Hermite-Gaussian 模相干组合态与基于深度学习的自由空间光通信链路
光学
2022-09-16 v1 信号处理
摘要
在基于激光的自由空间光通信中，除 OAM 光束外，Hermite-Gaussian（HG）模或 HG 模相干组合态（HG-MCCS）也可用作信息载体，通过基于空间图案的编解码链路扩展信道容量。HG-MCCS 的光场主要由三个独立参数决定，包括 HG 模的阶数指标、两个本征模之间的相对初始相位以及本征模的尺度系数，这些可在低模阶下获得大量有效编码模式。HG-MCCS 的光束强度分布具有明显的可区分空间特征且能保持传播不变性，便于通过基于卷积神经网络（CNN）的图像识别方法解码。我们通过实验利用 HG-MCCS 实现了一条包含编码、大气湍流（AT）下传输以及基于 CNN 解码的通信链路。在本征模阶数指标不超过六的情况下，生成了 125 个 HG-MCCS 用于信息编码，非 AT 条件下的平均识别准确率达 99.5%。对于 125 级彩色图像传输，即使在弱 AT 条件下系统误码率也低于 1.8%。我们的工作为未来密集数据通信与人工智能技术的结合提供了有益基础。
引用
@article{arxiv.2209.06903,
title = {Hermite-Gaussian-mode coherently composed states and deep learning based free-space optical communication link},
author = {Zilong Zhang and Suyi Zhao and Wei He and Yuan Gao and Xin Wang and Yuchen Jie and Xiaotian Li and Yuqi Wang and Changming Zhao},
journal= {arXiv preprint arXiv:2209.06903},
year = {2022}
}