导读

在光纤传感领域，如何同时实现高灵敏度与宽范围测量，是光学干涉传感器长期面临的关键挑战，其核心限制在于自由光谱范围（FSR）。近日，燕山大学李曙光课题组陈海良教授团队与清华大学杨四刚副教授团队合作取得突破性成果，创新性地提出基于长短期记忆（LSTM）神经网络的光学干涉谱全光谱识别技术。该技术成功突破了FSR的局限，实现了同时具备宽测量范围和高灵敏度的先进检测能力。这一重要进展也为医疗诊断、结构健康检测与生化分析等领域的应用奠定了坚实的技术基础。相关研究成果以“LSTM-assisted Optical Fiber Interferometric Sensing: Breaking the Limitation of Free Spectral Range”为题发表于国际顶尖学术期刊《Light: Science & Applications》。本研究的共同第一作者为胡俊玲、张飒，通讯作者为燕山大学陈海良教授。

研究背景

光学干涉传感器凭借其卓越的灵敏度和高品质因子，已成为物理、化学及生物检测领域中实现快速实时监测的重要工具。然而，其固有的自由光谱范围限制，导致传感器在宽测量范围内难以同时维持高灵敏度与无歧义测量能力，这一矛盾严重制约了其在精密测量场景中的进一步应用。近年来，为突破该限制，国内外研究相继提出集成光纤布拉格光栅进行光谱标记，或通过追踪FSR的变化等策略，但这些方法往往在系统复杂度、灵敏度损失或数据处理难度等方面引入新的局限。

如何构建兼具高灵敏度与超自由光谱范围的宽动态测量能力的光学干涉传感系统，成为该领域亟待突破的关键技术瓶颈。随着深度学习技术的快速发展，其强大的特征提取与非线性映射能力为干涉传感带来了新的解决路径。通过深度学习赋能，系统有望在保持原有高灵敏度的同时，实现对光谱信号的智能识别，从而打破FSR的固有约束，实现宽范围、高精度的测量，为下一代智能光学传感器的设计与应用奠定基础。

创新研究

为应对这一挑战，研究团队利用开发的LSTM神经网络与光纤干涉传感深度融合，从根本上突破了自由光谱范围对测量范围的限制。传统方法受限于单一光谱周期，而本技术借助LSTM的门控机制与序列学习能力，实现了对复杂干涉光谱的长期依赖建模，即使光谱重叠仍可实现精准识别，在保持高灵敏度的同时将检测范围扩大至传统方法的数倍，真正达成了宽动态范围与高精度的协同提升。此外，另一创新在于提出了高效的下采样兼容策略。该策略通过优化光谱采样点，在确保测量精度的前提下显著降低了数据采集与处理负荷，大幅提升了系统响应速度，为动态、快速检测场景的实际应用奠定基础。这项技术以算法驱动硬件突破物理局限，推动光学传感向更智能、更实用的方向演进。通过构建端到端的干涉光谱-待测量映射系统，避免了传统手动特征提取的局限，为生化与医疗传感在复杂环境中的智能监测提供了全新的技术路径。

图1：LSTM赋能的高灵敏度与宽测量范围干涉传感系统

总结展望

本文创新性地将LSTM神经网络与光纤干涉传感深度融合，成功突破了自由光谱范围对测量范围的限制，实现了高灵敏度与宽测量范围的‘鱼与熊掌’兼得。通过引入“全局模式识别”新维度，实现了对复杂干涉光谱的精准识别，推动了光纤传感向智能化方向迈进。展望未来，将这一策略进一步扩展到多参量耦合识别将是充满活力的兴趣领域。同时，通过结合无监督与小样本学习方法，有望大幅降低系统对标注数据的依赖，推动该类技术向更灵活、更经济的实用化阶段迈进。这些努力将为光纤传感在生物医学检测、环境监测等领域的深度应用提供坚实支撑，持续释放“智能传感”的潜力。（来源：LightScienceApplications微信公众号）

相关论文信息：https://doi.org/10.1038/s41377-025-02008-4