特開 2024-56380 分析方法、及び分析システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024056380

(43)【公開日】2024-04-23

(54)【発明の名称】分析方法、及び分析システム

(51)【国際特許分類】

   G01B 11/24 20060101AFI20240416BHJP

   G02B 5/02 20060101ALI20240416BHJP

【ＦＩ】

G01B11/24 K

G02B5/02 D

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2022163205

(22)【出願日】2022-10-11

【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 令和３年１１月９日に、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｐｈｙｓｉｃｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ｌａｓｅｒ Ｄｙｎａｍｉｃｓ ２０２１予稿集のウェブサイト （ｈｔｔｐｓ：／／ｓｕｉｔｃ－ｍｙ．ｓｈａｒｅｐｏｉｎｔ．ｃｏｍ／：ｆ：／ｇ／ｐｅｒｓｏｎａｌ／ｋｋａｎｎｏ＿ｍａｉｌ＿ｓａｉｔａｍａ－ｕ＿ａｃ＿ｊｐ／ＥｓＦ８ＨＦＡ２ＤｎＲＬｊｅＸＷｅＯＭｍｋＧ０ＢＰＪｇ３Ｘｐ８ｔｊｈＲｍＦＷＩＵ９ａＣｄ７Ｑ？ｅ＝Ｃｓｑ２ｒｊ）にて予稿論文が掲載 令和３年１１月１７日に、Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｙｍｐｏｓｉｕｍ ｏｎ Ｐｈｙｓｉｃｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ｌａｓｅｒ Ｄｙｎａｍｉｃｓ ２０２１のウェブサイト （ｈｔｔｐｓ：／／ｗｅｂ．ａｒｃｈｉｖｅ．ｏｒｇ／ｗｅｂ／２０２２０４１８００１１４４／ｈｔｔｐｓ：／／ｉｓｐａｌｄ．ｗｅｂ２．ｎｃｋｕ．ｅｄｕ．ｔｗ／）にて講演発表が配信 令和４年１月１４日に、電子情報通信学会非線形問題（ＮＬＰ）研究会予稿集のウェブサイト （ｈｔｔｐｓ：／／ｋｅｎ．ｉｅｉｃｅ．ｏｒｇ／ｋｅｎ／ｐａｐｅｒ／２０２２０１２１ＬＣｈＪ／）にて予稿論文が掲載 令和４年１月２１日に、２０２２年１月電子情報通信学会非線形問題（ＮＬＰ）研究会にて講演発表が配信 令和４年１月２６日に、２０２２年第６９回応用物理学会春季学術講演会の講演概要のウェブサイト （ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｐ２０２２ｓ／ｓｕｂｊｅｃｔ／２２ｐ－Ｅ１０２－８／ｔａｂｌｅｓ？ｃｒｙｐｔｏＩｄ＝）にて講演概要が掲載 令和４年２月２５日に、２０２２年第６９回応用物理学会春季学術講演会予稿集のウェブサイト （ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｐ２０２２ｓ／ｓｕｂｊｅｃｔ／２２ｐ－Ｅ１０２－８／ａｄｖａｎｃｅｄ）にて予稿論文が掲載 令和４年３月２２日に、２０２２年第６９回応用物理学会春季学術講演会にて発表 令和４年６月８日に、Ｏｐｔｉｃｓ Ｅｘｐｒｅｓｓのウェブサイト （ｈｔｔｐｓ：／／ｏｐｇ．ｏｐｔｉｃａ．ｏｒｇ／ｏｅ／ｆｕｌｌｔｅｘｔ．ｃｆｍ？ｕｒｉ＝ｏｅ－３０－１３－２２９１１＆ｉｄ＝４７６８０１）にて論文が掲載

【新規性喪失の例外の表示】特許法第３０条第２項適用申請有り 令和４年６月１１日に、ａｒＸｉｖのウェブサイト （ｈｔｔｐｓ：／／ａｒｘｉｖ．ｏｒｇ／ａｂｓ／２２０６．０５４３３ｖ１）にて論文が掲載 令和４年７月６日に、２０２２年第８３回応用物理学会秋季学術講演会の講演概要のウェブサイト （ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｐ２０２２ａ／ｓｕｂｊｅｃｔ／２２ａ－Ｂ１０１－８／ｃｌａｓｓｌｉｓｔ）にて講演概要が掲載 令和４年８月２６日に、２０２２年第８３回応用物理学会秋季学術講演会予稿集のウェブサイト （ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｐ２０２２ａ／ｐａｒｔｉｃｉｐａｎｔ＿ｌｏｇｉｎ？ｅｖｅｎｔＣｏｄｅ＝ｊｓａｐ２０２２ａ）にて予稿論文が掲載 令和４年９月２２日に、２０２２年第８３回応用物理学会秋季学術講演会にて発表 令和４年７月６日に、２０２２年第８３回応用物理学会秋季学術講演会の講演概要のウェブサイト （ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｐ２０２２ａ／ｓｕｂｊｅｃｔ／２３ａ－Ｍ２０６－１／ｃｌａｓｓｌｉｓｔ）にて講演概要が掲載 令和４年８月２６日に、２０２２年第８３回応用物理学会秋季学術講演会予稿集のウェブサイト （ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｐ２０２２ａ／ｐａｒｔｉｃｉｐａｎｔ＿ｌｏｇｉｎ？ｅｖｅｎｔＣｏｄｅ＝ｊｓａｐ２０２２ａ）にて予稿論文が掲載 令和４年９月２３日に、２０２２年第８３回応用物理学会秋季学術講演会にて発表

【国等の委託研究の成果に係る記載事項】（出願人による申告）令和元年度、国立研究開発法人科学技術振興機構、戦略的創造研究推進事業「光波動コンピューティングの展開」委託研究、産業技術力強化法第１７条の適用を受ける特許出願

(71)【出願人】

【識別番号】504160781

【氏名又は名称】国立大学法人金沢大学

(74)【代理人】

【識別番号】100109210

【弁理士】

【氏名又は名称】新居 広守

(72)【発明者】

【氏名】砂田 哲

(72)【発明者】

【氏名】新山 友暁

(72)【発明者】

【氏名】花輪 仁成

【テーマコード（参考）】

2F065

2H042

【Ｆターム（参考）】

2F065DD06

2F065FF56

2F065GG23

2F065JJ05

2F065JJ11

2F065JJ26

2F065LL02

2F065LL04

2F065LL18

2H042BA01

2H042BA16

(57)【要約】

【課題】対象物の分析の高速化を図ること。
【解決手段】分析方法では、光源１１が発する光を位相変調し、変調した光を散乱体１７に通過させることでスペックルパターンＳＰ１に変換し、スペックルパターンＳＰ１を対象物Ｔ１に出力する。また、分析方法では、対象物Ｔ１からの反射光を処理することで反射光に基づく時間領域信号を取得し、取得した時間領域信号に基づいて、対象物Ｔ１を分析する。
【選択図】図１

