【摘 要】
:
随着现代社会科学技术的飞速进步,为了满足人们日益增长的信息需求,研究一种新型大容量通信技术已成为当前通信领域的研究热点之一。涡旋光束由于其本身携带轨道角动量(Orbital Angular Momentum,OAM),且携带不同OAM的涡旋光束之间相互正交,因此可作为扩充信道传输容量的信息载体应用到光通信领域。目前,基于OAM的新型光通信技术已成为自由空间光通信领域的热门研究方向之一。对于一套高效
论文部分内容阅读
随着现代社会科学技术的飞速进步,为了满足人们日益增长的信息需求,研究一种新型大容量通信技术已成为当前通信领域的研究热点之一。涡旋光束由于其本身携带轨道角动量(Orbital Angular Momentum,OAM),且携带不同OAM的涡旋光束之间相互正交,因此可作为扩充信道传输容量的信息载体应用到光通信领域。目前,基于OAM的新型光通信技术已成为自由空间光通信领域的热门研究方向之一。对于一套高效的基于OAM的新型光通信系统,其关键之一是需要快速完成OAM模式的解复用,因此提出一种高效的OAM解复用技术是目前国内外众多人员的研究重点所在。本文旨在提高OAM光通信系统的高效性,围绕OAM模式的复用和解复用,建立一套高效的新型OAM模式的光通信系统,其具体的研究内容如下所示:(1)提出了一种在大气湍流环境中传输的基于改进的卷积神经网络(Convolutional Neural Networks,CNN)的OAM模式新型光通信方案。由于涡旋光束的螺旋相位容易受到大气湍流等传输环境的影响,为了实现通信系统的高效性,对此本文采用了近年来较为流行的深度学习方面的技术对在大气湍流环境中传输的OAM模式进行快速识别。同时还探究了不同湍流强度和传输距离对OAM模式的识别精度影响。为了增强系统的实用性,还探讨了OAM模式多路复用后,该系统对复用OAM模式的识别精度。此外还训练了系统模型在未知湍流环境中的识别精度,证明系统模型具有良好的泛化性。(2)提出了一种结合了相位压缩算法和改进CNN模型的OAM模式新型光通信方案。随着湍流强度和传输距离的增大,研究内容(1)所提出的系统模型的解调精度将随之下降。为了增强系统的实用性,论文进一步在发射端加入了相位压缩算法,通过增强涡旋光束的光强分布特征以此提高OAM模式的识别精度。同样讨论了此方案在不同传输条件下的识别精度,同时也分析了在不同压缩比情况下识别精度变化。仿真结果证明,系统模型在强湍流情况下依旧具有较高的识别精度。此外,为了证实模型具有良好的泛化性能,同样对系统在未知湍流强度中进行了测试,并且与传统CNN模型进行了比对,证明该系统具有良好的泛化性能。(3)研究了一种在大气湍流环境中传输的基于OAM模式的视频传输新型光通信系统。本文在大气湍流环境中建立了一套基于OAM键控的视频传输通信系统,该系统采用了OAM-SK的方式来完成数字信号和OAM模式的映射,其发射端和接收端分别通过相位全息图和复合相位全息图来生成和解调OAM模式,并且在系统中还结合了涡轮码进行编解码。同时测试了在不同湍流强度下和不同传输距离下视频传输的正确识别率情况,仿真结果表明,系统模型在中湍流强度下传输可以得到99.61%的正确识别率,在强湍流环境中,由于涡轮码的纠错效果,系统模型也可以较好地进行视频传输。
其他文献
随着我国居民对供电质量要求的逐步提高,配电网的发展也面临着新的挑战。智能配变终端是配电网自动化建设中的核心设备,其性能将直接影响到配电网的供电质量。但配变终端所面临的问题仍有不少,其中如何优化配电台区自动化管理成为了目前亟待解决的问题。结合当前配变终端存在的问题,本文提出了智能配变终端管理平台的设计方案和实现方法。智能配变终端管理平台总体采用B/S架构,前端采用Vue.js框架实现,界面设计选用E
