【技术实现步骤摘要】
本专利技术涉及无线光通信，特别涉及一种基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法。
技术介绍
1、随着万物智联和数字化的兴起，无线光通信系统的传输容量将达到瓶颈。而涡旋光束的轨道角动量(orbital angular momentum, oam)作为全新的光场结构维度，通过其特有的本征态正交性，可成倍提升无线光通信网络容量和频谱利用率。当涡旋光束在传输过程中受到大气湍流扰动时，会引起oam模态扩散和不同oam模态间的串扰问题，严重影响接收端对oam模态的准确识别。因此，在湍流环境下准确且高效地识别涡旋光束的oam模态对其在大容量光通信领域的应用至关重要。
2、现有研究中，涡旋光束oam模态识别方法大致可分为两类，即物理光学识别法和深度学习识别法。物理光学识别法是指通过衍射、干涉或坐标变换等途径，把待识别光束转化为具有特殊强度分布的光场，通过分析光场的相关特性来推断待识别光束的oam模态。随着计算机视觉技术的不断发展，深度学习在图像处理领域展现出了强大的能力。卷积神经网络（cnn）作为深度学习识别法的主流模型，能在接收端收到带有oam模态信息的光强图像时自动提取其中的特征信息并进行学习，从而识别图像oam模态。同时，注意力（attention）机制的出现使得cnn在图像分类中能够更有效地聚焦于关键特征，从而提升识别性能。
3、经过分析现有技术，发现传统的物理光学识别法受限于光学器件的性能、灵敏度和光路设计的复杂性，在单oam模态识别中存在一些问题。例如，识别准确率低、可识别模态范围有限、识别过程复
技术实现思路
1、针对现有技术中存在的不足，本专利技术提供了一种基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，充分利用了单oam模态涡旋光经过双缝后的光强图像细节特征，在骨干网络中引入坐标注意力机制和十字窗口自注意力机制，有效提升了未知湍流环境下涡旋光束oam模态的识别效率。
2、本专利技术的目的是这样实现的：
3、与现有技术相比，本专利技术的有益效果在于：
4、1、本专利技术提供的一种基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其坐标注意力机制和十字窗口自注意力机制的组合能够有效提取光束光强图的数据特征。在未知大气湍流强度下的识别准确率达到了96.52%，可识别oam模态的范围为（-10 ~ +10）。相比现有技术，可以同时识别20类环境干扰下oam模态的大小及方向，识别准确率更高，可识别oam模态的范围更大。
5、2、本专利技术与传统物理光学oam模态识别方法相对比，提出的基于卷积注意力机制网络的识别技术实现了端对端的识别，只需输入包含oam模态信息的待测光束光强图，就能对其单oam模态进行准确识别，不需要采用空间光调制器等复杂硬件设施，在降低识别成本的同时提高了识别速率。
本文档来自技高网...【技术保护点】
1.一种基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，步骤1）中不同OAM模态的光强图像仿真数据集是待识别涡旋光束经过大气湍流相位屏和双缝后获得的，选定光源为拉盖尔高斯涡旋光束，设定单OAM模态范围为-10~ +10，即可获得其光强图像；大气湍流相位屏仿真实现是基于功率谱反演法，随机生成大气湍流相位屏，所述大气湍流相位屏包括高频部分和低频补偿部分。
3.根据权利要求2所述的基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，所述混合注意力机制网络由1个初始模块、3个Inception-A模块、4个Inception-B模块、2个Inception-C模块、2个降维模块、2个坐标注意力模块、1个十字窗口自注意力模块、1个全局平均池化层和1个全连接层组成：
4.根据权利要求3所述的基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，在步骤S3中，将S1得到的不同OAM模态经过大气湍流相位屏和双缝后
5.根据权利要求4所述的基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，在步骤S4中，将S3划分好的测试集输入S3最优的深度学习模型，识别未知湍流环境下涡旋光束的OAM模态，并在测试集上评估最终模型的性能，计算测试损失和准确率，验证模型的泛化能力。
...【技术特征摘要】
1.一种基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，步骤1）中不同oam模态的光强图像仿真数据集是待识别涡旋光束经过大气湍流相位屏和双缝后获得的，选定光源为拉盖尔高斯涡旋光束，设定单oam模态范围为-10~ +10，即可获得其光强图像；大气湍流相位屏仿真实现是基于功率谱反演法，随机生成大气湍流相位屏，所述大气湍流相位屏包括高频部分和低频补偿部分。
3.根据权利要求2所述的基于混合注意力机制的涡旋光高阶轨道角动量模态识别方法，其特征在于，所述混合注意力机制网络由1个初始模块、3个inception-a模块、4个inception-b模块、2个inception-c模块、2个降维模块、2个坐标注意力模块、1个十...
【专利技术属性】
技术研发人员：吴鹏飞，贾致远，董源，雷思琛，邓正万，沈文娟，黄康，
申请(专利权)人：江苏优加贝智能科技有限公司，
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。