简介激光线宽测量是激光器研制与验收中的关键环节而普通光谱仪受限于GHz量级分辨率难以直接分辨MHz以下的窄线宽。延时自外差法DSH通过延迟光纤与声光频移将光频段信息搬移至射频段使拍频谱的Lorentzian线型成为反推线宽的核心依据。实际测量中延迟长度不足、相位噪声特性、拟合模型选择等因素都会造成系统性偏差。借助仿真拟合平台可逐项量化这些参数的影响验证算法边界并生成校正曲线从而为实测数据提供可靠判据。该方法广泛适用于窄线宽激光器的实验教学、指标验收及测量系统自检帮助工程人员在搭建光路前先完成逻辑验证减少盲目试错提升线宽结果的置信度。本文围绕DSH原理、建模流程、拟合实现与常见问题展开给出可直接落地的仿真与数据处理经验。 做激光器的人大多被线宽测量折磨过。指标上写着“线宽小于 10 kHz”可真到了要验收或者排查问题的时候光谱仪分辨率只到 GHz 量级F-P 扫描干涉仪又对振动和温漂极其敏感读数自己都不敢信。这时业内最常用的方案就是延时自外差法英文全称 Delayed Self-Heterodyne缩写 DSH——把激光和它自己“延迟后的过去”做干涉通过拍频信号的谱线反推线宽。但原理归原理真正把光路搭起来、把信号采回来、把谱线拟合明白每一步都有不少坑。这套“基于仿真的激光线宽 (DSH) 拟合程序”就是先用仿真把链路完整跑通再对实测或仿真数据做一致性拟合省掉大量反复搭光路试错的时间。这篇博文我从 DSH 的物理原理讲起把仿真建模、拟合算法和排错经验完整拆开写适合刚开始接触线宽测量的研究生也适合想评估自己测量系统是否存在系统性偏差的工程师。1. 程序要解决什么问题激光线宽测量的三个现实痛点1.1 为什么普通光谱仪测不了窄线宽激光线宽的定义通俗地说就是光场功率谱的半高全宽FWHM。对于常见的 DFB 激光器线宽在几百 kHz 到几 MHz 量级外腔半导体激光器、光纤激光器能做到几十 kHz 甚至 kHz 以下。问题在于普通光栅光谱仪的分辨率极限通常在 GHz 量级面对 MHz 以下量级的谱线它只能给出一个“这束激光线宽很窄”的定性结论根本看不到谱线形状。于是测量方案必须从“直接看光谱”转向“间接测拍频”。而 DSH 方法的价值就体现在这里它把待测激光的线宽信息从光频段约 193 THz搬移到一个低频拍频信号上一般在几十 MHz 到几百 MHz 之间。这个频段无论是光电探测器、射频放大器还是频谱分析仪或高速采集卡处理起来都很成熟精度和分辨率都远超光频段的直接测量手段。所以 DSH 成为窄线宽测量事实上的标配方法也就不意外了。1.2 扫描 F-P 和零差法有哪些局限除了 DSH还有两种常见方案把它们放在一起对比会更容易理解 DSH 的不可替代性。扫描法布里-珀罗干涉仪F-P的原理是利用高细度腔对频率的周期性扫描把光频段谱线映射到时间轴上。它的精度取决于腔体的稳定度和细度Finesse实验室环境下手动搭建往往达不到很好的复现性系统误差也不容易评估。延时自零差法DSH 的近亲结构上少了频移器但拍频信号落在零频附近容易受到探测器低频噪声、1/f 噪声和环境干扰的影响信噪比做不高。DSH 用声光调制器AOM引入一个固定的频移比如常见的 80 MHz把拍频信号的频谱搬到一个远离零频的载波上再对该载波附近的 Lorentzian 或 Voigt 线型做拟合从中提取激光线宽。它有两层优势一是避开低频噪声区二是拍频过程本质上是一种自相关测量对共模的环境扰动有天然的抑制能力。正因如此它在工程上是比扫描 F-P 更稳定、比零差法更干净的方案。1.3 为什么这套程序要先“仿真”再“拟合”直接搭光路测数据遇到奇怪谱型时你会很头疼拍频谱比预期宽了到底是激光器线宽真的变大还是延迟光纤不够长导致的展宽拍频谱形状不是标准 Lorentzian是 1/f 噪声贡献还是采样处理引入的问题这些情况在光路上很难逐一排查因为变量太多而且光纤长度一旦熔接固定就很难改。仿真程序的价值恰恰在于“让每个参数都可控”。在软件里激光线宽、延迟时间、频移量、采样率、噪声类型都可以独立设置。先用已知线宽生成仿真数据走一遍完整的“拍频信号生成—谱估计—拟合”流程就能验证拟合算法本身的偏差和适用边界。之后再处理实测数据心里就有底了。所以这个程序我认为本质上是一个“算法验证平台数据处理工具”的结合体这也是它比单纯写一个拟合脚本更实用的原因。2. DSH 方法原理拆解延迟自外差法到底在测什么2.1 基本光路结构与信号链路DSH 的典型光路并不复杂激光器输出经过一个 1×2 分束器一路进入延迟光纤另一路经过声光调制器AOM。两条光路在 2×1 耦合器处合束由光电探测器PD接收探测到的电信号经过放大后由频谱仪或高速采集卡记录。整套系统的核心就在“延迟”和“频移”这两个动作上。假设激光器输出光场的复振幅为 E(t) E0·exp[j(2πν0t φ(t))]其中 ν0 是光频φ(t) 是相位噪声。经过分束器后延迟臂上的光场经过 τd 的延时后变为 E(t - τd)·exp(-j2πν0τd)相当于延迟了光场频移臂上的光场经过 AOM 频移后频率增加 Ω例如 Ω/2π 80 MHz。两臂合束后探测器上的光电流正比于两路光场叠加后的模平方。由于探测器的响应带宽远低于光频光频项被平均掉保留的是低频拍频项最终得到的电信号中包含一个直流分量和一个频率接近 Ω 的交流分量。在仿真程序里我们通常不会直接处理光频而是把光场简化成基带复包络这对后续生成拍频信号没有任何影响因为拍频过程本质上只关心相位差的变化。这一点在建模时要特别记住能省掉很多不必要的计算量。2.2 拍频信号与 Lorentzian 线型如何产生要理解 DSH 为什么能把线宽翻倍显现出来需要简单推导一下拍频信号的统计特性。探测器输出的交流电流可以写成i_AC(t) ∝ 2·Re{E(t)·E*(t - τd)·exp(j2πΩt)}其中 E(t) exp[jφ(t)]忽略光频项而 E*(t - τd) exp[-jφ(t-τd)]。所以相位项变为Δφ(t) φ(t) - φ(t - τd)这个相位差的频谱特性决定了拍频信号的谱型。如果激光器的瞬时频率噪声是白噪声那么 φ(t) 是一个随机游走过程Δφ(t) 是它的滑动差分。当延迟时间 τd 远大于激光器的相干时间 τc 1/(πΔν) 时φ(t) 和 φ(t-τd) 可视为不相关的两个独立相位那么 exp[jΔφ(t)] 的功率谱趋向于 Lorentzian 线型其半高全宽为 2Δν。