随着无线设备的广泛部署,使用Wi Fi信号进行人体动作识别,在人机交互等领域起到重要作用。现有的方法针对不同场景下对同一套动作的识别准确率存在差异的问题,提出利用大量的动作数据对模型进行训练。但是,人工收集大量数据耗时耗力,并且模型对大量数据训练时会导致训练周期变长。本文利用迁移学习和少样本学习方法解决上述问题,论文主要工作如下:信道状态信息受环境影响会产生不同的变化,这会导致在不同时间或不同人做
随着具备多种编辑功能的音频软件的广泛流行,非专业人员为了私人目的也可以随意便捷的对音频文件进行各种编辑甚至是恶意篡改,这给检测音频的真实性带来了巨大的挑战。其中,同源复制粘贴篡改和异源拼接篡改是改变音频原始含义最重要的两种篡改方式。同源复制粘贴篡改操作是将原始音频中的某部分信息复制并粘贴到该音频的其他部分,因此原始片段与篡改片段之间高度的相似性致使检测十分困难。异源拼接篡改操作是将两段不同设备录制
近年来,随着新能源汽车大规模接入电网,对电网调节能力以及能源储备的要求不断提高。全球能源短缺问题的日益凸显以及人类环保意识的日益提高,促使绿色能源开发强度不断增大。自中国在第七十五届联合国大会上提出碳达峰、碳中和的“双碳”目标以来,世界各国有关于能源转型路径的关键判断趋于一致。为了能够早日实现“双碳”目标、提高能源储备量,增强能源系统的储备与调节能力显得尤为重要。本文以车网协同技术为基础,结合主流
边缘智能作为边缘计算与人工智能的结合,旨在将人工智能应用推向靠近终端的网络边缘。以深度神经网络模型(DNN)为核心的人工智能应用在边缘智能场景中存在计算时延高的问题,所以在此场景下对DNN计算进行加速是目前的研究热点。模型分割作为一种新兴技术,能有效地减少DNN的推理时长,但目前的研究仍然具有不足之处。本文研究了在“端-边”二层架构和“端-边-云”三层架构下的模型分割调度策略,针对具有截止期限的D
近年来,由于公共安全的迫切需求,安防行业蓬勃发展,但是多数安防管理仍然以低效率的人防为主,智能的监控系统亟需被构建,而行人再识别技术是其不可或缺的关键技术之一,已成为计算机视觉领域的研究热点。行人再识别是非重叠视域中特定行人的检索问题,即判断在某个摄像机中出现的特定行人是否出现在其他摄像机中。目前,监控摄像机一般采用可见光-红外双模式交替以实现全时段的日夜运行,由于实际应用需要,可见光-红外行人再
随着北斗卫星导航系统的全面建成,相关产品和服务的应用范围也越来越广,人们对于卫星导航定位的精度要求也越来越严格,为了获得高精度的导航定位结果,必须准确的探测到卫星信号的周跳。现有的周跳探测方法有很多,但是存在不适用于单频数据,难以探测小周跳,周跳探测精度不高,没有考虑载波相位数据时序特征的问题。根据载波相位数据的时序特征和长短期记忆网络的特点,本文提出了一种基于深度学习的卫星信号周跳探测方法,并通
在现代战争中,雷达工作的电磁环境日益复杂。主瓣干扰信号从雷达接收机的主波束进入,对雷达系统进行屏蔽或欺骗,严重降低了雷达系统对主瓣目标的检测性能。如何对抗雷达主瓣干扰,提高雷达系统在主瓣干扰环境下的探测能力,成为电子对抗领域的核心研究方向之一。近年来,盲信号分离技术被用于直接处理接收信号而无需先验知识,且易于工程实现,具有对抗主瓣干扰的巨大潜力和优势。因此,本文聚焦盲信号分离技术,围绕盲源分离(B
紧凑环(CT)是一种具有自组织结构、高密度和高速度的等离子体团。CT是在紧凑环注入装置上形成并加速,是动能、热能和电磁能的载体。由于其具有这些特性,常常被用在聚变装置的加料上。作为一种新型加料方式,它具有非常大的潜力实现聚变装置的芯部加料。CT还可以用于磁重联、磁靶向聚变和空间等离子体推进等研究领域上,具有非常广泛的应用前景。本论文主要研究内容有EAST-CTI紧凑环注入系统的搭建和测试,放电参数