E-viri
Recenzirano
Odprti dostop
-
尹霄丽; 崔小舟; 常欢; 张兆元; 苏元直; 郑桐 / Yin Xiaoli; Cui Xiaozhou; Chang, Huan; Zhang Zhaoyuan; Su Yuanzhi; Zheng, Tong
Guang Dian Gong Cheng = Opto-Electronic Engineering, 03/2020, Letnik: 47, Številka: 3Journal Article
轨道角动量(OAM)复用和编码技术可有效提高光通信系统信道容量。近些年研究者提出将机器学习(ML)技术用于OAM模式探测以提高OAM光通信系统性能。本文对基于机器学习的OAM模式探测方案进行了综述，包括误差反向传播(BP)神经网络、自组织神经网络(SOM)、支持向量机(SVM)、卷积神经网络(CNN)、光束变换辅助的识别技术以及全光衍射深度神经网络(D2NN)，分析了各类机器学习OAM探测器在对抗大气、水下信道带来的干扰时展现出的性能差异以及各自优势。