这里有个初学者容易忽略的关键点拍频谱的宽度是激光线宽的两倍。为什么会是两倍因为当两路光完全独立时拍频信号的线宽由两个光场的相位噪声共同决定每个光场贡献 Δν卷积在一起就变成了 2Δν。实际拟合得到的 FWHM_fit要除以 2才是激光器本身的线宽 Δν。2.3 延迟时间不够会怎样Voigt 过渡与工程估算理论上要求 τd 足够大拍频谱才是干净的 Lorentzian。实际工程中激光器的相干时间可能很长比如 1 kHz 线宽的激光器τc 约 318 μs对应的延迟光纤长度要超过 65 km在常规单模光纤中折射率约 1.468光速约 2.04×10^8 m/s。这在实际系统中很难做到通常只能用几十公里的光纤于是 τd 与 τc 之比可能只在 5~10 倍左右。当延迟不够充分时拍频谱会偏离理想 Lorentzian变得略微收窄谱型更接近 Lorentzian 和高斯线型的卷积也就是 Voigt 线型。此时如果还用纯 Lorentzian 拟合拟合出的 FWHM 会偏小导致激光线宽被低估。具体偏差大小取决于 τd/τc 比值这在仿真程序中完全可以量化用相同的激光线宽设置不同延迟时长跑一遍拟合直接对比输出偏差就能画出“延迟不足导致的系统误差曲线”。我做这个仿真时发现一个经验规律当 τd ≥ 10τc 时纯 Lorentzian 拟合的误差已经小于 1%工程上可以接受当 τd 只有 3~5 倍 τc 时误差可达 5%~15%这时候要么延长光纤要么改用 Voigt 拟合或者用理论修正公式对结果做补偿。这个判断在仿真里过一遍就不用在光纤盘上反复试了。3. 仿真建模全流程从相位噪声到拍频谱3.1 激光相位噪声建模白频率噪声如何产生 Lorentzian 谱仿真里最核心的环节是生成一个“线宽可控”的激光相位噪声。这里推荐的做法不是直接对光场谱形做整形而是从瞬时频率噪声入手。对于频率噪声为白噪声的激光器其线宽 Δν 与频率噪声双边带功率谱密度 S_δν 满足关系Δν π·S_δν离散化到采样率 fs 后每个采样点上的瞬时频率偏移 δν[n] 是一个零均值高斯随机变量其方差为σ_δν² S_δν·fs Δν·fs / π然后在离散域做相位累积φ[n] φ[n-1] 2π·δν[n] / fs这里需要注意的是相位必须用累积的方式生成不能直接生成独立的相位序列否则光谱会变成均匀展宽而不是 Lorentzian。你要是直接把随机相位序列 exp(jφ[n]) 做 FFT得到的频谱是平坦的噪声基底线宽特征完全消失了。这一步是很多初学者容易搞错的地方我最初写仿真脚本时就踩过这个坑。有了相位序列基带光场复包络就是 E[n] exp[jφ[n]]。为了验证线宽生成是否正确可以直接对该复信号做周期图估计然后做 Lorentzian 拟合看拟合出的 FWHM 是否等于预设的 Δν。这一步验证很重要相当于“先校准信号源再测系统”。3.2 信号源验证FFT 谱估计与 Lorentzian 拟合自检以目标线宽 10 kHz、采样率 200 MHz 为例生成 2 ms 的相位噪声数据然后对复包络做 Welch 功率谱估计。需要注意频率分辨率如果 FFT 点数选太短谱线会被窗函数展宽拟合出的线宽会偏大。一般建议 FFT 分辨率远小于目标线宽至少达到目标线宽的 1/10 以下。对于 10 kHz 线宽频率分辨率建议 1 kHz 以内对应 FFT 点数至少要 200000 点在 200 MHz 采样率下。实际中我会用更长的数据段做平均兼顾谱线平滑度和频率分辨率。对功率谱做 Lorentzian 拟合时要先扣除噪声基底。实际功率谱中除了 Lorentzian 峰还有探测器和数值计算的平坦噪声。拟合函数采用P(f) A·(γ/2)² / [(f - f0)² (γ/2)²] B其中 γ 是 FWHMB 是背景噪声功率。使用 scipy.optimize.curve_fit 时初值很关键峰值幅度可以用谱峰最大值减去背景估计值f0 用谱峰对应的频率γ 可以先用粗略半高宽估计。如果初值给得不好拟合很容易陷进局部最优这个我在后面问题排查里细讲。3.3 DSH 拍频信号生成延迟、频移与平方律探测信号源准备好后就可以模拟 DSH 链路了。在离散域延迟臂的信号就是对 E[n] 做移位E_delay[n] E[n - τd·fs]注意这里的 τd·fs 要取整到最近的采样点。AOM 频移臂的信号则是在时域乘一个复数旋转因子E_shift[n] E[n]·exp(j2πΩn/fs)探测器输出的光电流正比于两臂叠加后的强度I[n] |E_delay[n] E_shift[n]|²在仿真里为了数值稳定性通常先对 E 做归一化使得两臂功率相等这样 I[n] 可以展开为I[n] 2 2·cos(φ(t-τd) - φ(t) 2πΩt)这个表达式的意义非常直观拍频信号就是一个相位受噪声调制的余弦波载波频率是 AOM 频移 Ω。如果激光器没有相位噪声拍频信号就是一条理想的单根谱线相位噪声的存在使得这条谱线展宽展宽量就是 2Δν。关于 AOM 频移量的选择仿真里建议至少比拍频谱总宽度高一个数量级以上比如拍频谱宽度约 20 kHz 时AOM 频移选 20 MHz 以上才安全。如果频移量太小Lorentzian 峰和直流分量0 Hz 附近会重叠拟合时带宽内背景模型会变得很复杂。实际工程里常用 80 MHz 或 110 MHz仿真中我习惯用 80 MHz便于和实际光路参数对应。3.4 完整 Python 仿真示例代码下面给出一个可直接运行的仿真核心代码Python完整实现了相位噪声生成、DSH 拍频信号构造和 Welch 谱估计。import numpy as np from scipy.signal import welch from scipy.optimize import curve_fit # 系统参数设置 fs 200e6 # 采样率 200 MHz T 2e-3 # 仿真时长 2 ms N int(fs * T) # 采样点数 t np.arange(N) / fs linewidth 10e3 # 目标激光线宽 10 kHz nu_shift 80e6 # AOM 频移 80 MHz tau_d 300e-6 # 延迟 300 us delay_samples int(tau_d * fs) # 1. 