摘要：针对饱和吸收光谱激光稳频技术中多吸收峰难以自动识别、误差信号灵敏度低的问题,提出了一种基于卷积神经网络(CNN)智能识别铷原子吸收峰的激光频率锁定方法。首先设计了大、小卷积核相结合的5个卷积-Re LU-最大池化模块+两层全连接层的一维卷积神经网络;然后对激光器进行线性扫频,获得了包含24个饱和吸收峰的铷原子的饱和吸收光谱信号S_(sa)(t),提取每个吸收峰的位置序号,将其与饱和吸收光谱信号作为卷积神经网络训练的标签和数据,利用训练后的卷积神经网络实现吸收峰的智能识别;最后采用正交解调技术精确提取饱和吸收光谱信号的相位,使本振信号相位与其自动匹配,提高误差信号的灵敏度。设计了基于上位机卷积神经网络智能寻峰+现场可编程门阵列(FPGA)实时信号处理的激光频率锁定系统,锁定后的激光频率与光频梳拍频结果表明:在7500 s内,激光频率波动标准差为7.94 k Hz;平均时间为64 s时,相对Allan方差为3.50×10^(-12)。所提出的方法可被广泛应用于饱和吸收光谱激光稳频领域。