【技术实现步骤摘要】
本专利技术涉及光电，具体涉及一种基于深度残差网络的光束轨道角动量复振幅谱测量方法。
技术介绍
1、与宏观物体类似，光子也可携带角动量。光子的角动量包括自旋角动量(spinangular momentum，sam)和轨道角动量(orbital angular momentum，oam)两种，其中光子的sam有两个本征值，对应于宏观的左旋及右旋圆偏振态，而光子的oam本征值可为任意整数，对应不同的oam模式，且不同的oam模式间相互正交，构成一无穷维希尔伯特空间，为激光场引入了全新的高维自由度。携带oam的光束在超大容量光通信、新体制激光雷达、引力波探测、量子信息技术等多个前沿领域应用前景广阔。
2、一束光可同时携带多种不同的oam模式，每一个oam模式的复振幅，包括强度和相位两部分，构成了光束的oam复振幅谱。oam复振幅谱决定了光束的模场分布，因此，高精度、高效率的测量光束的oam复振幅谱是有效应用光子oam高维特性的关键。当前对携带多oam模式光束的谱测量方法通常采用对光场进行螺旋谐波展开的方式，对待测光束中的每个共轭螺旋相位均要进行一次积分运算，存在计算速度慢、测量效率低、非实时性的问题。例如对于包含100个模式的混合光束，需要积分运算至少100次，十分耗时。
技术实现思路
1、有鉴于此，本专利技术公开了一种基于深度残差网络的光束oam复振幅谱测量方法。
2、本专利技术提供的一种基于深度残差网络的光束oam复振幅谱测量方法，其原理在于，将待测光束的复振幅
3、本专利技术提供的一种基于深度残差网络的光束oam复振幅谱测量方法，所涉及的深度残差网络由1个降采样层、4个残差模块、3个特征卷积层、4个连接层、1个全局平均池化层、以及1个全连接层组成：
4、所述降采样层卷积核大小为7×7，完成空间维度和特征维度间的降采样变换，得到特征图像；
5、所述残差模块位于降采样层后，由依次连接的一个批量归一化层，一个relu激活函数，一个感知机结构和一个批量归一化层组成；通过第一个批量归一化层和relu激活函数来处理特征图像数据，加速训练，通过感知机结构进行空间维度特征提取，再通过一个批量归一化层加速输出，并在感知机结构前后引入一个残差连接防止训练过程中梯度消失；所述感知机结构位于残差模块中的relu激活函数后，第二个批量归一化层前，由依次连接的一个1×1大小的卷积层，一个gelu激活函数和一个1×1大小的卷积层组成，两个大小的卷积层分别作为通道注意力权重生成层和融合层，gelu激活函数用于引入通道层间非线性变化；
6、所述连接层位于残差模块后，用于引入空间非线性变化；
7、所述特征卷积层位于连接层后，其卷积核大小为2×2，用于进行空间特征提取；
8、经过特征卷积层提取的特征图像再输入第二个内置感知机结构的残差模块，依次至第二连接层，第二特征卷积层，得到的特征图再输入第三个内置感知机结构的残差模块，依次至第三连接层，第三特征卷积层，得到的特征图再输入第四个内置感知机结构的残差模块，输出至第四连接层，完成四次特征提取过程；
9、所述全局平均池化层位于第四连接层后，池化核大小为5×5，用于融合四次提取的空间特征信息；
10、所述全连接层位于全局平均池化层后，用于维度转换，使得映射输出张量维度与oam复振幅谱一致。
11、本专利技术的有益效果包括：
12、1、本专利技术提供的基于深度残差网络的光束oam复振幅谱测量方法只需输入待测光束的复振幅，即可直接分别输出待测光束的oam强度谱和相位谱，即oam复振幅谱，相比于现有技术，其精度更高，速度更快。
13、2、本专利技术基于深度残差网络设计的降采样卷积，残差模块以及感知机结构组合能够有效提取多oam模式复用光束的复振幅数据特征，实现大模式范围、不同模式间隔、不等强度、不等相位的光束oam复振幅谱高精度实时测量。
本文档来自技高网...【技术保护点】
1.一种用于光束轨道角动量复振幅谱测量的深度残差网络，其特征在于，由1个降采样层、4个残差模块、3个特征卷积层、4个连接层、1个全局平均池化层、以及1个全连接层组成：
2.根据权利要求1所述的用于光束轨道角动量复振幅谱测量的深度残差网络，其训练过程为：
3.一种基于深度残差网络的光束轨道角动量复振幅谱测量方法，其特征在于，将待测光束直接输入已经训练好的权利要求1所述的深度残差网络，可直接获得待测光束的轨道角动量强度谱和相位谱，即轨道角动量复振幅谱。
【技术特征摘要】
1.一种用于光束轨道角动量复振幅谱测量的深度残差网络，其特征在于，由1个降采样层、4个残差模块、3个特征卷积层、4个连接层、1个全局平均池化层、以及1个全连接层组成：
2.根据权利要求1所述的用于光束轨道角动量复振幅谱测量的深...
【专利技术属性】
技术研发人员：付时尧，周诗韵，李浪，高春清，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。