相位恢復(phase retrieval)是光學中一個經典的逆問題,具體而言即已知Imaging面的光強分佈,求Phase mask面的相位分佈。

衍射計算(3):Gerchberg-Saxton演算法

phase retrieval逆源問題

如上圖,已知Imaging面的振幅

A_i

,求出Phase Mask面的相位

\phi_p

GS演算法是求解phase retrieval問題最簡單的有效演算法代表。其圖解如下:

衍射計算(3):Gerchberg-Saxton演算法

GS演算法基本流程

隨機選取初始相位

\phi _p

,並將初始振幅設為1。

根據初始資料,基於衍射公式,得到Imaging面的相位和振幅分佈

因為我們已知的資料只有target的振幅,且只關心能否重建出target的振幅,因此只保留Imaging面的相位資訊,並

將振幅設為target的振幅

依據逆衍射公式,得到傳回Phase Mask面的振幅和相位。

將Phase Mask面的振幅設為1,保留相位資訊。

重複2-5,直到滿足誤差限或達到最大迭代次數。

根據Imaging面和phase mask面之間的距離

L

,依據fresnel number

\frac{a^2}{L\lambda}

,選取合適的衍射公式即可(如夫琅禾費、菲涅爾、角譜等)。

下圖是帶重建圖案,用基於菲涅爾衍射的GS演算法對圖案進行重建(未padding):

衍射計算(3):Gerchberg-Saxton演算法

迭代10次,每次迭代後重建的圖案如下:

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

衍射計算(3):Gerchberg-Saxton演算法

phase mask面上相位分佈為:

衍射計算(3):Gerchberg-Saxton演算法