生成白频率噪声累积成相位 sigma_nu np.sqrt(linewidth * fs / np.pi) freq_noise np.random.randn(N) * sigma_nu phase 2 * np.pi * np.cumsum(freq_noise) / fs # 2. 基带复光场 E np.exp(1j * phase) # 3. 延迟臂与频移臂 E_delay np.zeros_like(E) E_delay[delay_samples:] E[:-delay_samples] E_shift E * np.exp(1j * 2 * np.pi * nu_shift * t) # 4. 探测器平方律检测 I np.abs(E_delay E_shift) ** 2 # 5. Welch 谱估计 f, P welch(I, fsfs, nperseg8192, noverlap4096, windowhann) # 6. 截取载波附近的频谱区间做拟合 idx (f nu_shift - 500e3) (f nu_shift 500e3) f_roi, P_roi f[idx], P[idx] # 7. Lorentzian 拟合 def lorentzian(freq, A, f0, fwhm, B): return A * (fwhm / 2) ** 2 / ((freq - f0) ** 2 (fwhm / 2) ** 2) B # 初值估计 f0_guess f_roi[np.argmax(P_roi)] A_guess P_roi.max() - np.median(P_roi) fwhm_guess 2 * linewidth B_guess np.median(P_roi) popt, pcov curve_fit(lorentzian, f_roi, P_roi, p0[A_guess, f0_guess, fwhm_guess, B_guess]) fitted_fwhm popt[2] laser_linewidth fitted_fwhm / 2.0 print(f拟合拍频谱线宽: {fitted_fwhm/1e3:.2f} kHz) print(f反推激光线宽: {laser_linewidth/1e3:.2f} kHz)这段代码我建议不要直接跑完就回而是手动调几个参数看效果把 linewidth 改成 100 kHz 再看拟合偏差或者把 tau_d 缩短到 30 μs你会明显看到拟合谱型偏移。这个过程中积累的直觉比看十篇理论文章都有用。3.5 MATLAB 用户的实现等价路径如果你习惯用 MATLAB思路完全一致。用 randn 函数生成频率噪声序列cumsum 做相位累积laserLinewidth 10e3; sigmaNu sqrt(linewidth * fs / pi); phase 2 * pi * cumsum(sigmaNu * randn(N,1)) / fs。延迟用 circshift 或手动索引实现AOM 频移用向量点乘 exp(1j2pinu_shiftt) 实现。Welch 谱估计用 pwelch(I, hann(8192), 4096, 8192, fs)。拟合部分可以用 lsqcurvefit 或 fitnlm函数模型和 Python 版一致。本质上没有差别选择哪个工具看你的数据链上下游环境。4. 拟合算法实现从频域数据到可信的线宽值4.1 拟合模型的选择逻辑仿真程序里的拟合模块需要支持至少两种模型纯 Lorentzian 和 Voigt。为什么要保留 Voigt前面已经提过当延迟不充分或激光器存在明显 1/f 频率噪声时拍频谱不是纯 Lorentzian。用 Voigt 模型拟合至少能给出一个定量的“高斯分量占比”帮助你判断测量条件是否理想。Python 里 scipy.special.voigt_profile 可以直接调用不过它的参数定义是基于高斯 sigma 和 Lorentzian gamma 的换算关系有点绕。我更推荐自己写 Voigt 的数值卷积近似用 scipy.signal.convolve 将 Lorentzian 和高斯线型卷积得到离散核再对频率轴做插值。虽然慢一点但参数定义完全由你自己控制不会有歧义。还有一种实用的折中方案先拟合纯 Lorentzian观察残差形态。如果残差在峰顶有系统性的“下凹”且在翼部有“上翘”说明谱型比 Lorentzian 更窄更锐需要引入高斯展宽。这个过程类似曲线拟合诊断比直接上 Voigt 更容易理解。4.2 拟合前的数据预处理实测数据不能直接丢进拟合函数。我总结了三步预处理缺一不可第一步去直流和低频趋势在频域里去掉载波附近明显偏离平坦背景的数据点第二步对 ROI 频段的功率谱做平滑比如用 Savitzky-Golay 滤波或简单的滑动平均降低拟合时对噪声的敏感度但窗口不能太宽否则把 Lorentzian 峰也抹平了第三步背景估计用载波两侧远离峰的频段估计基底噪声。这里有个细节Lorentzian 的尾部衰减很慢是 -20 dB/decade。也就是说即使你的拟合频窗看起来离峰很远Lorentzian 尾巴仍然有贡献。所以背景估计不能只取单点最好取左右两侧离峰足够远的频段做平均或中值。我通常取载波频率 ±5 倍预期线宽以外的区域做背景估计这样既能扣除平坦探测噪声又不会把 Lorentzian 尾巴误算成背景。仿真中的数据因为是理想模型背景很平坦但实测数据里探测器噪声、射频干扰都会混进来这步处理就直接影响拟合基线是否干净。4.3 拟合初值、迭代与线宽换算的实操细节非线性最小二乘拟合最怕初值给得离谱。我的标准做法是分三步粗暴但稳定地估计初值峰值频率 f0直接取 ROI 内功率谱最大值对应的频率。2. 峰宽 γ在功率谱半功率点处做一次线性插值找到两个半功率点的频率差作为 FWHM 初值如果插值失败就取预期线宽的 2 倍作为初值。3. 背景 B用 ROI 两端 10% 频段的中值作为初值。参数估完用 scipy 的 curve_fit 或 lmfit 库迭代。