【特許請求の範囲】

【請求項1】

光源が発する光を位相変調し、
変調した前記光を散乱体に通過させることでスペックルパターンに変換し、前記スペックルパターンを対象物に出力し、
前記対象物からの反射光を処理することで前記反射光に基づく時間領域信号を取得し、
取得した前記時間領域信号に基づいて、前記対象物を分析する、
分析方法。

【請求項2】

前記対象物からの前記反射光をレンズで集光し、集光した前記反射光を単一画素の光検出器で検出することにより、前記時間領域信号を取得する、
請求項１に記載の分析方法。

【請求項3】

前記光源は、互いに異なる波長の光を発する複数の光源であって、
前記光検出器は、複数であって、
前記複数の光源がそれぞれ発する複数の光を合波器により合波した光を位相変調し、
集光した前記反射光を分波器により互いに異なる波長の複数の反射光に分波し、
前記複数の反射光をそれぞれ前記複数の光検出器で検出することにより、複数の時間領域信号を取得し、
取得した前記複数の時間領域信号に基づいて、前記対象物を分析する、
請求項２に記載の分析方法。

【請求項4】

光位相変調器を用いて、前記光源が発する光に、擬似乱数に基づいて生成される電気信号を印加することで、前記光を位相変調する、
請求項１～３のいずれか１項に記載の分析方法。

【請求項5】

前記時間領域信号を入力として、前記対象物の分析結果が出力されるように機械学習された学習済みモデルを用いることで、前記対象物を分析する、
請求項１～３のいずれか１項に記載の分析方法。

【請求項6】

前記散乱体は、マルチモード光ファイバである、
請求項１～３のいずれか１項に記載の分析方法。

【請求項7】

光源と、
前記光源が発する光を位相変調する位相変調部と、
変調した前記光が通過することで、前記光をスペックルパターンに変換し、前記スペックルパターンを対象物に出力する散乱体と、
前記対象物からの反射光を処理することで前記反射光に基づく時間領域信号を取得する取得部と、
前記取得部が取得した前記時間領域信号に基づいて、前記対象物を分析する分析部と、を備える、
分析システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、分析方法、及び分析システムに関し、特にランダムなマスクパターンを用いて対象物を分析する技術に関する。

【背景技術】

【0002】

特許文献１には、シングルピクセルイメージング技術を用いた画像取得装置が開示されている。この画像取得装置は、光を所定の空間パターンで変調する空間光変調器を有している。特許文献１には、空間光変調器として、例えば複数のマイクロミラーを備えたディジタルミラーデバイス、又は液晶パネルを用いることが開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２０－１８８４１４号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

本発明は、対象物の分析の高速化を図ることのできる分析方法、及び分析システムを提供することを目的とする。

【課題を解決するための手段】

【0005】

本発明の一態様に係る分析方法は、光源が発する光を位相変調し、変調した前記光を散乱体に通過させることでスペックルパターンに変換し、前記スペックルパターンを対象物に出力し、前記対象物からの反射光を処理することで前記反射光に基づく時間領域信号を取得し、取得した前記時間領域信号に基づいて、前記対象物を分析する。

【0006】

本発明の一態様に係る分析システムは、光源と、位相変調部と、散乱体と、取得部と、分析部と、を備える。前記位相変調部は、前記光源が発する光を位相変調する。前記散乱体は、変調した前記光が通過することで、前記光をスペックルパターンに変換し、前記スペックルパターンを対象物に出力する。前記取得部は、前記対象物からの反射光を処理することで前記反射光に基づく時間領域信号を取得する。前記分析部は、前記取得部が取得した前記時間領域信号に基づいて、前記対象物を分析する。

【発明の効果】

【0007】

本発明の分析方法等によれば、対象物の分析の高速化を図ることができる、という利点がある。

【図面の簡単な説明】

【0008】

【図1】図１は、実施の形態に係る分析システムの構成を示す概要図である。

【図2】図２は、スペックルパターンの測定結果の説明図である。

【図3】図３は、実施の形態に係る分析部の説明図である。

【図4】図４は、実施の形態に係る分析システムで得られた時間領域信号と対象物との相関を示す図である。

【図5】図５は、対象物の切り替え時における実施の形態に係る分析システムの挙動の説明図である。

【図6】図６は、実施の形態に係る分析システムの動作例を示すフローチャートである。

【図7】図７は、実施の形態に係る分析システムによる対象物の分析結果の一例を示す図である。

【図8】図８は、実施の形態の変形例に係る分析システムの構成を示す概要図である。

【図9】図９は、実施の形態の変形例に係る分析システムの性能の説明図である。

【発明を実施するための形態】

【0009】

［１．本発明の基礎となった知見］
まず、発明者の着眼点が、下記に説明される。

【0010】

一般的に、画像認識技術においては、数百万個にも及ぶ光検出画素を有するイメージセンサで対象物を撮像することで対象物の画像情報を取得し、取得した画像情報に基づいて対象物の認識等が行われる。このため、画像認識のレートは、原理的にイメージセンサのフレームレートに律速されてしまう。

【0011】

そこで、近年では、例えばゴーストイメージング等の単一画素を利用したシングルピクセルイメージング技術を用いることが研究されている。シングルピクセルイメージング技術においては、ランダムマスキング技術を用いて、対象物の空間情報を分散的に時系列データに変換し、この時系列データに基づいて対象物の再構成又は認識等の対象物の分析を行う。この対象物の空間情報の時系列データへの変換では、通常、空間光変調器（Spatial Light Modulator）又はディジタルミラーデバイス（Digital Mirror Device）が用いられてきた。しかしながら、これらの機器を用いた場合、ランダムなマスクパターンを生成するレート、つまりは対象物の分析のレートが高々１０^２～１０^４Ｈｚに制限されてしまう、という問題がある。

【0012】

以上を鑑み、発明者は本発明を創作するに至った。

【0013】

以下、実施の形態について、図面を参照しながら具体的に説明する。なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。

