基于深度学习的相干光束合成相位控制方法及其在生成轨道角动量光束中的应用
光学
2019-03-12 v1
摘要
据我们所知，我们首次将深度学习（DL）引入相干光束合成（CBC）系统。利用训练良好的卷积神经网络 DL 模型，可准确估计并初步补偿 CBC 系统中的相位误差。随后，残余相位误差由随机并行梯度下降（SPGD）算法进一步补偿。结合 DL 与 SPGD 算法的两阶段相位控制策略被验证为一种可行且有前景的技术，可缓解相位控制带宽随阵元数量增加而下降这一长期存在的问题。进一步研究表明，所提相位控制技术可通过区分具有共轭相位分布的 OAM 光束，用于生成不同阶数的轨道角动量（OAM）光束。
引用
@article{arxiv.1903.03983,
title = {Deep learning-based phase control method for coherent beam combining and its application in generating orbital angular momentum beams},
author = {Tianyue Hou and Yi An and Qi Chang and Pengfei Ma and Jun Li and Liangjin Huang and Dong Zhi and Jian Wu and Rongtao Su and Yanxing Ma and Pu Zhou},
journal= {arXiv preprint arXiv:1903.03983},
year = {2019}
}