深度迁移学习方法识别轨道角动量光束

TN929.12; 为了加快基于深度学习的轨道角动量光束识别模型的训练速度,提出使用迁移学习的方式识别轨道角动量光束,并利用次谐波法生成大气湍流相位屏仿真大气湍流,以空间光调制器加载相位屏的方式搭建模拟湍流环境,基于迁移学习的轨道角动量光束识别系统在弱湍流和中湍流环境下均获得了90％以上的识别率.并与传统深度学习方式在模型训练速度、识别率等方面进行性能对比,证明了在弱、中湍流环境中,基于迁移学习的轨道角动量光束识别方法在保持较高识别率的前提下可以减少训练时间....

Full description

Saved in:
Bibliographic Details
Published in光电工程 Vol. 49; no. 6; pp. 43 - 52
Main Authors 郑崇辉, 王天枢, 刘哲绮, 杨翘楚, 刘显著
Format Journal Article
LanguageChinese
Published 长春理工大学光电工程学院,吉林长春 130022 2022
长春理工大学空间光电技术国家地方联合工程研究中心,吉林长春 130022
Subjects
空间光调制器
迁移学习
轨道角动量
湍流相位屏
Online AccessGet full text
ISSN1003-501X
DOI10.12086/oee.2022.210409

Cover

More Information
Summary:TN929.12; 为了加快基于深度学习的轨道角动量光束识别模型的训练速度,提出使用迁移学习的方式识别轨道角动量光束,并利用次谐波法生成大气湍流相位屏仿真大气湍流,以空间光调制器加载相位屏的方式搭建模拟湍流环境,基于迁移学习的轨道角动量光束识别系统在弱湍流和中湍流环境下均获得了90％以上的识别率.并与传统深度学习方式在模型训练速度、识别率等方面进行性能对比,证明了在弱、中湍流环境中,基于迁移学习的轨道角动量光束识别方法在保持较高识别率的前提下可以减少训练时间.
ISSN:1003-501X
DOI:10.12086/oee.2022.210409