改进CNN-Transformer结合双缝干涉的轨道角动量模态识别方法

吴鹏飞 Wu Pengfei、贾致远 Jia Zhiyuan、雷思琛 Lei Sichen、王姣 Wang Jiao、谭振坤 Tan Zhenkun、吴笛 Wu Di

2025Acta Optica SinicaPhysics and Astronomy被引 3开放获取

摘要

在湍流大气信道环境中，高效识别轨道角动量（OAM）模态的大小和正负是OAM复用通信的关键技术。利用改进CNN-Transformer混合模型和双缝干涉相结合的方法，在骨干网络Inception_V3中嵌入坐标注意力模块并利用十字窗口变换器捕捉长距离依赖关系，提高了湍流大气环境中OAM模态的识别精度，实现了模态大小和正负的同时识别。在未知强度大气湍流环境下，训练后的模型对传输距离z=1000 m的-10~+10阶拉盖尔高斯光束的OAM模态识别准确率为96.45%，相比骨干网络提升了4.9百分点。同时，在噪声强度σ=0.1、传输距离z=2000 m和光束波长λ=850 nm的条件下，对3类新增测试集进行了鲁棒性测试，OAM模态识别准确率分别为80.1%、85.4%和87.95%。本研究为湍流环境中涡旋光束高阶OAM模态识别提供了新方法。

引用本文（GB/T 7714）

吴鹏飞 Wu Pengfei, 贾致远 Jia Zhiyuan, 雷思琛 Lei Sichen, 等. 改进CNN-Transformer结合双缝干涉的轨道角动量模态识别方法[J]. Acta Optica Sinica, 2025.

引文网络

参考文献与被引分析加载中…

DOI：https://doi.org/10.3788/aos241302

本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。