【0014】

また、以下の実施の形態における構成要素のうち、本開示の一形態に係る実現形態を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。本開示の実現形態は、現行の独立請求項に限定されるものではなく、他の独立請求項によっても表現され得る。

【0015】

［２．構成］
以下、実施の形態に係る分析システム１００（分析方法）について、図面を用いて説明する。実施の形態に係る分析システム１００（分析方法）は、図１に示すように、対象物Ｔ１にランダムなスペックル（speckle）パターンを照射することで、対象物Ｔ１の空間情報を分散的に時系列データに変換し、この時系列データに基づいて対象物の分析を行うシステム（方法）である。図１は、実施の形態に係る分析システム１００の構成を示す概要図である。実施の形態では、対象物Ｔ１は、ディジタルマイクロミラーデバイスに表示される、２８×２８ピクセルの手書きの数字画像である。

【0016】

ここで、スペックルは、例えばレーザ光等のコヒーレント光を粗面（散乱体）に照射した際に観察される、ランダムな明暗の斑点模様である。実施の形態では、ランダムなスペックルパターンＳＰ１を生成し、生成したスペックルパターンＳＰ１をシングルピクセルイメージング技術におけるマスクパターンとして利用する。

【0017】

図１に示すように、分析システム１００は、光源１１と、光アイソレータ１２と、光位相変調器１３と、任意波形発生器（Arbitrary Waveform Generator）１４と、増幅器１５と、コネクタ１６と、散乱体１７と、を備えている。また、分析システム１００は、３つのレンズ（第１レンズＬ１、第２レンズＬ２、及び第３レンズＬ３）と、光検出器１８と、増幅器１９と、オシロスコープ２０と、分析部２１と、を備えている。

【0018】

光源１１は、例えばレーザ光等のコヒーレント光を出力する。実施の形態では、光源１１は、狭線幅波長可変レーザである。光源１１が出力する光は、光アイソレータ１２を介して位相変調器１３に入力される。

【0019】

光位相変調器１３は、光源１１から出力される光（ここでは、レーザ光）を位相変調する。実施の形態では、光位相変調器１３は、ニオブ酸リチウム位相変調器である。光位相変調器１３は、任意波形発生器１４で発生し、増幅器１５により増幅された擬似的にランダムな電気信号Ｓｉｇ１により、入力光を位相変調する。光位相変調器１３が出力する光は、ＦＣ／ＰＣコネクタから構成されるコネクタ１６を介して散乱体１７に入力される。

【0020】

このように、実施の形態では、光位相変調器１３、任意波形発生器１４、及び増幅器１５により、光源１１が発する光を位相変調する位相変調部１を構成している。具体的には、実施の形態では、位相変調部１は、光位相変調器１３を用いて、光源１１が発する光に、擬似乱数に基づいて（任意波形発生器１４で）生成される電気信号Ｓｉｇ１を印加することで、当該光を位相変調している。

【0021】

散乱体１７は、変調した光が通過することで、光をスペックルパターンＳＰ１に変換し、スペックルパターンＳＰ１を対象物Ｔ１に出力する。実施の形態では、散乱体１７は、ステップ・インデックス型のマルチモード光ファイバにより構成されている。

【0022】

ここで、マルチモード光ファイバには、一般的に互いに位相速度が異なる複数のガイドモードが存在する。そして、マルチモード光ファイバに単色のコヒーレント光を入射すると、複数のガイドモード間の干渉により、マルチモード光ファイバの出力側の端面において光の強度分布が擬似的にランダムなスペックルパターンＳＰ１を生成することが可能である。そして、各ガイドモードの位相速度は、マルチモード光ファイバに入力される光の周波数（波長）に依存するため、マルチモード光ファイバが生成するスペックルパターンＳＰ１は、入力される光の周波数（波長）に高い感度を有する。また、当該感度は、マルチモード光ファイバの長さが長くなる程、高くなる。

【0023】

したがって、実施の形態では、位相変調部１により、散乱体１７（マルチモード光ファイバ）に入力される光の位相を擬似的にランダムに変調することで、当該光の周波数（波長）を擬似的にランダムに、かつ、高速に変化させることができるので、散乱体１７にて擬似的にランダムなスペックルパターンＳＰ１を比較的高速で生成することが可能である。実施の形態では、散乱体１７として長さが１００ｍのマルチモード光ファイバを用い、かつ、位相変調部１により散乱体１７に入力する光をＧＨｚレートで位相変調している。これにより、実施の形態では、およそ１２．５ギガサンプル／秒（ＧＳ／Ｓ）のレートで擬似的にランダムなスペックルパターンＳＰ１を生成している。

【0024】

以下、実施の形態における分析システム１００によるスペックルパターンＳＰ１の生成能力の評価について、図２を用いて説明する。図２は、スペックルパターンＳＰ１の測定結果の説明図である。図２の（ａ）は、マルチモード光ファイバに入力される光の波長が１５５０ｎｍである場合、つまり位相変調していない光をマルチモード光ファイバに入力した場合に、マルチモード光ファイバの出力側の端面で測定されるスペックルパターンＳＰ１の一例である。ここでは、マルチモード光ファイバの出力側の端面を、およそ倍率が２０倍の近赤外顕微鏡対物レンズを装着したＩｎＧａＡｓ（インジウムガリウムヒ素）イメージセンサを用いた近赤外線カメラで撮像した。カメラの露光時間は、１０ｍｓに設定した。

【0025】

図２の（ｂ）は、位相変調部１により位相変調された光をマルチモード光ファイバに入力した場合に、マルチモード光ファイバの出力側の端面で測定されるスペックルパターンＳＰ１の一例である。具体的には、図２の（ｂ）は、上記の近赤外線カメラの露光時間中に撮像された多数のスペックルパターンＳＰ１を時間平均したパターンの一例を示している。

【0026】

ここで、比較的フレームレートが低いカメラでは、動的なスペックルパターンＳＰ１を直接撮影することができないことを考慮して、スペックルコントラストＣを用いて生成されたスペックルパターンＳＰ１を評価した。スペックルコントラストＣは、測定された強度パターンの平均値を、測定された強度パターンの標準偏差で除した値で表される。例えば、スペックルコントラストＣが「１」である場合、測定されたスペックルパターンＳＰ１に単一のスペックルパターンＳＰ１のみが含まれていることを示す。一方、測定されたスペックルパターンＳＰ１に複数のスペックルパターンＳＰ１が含まれる場合、カメラの露光時間中に撮像された複数のスペックルパターンＳＰ１が時間平均されることにより、スペックルコントラストＣが減少する。

