计算机制半周视彩色彩虹全息体视图

基于模式/模群复用的多模光纤通信系统是目前光通信领域的研究热点。系统中存在多个模式/模群,如何准确识别它们是提升传输系统性能的关键问题之一。提出了一种基于深度学习的多模光纤模式与模群的智能识别模型,通过引入全卷积神经网络(CNN),对噪声影响情况下线偏振模式及其模群进行仿真和实验研究。首先,基于多平面光转换模式复用器件和普通OM2多模光纤,搭建10个模式(LP01、LP11a/b、LP21a/b、LP02、LP12a/b、LP31a/b)及其对应的3个模群的光场信息获取的仿真和实验平台,利用大量数据进行训练和验证。实验结果显示,模式/模群的总体识别率可达到100%。通过将获取的模群光场图片重构为低分辨率图片,研究低密度光电探测器阵列接收条件下,智能识别模型的识别性能。实验结果显示,采取4×4光探测器阵列接收光场信息时,能获得98.3%的识别效率。本研究表明提出的智能识别模型具有良好的光纤模式/模群智能识别能力,其在多模光纤通信系统性能提升与智能光性能监测方面具有一定的应用潜力。     

计算机制半周视彩色彩虹全息体视图

全息体视图(HS)是一种可加速计算的全息图，能够实现单色全息三维(3D)显示，将其与彩色彩虹全息相结合并实现允许多人围观的半周视彩色彩虹全息3D显示具有实际应用价值。在HS计算原理的基础上，设计单元全息图侧视角及视场角等参数，通过频域复用获得包含红色、绿色和蓝色信息的单元全息图的频谱，对频谱进行傅里叶逆变换后取实部得到该单元全息图，所有单元全息图的组合形成完整的半周视彩色彩虹HS。通过并行加速计算的方法实现分辨率为200800 pixel×200800 pixel、尺寸为64 mm×64 mm的高分辨率半周视彩色彩虹HS仅需15.15 min。采用反射照明的方式进行光学再现，实现了允许多人同时观看的清晰的彩色全息3D显示，其有望应用于3D军事地图、3D沙盘等领域。