迭代结束后用协方差矩阵的平方根估算拟合参数不确定度一般报告线宽时会给 ± 值。如果你用 lmfit它内置的参数不确定度报告会更方便。线宽换算环节要格外仔细。如果用的是纯 Lorentzian 拟合且延迟足够拍频谱 FWHM 2Δν激光线宽就是拟合值的一半。如果用的是 Voigt 拟合情况就复杂了Voigt 的 FWHM 并不是激光线宽的简单两倍关系因为高斯分量来自 1/f 噪声或测量系统展宽这部分贡献不应直接除以 2 算入激光线宽。我的建议是优先保证测量条件使频谱接近 Lorentzian再用“除以 2”的方式提取线宽只有确实无法满足延迟条件时才用 Voigt 做诊断性分析判断测量结果的可靠程度。5. 常见问题与排错实录5.1 拟合谱型不是 Lorentzian怎么排查我踩过最典型的一个坑是仿真出的拍频谱总是比预期窄。后来检查发现是延迟采样点取整出了问题delay_samples 在 fs 很高时是准确的但如果你把采样率降低比如只有 10 MHz延迟 300 μs 只对应 3000 个点量化误差就开始显现。解决办法是在设计仿真参数时保证 τd·fs 至少在 10000 个采样点以上这样取整误差对延迟时间的影响小于 0.01%可以忽略。另一个常见现象是拍频谱峰附近出现“毛刺”或不规则波动。这通常来自 Welch 谱估计的窗函数旁瓣泄漏特别是使用矩形窗时。我建议用 Hann 窗或 Blackman-Harris 窗并且保证频率分辨率远小于线宽。在仿真里可以先用无噪声的纯余弦信号等效于无限长相干时间做一次谱估计观察窗函数是否把单根谱线展宽成 1 kHz 以上的峰。如果有就要增大 FFT 点数或者换窗函数。5.2 fit 不收敛、报错或者拟合出负线宽非线性拟合报错最常出现在初值不合理的场景。比如你把 f0_guess 设成了 0而实际峰在 80 MHz拟合算法可能搜了半天找不到方向最终报“Optimal parameters not found”或者给出负的 FWHM。我的做法是在进入 curve_fit 前先打印出初值人工确认 f0_guess 是否落在 ROI 峰值附近、A_guess 是否为正、fwhm_guess 是否量级合理。眼睛扫一眼就能发现问题比在迭代中反复试错高效得多。还有一种情况是有多个相近的谱峰比如 AOM 驱动信号泄漏带来的杂散峰这时拟合会把这几个峰当成一个峰处理得到的线宽往往偏大。处理方法是在 ROI 截取时避开杂散峰或者拟合函数里叠加额外的峰模型。实测中 AOM 的射频泄漏和低阶边带都是常见干扰源需要在数据处理阶段就排查掉。5.3 参数选择对照速查表我把仿真和拟合中关键的参数选择整理成一张表方便直接对照参数项推荐设置注意事项采样率 fs至少 5 倍 AOM 频移量200 MHz 配 80 MHz 频移留足抗混叠余量仿真时长 T保证 FFT 频率分辨率 线宽/1010 kHz 线宽下建议至少 2 ms延迟时间 τd大于 10 倍相干时间相干时间 1/(πΔν)AOM 频移 Ω大于拍频总宽度的 10 倍避免与直流和低频噪声混叠FFT 点数 nperseg按频谱分辨率需求定分辨率不够时宁可增加仿真时长窗函数Hann 或 Blackman-Harris不用矩形窗旁瓣太严重拟合频窗以载波为中心±(5~10)倍线宽太宽会引入过多背景噪声这张表来自我的实际调试经验。不同场景下数值可以调整但“频率分辨率远小于线宽”“延迟远大于相干时间”这两个原则是不变的。5.4 实测数据拟合经验杂散峰、背景不平坦与多峰处理仿真跑通了切换到实测数据时还会遇到仿真里没有的问题。最典型的是拍频谱背景不平坦探测器响应在射频段有轻微起伏放大器有增益纹波导致远离峰的区域不是常数背景。这时候我的处理方式是在拟合模型中给背景加一个线性或二次多项式项让背景可以跟随慢变趋势只保留峰附近的局部形状用来拟合。杂散峰则是另一大障碍。AOM 驱动信号的谐波、电路板上的开关电源噪声都可能在谱上留下异常峰这些峰和拍频峰叠加之后拟合出的线宽完全不可信。我的排查套路是先关掉激光器只开 AOM采一段频谱记录所有的电学杂散峰位置再打开激光器对比频谱凡是两次共存的峰都是系统杂散峰。把这些频点从拟合 ROI 中剔除掉再重新拟合通常就能得到干净的结果。还有一个容易忽略的细节实测数据的谱是功率谱密度还是幅度谱直接决定拟合时 A、B 参数的物理含义。多数频谱仪显示的是对数功率谱dBm而示波器采集后做 FFT 通常是幅度线性谱。要先用已知幅度的正弦信号做校准把你的谱估计结果统一到一个可解释的单位否则拟合出来的线宽虽然不受影响但背景和幅度参数的物理意义会混淆影响你对拟合质量的判断。5.5 从仿真结果判断测量系统是否可靠最后分享一个把仿真作为“系统校验工具”的办法。在搭建真实 DSH 测量系统之前先用仿真程序模拟整个测量过程将不同线宽1 kHz、10 kHz、100 kHz、1 MHz的激光器作为输入设定跟实际光路一致的延迟光纤长度和 AOM 频移跑完整个拟合流程画一条“设定线宽 vs 拟合线宽”的校正曲线。如果校正曲线是线性的且斜率接近 1说明测量系统在线宽范围内是准确的如果发现偏离可以进一步调整延迟长度或拟合模型直到曲线满足要求。实测数据出来后用同样参数重新跑一遍仿真将实测拟合线宽代入校正曲线即可得到修正后的真实线宽。这比拿着一个拟合结果直接当真值要稳妥得多特别是当你的延迟光纤不够长、只能做 Voigt 近似修正时这条校正曲线是最可靠的误差补偿方式。我个人在实际操作中的体会是仿真程序最大的价值不在于帮你省掉搭光路的功夫而在于逼你把每一个环节的假设都显式地写出来相位噪声是白噪声还是 1/f 噪声拍频谱是 Lorentzian 还是 Voigt延迟充分不充分背景是常数还是多项式这些问题如果不做仿真你可能用了错误的拟合模型还会然不知最后报出一个看起来合理、实际上偏差很大的线宽值。把仿真链路完整跑通之后再回来看实测数据很多之前悬而未决的异常都能对号入座。最后再分享一个小技巧仿真时保留一组“已知线宽”的输出和实测数据放在同一个程序目录里。以后测量系统任何参数发生了变化——换了 AOM、换了光纤盘、换了探测器——第一时间跑一遍标定仿真如果标定曲线和原来对不上就先别急着测样品先把系统本身查明白。这种“先自检再测量”的工作习惯比任何拟合算法上的技巧都更重要。本文还有配套的精品资源点击获取 基于仿真的激光线宽DSH拟合：原理、算法与排错实践