【0027】

図２の（ｃ）は、マルチモード光ファイバの長さの関数としてスペックルコントラストＣを示したグラフである。図２の（ｃ）において、縦軸はスペックルコントラストＣ、横軸はマルチモード光ファイバの長さを表している。また、図２の（ｃ）において、実線は、光位相変調に用いた擬似的にランダムな電気信号Ｓｉｇ１の帯域幅を変化させるためのローパスフィルタを適用しなかった場合の結果を示している。また、図２の（ｃ）において、破線は、カットオフ周波数が１０ＧＨｚである上記ローパスフィルタを適用した場合の結果を示し、点線は、カットオフ周波数が１ＧＨｚである上記ローパスフィルタを適用した場合の結果を示し、一点鎖線は、カットオフ周波数が０．５ＧＨｚである上記ローパスフィルタを適用した場合の結果を示している。

【0028】

図２の（ｃ）に示すように、マルチモード光ファイバの長さが長くなるにつれて、スペックルコントラストＣが減少している。つまり、マルチモード光ファイバの長さが長くなるにつれて、単位時間（ここでは、カメラの露光時間）において生成されるスペックルパターンＳＰ１の数が多くなっている。したがって、図２の（ｃ）に示す結果は、単位時間においてマルチモード光ファイバが生成するスペックルパターンＳＰ１の数は、マルチモード光ファイバの長さに依存することを示唆している。

【0029】

また、図２の（ｃ）に示すように、上記のローパスフィルタのカットオフ周波数が高くなるにつれて、スペックルコントラストＣが減少している。つまり、光位相変調における変調帯域幅が広くなるにつれて、単位時間（ここでは、カメラの露光時間）において生成されるスペックルパターンＳＰ１の数が多くなっている。したがって、図２の（ｃ）に示す結果は、単位時間においてマルチモード光ファイバが生成するスペックルパターンＳＰ１の数は、光位相変調における変調速度に依存することを示唆している。

【0030】

図１に戻り、第１レンズＬ１、第２レンズＬ２、及び第３レンズＬ３は、いずれも凸レンズにより構成されている。第１レンズＬ１は、散乱体１７と対象物Ｔ１との間に配置されている。また、散乱体１７の端面は、およそ第１レンズＬ１の焦点の位置に配置されている。したがって、散乱体１７の端面から出力される光は、第１レンズＬ１を通過することで、光軸に平行な光として対象物Ｔ１に照射される。第２レンズＬ２は、対象物Ｔ１と第３レンズＬ３との間に配置されている。第３レンズＬ３は、第２レンズＬ２と光検出器１８との間に配置されている。また、光検出器１８は、およそ第３レンズＬ３の焦点の位置に配置されている。したがって、対象物Ｔ１で反射して第２レンズＬ２を通過する光は、第３レンズＬ３を通過することで、光検出器１８に集光する。

【0031】

光検出器１８は、単一画素の光検出器であって、高速なフォトダイオードモジュールにより構成されている。光検出器１８は、対象物Ｔ１から第２レンズＬ２及び第３レンズＬ３を介して出力される反射光を電気信号に変換して出力する。光検出器１８が出力する電気信号は、増幅器１９により増幅され、オシロスコープ２０に入力される。オシロスコープ２０は、ディジタルオシロスコープであって、増幅器１９から出力される電気信号をサンプリングして記録する。

【0032】

ここで、増幅器１９により増幅された電気信号は、対象物Ｔ１からの反射光の光強度と相関を有する時系列データを含む。以下、この電気信号を時間領域信号Ｓｉｇ２（図３参照）と言う。ここで、反射光の光強度は、対象物Ｔ１に照射されるスペックルパターンＳＰ１により変化する。したがって、時間領域信号Ｓｉｇ２は、多数のスペックルパターンＳＰ１により変化した反射光の光強度と相関を有する時系列データを含むことになり、対象物Ｔ１の特徴情報を圧縮符号化した情報が含まれている。

【0033】

このように、実施の形態では、第２レンズＬ２、第３レンズＬ３、光検出器１８、増幅器１９、及びオシロスコープ２０により、対象物Ｔ１からの反射光を処理することで反射光に基づく時間領域信号Ｓｉｇ２を取得する取得部２を構成している。具体的には、実施の形態では、取得部２は、対象物Ｔ１からの反射光をレンズ（第２レンズＬ２及び第３レンズＬ３）で集光し、集光した反射光を単一画素の光検出器１８で検出することにより、時間領域信号Ｓｉｇ２を取得している。

【0034】

分析部２１は、情報処理装置であって、プロセッサ及びメモリを有している。プロセッサが、メモリに格納されたプログラムを実行することにより、情報処理装置が分析部２１として機能する。実施の形態では、情報処理装置は、例えばデスクトップ型又はラップトップ型のパーソナルコンピュータである。また、情報処理装置は、パーソナルコンピュータの他に、例えばスマートフォン又はタブレット端末等の汎用的な情報処理装置であってもよい。

【0035】

分析部２１は、取得部２が取得した時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析する。ここで、対象物Ｔ１を分析するとは、例えば対象物Ｔ１が画像である場合、対象物Ｔ１の再構成すること、又は認識することを含み得る。また、対象物Ｔ１を分析するとは、例えば対象物Ｔ１を分類することを含み得る。実施の形態では、分析部２１は、対象物Ｔ１である手書きの数字画像が示す数字を認識することをもって、対象物Ｔ１を分析する。

【0036】

実施の形態では、分析部２１は、図３に示すように、時間領域信号Ｓｉｇ２を入力として、対象物Ｔ１の分析結果が出力されるように機械学習された学習済みモデル（ニューラルネットワークＮＷ１）を用いることで、対象物Ｔ１を分析する。図３は、実施の形態に係る分析部２１の説明図である。

