[發明專利]一種針對軌道角動量在不同天氣環境下基于自監督學習的大氣湍流補償方法在審
| 申請號: | 202310247841.1 | 申請日: | 2023-03-15 |
| 公開(公告)號: | CN116384232A | 公開(公告)日: | 2023-07-04 |
| 發明(設計)人: | 劉瑩;石磊;唐杰;李佳豪 | 申請(專利權)人: | 中國人民解放軍空軍工程大學 |
| 主分類號: | G06F30/27 | 分類號: | G06F30/27;G06F18/214;G06N3/0464;G06N3/08;G06F119/08;G06F111/08;G06F111/10 |
| 代理公司: | 西安凱多思知識產權代理事務所(普通合伙) 61290 | 代理人: | 劉新瓊 |
| 地址: | 710051 *** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 針對 軌道角動量 不同 天氣 環境 基于 監督 學習 大氣 湍流 補償 方法 | ||
1.一種針對軌道角動量在不同天氣環境下基于自監督學習的大氣湍流補償方法,其特征在于步驟如下:
步驟1:建立大氣折射率結構常數參數估計模型;
步驟2:建立OAM光束在大氣信道中的傳輸模型;
步驟3:依據步驟1和步驟2建立的OAM光束在不同環境下的傳輸模型,將OAM光束標準光強分布圖和受大氣湍流影響后的OAM光束光強分布圖作為卷積神經網絡的輸入,對神經網絡進行訓練,得到兩者的映射關系,最終實現大氣湍流相位屏的預測。
2.根據權利要求1所述的針對軌道角動量在不同天氣環境下基于自監督學習的大氣湍流補償方法,其特征在于:步驟1具體如下:
大氣折射率結構常數可表示為
式中,a2為無量綱常數;T′是湍流擴散系數的比值;L0是湍流外尺度;M是大氣折射率的垂直梯度,它的表達式如下
式中,T是絕對溫度;p是大氣壓強;表示位溫,其中p0通常取為1000hpa;q是比濕,表示為
其中,e=U×es表示水汽壓,U是可以通過探空資料知道的相對濕度,es是飽和水汽壓,表達式為
根據上述公式,分別模擬與氣壓、溫度、相對濕度、壓力梯度、溫度梯度、相對濕度梯度的關系。
3.根據權利要求1所述的針對軌道角動量在不同天氣環境下基于自監督學習的大氣湍流補償方法,其特征在于:步驟2具體如下:
LG光束在自由空間中傳輸的光場分布可表示為
其中,是接收表面的徑向距離;是相位角;z是傳播距離;是瑞利長度;w0表示束腰半徑;k=2π/λ是波長;表示在z處的光束半徑;表示歸一化因子;p是徑向指數;表示拉蓋爾多項式;
采用基于Kolmogorov譜的功率譜反演方法生成湍流介質的隨機相位屏。Kolmogorov譜記為
相位譜與大氣折射率功率譜的關系可描述為
Φ(kx,ky)=2π(k)2ΔzΦn(kx,ky)
式中,Δz表示連續相位屏之間的間隔;
用Kolmogorov譜近似描述了折射率的擾動
式中,N和Δx分別為相位屏的尺寸和柵格間隔;
在笛卡爾坐標下,相位屏通過快速傅里葉變換在頻域內表示為Φ(x,y)=FFT[CN×Nσ(kx,ky)]
式中,CN×N是一個均值為0,方差為1的復隨機數組,下標表示在大小為N×N的采樣網格上的分布。
4.根據權利要求1所述的針對軌道角動量在不同天氣環境下基于自監督學習的大氣湍流補償方法,其特征在于:步驟3中所述的卷積神經網絡依次包括一個卷積層、3個池化層、5個卷積層、3個反卷積層、2個卷積層,第一層的卷積核為5×5,第5-9層、13-14層的卷積層的卷積核為3×3,第10-11層的反卷積層的卷積核為3×3。
5.一種計算機系統,其特征在于包括:一個或多個處理器,計算機可讀存儲介質,用于存儲一個或多個程序,其中,當所述一個或多個程序被所述一個或多個處理器執行時,使得所述一個或多個處理器實現權利要求1所述的方法。
6.一種計算機可讀存儲介質,其特征在于存儲有計算機可執行指令,所述指令在被執行時用于實現權利要求1所述的方法。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于中國人民解放軍空軍工程大學,未經中國人民解放軍空軍工程大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202310247841.1/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種生物節律燈光動態調節方法及系統
- 下一篇:播控終端認證管理方法和系統