简介激光线宽测量是激光器研制与验收中的关键环节而普通光谱仪受限于GHz量级分辨率难以直接分辨MHz以下的窄线宽。延时自外差法DSH通过延迟光纤与声光频移将光频段信息搬移至射频段使拍频谱的Lorentzian线型成为反推线宽的核心依据。实际测量中延迟长度不足、相位噪声特性、拟合模型选择等因素都会造成系统性偏差。借助仿真拟合平台可逐项量化这些参数的影响验证算法边界并生成校正曲线从而为实测数据提供可靠判据。该方法广泛适用于窄线宽激光器的实验教学、指标验收及测量系统自检帮助工程人员在搭建光路前先完成逻辑验证减少盲目试错提升线宽结果的置信度。本文围绕DSH原理、建模流程、拟合实现与常见问题展开给出可直接落地的仿真与数据处理经验。 做激光器的人大多被线宽测量折磨过。指标上写着“线宽小于 10 kHz”可真到了要验收或者排查问题的时候光谱仪分辨率只到 GHz 量级F-P 扫描干涉仪又对振动和温漂极其敏感读数自己都不敢信。这时业内最常用的方案就是延时自外差法英文全称 Delayed Self-Heterodyne缩写 DSH——把激光和它自己“延迟后的过去”做干涉通过拍频信号的谱线反推线宽。但原理归原理真正把光路搭起来、把信号采回来、把谱线拟合明白每一步都有不少坑。这套“基于仿真的激光线宽 (DSH) 拟合程序”就是先用仿真把链路完整跑通再对实测或仿真数据做一致性拟合省掉大量反复搭光路试错的时间。这篇博文我从 DSH 的物理原理讲起把仿真建模、拟合算法和排错经验完整拆开写适合刚开始接触线宽测量的研究生也适合想评估自己测量系统是否存在系统性偏差的工程师。1. 程序要解决什么问题激光线宽测量的三个现实痛点1.1 为什么普通光谱仪测不了窄线宽激光线宽的定义通俗地说就是光场功率谱的半高全宽FWHM。对于常见的 DFB 激光器线宽在几百 kHz 到几 MHz 量级外腔半导体激光器、光纤激光器能做到几十 kHz 甚至 kHz 以下。问题在于普通光栅光谱仪的分辨率极限通常在 GHz 量级面对 MHz 以下量级的谱线它只能给出一个“这束激光线宽很窄”的定性结论根本看不到谱线形状。于是测量方案必须从“直接看光谱”转向“间接测拍频”。而 DSH 方法的价值就体现在这里它把待测激光的线宽信息从光频段约 193 THz搬移到一个低频拍频信号上一般在几十 MHz 到几百 MHz 之间。这个频段无论是光电探测器、射频放大器还是频谱分析仪或高速采集卡处理起来都很成熟精度和分辨率都远超光频段的直接测量手段。所以 DSH 成为窄线宽测量事实上的标配方法也就不意外了。1.2 扫描 F-P 和零差法有哪些局限除了 DSH还有两种常见方案把它们放在一起对比会更容易理解 DSH 的不可替代性。扫描法布里-珀罗干涉仪F-P的原理是利用高细度腔对频率的周期性扫描把光频段谱线映射到时间轴上。它的精度取决于腔体的稳定度和细度Finesse实验室环境下手动搭建往往达不到很好的复现性系统误差也不容易评估。延时自零差法DSH 的近亲结构上少了频移器但拍频信号落在零频附近容易受到探测器低频噪声、1/f 噪声和环境干扰的影响信噪比做不高。DSH 用声光调制器AOM引入一个固定的频移比如常见的 80 MHz把拍频信号的频谱搬到一个远离零频的载波上再对该载波附近的 Lorentzian 或 Voigt 线型做拟合从中提取激光线宽。它有两层优势一是避开低频噪声区二是拍频过程本质上是一种自相关测量对共模的环境扰动有天然的抑制能力。正因如此它在工程上是比扫描 F-P 更稳定、比零差法更干净的方案。1.3 为什么这套程序要先“仿真”再“拟合”直接搭光路测数据遇到奇怪谱型时你会很头疼拍频谱比预期宽了到底是激光器线宽真的变大还是延迟光纤不够长导致的展宽拍频谱形状不是标准 Lorentzian是 1/f 噪声贡献还是采样处理引入的问题这些情况在光路上很难逐一排查因为变量太多而且光纤长度一旦熔接固定就很难改。仿真程序的价值恰恰在于“让每个参数都可控”。在软件里激光线宽、延迟时间、频移量、采样率、噪声类型都可以独立设置。先用已知线宽生成仿真数据走一遍完整的“拍频信号生成—谱估计—拟合”流程就能验证拟合算法本身的偏差和适用边界。之后再处理实测数据心里就有底了。所以这个程序我认为本质上是一个“算法验证平台数据处理工具”的结合体这也是它比单纯写一个拟合脚本更实用的原因。2. DSH 方法原理拆解延迟自外差法到底在测什么2.1 基本光路结构与信号链路DSH 的典型光路并不复杂激光器输出经过一个 1×2 分束器一路进入延迟光纤另一路经过声光调制器AOM。两条光路在 2×1 耦合器处合束由光电探测器PD接收探测到的电信号经过放大后由频谱仪或高速采集卡记录。整套系统的核心就在“延迟”和“频移”这两个动作上。假设激光器输出光场的复振幅为 E(t) E0·exp[j(2πν0t φ(t))]其中 ν0 是光频φ(t) 是相位噪声。经过分束器后延迟臂上的光场经过 τd 的延时后变为 E(t - τd)·exp(-j2πν0τd)相当于延迟了光场频移臂上的光场经过 AOM 频移后频率增加 Ω例如 Ω/2π 80 MHz。两臂合束后探测器上的光电流正比于两路光场叠加后的模平方。由于探测器的响应带宽远低于光频光频项被平均掉保留的是低频拍频项最终得到的电信号中包含一个直流分量和一个频率接近 Ω 的交流分量。在仿真程序里我们通常不会直接处理光频而是把光场简化成基带复包络这对后续生成拍频信号没有任何影响因为拍频过程本质上只关心相位差的变化。这一点在建模时要特别记住能省掉很多不必要的计算量。2.2 拍频信号与 Lorentzian 线型如何产生要理解 DSH 为什么能把线宽翻倍显现出来需要简单推导一下拍频信号的统计特性。探测器输出的交流电流可以写成i_AC(t) ∝ 2·Re{E(t)·E*(t - τd)·exp(j2πΩt)}其中 E(t) exp[jφ(t)]忽略光频项而 E*(t - τd) exp[-jφ(t-τd)]。所以相位项变为Δφ(t) φ(t) - φ(t - τd)这个相位差的频谱特性决定了拍频信号的谱型。如果激光器的瞬时频率噪声是白噪声那么 φ(t) 是一个随机游走过程Δφ(t) 是它的滑动差分。