用于增强自由空间光通信的深度学习
机器学习
2022-08-17 v1 光学
摘要
大气效应如湍流与背景热噪声，会阻碍ON-OFF键控自由空间光通信中所用相干光的传播。在此我们提出并实验验证了一种卷积神经网络，用于在后处理中降低自由空间光通信的误码率，其比基于先进光学的现有方案显著更简单且更廉价。我们的方法由两个神经网络组成：第一个判定热噪声与湍流中相干比特序列的存在，第二个对相干比特序列解调。用于训练与测试网络的所有数据均通过实验获得：生成相干光的ON-OFF键控比特流，将其与热光合并，并使合成光通过经我们验证高度模拟大气湍流的湍流水箱。我们的卷积神经网络较阈值分类方案提升了检测精度，并能够与当前解调及纠错方案集成。
引用
@article{arxiv.2208.07712,
title = {Deep learning for enhanced free-space optical communications},
author = {Manon P. Bart and Nicholas J. Savino and Paras Regmi and Lior Cohen and Haleh Safavi and Harry C. Shaw and Sanjaya Lohani and Thomas A. Searles and Brian T. Kirby and Hwang Lee and Ryan T. Glasser},
journal= {arXiv preprint arXiv:2208.07712},
year = {2022}
}