[论文解读] Taking advantage of multiplet structure for lineshape analysis in Fourier space

Adrian Beckert, H. Sigg+1 more|arXiv (Cornell University)|May 11, 2020

Advanced Fiber Laser Technologies参考文献 33被引用 3

一句话总结

本文提出了一种傅里叶空间线型分析（FLA）方法，利用N个重复光谱峰的规则多重峰结构，以增强灵敏度并降低计算成本，从中提取洛伦兹型和高斯型贡献。通过将指数包络拟合到傅里叶变换的振幅谱上，该方法实现了与N成线性增长的灵敏度，并实现了无需多峰拟合的鲁棒、抗噪声的Voigt线型去卷积。

ABSTRACT

Lineshape analysis is a recurrent and often computationally intensive task in optics, even more so for multiple peaks in the presence of noise. We demonstrate an algorithm which takes advantage of peak multiplicity (N) to retrieve line shape information. The method is exemplified via analysis of Lorentzian and Gaussian contributions to individual lineshapes for a practical spectroscopic measurement and benefits from a linear increase in sensitivity with the number N. The robustness of the method and its benefits in terms of noise reduction and order of magnitude improvement in run-time performance are discussed.

研究动机与目标

• 解决在具有规则峰间距的光谱数据中拟合多个Voigt轮廓所带来的计算负担。
• 提高多重峰光谱线型分析中的抗噪能力和灵敏度。
• 实现从傅里叶变换包络中直接、鲁棒地提取洛伦兹型和高斯型贡献。
• 与传统多-Voigt拟合方法相比，降低运行时间复杂度。
• 为迭代去卷积方法提供一种可直观检查、计算高效的替代方案。

提出的方法

• 该方法将N个相同峰、间距为Δx的周期性信号建模为洛伦兹型或Voigt轮廓的总和。
• 对信号应用傅里叶变换，得到一个由sinc-like函数调制的周期性包络的谱。
• 将傅里叶变换的振幅包络拟合为指数衰减函数，以提取洛伦兹型和高斯型贡献。
• 关键洞见在于，包络的衰减速率直接编码了洛伦兹型（寿命）和高斯型（无序）机制的联合线宽展宽。
• 该方法利用多重峰对称性增强信噪比，灵敏度随N线性增加。
• 该方法通过聚焦于包络而非复杂多峰拟合，避免了迭代计算，实现了快速、直接的参数估计。

实验结果

研究问题

• RQ1 是否可以利用周期性光谱峰的多重峰结构，在傅里叶空间中提升线型分析的灵敏度？
• RQ2 多重峰信号的傅里叶包络如何编码洛伦兹型和高斯型展宽分量？
• RQ3 与标准多-Voigt拟合相比，该方法在计算成本上降低了多少？
• RQ4 当规则峰间距假设被违反时，该方法的鲁棒性如何？
• RQ5 该方法能否推广到Voigt轮廓以外的其他线型族？

主要发现

• 该方法的灵敏度随峰数N线性增加，显著提升了对弱展宽组分的检测能力。
• 多重峰信号的傅里叶变换包络表现出指数衰减，该衰减直接编码了洛伦兹型与高斯型线宽展宽的联合效应。
• 与传统多峰拟合方法相比，该方法将计算运行时间降低了数量级。
• 该方法对噪声具有鲁棒性，信噪比因多重峰叠加效应而得到增强。
• 通过观察傅里叶变换振幅谱，结果可直观验证，从而增强了可靠性。
• 该方法无需对单个峰进行迭代去卷积，即可准确参数化洛伦兹型和高斯型贡献。