基于机器学习的轨道角动量光束模式探测技术研究进展

• 作者: 尹霄丽 崔小舟 常欢 张兆元 苏元直 郑桐
• 来源期刊: 光电工程
• 学科: 工学
• 关键词: 轨道角动量 机器学习 神经网络
• 年，卷（期）: 2020,（3）
• 页码范围: 124-138
• 页数: 15页
• 分类号: TN929.1
• 字数: 7229字
• 语种: 中文
• DOI: 10.12086/oee.2020.190584

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹霄丽	北京邮电大学电子工程学院天地互联与融合北京市重点实验室	28	117	6.0	9.0
2	崔小舟	北京邮电大学电子工程学院天地互联与融合北京市重点实验室	3	2	1.0	1.0
3	常欢	北京邮电大学电子工程学院天地互联与融合北京市重点实验室	4	4	1.0	1.0
4	张兆元	北京邮电大学电子工程学院天地互联与融合北京市重点实验室	2	0	0.0	0.0
5	苏元直	北京邮电大学电子工程学院天地互联与融合北京市重点实验室	1	0	0.0	0.0