基于机器学习检测相位畸变后的涡旋光束轨道角动量
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.
涡旋光束、湍流扰动、卷积神经网络、高轨道角动量态检测、相位畸变
51
TN929.12
国家自然科学基金;陕西省自然科学基金
2022-05-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
321-328