当延迟时间 τd 远大于激光器的相干时间 τc 1/(πΔν) 时φ(t) 和 φ(t-τd) 可视为不相关的两个独立相位那么 exp[jΔφ(t)] 的功率谱趋向于 Lorentzian 线型其半高全宽为 2Δν。这里有个初学者容易忽略的关键点拍频谱的宽度是激光线宽的两倍。为什么会是两倍因为当两路光完全独立时拍频信号的线宽由两个光场的相位噪声共同决定每个光场贡献 Δν卷积在一起就变成了 2Δν。实际拟合得到的 FWHM_fit要除以 2才是激光器本身的线宽 Δν。2.3 延迟时间不够会怎样Voigt 过渡与工程估算理论上要求 τd 足够大拍频谱才是干净的 Lorentzian。实际工程中激光器的相干时间可能很长比如 1 kHz 线宽的激光器τc 约 318 μs对应的延迟光纤长度要超过 65 km在常规单模光纤中折射率约 1.468光速约 2.04×10^8 m/s。这在实际系统中很难做到通常只能用几十公里的光纤于是 τd 与 τc 之比可能只在 5~10 倍左右。当延迟不够充分时拍频谱会偏离理想 Lorentzian变得略微收窄谱型更接近 Lorentzian 和高斯线型的卷积也就是 Voigt 线型。此时如果还用纯 Lorentzian 拟合拟合出的 FWHM 会偏小导致激光线宽被低估。具体偏差大小取决于 τd/τc 比值这在仿真程序中完全可以量化用相同的激光线宽设置不同延迟时长跑一遍拟合直接对比输出偏差就能画出“延迟不足导致的系统误差曲线”。我做这个仿真时发现一个经验规律当 τd ≥ 10τc 时纯 Lorentzian 拟合的误差已经小于 1%工程上可以接受当 τd 只有 3~5 倍 τc 时误差可达 5%~15%这时候要么延长光纤要么改用 Voigt 拟合或者用理论修正公式对结果做补偿。这个判断在仿真里过一遍就不用在光纤盘上反复试了。3. 仿真建模全流程从相位噪声到拍频谱3.1 激光相位噪声建模白频率噪声如何产生 Lorentzian 谱仿真里最核心的环节是生成一个“线宽可控”的激光相位噪声。这里推荐的做法不是直接对光场谱形做整形而是从瞬时频率噪声入手。对于频率噪声为白噪声的激光器其线宽 Δν 与频率噪声双边带功率谱密度 S_δν 满足关系Δν π·S_δν离散化到采样率 fs 后每个采样点上的瞬时频率偏移 δν[n] 是一个零均值高斯随机变量其方差为σ_δν² S_δν·fs Δν·fs / π然后在离散域做相位累积φ[n] φ[n-1] 2π·δν[n] / fs这里需要注意的是相位必须用累积的方式生成不能直接生成独立的相位序列否则光谱会变成均匀展宽而不是 Lorentzian。你要是直接把随机相位序列 exp(jφ[n]) 做 FFT得到的频谱是平坦的噪声基底线宽特征完全消失了。这一步是很多初学者容易搞错的地方我最初写仿真脚本时就踩过这个坑。有了相位序列基带光场复包络就是 E[n] exp[jφ[n]]。为了验证线宽生成是否正确可以直接对该复信号做周期图估计然后做 Lorentzian 拟合看拟合出的 FWHM 是否等于预设的 Δν。这一步验证很重要相当于“先校准信号源再测系统”。3.2 信号源验证FFT 谱估计与 Lorentzian 拟合自检以目标线宽 10 kHz、采样率 200 MHz 为例生成 2 ms 的相位噪声数据然后对复包络做 Welch 功率谱估计。需要注意频率分辨率如果 FFT 点数选太短谱线会被窗函数展宽拟合出的线宽会偏大。一般建议 FFT 分辨率远小于目标线宽至少达到目标线宽的 1/10 以下。对于 10 kHz 线宽频率分辨率建议 1 kHz 以内对应 FFT 点数至少要 200000 点在 200 MHz 采样率下。实际中我会用更长的数据段做平均兼顾谱线平滑度和频率分辨率。对功率谱做 Lorentzian 拟合时要先扣除噪声基底。实际功率谱中除了 Lorentzian 峰还有探测器和数值计算的平坦噪声。拟合函数采用P(f) A·(γ/2)² / [(f - f0)² (γ/2)²] B其中 γ 是 FWHMB 是背景噪声功率。使用 scipy.optimize.curve_fit 时初值很关键峰值幅度可以用谱峰最大值减去背景估计值f0 用谱峰对应的频率γ 可以先用粗略半高宽估计。如果初值给得不好拟合很容易陷进局部最优这个我在后面问题排查里细讲。3.3 DSH 拍频信号生成延迟、频移与平方律探测信号源准备好后就可以模拟 DSH 链路了。在离散域延迟臂的信号就是对 E[n] 做移位E_delay[n] E[n - τd·fs]注意这里的 τd·fs 要取整到最近的采样点。AOM 频移臂的信号则是在时域乘一个复数旋转因子E_shift[n] E[n]·exp(j2πΩn/fs)探测器输出的光电流正比于两臂叠加后的强度I[n] |E_delay[n] E_shift[n]|²在仿真里为了数值稳定性通常先对 E 做归一化使得两臂功率相等这样 I[n] 可以展开为I[n] 2 2·cos(φ(t-τd) - φ(t) 2πΩt)这个表达式的意义非常直观拍频信号就是一个相位受噪声调制的余弦波载波频率是 AOM 频移 Ω。如果激光器没有相位噪声拍频信号就是一条理想的单根谱线相位噪声的存在使得这条谱线展宽展宽量就是 2Δν。关于 AOM 频移量的选择仿真里建议至少比拍频谱总宽度高一个数量级以上比如拍频谱宽度约 20 kHz 时AOM 频移选 20 MHz 以上才安全。如果频移量太小Lorentzian 峰和直流分量0 Hz 附近会重叠拟合时带宽内背景模型会变得很复杂。实际工程里常用 80 MHz 或 110 MHz仿真中我习惯用 80 MHz便于和实际光路参数对应。3.4 完整 Python 仿真示例代码下面给出一个可直接运行的仿真核心代码Python完整实现了相位噪声生成、DSH 拍频信号构造和 Welch 谱估计。import numpy as np from scipy.signal import welch from scipy.optimize import curve_fit # 系统参数设置 fs 200e6 # 采样率 200 MHz T 2e-3 # 仿真时长 2 ms N int(fs * T) # 采样点数 t np.arange(N) / fs linewidth 10e3 # 目标激光线宽 10 kHz nu_shift 80e6 # AOM 频移 80 MHz tau_d 300e-6 # 延迟 300 us delay_samples int(tau_d * fs) # 1. 