综述：光谱仪微型化研究进展
2026-10-24 08:54:03 来源：麦姆斯咨询 评论：0 点击：
本文梳理了色散型光谱仪、傅里叶变换型光谱仪、窄带滤光片型光谱仪及计算重构型光谱仪的最新技术进展。分析重点围绕光学架构优化、算法智能化与制造成本控制三方面。
光谱仪是分析物质光谱特征的重要工具，在判定物质的组成、结构与浓度方面发挥着关键作用。传统的台式光谱仪系统依靠长光程和色散元件实现较高的分辨率与较宽的动态范围，但其体积庞大、功耗较高，长期以来限制了其在现场测量和便携式应用中的使用。早期的光谱仪微型化主要着眼于缩小传统的光学元件尺寸，例如采用MEMS器件替代体光栅、开发阵列波导光栅等紧凑型色散元件。尽管这些方案推动了光谱仪微型化，但通常难以兼顾分辨率、带宽和信噪比（SNR）。
据麦姆斯咨询报道，浙江大学医学院附属邵逸夫医院与浙江科技大学的研究团队以“Research and Advances in Miniaturization of Optical Spectrometers”为题在Optics期刊发表了综述文章。该文章梳理了色散型光谱仪、傅里叶变换型光谱仪、窄带滤光片型光谱仪及计算重构型光谱仪的最新技术进展。分析重点围绕光学架构优化、算法智能化与制造成本控制三方面。随着人工智能（AI）、MEMS、薄膜铌酸锂（TFLN）以及超构表面（metasurface）技术推进，微型光谱仪在环境监测、医疗诊断与工业检测等领域的应用前景十分广阔。这一技术进步正推动着微型光谱仪的技术路线不断演进，从基于MEMS的调谐方式逐步转向固态调制方案（例如薄膜铌酸锂/相变材料）以及向算法驱动的光学硬件转变。
主流光谱仪类型简介
根据工作原理，主流光谱仪可以分为四大类型：色散型光谱仪、傅里叶变换型光谱仪（FTS）、窄带滤光片型光谱仪和计算重构型光谱仪（如图1）。各类光谱仪各有优缺点。围绕这四类主流技术开展的微型化研究，正持续推动光谱仪实现尺寸缩小和性能优化。
图1 光谱仪的分类
色散型光谱仪
在各类色散型光谱仪中，Czerny–Turner（C-T）光学系统是一种较为成熟的架构，其像差校正理论经过长期发展和完善。该架构在保持机械结构紧凑的同时，还具有光学性能稳定、杂散光抑制良好等优点。该类型光谱仪分辨率主要取决于光学系统的光程长度以及色散元件的周期性特征。
图2 典型色散光谱仪系统的示意图
傅里叶变换型光谱仪
傅里叶变换型光谱仪是一种基于干涉原理的高性能光谱仪，其核心部件为迈克尔逊干涉仪。与传统的色散型光谱仪相比，它具有光通量高、多路复用检测能力强、光谱分辨率极高等优势；但其性能仍受到动态范围有限、动镜的精密控制要求高以及大规模数据处理效率等因素的制约。根据其结构及工作原理，片上傅里叶变换型光谱仪大致分为两类：（1）基于MEMS可动部件的动态型；（2）不含可动部件的静态型。
图3 傅里叶变换型光谱仪的光路图
窄带滤光片型光谱仪
与采用光栅、棱镜等色散元件的传统光谱仪相比，窄带滤光片型光谱仪无需对入射光进行空间色散处理，因此不依赖长光程或大型光学元件，从而具有结构紧凑、易于集成、响应速度快等优点。其中，法布里-珀罗（F-P）微腔凭借高品质因数（Q-factor）、高分辨率以及易于实现纳米级集成，而成为应用最广泛的滤光片结构之一。
计算重构型光谱仪
典型的计算重构型光谱仪由两个模块构成：光谱编码模块与重构算法模块。根据光谱信息的编码方式，计算重构型光谱仪主要分为光谱空间映射型和光谱响应调制型两种。
图4 典型的计算重构型光谱仪的工作流程
光谱仪微型化的主要趋势
目前，光谱仪微型化主要沿着三个方向发展：优化光学架构、集成智能算法，以及降低制造成本。
光学架构的优化
（1）微机电系统（MEMS）与纳机电系统（NEMS）
传统的光谱仪通常依赖大型光学系统与精密机械结构，因而体积较大、功耗较高。为解决这些问题，研究人员广泛采用MEMS技术。相较于MEMS技术，NEMS在占位面积、响应速度和热稳定性方面更具优势。与固态方案相比，采用可动部件的方案仍可能存在可靠性问题。
（2）集成光路（PIC）——薄膜铌酸锂（TFLN）平台
薄膜铌酸锂是一种集成光子平台，可在铌酸锂薄膜上制备光波导和电光器件。得益于铌酸锂出色的普克尔斯电光效应、较低的光学损耗与较宽的透明波段，薄膜铌酸锂能够实现快速、低功耗的相位调制，因此特别适合用于可调谐片上傅里叶变换型光谱仪。
图5 基于薄膜铌酸锂的傅里叶变换型光谱仪的三维视图
（3）平面光学与超构表面（metasurface）
超构表面由亚波长人工结构单元构成，可精确调控光波的相位、振幅和偏振态。由于其厚度极薄，超构表面无需显著增加光谱仪尺寸与功耗，即可实现复杂的光学功能。总之，超构表面为光谱仪微型化带来革命性潜力，其核心优势在于超薄结构以及多功能集成能力。然而，要实现广泛应用仍面临一些关键挑战：其制造过程高度依赖高精度光刻技术，而且在较大入射角度或较宽工作带宽下，器件效率可能下降。
算法智能化
利用深度学习算法处理和重构光谱数据，即便在数据量有限、光谱信号弱或光源不稳定时，光谱仪仍有望恢复高质量的光谱信息。尽管深度学习为微型光谱仪带来巨大潜力，但其广泛应用仍面临诸多关键挑战：（1）深度学习模型性能高度依赖训练数据的质量和覆盖范围；（2）深度学习模型固有的“黑箱”特性，会削弱其在要求严格物理可解释性应用场景中的可靠性；（3）未来可探索迁移学习、物理信息神经网络等方法，以提升模型的稳定性与可解释性。
降低制造成本
降低制造成本是当前微型光谱仪研究的重要方向。值得注意的是，两项代表性研究成果体现了低成本光谱仪的两种技术路径：（1）通过计算光谱重构来降低对光学硬件精度的要求；（2）通过材料创新与免光刻制造工艺来降低成本，并且不无需额外依赖算法。
总结
光谱仪微型化已成为推动光谱分析技术向便携化、智能化和高效化发展的重要方向。当前研究主要集中于三个方面：（1）光学架构进一步集成，器件结构持续微型化；（2）智能算法与光谱仪深度融合，尤其是利用深度学习进行光谱重构、数据去噪与特征识别，从而有效提升低信噪比与非理想环境下的重建精度和稳定性；（3）研究重点正逐步转向制造成本优化与材料创新。光学集成、智能重构和可扩展制造的综合优势，对于机载和星载光谱系统尤为重要。现代微型光谱仪正朝更低功耗、更小尺寸、更高性能和更低成本的方向发展。
论文链接：https://doi.org/10.3390/opt7050063
延伸阅读：
相关热词搜索：光谱仪
上一篇：面向可扩展、可重构和多功能纳米光子学的聚合物基超构表面
下一篇：最后一页