【0037】

ここで、図４に示すように、時間領域信号Ｓｉｇ２は、対象物Ｔ１である手書きの数字画像に強く依存している。図４は、実施の形態に係る分析システム１００で得られた時間領域信号Ｓｉｇ２と対象物Ｔ１（ここでは、手書きの数字画像）との相関を示す図である。図４において、縦軸は対象物Ｔ１からの反射光の光強度を示す任意単位、横軸は時間を表している。また、図４の（ａ）～（ｈ）の左上に示す画像は、いずれも画像データセットであるＭＮＩＳＴ（Modified National Institute of Standards and Technology）に含まれる手書きの数字画像である。図４の（ａ）及び（ｂ）は、それぞれ「０」を表す手書きの数字画像を対象物Ｔ１とした場合の時間領域信号Ｓｉｇ２を示す。図４の（ｃ）及び（ｄ）は、それぞれ「１」を表す手書きの数字画像を対象物Ｔ１とした場合の時間領域信号Ｓｉｇ２を示す。図４の（ｅ）及び（ｆ）は、それぞれ「２」を表す手書きの数字画像を対象物Ｔ１とした場合の時間領域信号Ｓｉｇ２を示す。図４の（ｇ）及び（ｈ）は、それぞれ「３」を表す手書きの数字画像を対象物Ｔ１とした場合の時間領域信号Ｓｉｇ２を示す。

【0038】

図４に示すように、対象物Ｔ１からの反射光に基づいて生成される時間領域信号Ｓｉｇ２の波形は、対象物Ｔ１ごとに異なる波形となっており、対象物Ｔ１と強く依存している。つまり、時間領域信号Ｓｉｇ２には、対象物Ｔ１の特徴情報が含まれている。したがって、分析部２１は、時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析することが可能である。

【0039】

図３に戻り、実施の形態では、分析部２１で採用されるニューラルネットワークＮＷ１は、中間層として１００ノードから構成される単一の全結合層を有しており、かつ、活性化関数がＲｅＬＵ（Rectified Linear Unit）関数である。ニューラルネットワークＮＷ１の入力層の各ノードには、サンプリング時間（例えば、０．０２ｎｓ）ごとの時間領域信号Ｓｉｇ２の信号値が入力される。また、ニューラルネットワークＮＷ１の出力層の複数（ここでは、４つ）のノードは、それぞれ対象物Ｔ１である手書きの数字画像が示す数字（「０」、「１」、「２」、及び「３」）に対応している。

【0040】

実施の形態では、ニューラルネットワークＮＷ１は、教師あり学習により機械学習されている。具体的には、画像データセットであるＭＮＩＳＴから「０」～「３」の手書きの数字画像を計１００００枚選択し、これらの手書きの数字画像を用いてニューラルネットワークＮＷ１の教師あり学習を行った。選択した計１００００枚の手書きの数字画像のうち、９０００枚が学習用画像であり、１０００枚がテスト用画像である。学習過程においては、損失関数として交差エントロピーを採用し、最適化アルゴリズムとしてＡＤＡＭ（Adaptive Moment Estimation）を採用した。

【0041】

分析部２１は、上述のように機械学習された学習済みモデル（ニューラルネットワークＮＷ１）を用いて、対象物Ｔ１を分析する。具体的には、分析部２１では、取得した時間領域信号Ｓｉｇ２のサンプリング時間ごとの信号値が、ニューラルネットワークＮＷ１の入力層の各ノードに入力される。これにより、入力した時間領域信号Ｓｉｇ２に対応する対象物Ｔ１の認識結果（ここでは、「０」～「３」のうちのいずれかの数字）がニューラルネットワークＮＷ１から出力される。

【0042】

ところで、実施の形態に係る分析システム１００は、静止している対象物Ｔ１の分析だけではなく、動的に変化する対象物Ｔ１の分析も可能である。以下、この点について図５を用いて説明する。図５は、対象物Ｔ１の切り替え時における実施の形態に係る分析システム１００の挙動の説明図である。ここでは、ディジタルマイクロミラーデバイスに表示される手書きの数字画像を「５」の数字画像から「０」の数字画像へと切り替えた際の挙動について説明する。

【0043】

図５の（ａ）は、「５」の数字画像から「０」の数字画像へと切り替える際に取得される時間領域信号Ｓｉｇ２の波形を示している。図５の（ａ）に示すように、「５」の数字画像から「０」の数字画像への切り替え、つまり対象物Ｔ１の切り替えは、マイクロ秒オーダーで行われている。

【0044】

図５の（ｂ）は、図５の（ａ）に示す時間領域信号Ｓｉｇ２のうち、対象物Ｔ１が「５」の数字画像である時の時間領域信号Ｓｉｇ２の波形を切り出した拡大図である。言い換えれば、図５の（ｂ）は、対象物Ｔ１の切り替え前における時間領域信号Ｓｉｇ２の波形を示す。図５の（ｃ）は、図５の（ａ）に示す時間領域信号Ｓｉｇ２のうち、対象物Ｔ１が「０」の数字画像である時の時間領域信号Ｓｉｇ２の波形を切り出した拡大図である。言い換えれば、図５の（ｃ）は、対象物Ｔ１の切り替え後における時間領域信号Ｓｉｇ２の波形を示す。図５の（ａ）～（ｃ）の各々において、縦軸は対象物Ｔ１からの反射光の光強度を示す任意単位、横軸は時間を表している。

【0045】

図５の（ｄ）は、図５の（ａ）に示す時間領域信号Ｓｉｇ２と、比較対象の時間領域信号Ｓｉｇ２との相関値の経時的変化を示す。比較対象の時間領域信号Ｓｉｇ２は、対象物Ｔ１が「０」の数字画像である時の時間領域信号Ｓｉｇ２と、対象物Ｔ１が「５」の数字画像である時の時間領域信号Ｓｉｇ２と、を含む。図５の（ｄ）において、実線は、対象物Ｔ１が「５」の数字画像である時の時間領域信号Ｓｉｇ２と、図５の（ａ）に示す時間領域信号Ｓｉｇ２との相関値（以下、「５」についての相関値と言う。）を示す。また、図５の（ｄ）において、点線は、対象物Ｔ１が「０」の数字画像である時の時間領域信号Ｓｉｇ２と、図５の（ａ）に示す時間領域信号Ｓｉｇ２との相関値（以下、「０」についての相関値と言う）を示す。図５の（ｄ）において、縦軸は相関値、横軸は時間を表している。相関値が大きければ大きい程、図５の（ａ）に示す時間領域信号Ｓｉｇ２と、比較対象の時間領域信号Ｓｉｇ２との相関が強いことを示す。