生成白频率噪声累积成相位 sigma_nu np.sqrt(linewidth * fs / np.pi) freq_noise np.random.randn(N) * sigma_nu phase 2 * np.pi * np.cumsum(freq_noise) / fs # 2. 基带复光场 E np.exp(1j * phase) # 3. 延迟臂与频移臂 E_delay np.zeros_like(E) E_delay[delay_samples:] E[:-delay_samples] E_shift E * np.exp(1j * 2 * np.pi * nu_shift * t) # 4. 探测器平方律检测 I np.abs(E_delay E_shift) ** 2 # 5. Welch 谱估计 f, P welch(I, fsfs, nperseg8192, noverlap4096, windowhann) # 6. 截取载波附近的频谱区间做拟合 idx (f nu_shift - 500e3) (f nu_shift 500e3) f_roi, P_roi f[idx], P[idx] # 7. Lorentzian 拟合 def lorentzian(freq, A, f0, fwhm, B): return A * (fwhm / 2) ** 2 / ((freq - f0) ** 2 (fwhm / 2) ** 2) B # 初值估计 f0_guess f_roi[np.argmax(P_roi)] A_guess P_roi.max() - np.median(P_roi) fwhm_guess 2 * linewidth B_guess np.median(P_roi) popt, pcov curve_fit(lorentzian, f_roi, P_roi, p0[A_guess, f0_guess, fwhm_guess, B_guess]) fitted_fwhm popt[2] laser_linewidth fitted_fwhm / 2.0 print(f拟合拍频谱线宽: {fitted_fwhm/1e3:.2f} kHz) print(f反推激光线宽: {laser_linewidth/1e3:.2f} kHz)这段代码我建议不要直接跑完就回而是手动调几个参数看效果把 linewidth 改成 100 kHz 再看拟合偏差或者把 tau_d 缩短到 30 μs你会明显看到拟合谱型偏移。这个过程中积累的直觉比看十篇理论文章都有用。3.5 MATLAB 用户的实现等价路径如果你习惯用 MATLAB思路完全一致。用 randn 函数生成频率噪声序列cumsum 做相位累积laserLinewidth 10e3; sigmaNu sqrt(linewidth * fs / pi); phase 2 * pi * cumsum(sigmaNu * randn(N,1)) / fs。延迟用 circshift 或手动索引实现AOM 频移用向量点乘 exp(1j2pinu_shiftt) 实现。Welch 谱估计用 pwelch(I, hann(8192), 4096, 8192, fs)。拟合部分可以用 lsqcurvefit 或 fitnlm函数模型和 Python 版一致。本质上没有差别选择哪个工具看你的数据链上下游环境。4. 拟合算法实现从频域数据到可信的线宽值4.1 拟合模型的选择逻辑仿真程序里的拟合模块需要支持至少两种模型纯 Lorentzian 和 Voigt。为什么要保留 Voigt前面已经提过当延迟不充分或激光器存在明显 1/f 频率噪声时拍频谱不是纯 Lorentzian。用 Voigt 模型拟合至少能给出一个定量的“高斯分量占比”帮助你判断测量条件是否理想。Python 里 scipy.special.voigt_profile 可以直接调用不过它的参数定义是基于高斯 sigma 和 Lorentzian gamma 的换算关系有点绕。我更推荐自己写 Voigt 的数值卷积近似用 scipy.signal.convolve 将 Lorentzian 和高斯线型卷积得到离散核再对频率轴做插值。虽然慢一点但参数定义完全由你自己控制不会有歧义。还有一种实用的折中方案先拟合纯 Lorentzian观察残差形态。如果残差在峰顶有系统性的“下凹”且在翼部有“上翘”说明谱型比 Lorentzian 更窄更锐需要引入高斯展宽。这个过程类似曲线拟合诊断比直接上 Voigt 更容易理解。4.2 拟合前的数据预处理实测数据不能直接丢进拟合函数。我总结了三步预处理缺一不可第一步去直流和低频趋势在频域里去掉载波附近明显偏离平坦背景的数据点第二步对 ROI 频段的功率谱做平滑比如用 Savitzky-Golay 滤波或简单的滑动平均降低拟合时对噪声的敏感度但窗口不能太宽否则把 Lorentzian 峰也抹平了第三步背景估计用载波两侧远离峰的频段估计基底噪声。这里有个细节Lorentzian 的尾部衰减很慢是 -20 dB/decade。也就是说即使你的拟合频窗看起来离峰很远Lorentzian 尾巴仍然有贡献。所以背景估计不能只取单点最好取左右两侧离峰足够远的频段做平均或中值。我通常取载波频率 ±5 倍预期线宽以外的区域做背景估计这样既能扣除平坦探测噪声又不会把 Lorentzian 尾巴误算成背景。仿真中的数据因为是理想模型背景很平坦但实测数据里探测器噪声、射频干扰都会混进来这步处理就直接影响拟合基线是否干净。4.3 拟合初值、迭代与线宽换算的实操细节非线性最小二乘拟合最怕初值给得离谱。我的标准做法是分三步粗暴但稳定地估计初值峰值频率 f0直接取 ROI 内功率谱最大值对应的频率。2. 峰宽 γ在功率谱半功率点处做一次线性插值找到两个半功率点的频率差作为 FWHM 初值如果插值失败就取预期线宽的 2 倍作为初值。3. 背景 B用 ROI 两端 10% 频段的中值作为初值。参数估完用 scipy 的 curve_fit 或 lmfit 库迭代。