摘要：针对涡旋光受大气湍流而产生的相位畸变问题,设计了卷积神经网络检测涡旋光束轨道角动量态。将相位畸变的拉盖尔高斯涡旋光光强图像作为样本数据输入,网络利用输入的数据集进行自主学习,经过多次迭代能够精确检测出光束高阶轨道角动量信息。仿真结果表明:在大气湍流强度不确定的情况下,模型对轨道角动量态范围为1~40、1~100、1~160的涡旋光束检测准确率分别为94%、90%、86%;在不同传输距离、不同径向指数、不同基模束腰半径以及不同波长下轨道角动量态范围为1~100的涡旋光束的检测准确率均达到78%以上,且具有很好的鲁棒性。该方法检测精度高、范围广、移植性强,可为涡旋光束轨道角动量态的检测与识别提供一种新思路。

摘要：相位失真是实现涡旋光束轨道角动量复用技术实际应用的主要挑战之一。本文提出了一种基于深度学习的复合贝塞尔高斯涡旋光束大气湍流效应补偿方法,以提高模态分离与检测准确度。设计的网络通过学习不同轨道角动量下畸变光束强度分布与湍流相位之间的映射关系,具备了适应未知湍流环境的泛化能力,可以有效地预测等效湍流相位屏。仿真结果表明,复合贝塞尔高斯光束在不同湍流强度下传输1000 m并经过相位补偿后,光强相关系数可提高至0.97以上;在强湍流下传输1500 m并经相位补偿后,拓扑荷数为10的模式纯度从2.43%提高至64.07%。该方法对畸变光束具有更强的特征提取能力,在快速准确预测等效湍流相位屏方面具有良好的泛化能力,有助于提高未来轨道角动量复用技术的可靠性。

摘要：自由空间光通信(FSOC)具有通信容量大、信息传输快等优点,在未来大数据时代中有着巨大的应用价值。激光作为携带信息的载波,在大气中传输时受到大气湍流的严重影响,会使光通信系统的稳定性和可靠性得不到保证。文中研究了在斜路径信道上,自由空间光通信系统的中断概率受大气湍流的影响,数值模拟分析了平面波、球面波和高斯波为信息载波时,大气湍流强度、内尺度和外尺度、传输距离、天顶角、波长等参数对FSOC系统中断概率的影响机理。研究结果可以为将来实现全光网络设计自由空间光通信系统提供有益的理论参考。