【0046】

図５の（ｄ）に示すように、対象物Ｔ１の切り替え前においては、「５」についての相関値が高く、「０」についての相関値が低くなっている。つまり、対象物Ｔ１の切り替え前においては、時間領域信号Ｓｉｇ２は、対象物Ｔ１としての「５」の数字画像の特徴情報を含んでいる。その後、対象物Ｔ１を切り替えると、「５」についての相関値は過渡的に減少し、「０」についての相関値は過渡的に増大する。そして、対象物Ｔ１の切り替え後においては、「０」についての相関値が高く、「５」についての相関値が低くなっている。つまり、対象物Ｔ１の切り替え後においては、時間領域信号Ｓｉｇ２は、対象物Ｔ１としての「０」の数字画像の特徴情報を含んでいる。

【0047】

このように、実施の形態に係る分析システム１００では、例えばマイクロ秒オーダーで対象物Ｔ１が動的に変化する場合においても、対象物Ｔ１の変化に追従して対象物Ｔ１の特徴情報を含む時間領域信号Ｓｉｇ２を取得することが可能であり、動的に変化する対象物Ｔ１を分析することが可能である。

【0048】

［３．動作］
以下、実施の形態に係る分析システム１００の動作（分析方法）の一例について、図６を用いて説明する。図６は、実施の形態に係る分析システム１００の動作例を示すフローチャートである。まず、位相変調部１は、光源１１が発する光を位相変調する（Ｓ１）。具体的には、位相変調部１は、光位相変調器１３を用いて、光源１１が発する光に、擬似乱数に基づいて任意波形発生器１４で生成される電気信号Ｓｉｇ１を印加することで、当該光を位相変調する。

【0049】

次に、位相変調部１は、位相変調した光を散乱体１７に出力する。これにより、散乱体１７は、位相変調した光をスペックルパターンＳＰ１に変換する（Ｓ２）。具体的には、散乱体１７であるマルチモード光ファイバに位相変調した光が入力されると、互いに位相速度が異なる複数のガイドモード間の干渉により、マルチモード光ファイバの出力側の端面において、光の強度分布が擬似的にランダムなスペックルパターンＳＰ１が生成される。そして、散乱体１７は、スペックルパターンＳＰ１を対象物Ｔ１に出力する（Ｓ３）。具体的には、散乱体１７から出力されるスペックルパターンＳＰ１を含む光が、第１レンズＬ１を通過することにより、光軸に平行な光として対象物Ｔ１に照射される。

【0050】

次に、取得部２は、対象物Ｔ１からの反射光から時間領域信号Ｓｉｇ２を取得する（Ｓ４）。具体的には、取得部２は、対象物Ｔ１からの反射光を第２レンズＬ２及び第３レンズＬ３で集光し、集光した反射光を単一画素の光検出器１８で検出することにより、時間領域信号Ｓｉｇ２を取得する。

【0051】

そして、分析部２１は、取得部２が取得した時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析する（Ｓ５）。具体的には、分析部２１は、時間領域信号Ｓｉｇ２を入力として、対象物Ｔ１の分析結果が出力されるように機械学習された学習済みモデル（ニューラルネットワークＮＷ１）を用いることで、対象物Ｔ１を分析する。

【0052】

［４．利点］
以下、実施の形態に係る分析システム１００（分析方法）の利点について説明する。まず、実施の形態に係る分析システム１００（分析方法）による対象物Ｔ１の分析の精度について、図７を用いて説明する。図７は、実施の形態に係る分析システム１００による対象物Ｔ１の分析結果の一例を示す図である。図７は、テスト用画像のセットに対する実施の形態に係る分析システム１００の分析結果（認識結果）を、正規化混同行列で示している。例えば、テスト用画像が示す真の値が「０」である場合に、実施の形態に係る分析システム１００は、およそ９６％の確率でテスト用画像が示す数字が「０」であると認識している。

【0053】

図７に示すように、実施の形態に係る分析システム１００（分析方法）では、平均しておよそ９２．６％の確率でテスト用画像が示す数字を正しく認識している。このように、実施の形態に係る分析システム１００（分析方法）では、比較的高い精度をもって対象物Ｔ１を分析することが可能である。

【0054】

そして、実施の形態に係る分析システム１００（分析方法）では、空間光変調器又はディジタルミラーデバイス等の機器を用いてランダムなマスクパターンを生成する従来の手法と比較して、ランダムなマスクパターンを生成するレートを速くすることができる。具体的には、従来の手法であれば、ランダムなマスクパターンを生成するレートは、高々１０^２～１０^４サンプル／秒である。これに対して、実施の形態に係る分析システム１００（分析方法）では、擬似的にランダムなスペックルパターンＳＰ１（つまり、ランダムなマスクパターン）を生成するレートは、およそ１０^１０サンプル／秒以上と非常に高速である。

【0055】

上述のように、実施の形態に係る分析システム１００（分析方法）では、上記従来の手法と比較して、ランダムなマスクパターンを生成するレートを速くすることができる。このため、実施の形態に係る分析システム１００（分析方法）では、対象物Ｔ１を分析する際に必要な時間領域信号Ｓｉｇ２を取得する速度を速くすることができる。したがって、実施の形態に係る分析システム１００（分析方法）では、対象物Ｔ１の分析の高速化を図ることができる、という利点がある。

【0056】

［５．変形例］
以上、本発明の分析方法、及び分析システムについて、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の主旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したものや、実施の形態における一部の構成要素を組み合わせて構築される別の形態も、本発明の範囲内に含まれる。

【0057】

図８は、実施の形態の変形例に係る分析システム１００Ａの構成を示す概要図である。本変形例に係る分析システム１００Ａは、波長分割多重方式を採用している点で、実施の形態に係る分析システム１００と相違する。なお、図８では、対象物Ｔ１、第２レンズＬ２、複数の増幅器１９、オシロスコープ２０、及び分析部２１の図示を省略している。また、以下では、実施の形態に係る分析システム１００と共通する構成については、説明を適宜省略する。

【0058】

本変形例に係る分析システム１００Ａは、複数の光源１１（光源１１１、１１２、１１３、…、１１Ｌ）と、複数の光アイソレータ１２（光アイソレータ１２１、１２２、１２３、…、１２Ｌ）と、複数の光検出器１８（光検出器１８１、１８２、１８３、…１８Ｌ）と、を備えている（「Ｌ」は自然数）。また、本変形例に係る分析システム１００Ａは、合波器（Multiplexer）２２と、分波器（Demultiplexer）２３と、を備えている。

【0059】

複数の光源１１は、それぞれ互いに異なる波長のコヒーレント光を出力する。具体的には、光源１１１、１１２、１１３、…１１Ｌは、それぞれ波長λ_１、λ_２、λ_３、…、λ_Ｌのコヒーレント光を出力する。光源１１１、１１２、１１３、…、１１Ｌが出力する光は、それぞれ光アイソレータ１２１、１２２、１２３、…１２Ｌを介して合波器２２に入力される。

