光神經網絡（ONN）憑借光速運算與低功耗特性，成為下一代人工智能計算的核心方向。其核心原理是通過光學器件完成密集矩陣乘法運算，實現圖像識別等復雜任務。在這一過程中，圖形信號的精準仿真與高速傳輸是決定系統性能的關鍵環節。普源 DG70000 系列任意波形發生器（AWG）憑借高采樣率、高分辨率特性，成功解決了光神經網絡測試中的信號調制難題，顯著提升了圖像傳輸效率與識別精度。

一、光神經網絡的信號傳輸機制

光神經網絡的圖像識別流程可概括為 “電 - 光 - 電” 的信號轉換鏈：

圖形信號數字化：將圖像像素（如 7×7 像素塊）轉化為一維灰度值數組，每個灰度值對應特定 bit 數據；

電信號調制：通過調制源將 bit 數據轉換為電壓信號，驅動脈沖激光器輸出光信號；

光學運算：光信號經單模光纖傳輸至光學器件，以光速完成卷積、矩陣乘法等運算；

信號還原：最終光信號通過光電探測器轉回電信號，由高速示波器捕獲并分析，完成圖像識別判斷。

其中，調制源的性能直接影響激光器輸出的消光比與信號分辨率，進而決定圖像識別的誤碼率。

二、測試挑戰：傳統調制源的性能瓶頸

實驗初期，研究團隊采用可編程線性電源作為調制源，但其固有缺陷嚴重制約了系統性能：

速率低下：線性電源的信號帶寬僅能支持秒級時間尺度的傳輸，一張高清圖像需耗費極長時間傳輸，甚至無法實現動態圖像的實時處理；

分辨率受限：線性電源的波表長度有限，海量圖像數據需構建超大規模波表，導致數據管理復雜度激增；

信號質量不足：雖然線性電源輸出幅度可達伏級（利于提升激光器消光比），但低帶寬導致灰度等級有限，僅能傳輸簡單圖像，無法滿足高精度識別需求。

三、解決方案：DG70000 系列 AWG 的技術突破

為突破上述瓶頸，研究團隊引入普源 DG70000 系列 AWG（以 DG70004 為例）作為調制源，其核心性能參數完美適配光神經網絡的測試需求：

高采樣率與帶寬：12Gsa/s 采樣率、2GHz 模擬帶寬，支持百納秒級信號傳輸，較線性電源提升約 10?倍；

高分辨率：16bit 垂直分辨率，可精準還原圖像灰度等級，配合放大器后能滿足激光器對輸入電壓的精度要求；

超大波表容量：1.5Gpts 單波表長度，可一次性加載海量圖像數據，避免頻繁波表切換導致的效率損失。

四、實際應用與測試效果

信號調制流程

將圖像像素的灰度值編碼為 16bit 數據，通過編程或文件導入方式加載至 DG70000 的波表；

設定采樣率（100-5GHz 可調），AWG 輸出對應電壓信號，同步預留觸發電平與參考電平；

電壓信號經放大器放大后驅動脈沖激光器，完成電 - 光信號轉換。

關鍵性能提升

傳輸效率：單幅圖像傳輸時間從秒級壓縮至百納秒級，實現高清圖像的高速傳輸；

識別精度：16bit 分辨率配合高消光比激光器，使圖像灰度等級顯著提升，誤碼率降低 90% 以上；

靈活性：支持動態調整采樣率與波形參數，適配不同光學器件的運算速度與帶寬需求。

系統協同效果

經 DG70000 調制的光信號，通過光學器件運算后，由普源 DS70000 系列示波器捕獲還原。測試結果顯示，圖像邊緣清晰度提升 30%，灰度過渡平滑度提高 50%，充分驗證了 AWG 在光神經網絡中的核心作用。

五、方案優勢總結

高速率與高分辨率協同：2GHz 帶寬與 16bit 分辨率的組合，既保證信號傳輸效率，又精準還原圖像細節；

便捷的數據管理：支持 txt 波表文件直接導入與編程控制，簡化海量圖像數據的加載流程；

靈活適配性：可調采樣率與超大波表容量，滿足從簡單灰度圖像到高清彩色圖像的多樣化測試需求。

六、小結

普源 DG70000 系列 AWG 通過解決光神經網絡中的信號調制瓶頸，為高速、高精度圖像識別提供了可靠的測試支撐。其在速率、分辨率與靈活性上的綜合優勢，不僅適配當前光神經網絡的研發需求，更為未來更大規模的光學計算系統提供了可擴展的測試方案，推動光神經網絡從實驗室走向實際應用。