[發明專利]干涉與卷積神經網絡混合方案測量方法

有效

• 申請號: 202011640018.X
• 申請日: 2020-12-31
• 公開（公告）號: CN112836422B
• 公開（公告）日: 2022-03-18
• 發明（設計）人: 楊元杰;付鑫;董淼
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F17/14;G06N3/04
• 代理公司: 成都君合集專利代理事務所(普通合伙) 51228
• 代理人: 尹新路

1.一種干涉與卷積神經網絡混合方案測量方法，其特征在于，根據平面波前斜入射時與x軸所成角度，建立渦旋光束的表達式E₁和簡化的渦旋光束的表達式E₂；計算干涉場的光強I；采用在光束傳播路徑中插入隨機相位屏來模擬湍流信道，功率譜模型：

其中k_x,k_y分別是x方向和y方向的波數，l₀為大氣湍流內尺度，L₀為大氣湍流外尺度；折射率結構常數是對折射率波動強度的度量；

近似計算相位的功率譜密度，在發射端，模擬了一束高斯光，然后照射到加載有全息片的反射式液晶空間光調制器(SLM)上，將高斯光調制成相應的渦旋光，可以通過控制全息片上光柵圖像實現生成不同拓撲荷的LG光束；緊接著用平面波斜入射，與LG光束干涉，干涉后的強度圖會出現分叉；隨著拓撲荷的改變，分叉的數目也會改變；然后干涉后的LG光束在自由空間大氣湍流信道中傳輸，而該信道是通過在傳輸路徑上插入隨機相位屏來模擬的；

在接收端，通過CCD采集經過大氣湍流傳輸后的光強度圖像；通過觀察光強度圖像，直接識別出大部分LG光束的拓撲荷值，對應于湍流強度的弱和中；當強湍流時，我們不能直接識別，接下來聯合CNN來輔助識別強湍流下的LG光束拓撲荷值，這樣我們就只需采集強湍流下的光強度圖像來訓練；

將強湍流下采集到的干涉后的強度圖和不同湍流水平下沒有干涉的強度圖，分別送入CNN；每種情況包含5000張圖片，其中4000張用于訓練，1000張用于測試；

采用同樣的模型和方法，將輸入單模LG光束調整拓撲荷為{l＝1,2,3,4,5,6,7,8,9,10}，然后分別采集干涉和無干涉條件下在湍流信道傳輸后的光強度圖像；

通過干涉后的強度圖像直接讀出拓撲荷的值；然后將強湍流水平下采集到的干涉后和無干涉的強度圖像送入CNN。

2.根據權利要求1所述的一種干涉與卷積神經網絡混合方案測量方法，其特征在于，渦旋光束的光場表達式為E₁＝A₁ exp(ik(x+z))；簡化的渦旋光束的光場表達式為其中E₁是光場表達式，A₁,A₂為振幅，l為E₂的拓撲荷,z是傳輸距離，x是x軸上距離，是方位角，i是復數，k是波數。

3.根據權利要求2所述的一種干涉與卷積神經網絡混合方案測量方法，其特征在于，干涉場的光強可表示為：

式中‘*’為復共軛。