【0060】

合波器２２は、複数の光源１１がそれぞれ発する複数の光を合波する。つまり、合波器２２は、光源１１１、１１２、１１３、…、１１Ｌがそれぞれ出力する複数の光を合波する。合波器２２は、合波した光を光位相変調器１３に出力する。

【0061】

分波器２３は、対象物Ｔ１から第２レンズＬ２及び第３レンズＬ３を介して出力される反射光、言い換えれば集光した反射光を互いに異なる波長の複数の反射光に分波する。つまり、分波器２３は、対象物Ｔ１からの反射光を、それぞれ波長λ_１、λ_２、λ_３、…、λ_Ｌである複数の反射光に分波する。

【0062】

複数の光検出器１８は、それぞれ分波器２３から出力される複数の反射光を電気信号に変換して出力する。つまり、光検出器１８１、１８２、１８３、…、１８Ｌは、それぞれ波長λ_１、λ_２、λ_３、…、λ_Ｌの反射光を電気信号に変換して出力する。複数の光検出器１８が出力する電気信号は、それぞれ複数の増幅器１９により増幅され、オシロスコープ２０を介して複数の時間領域信号Ｓｉｇ２として分析部２１に入力される。分析部２１は、取得した複数の時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析する。

【0063】

図９は、実施の形態の変形例に係る分析システム１００Ａの性能の説明図である。図９の（ａ）は、時間領域信号Ｓｉｇ２の取得時間の関数として対象物Ｔ１の分析精度（ここでは、手書きの数字画像の認識精度）を示したグラフである。図９の（ｂ）は、図９の（ａ）のグラフを一部拡大したグラフである。図９の（ａ）及び（ｂ）の各々において、縦軸は対象物Ｔ１の分析精度、横軸は取得時間を表している。また、図９の（ａ）及び（ｂ）の各々において、「Ｌ」は分割した波長の数を表している。つまり、「Ｌ＝１」は、波長を分割していない場合、言い換えれば実施の形態に係る分析システム１００の性能を表している、と言える。

【0064】

図９に示すように、対象物Ｔ１の分析精度は、分割した波長の数に依らず、取得時間が長くなるにつれて増大する。そして、取得時間が比較的短い場合においては、対象物Ｔ１の分析精度は、分割した波長の数が多くなるにつれて増大している。言い換えれば、対象物Ｔ１の分析精度が所定の値に達するまでに要する取得時間は、分割した波長の数が多くなるにつれて短くなっている。

【0065】

上述のように、本変形例に係る分析システム１００Ａ（分析方法）では、波長分割多重方式を採用することにより、単位時間あたりに取得可能な時間領域信号Ｓｉｇ２、言い換えれば単位時間あたりに取得可能な入力データが、分割した波長の数に応じて増大する。したがって、本変形例に係る分析システム１００Ａ（分析方法）では、実施の形態に係る分析システム１００（分析方法）と比較して、単位時間あたりでの対象物Ｔ１の分析の精度が向上しやすい、という利点がある。また、本変形例に係る分析システム１００Ａ（分析方法）では、実施の形態に係る分析システム１００（分析方法）と比較して、対象物Ｔ１の分析の精度が同じである場合に、対象物Ｔ１の分析に要する時間を短縮しやすい、という利点もある。

【0066】

なお、本変形例に係る分析システム１００Ａでは、複数の光源１１、複数の光アイソレータ１２、複数の光検出器１８、及び複数の増幅器１９がそれぞれ４つ以上であるが、これに限られない。例えば、複数の光源１１、複数の光アイソレータ１２、複数の光検出器１８、及び複数の増幅器１９は、それぞれ２つであってもよいし、３つであってもよい。

【0067】

＜その他の変形例＞
以下、その他の変形例について列挙する。以下に列挙する変形例は、上記変形例に係る分析システム１００Ａ（分析方法）においても適用可能である。

【0068】

実施の形態では、対象物Ｔ１は手書きの数字画像であるが、これに限られない。例えば、対象物Ｔ１は、手書きの数字以外の画像であってもよい。また、対象物Ｔ１は、画像に限らず、例えば生物等の固体であってもよいし、ガス等の気体、又は液体等であってもよい。例えば、対象物Ｔ１が流体である場合、実施の形態に係る分析システム１００（分析方法）は、フローサイトメトリーによるセルソーティング等のリアルタイムかつ高速な制御を要するアプリケーションに利用することが可能である。

【0069】

また、実施の形態に係る分析システム１００（分析方法）は、例えば対象物Ｔ１の分析結果と、正常時における対象物Ｔ１の分析結果との比較により、対象物Ｔ１の異常を検知するアプリケーションにも利用することが可能である。

【0070】

実施の形態では、位相変調部１は、光位相変調器１３、任意波形発生器１４、及び増幅器１５により構成されているが、これに限られない。位相変調部１は、少なくとも光位相変調器１３を備えていればよく、光源１１が発する光を位相変調することができる態様であればよい。

【0071】

実施の形態では、散乱体１７は、マルチモード光ファイバで構成されているが、これに限られない。散乱体１７は、例えばマルチモード光ファイバとフォトニックチップとの組み合わせ、又は無秩序なフォトニックチップ（a disordered photonic chip）等で構成されていてもよく、光を通過させることでスペックルパターンＳＰ１に変換して出力することができる態様であればよい。

【0072】

実施の形態では、取得部２は、第２レンズＬ２、第３レンズＬ３、光検出器１８、増幅器１９、及びオシロスコープ２０により構成されているが、これに限られない。取得部２は、少なくとも光検出器１８を備えていればよく、対象物Ｔ１からの反射光を処理することで反射光に基づく時間領域信号Ｓｉｇ２を取得することができる態様であればよい。

【0073】

実施の形態では、分析部２１におけるニューラルネットワークＮＷ１は、中間層として単一の全結合層を有し、かつ、活性化関数がＲｅＬＵ関数であるが、これに限られない。ニューラルネットワークＮＷ１は、畳み込みニューラルネットワーク（Convolution Neural Network）等であってもよい。また、分析部２１は、時間領域信号Ｓｉｇ２を入力として対象物Ｔ１の分析結果が出力されるように機械学習された学習済みモデルを用いていればよく、ニューラルネットワークＮＷ１以外のモデルを用いてもよい。

