基于密集连接卷积网络的多模光纤仅强度模分解
图像与视频处理
2021-04-21 v2 系统与控制
系统与控制
摘要
多模光纤的使用在通信技术领域的可传输信息密度与信息安全性方面具有优势。对于采用物理层安全或模分复用的应用，必须已知复传输矩阵。为测量传输矩阵，需在输入端依次激励多模光纤的各模式，并在输出端进行模分解。模分解通常通过数字全息完成，这需要提供参考波且导致较高开销。为克服这些缺点，本文提出一种神经网络，仅利用多模光纤端面的强度相机记录即可进行模分解。由于该问题计算复杂度高，此类方法通常局限于6个模式。本工作首次表明，通过使用121层的DenseNet可突破6个模式的障碍。该进展通过10个模式的实验模分解得以证明。训练过程基于合成数据。所提方法与传统数字全息方法进行了定量比较。此外，表明该网络可对55模光纤进行模分解，且能支持神经网络未知的模式。基于DenseNet的智能检测为多模光纤在光通信网络中用于物理层安全开辟了新途径。
引用
@article{arxiv.2008.00864,
title = {Intensity-only Mode Decomposition on Multimode Fibers using a Densely Connected Convolutional Network},
author = {Stefan Rothe and Qian Zhang and Nektarios Koukourakis and Jürgen W. Czarske},
journal= {arXiv preprint arXiv:2008.00864},
year = {2021}
}
备注
17 pages