基于深度学习的多模光纤通信系统的模式与模群识别

• 作者: 胡进坤 郭晓洁 李建平 许鸥 向梦 彭迪 付松年 秦玉文
• 来源期刊: 光学学报
• 学科: 工学
• 关键词: 光通信 模分复用 深度学习 模式/模群识别
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 光纤光学与光通信|Fiber Optics and Optical Communications
• 页码范围: 38-45
• 页数: 8页
• 分类号: TN913.7
• 语种: 中文
• DOI: 10.3788/AOS202242.0406004

摘要

基于模式/模群复用的多模光纤通信系统是目前光通信领域的研究热点.系统中存在多个模式/模群,如何准确识别它们是提升传输系统性能的关键问题之一.提出了一种基于深度学习的多模光纤模式与模群的智能识别模型,通过引入全卷积神经网络(CNN),对噪声影响情况下线偏振模式及其模群进行仿真和实验研究.首先,基于多平面光转换模式复用器件和普通OM2多模光纤,搭建10个模式(LP01、LP11a/b、LP21a/b、LP02、LP12a/b、LP31a/b)及其对应的3个模群的光场信息获取的仿真和实验平台,利用大量数据进行训练和验证.实验结果显示,模式/模群的总体识别率可达到100％.通过将获取的模群光场图片重构为低分辨率图片,研究低密度光电探测器阵列接收条件下,智能识别模型的识别性能.实验结果显示,采取4×4光探测器阵列接收光场信息时,能获得98.3％的识别效率.本研究表明提出的智能识别模型具有良好的光纤模式/模群智能识别能力,其在多模光纤通信系统性能提升与智能光性能监测方面具有一定的应用潜力.