自由空间光信道湍流预测：一种机器学习方法
系统与控制
2025-03-26 v2 机器学习
系统与控制
摘要
信道湍流是自由空间光通信的重大障碍。预测湍流水平对于减轻干扰非常重要，但尚未在没有专用辅助硬件的情况下实现。我们表明，机器学习可以应用于原始FSO数据流，以快速预测信道湍流水平，无需额外传感硬件。在实验室中通过受控信道在六种不同湍流水平下进行了FSO，并检验了使用机器学习对湍流水平进行分类的效果。发现基于机器学习的湍流水平分类准确率>98%，使用多个ML训练参数。分类效果取决于湍流水平变化的时间尺度，但当湍流在大约一分钟时间尺度上稳定时收敛。
引用
@article{arxiv.2405.16729,
title = {Free-Space Optical Channel Turbulence Prediction: A Machine Learning Approach},
author = {Md Zobaer Islam and Ethan Abele and Fahim Ferdous Hossain and Arsalan Ahmad and Sabit Ekin and John F. O'Hara},
journal= {arXiv preprint arXiv:2405.16729},
year = {2025}
}
备注
5 pages, 4 figures, 3 tables, accepted for publication in IEEE Communications Letters