利用深度卷积神经网络学习分解少模光纤中的模式
信号处理
2019-04-19 v3 光学
摘要
我们首次引入深度学习技术对少模光纤进行完整的模式分解。我们的目标是学习从近场光束剖面到完整模式系数（包括模式振幅与相位）的快速且准确的映射。我们使用模拟光束图样训练卷积神经网络，并在模拟光束数据与真实光束数据上对该网络进行评估。在模拟光束数据测试中，对于3模和5模情况，重构光束剖面与理想光束剖面的相关系数分别可达0.9993和0.995。而在真实3模光束数据测试中，平均相关系数为0.9912，且模式分解在图形处理单元（GPU）上潜在可达33 Hz频率，表明其实时处理能力。定量评估证明了我们基于深度学习方法的优越性。
引用
@article{arxiv.1811.00882,
title = {Learning to decompose the modes in few-mode fibers with deep convolutional neural network},
author = {Yi An and Liangjin Huang and Jun Li and Jinyong Leng and Lijia Yang and Pu Zhou},
journal= {arXiv preprint arXiv:1811.00882},
year = {2019}
}