多维信息辅助深度学习实现涡旋光束模式的灵活识别
光学
2021-06-14 v2 图像与视频处理
医学物理
摘要
由于态空间范围无限，轨道角动量（OAM）作为光的新自由度在光通信领域备受关注。近期已有大量研究将深度学习应用于通过大气湍流识别 OAM 模式。然而，以往的深度学习识别方法存在若干局限。它们都要求激光与接收器之间距离恒定，这使得系统笨拙且不实用。据我们所知，以往的深度学习方法无法对具有正负拓扑电荷的涡旋光束进行排序，这会降低信息容量。本文提出一种多维信息辅助深度学习灵活识别（MIADLFR）方法。在 MIADLFR 中，我们不仅利用强度分布，还利用光谱信息来识别不受距离和拓扑电荷（TC）符号限制的 OAM 模式。据我们所知，我们首次利用多维信息识别 OAM 模式，并首次利用光谱信息识别 OAM 模式。MIADLFR 方法实现的不受距离和 TC 符号限制的 OAM 模式识别，可使基于 OAM 光的光通信与探测更具吸引力。
引用
@article{arxiv.2101.06987,
title = {Multidimensional Information Assisted Deep Learning Realizing Flexible Recognition of Vortex Beam Modes},
author = {Jiale Zhao and Yiming Li and Zijing Zhang and Longzhu Cen},
journal= {arXiv preprint arXiv:2101.06987},
year = {2021}
}