【0074】

実施の形態では、時間領域信号Ｓｉｇ２は、対象物Ｔ１からの反射光の光強度と相関を有する時系列データを含む電気信号であるが、これに限られない。例えば、時間領域信号Ｓｉｇ２は、電気信号ではなく、光信号であってもよい。この場合、光検出器１８は、対象物Ｔ１からの反射光を光信号として受信する態様であればよく、反射光を電気信号に変換しなくてよい。また、この場合、光検出器１８、並びに光検出器１８の後段にある増幅器１９、オシロスコープ２０、及び分析部２１は、光信号を処理する光集積回路に置き換えれてもよい。

【0075】

（まとめ）
以上述べたように、本発明の第１の態様に係る分析方法では、光源１１が発する光を位相変調し（Ｓ１）、変調した光を散乱体１７に通過させることでスペックルパターンＳＰ１に変換し（Ｓ２）、スペックルパターンＳＰ１を対象物Ｔ１に出力する（Ｓ３）。また、分析方法では、対象物Ｔ１からの反射光を処理することで反射光に基づく時間領域信号Ｓｉｇ２を取得し（Ｓ４）、取得した時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析する（Ｓ５）。

【0076】

このような分析方法によれば、空間光変調器又はディジタルミラーデバイス等の機器を用いてランダムなマスクパターンを生成する場合と比較して、ランダムなマスクパターンを生成するレートを速くすることができる。したがって、このような分析方法によれば、対象物Ｔ１の分析の高速化を図ることができる、という利点がある。

【0077】

また、本発明の第２の態様に係る分析方法では、第１の態様において、対象物Ｔ１からの反射光をレンズ（第２レンズＬ２及び第３レンズＬ３）で集光し、集光した反射光を単一画素の光検出器１８で検出することにより、時間領域信号Ｓｉｇ２を取得する。

【0078】

このような分析方法によれば、シングルピクセルイメージング技術により対象物Ｔ１を分析するので、イメージセンサにより対象物Ｔ１を撮像して分析する場合と比較して、対象物Ｔ１の分析レートがイメージセンサのフレームレートに律速されることがなく、対象物Ｔ１の分析の高速化を図りやすい、という利点がある。

【0079】

また、本発明の第３の態様に係る分析方法では、第２の態様において、光源１１は、互いに異なる波長の光を発する複数の光源１１であって、光検出器１８は、複数である。また、分析方法では、複数の光源１１がそれぞれ発する複数の光を合波器２２により合波した光を位相変調する。また、分析方法では、集光した反射光を分波器２３により互いに異なる波長の複数の反射光に分波する。また、分析方法では、複数の反射光をそれぞれ複数の光検出器１８で検出することにより、複数の時間領域信号Ｓｉｇ２を取得し、取得した複数の時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析する。

【0080】

このような分析方法によれば、単位時間あたりに取得可能な時間領域信号Ｓｉｇ２が増えるので、単位時間あたりでの対象物Ｔ１の分析の精度が向上しやすい、という利点がある。

【0081】

また、本発明の第４の態様に係る分析方法では、第１～第３のいずれか１つの態様において、光位相変調器１３を用いて、光源１１が発する光に、擬似乱数に基づいて生成される電気信号Ｓｉｇ１を印加することで、光を位相変調する。

【0082】

このような分析方法によれば、散乱体１７に入力される光の周波数を擬似的にランダムに、かつ、高速に変化させることができるので、散乱体１７にて擬似的にランダムなスペックルパターンＳＰ１を比較的高速で生成することができる、という利点がある。

【0083】

また、本発明の第５の態様に係る分析方法では、第１～第４のいずれか１つの態様において、時間領域信号Ｓｉｇ２を入力として、対象物Ｔ１の分析結果が出力されるように機械学習された学習済みモデル（ニューラルネットワークＮＷ１）を用いることで、対象物Ｔ１を分析する。

【0084】

このような分析方法によれば、対象物Ｔ１に応じて適切な学習済みモデルを用いることで、対象物Ｔ１を分析する精度が向上しやすい、という利点がある。

【0085】

また、本発明の第６の態様に係る分析方法では、第１～第５のいずれか１つの態様において、散乱体１７は、マルチモード光ファイバである。

【0086】

このような分析方法によれば、比較的簡易な手法により、スペックルパターンＳＰ１を生成しやすい、という利点がある。

【0087】

また、本発明の第７の態様に係る分析システム１００，１００Ａは、光源１１と、位相変調部１と、散乱体１７と、取得部２と、分析部２１と、を備えている。位相変調部１は、光源１１が発する光を位相変調する。散乱体１７は、変調した光が通過することで、光をスペックルパターンＳＰ１に変換し、スペックルパターンＳＰ１を対象物Ｔ１に出力する。取得部２は、対象物Ｔ１からの反射光を処理することで反射光に基づく時間領域信号Ｓｉｇ２を取得する。分析部２１は、取得部２が取得した時間領域信号Ｓｉｇ２に基づいて、対象物Ｔ１を分析する。

【0088】

このような分析システム１００，１００Ａによれば、空間光変調器又はディジタルミラーデバイス等の機器を用いてランダムなマスクパターンを生成する場合と比較して、シングルピクセルイメージング技術において用いられるランダムなマスクパターンを生成するレートを速くすることができる。したがって、このような分析システム１００，１００Ａによれば、対象物Ｔ１の分析の高速化を図ることができる、という利点がある。

【産業上の利用可能性】

【0089】

本発明は、例えば手書き数字画像を認識する等、対象物Ｔ１を分析する方法等として利用することができる。

【符号の説明】

【0090】

１００，１００Ａ 分析システム
１ 位相変調部
２ 取得部
１１、１１１、１１２、１１３、…、１１Ｌ 光源
１２、１２１、１２２、１２３、…、１２Ｌ 光アイソレータ
１３ 光位相変調器
１４ 任意波形発生器
１５ 増幅器
１６ コネクタ
１７ 散乱体
１８、１８１、１８２、１８３、…、１８Ｌ 光検出器
１９ 増幅器
２０ オシロスコープ
２１ 分析部
２２ 合波器
２３ 分波器
Ｌ１ 第１レンズ
Ｌ２ 第２レンズ
Ｌ３ 第３レンズ
ＮＷ１ ニューラルネットワーク
Ｓｉｇ１ 電気信号
Ｓｉｇ２ 時間領域信号
ＳＰ１ スペックルパターン
Ｔ１ 対象物

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】