LSTM辅助光纤干涉传感突破自由光谱范围限制：实现高灵敏度宽动态范围折射率检测

《Light-Science & Applications》：LSTM-assisted optical fiber interferometric sensing: breaking the limitation of free spectral range

为解决光纤干涉传感器中高灵敏度与宽测量范围之间的固有矛盾，研究团队开展了LSTM神经网络辅助马赫-曾德尔干涉仪的主题研究。通过建立干涉光谱与折射率(RI)的一对一映射关系，在保持2986.05 nm/RIU高灵敏度的同时，将测量范围从单个自由光谱范围(FSR)1.3333-1.3561扩展至三个FSR(1.3333-1.3921)，均方根误差仅3.029×10-4，决定系数达0.99971。这项研究为下一代智能传感系统开辟了新路径。

　　

在化学、生物和医学检测领域，光学光纤干涉传感器凭借其超高灵敏度和高品质因子一直备受青睐。然而，一个长期存在的技术瓶颈制约着其更广泛应用：自由光谱范围(Free Spectral Range, FSR)的限制导致测量范围与灵敏度之间难以兼得。当被测物理量变化较大时，干涉光谱的移动会超过一个FSR，造成光谱重叠，使传统的波长追踪方法失效。这种固有矛盾成为干涉传感器在精密测量应用中推广的根本障碍。

以糖尿病管理中血糖浓度检测为例，通过折射率(Refractive Index, RI)测量来快速确定血液样本中的葡萄糖水平是一个典型应用场景。虽然近年来研究人员通过微流控传感器、Vernier效应等技术创新将灵敏度提升至9066 nm/RIU，但测量范围仍被限制在窄小的1.3359-1.3477 RI单位内。曾有研究尝试通过集成光纤布拉格光栅(FBG)进行光谱标记，或追踪FSR随温度的变化来突破限制，但这些方法或灵敏度不足，或需要复杂的人工计算，实用性有限。

面对这一挑战，胡俊玲等人创新性地将长短期记忆(Long Short-Term Memory, LSTM)神经网络引入马赫-曾德尔干涉(Mach-Zehnder Interference, MZI)折射率传感器中，成功打破了FSR的限制。该研究成果发表于《Light: Science & Applications》期刊，为光学传感领域带来了突破性进展。

研究团队采用的关键技术方法包括：基于火焰拉锥机制备锥形单模光纤传感器，锥区长度4.686 mm，中心直径0.0208 mm；使用宽带光源和光学频谱分析仪采集1250-1650 nm波长范围内的干涉光谱；配制0.002 RI间隔的葡萄糖溶液作为测试样本，通过阿贝折射仪校准；构建单隐藏层(500节点)LSTM模型，采用Adam优化算法和ReLU激活函数进行训练。

实验装置

研究基于MZI结构的折射率传感系统，核心是通过火焰拉锥机制备的锥形单模光纤传感器。当光通过第一个锥区时，分束为通过纤芯传输的I₂和泄漏到包层传输的I₁两束光，在第二个锥区耦合输出产生干涉。锥形结构显著增强了光从纤芯到包层的泄漏比，使传感器能够直接接触待测液体并快速响应折射率变化。

挑战分析

传统光纤干涉传感器通过手动追踪干涉谷波长进行分析，但在宽范围折射率检测中，高灵敏度可能导致谷波长移动超过一个FSR，引起光谱重叠。如图2所示，当折射率从1.3333增加至1.3901时，干涉谷A逐渐移动至与谷D重合的位置，对应不同折射率值的谷在同一波长处重叠，使传统解调方法无法准确识别被测折射率。

LSTM模型配置

研究团队构建的LSTM模型通过独特的门控机制（输入门、遗忘门、输出门）有效处理干涉光谱这一长序列信息。模型将2001个波长采样点的强度值作为输入，对应折射率作为输出，通过选择性保留或控制从不同光谱波段学习到的特征信息，建立光谱与折射率间的一对一映射关系。

网络训练

通过优化隐藏节点数和隐藏层数，确定500隐藏节点、单隐藏层为最佳配置。模型在1000个训练周期后收敛，训练时间约58秒。即使面对光谱强度波动（各干涉谷最大波动范围0.008-0.02 nm），LSTM模型仍能准确识别相同折射率下的多个光谱，证明其对外部扰动的鲁棒性。

实验结果与分析

传感器在1.3333-1.3921折射率范围内表现出非线性响应，平均灵敏度达2986.05 nm/RIU。通过追踪Dip1在全波长范围内的移动，观察到当折射率增加时，传输光谱发生红移，依次超过三个FSR，验证了传统方法在超FSR测量中的局限性。应用LSTM后，折射率分辨率从0.0588提升至0.0248，检测能力增强2.371倍。

基于LSTM的光谱解调

训练完成的LSTM模型在测试数据集上表现出色，均方根误差为3.029×10^-4，决定系数R²超过0.999。预测值与实测值高度吻合，误差分布符合高斯分布，94.79%的预测误差小于6×10^-4。这表明LSTM能够从原始光谱数据中有效提取关键信息，实现光谱响应与折射率之间的精确映射。

不同LSTM模型的性能比较

研究还评估了采样点减少对解调精度的影响。当采样点从2001减少至1001和401时，相应的DS1001-LSTM和DS401-LSTM模型仍保持高性能（R²>0.999），且训练时间分别减少至37秒和25秒。这一发现具有重要意义，因为在实际应用中，减少采样点可以提高系统更新速率，而不牺牲测量精度。

该研究成功解决了光纤干涉传感器中高灵敏度与宽动态范围之间的固有矛盾，实现了无需复杂光谱信号分析即可突破FSR限制的智能解调。LSTM辅助干涉仪为高性能光学传感系统的发展开辟了新途径，特别是在需要实时、高精度测量的生物化学检测领域具有广阔应用前景。这种方法不仅适用于折射率传感，还可推广至其他类型的干涉传感器，为下一代智能传感系统的设计提供了新思路。