典型文献
基于深度学习技术从散斑场中识别多涡旋结构的轨道角动量
文献摘要：
涡旋光束的轨道角动量(OAM)可用于信息的编码,因此在自由空间光通讯等领域具有重要的应用价值.然而,实际的传输空间通常存在着各种随机介质,会造成传输涡旋光束的波面畸变,导致传统的方法无法准确测量涡旋光束的轨道角动量.针对此问题,以毛玻璃作为随机介质,基于深度学习技术,从涡旋光束经过毛玻璃所产生的散斑场中准确识别出了涡旋光束的轨道角动量.为提升光信息的编码与传输能力,还进一步测试了多涡旋结构光束的轨道角动量识别.测试结果表明,对于五个涡旋结构的光束,所设计的网络仍能从单帧散斑图中准确识别其轨道角动量.
文献关键词：
量子光学;轨道角动量;深度学习;涡旋光束;散斑
中图分类号：
作者姓名：
王孝艳;王志远;陈子阳;蒲继雄
作者机构：
华侨大学信息科学与工程学院,福建省光传输与变换重点实验室, 福建 厦门 361021
文献出处：
引用格式：
[1]王孝艳;王志远;陈子阳;蒲继雄-.基于深度学习技术从散斑场中识别多涡旋结构的轨道角动量)[J].量子电子学报,2022(06):955-961
A类：
B类：
深度学习技术,散斑,涡旋结构,轨道角动量,涡旋光束,OAM,自由空间光,空间光通,常存,波面,面畸变,准确测量,毛玻璃,准确识别,传输能力,步测,结构光,单帧,斑图,量子光学
AB值：
0.219492
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
