新的无约束目标函数——惩罚函数定义在可行域内，并在可行域内求惩罚函数的极值点，即求解无约束问题时的探索点总是在可行
域内部，这样在求解内点惩罚函数的序列无约束优化问题的过程中，所求得的系列无约束优化问题的解总是可行解，从而在可行域内部逐步逼近原约束优化问题的最优解。初始需要设定目标函数、可行域、迭代的总次数、允许误差、初始惩罚因子以及初始点。具体步骤如下：
[0028]21)设定目标函数、可行域、迭代的总次数、允许误差、初始惩罚因子，并在可行域中选择初始点；本实施例中，对应不同的谐振波长，以峰值为1的一维高斯函数与光学天线谐振产生的窄带滤波光谱之间的差值作为所述机器学习算法的目标函数，表达式如下：
[0029]
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议