基于卷积神经网络预测海洋湍流相位的方法技术

本发明专利技术公开基于卷积神经网络预测海洋湍流相位的方法，具体包括如下步骤：步骤1，通过数值仿真得到经过海洋湍流后的畸变光强图样和对应的海洋湍流相位图样，建立数据集；步骤2，设计并搭建卷积神经网络；步骤3，对步骤1中得到的训练数据进行数据预处理，并送入步骤2设计好的网络进行模型训练；步骤4，利用测试集测试卷积神经网络预测海洋湍流相位的效果。该方法能够解决现有光学方法直接预测海洋湍流相位不足的问题。

【技术实现步骤摘要】

本专利技术属于无线光通信，涉及基于卷积神经网络预测海洋湍流相位的方法。

技术介绍

1、现代信息技术产业的迅速发展，物联网设备、5g通信的大规模连接使高速多媒体业务和多样化应用得到空前增长，人们对信息的需求不断增加。自由空间光通信(freespace optical，fso)技术成为通信领域的研究热点。光在自由空间传输过程中不可避免地会受到湍流的影响，湍流容易使信号光发生相位畸变，模式串扰，使得fso系统误码率上升。于是如何抑制湍流影响成为亟待解决的问题。

2、在抑制湍流的影响时需要知道所受湍流的具体信息，而传输光束受湍流影响后相当于附加了一个随机湍流相位，因此从畸变的光束中预测湍流信息实际上也就是预测湍流相位，常用方法是自适应光学系统，如gerchberg-saxton(gs)算法和随机并行梯度下降算法。但此类算法需要大量的迭代次数，并且收敛性较差。

技术实现思路

1、本专利技术的目的是基于卷积神经网络预测海洋湍流相位的方法，能够解决现有光学方法直接预测海洋湍流相位不足的问题。

2、本本文档来自技高网...

【技术保护点】

1.基于卷积神经网络预测海洋湍流相位的方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的基于卷积神经网络预测海洋湍流相位的方法，其特征在于，步骤1按照以下具体步骤实施：

3.根据权利要求2所述的基于卷积神经网络预测海洋湍流相位的方法，其特征在于，步骤1.1中，ε的取值范围为[10-10m2/s3,10-1m2/s3]；χT的取值范围为[10-10K2/s,10-4K2/s]；w的取值范围为[-5,0]，-5表示海洋湍流完全由温度导致，0表示海洋湍流完全由盐度导致。

4.根据权利要求2所述的基于卷积神经网络预测海洋湍流相位的方法，其特征在于，...

【技术特征摘要】

1.基于卷积神经网络预测海洋湍流相位的方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的基于卷积神经网络预测海洋湍流相位的方法，其特征在于，步骤1按照以下具体步骤实施：

3.根据权利要求2所述的基于卷积神经网络预测海洋湍流相位的方法，其特征在于，步骤1.1中，ε的取值范围为[10-10m2/s3,10-1m2/s3]；χt的取值范围为[10-10k2/s,10-4k2/s]；w的取值范围为[...

【专利技术属性】
技术研发人员：王姣，王悦，谭振坤，雷思琛，吴鹏飞，田旭华，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：