迭代结束后用协方差矩阵的平方根估算拟合参数不确定度一般报告线宽时会给 ± 值。如果你用 lmfit它内置的参数不确定度报告会更方便。线宽换算环节要格外仔细。如果用的是纯 Lorentzian 拟合且延迟足够拍频谱 FWHM 2Δν激光线宽就是拟合值的一半。如果用的是 Voigt 拟合情况就复杂了Voigt 的 FWHM 并不是激光线宽的简单两倍关系因为高斯分量来自 1/f 噪声或测量系统展宽这部分贡献不应直接除以 2 算入激光线宽。我的建议是优先保证测量条件使频谱接近 Lorentzian再用“除以 2”的方式提取线宽只有确实无法满足延迟条件时才用 Voigt 做诊断性分析判断测量结果的可靠程度。5. 常见问题与排错实录5.1 拟合谱型不是 Lorentzian怎么排查我踩过最典型的一个坑是仿真出的拍频谱总是比预期窄。后来检查发现是延迟采样点取整出了问题delay_samples 在 fs 很高时是准确的但如果你把采样率降低比如只有 10 MHz延迟 300 μs 只对应 3000 个点量化误差就开始显现。解决办法是在设计仿真参数时保证 τd·fs 至少在 10000 个采样点以上这样取整误差对延迟时间的影响小于 0.01%可以忽略。另一个常见现象是拍频谱峰附近出现“毛刺”或不规则波动。这通常来自 Welch 谱估计的窗函数旁瓣泄漏特别是使用矩形窗时。我建议用 Hann 窗或 Blackman-Harris 窗并且保证频率分辨率远小于线宽。在仿真里可以先用无噪声的纯余弦信号等效于无限长相干时间做一次谱估计观察窗函数是否把单根谱线展宽成 1 kHz 以上的峰。如果有就要增大 FFT 点数或者换窗函数。5.2 fit 不收敛、报错或者拟合出负线宽非线性拟合报错最常出现在初值不合理的场景。比如你把 f0_guess 设成了 0而实际峰在 80 MHz拟合算法可能搜了半天找不到方向最终报“Optimal parameters not found”或者给出负的 FWHM。我的做法是在进入 curve_fit 前先打印出初值人工确认 f0_guess 是否落在 ROI 峰值附近、A_guess 是否为正、fwhm_guess 是否量级合理。眼睛扫一眼就能发现问题比在迭代中反复试错高效得多。还有一种情况是有多个相近的谱峰比如 AOM 驱动信号泄漏带来的杂散峰这时拟合会把这几个峰当成一个峰处理得到的线宽往往偏大。处理方法是在 ROI 截取时避开杂散峰或者拟合函数里叠加额外的峰模型。实测中 AOM 的射频泄漏和低阶边带都是常见干扰源需要在数据处理阶段就排查掉。5.3 参数选择对照速查表我把仿真和拟合中关键的参数选择整理成一张表方便直接对照参数项推荐设置注意事项采样率 fs至少 5 倍 AOM 频移量200 MHz 配 80 MHz 频移留足抗混叠余量仿真时长 T保证 FFT 频率分辨率 线宽/1010 kHz 线宽下建议至少 2 ms延迟时间 τd大于 10 倍相干时间相干时间 1/(πΔν)AOM 频移 Ω大于拍频总宽度的 10 倍避免与直流和低频噪声混叠FFT 点数 nperseg按频谱分辨率需求定分辨率不够时宁可增加仿真时长窗函数Hann 或 Blackman-Harris不用矩形窗旁瓣太严重拟合频窗以载波为中心±(5~10)倍线宽太宽会引入过多背景噪声这张表来自我的实际调试经验。不同场景下数值可以调整但“频率分辨率远小于线宽”“延迟远大于相干时间”这两个原则是不变的。5.4 实测数据拟合经验杂散峰、背景不平坦与多峰处理仿真跑通了切换到实测数据时还会遇到仿真里没有的问题。最典型的是拍频谱背景不平坦探测器响应在射频段有轻微起伏放大器有增益纹波导致远离峰的区域不是常数背景。这时候我的处理方式是在拟合模型中给背景加一个线性或二次多项式项让背景可以跟随慢变趋势只保留峰附近的局部形状用来拟合。杂散峰则是另一大障碍。AOM 驱动信号的谐波、电路板上的开关电源噪声都可能在谱上留下异常峰这些峰和拍频峰叠加之后拟合出的线宽完全不可信。我的排查套路是先关掉激光器只开 AOM采一段频谱记录所有的电学杂散峰位置再打开激光器对比频谱凡是两次共存的峰都是系统杂散峰。把这些频点从拟合 ROI 中剔除掉再重新拟合通常就能得到干净的结果。还有一个容易忽略的细节实测数据的谱是功率谱密度还是幅度谱直接决定拟合时 A、B 参数的物理含义。多数频谱仪显示的是对数功率谱dBm而示波器采集后做 FFT 通常是幅度线性谱。要先用已知幅度的正弦信号做校准把你的谱估计结果统一到一个可解释的单位否则拟合出来的线宽虽然不受影响但背景和幅度参数的物理意义会混淆影响你对拟合质量的判断。5.5 从仿真结果判断测量系统是否可靠最后分享一个把仿真作为“系统校验工具”的办法。在搭建真实 DSH 测量系统之前先用仿真程序模拟整个测量过程将不同线宽1 kHz、10 kHz、100 kHz、1 MHz的激光器作为输入设定跟实际光路一致的延迟光纤长度和 AOM 频移跑完整个拟合流程画一条“设定线宽 vs 拟合线宽”的校正曲线。如果校正曲线是线性的且斜率接近 1说明测量系统在线宽范围内是准确的如果发现偏离可以进一步调整延迟长度或拟合模型直到曲线满足要求。实测数据出来后用同样参数重新跑一遍仿真将实测拟合线宽代入校正曲线即可得到修正后的真实线宽。这比拿着一个拟合结果直接当真值要稳妥得多特别是当你的延迟光纤不够长、只能做 Voigt 近似修正时这条校正曲线是最可靠的误差补偿方式。我个人在实际操作中的体会是仿真程序最大的价值不在于帮你省掉搭光路的功夫而在于逼你把每一个环节的假设都显式地写出来相位噪声是白噪声还是 1/f 噪声拍频谱是 Lorentzian 还是 Voigt延迟充分不充分背景是常数还是多项式这些问题如果不做仿真你可能用了错误的拟合模型还会然不知最后报出一个看起来合理、实际上偏差很大的线宽值。把仿真链路完整跑通之后再回来看实测数据很多之前悬而未决的异常都能对号入座。最后再分享一个小技巧仿真时保留一组“已知线宽”的输出和实测数据放在同一个程序目录里。以后测量系统任何参数发生了变化——换了 AOM、换了光纤盘、换了探测器——第一时间跑一遍标定仿真如果标定曲线和原来对不上就先别急着测样品先把系统本身查明白。这种“先自检再测量”的工作习惯比任何拟合算法上的技巧都更重要。本文还有配套的精品资源点击获取