基于机器学习的轨道角动量光束模式探测技术研究进展

摘要：

轨道角动量(OAM)复用和编码技术可有效提高光通信系统信道容量.近些年研究者提出将机器学习(ML)技术用于OAM模式探测以提高OAM光通信系统性能.本文对基于机器学习的OAM模式探测方案进行了综述,包括误差反向传播(BP)神经网络、自组织神经网络(SOM)、支持向量机(SVM)、卷积神经网络(CNN)、光束变换辅助的识别技术以及全光衍射深度神经网络(D2NN),分析了各类机器学习OAM探测器在对抗大气、水下信道带来的干扰时展现出的性能差异以及各自优势.

关键词：轨道角动量、机器学习、神经网络

所属期刊栏目：47

分类号：TN929.1

资助基金：国家自然科学基金资助项目;北京市自然科学基金资助项目

在线出版日期：2020-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：124-138