| 计算机制半周视彩色彩虹全息体视图 |
| |
| 引用本文： | 许富洋,杨鑫,刘子陌,宋强,马国斌,任志君.计算机制半周视彩色彩虹全息体视图[J].光学学报,2022,42(4):46-53. |
| |
| 作者姓名： | 许富洋 杨鑫 刘子陌 宋强 马国斌 任志君 |
| |
| 作者单位： | 浙江师范大学物理与电子信息工程学院信息光学研究所,浙江金华321004;浙江省光信息检测与显示技术研究重点实验室,浙江金华321004,珑璟光电-微纳光学研究中心,广东深圳518000 |
| |
| 基金项目： | 国家重点研发计划(2018YFB1800901)；;国家自然科学基金(62022029)；;广东省重点领域研发计划项目(2018B010114002)； |
| |
| 摘 要： | 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。
|
| 关 键 词： | 全息 彩色全息三维显示 周视彩色彩虹全息三维显示 全息体视图 |
Deep Learning-Based Recognition of Modes and Mode Groups in Multimode Optical Fiber Communication System |
| |
| Xu Fuyang,Yang Xin,Liu Zimo,Song Qiang,Ma Guobin,Ren Zhijun.Deep Learning-Based Recognition of Modes and Mode Groups in Multimode Optical Fiber Communication System[J].Acta Optica Sinica,2022,42(4):46-53. |
| |
| Authors: | Xu Fuyang Yang Xin Liu Zimo Song Qiang Ma Guobin Ren Zhijun |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
