典型文献
深度学习辅助测量强散射涡旋光束拓扑荷数
文献摘要：
涡旋光具有特殊的螺旋相位因子,使用涡旋光进行通信编码能够极大地提高通信容量.实际通信环境的湍流、雾霾会导致涡旋光发生散射而形成散斑,这使得涡旋光通信的实际应用难度加大.因此,从散斑中准确高效地测量入射涡旋光的拓扑荷数对涡旋光通信具有重大意义.涡旋光经过散射介质之后形成的散斑场的特性与其拓扑荷数息息相关.基于深度神经网络高效的特征提取特点,采用分类神经网络实现了经过散射后的涡旋光拓扑荷数的测量,且测量准确率达到100％.
文献关键词：
物理光学;涡旋光束;拓扑荷数;散射;图像分类;神经网络
中图分类号：
作者姓名：
刘雪莲;陈旭东;林志立;刘卉;朱香渝;张晓雪
作者机构：
华侨大学信息科学与工程学院福建省光传输与变换重点实验室,福建厦门361021
文献出处：
引用格式：
[1]刘雪莲;陈旭东;林志立;刘卉;朱香渝;张晓雪-.深度学习辅助测量强散射涡旋光束拓扑荷数)[J].光学学报,2022(14):201-207
A类：
B类：
强散射,涡旋光束,拓扑荷数,通信编码,极大地提高,通信环境,湍流,雾霾,散斑,光通信,入射,对涡,散射介质,数息,深度神经网络,类神经网络,物理光学,图像分类
AB值：
0.220098
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
