基于神经网络的无线光波前校正理论与实验研究

发布时间：2021-01-16 03:23

　　近年来,无线光通信（Optical Wireless Communication,OWC）因其超宽频谱、保密性好等特点受到学术界和产业界的广泛关注。无线光通信的室外应用场景主要指自由空间光通信（Free Space Optical Communication,FSO）。FSO通信可广泛应用于室外多种场景,包括作为“最后一公里”问题的有效解决方案、应急通信方案、基站信息回传和卫星通信等。但在实际应用中,大气湍流将导致传输光束波前发生畸变,从而严重影响了 FSO通信系统的性能。自适应光学（Adaptive Optics,AO）技术是补偿波前畸变最常用的方法,但AO技术还存在很多亟需解决的问题,比如波前传感器（Wavefront Sensor,WFS）不能在强湍流下工作,适用范围小;基于盲优化算法的WFS-less AO系统需要迭代次数多,这将严重影响FSO通信系统的时效性。针对上述问题,本文结合卷积神经网络（Convolution Neural Network,CNN）方法,设计了基于CNN的波前畸变校正系统,可实现FSO通信系统中波前畸变的快速校正。对所研究的CNN波前校正方案进行系统建... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：89 页

【学位级别】：硕士

【部分图文】：

图１．２?ＦＳＯ通信应用场景（ａ）密集城市（ｂ）最后一公里接入（ｃ）基站回传（ｄ）军事应用??（ｅ）星间通信（ｆ）星地通信??

?第１章绪论???１．３研究内容和创新点??针对目前国内外研宄现状，本文基于应用在ＦＳＯ通信中的自适应光学系统??进行研究，设计并验证了一种基于神经网络的波前畸变快速校正方法。本文研宄??方案框图如图１．４所示。对ＦＳＯ自适应光学系统结构进行分析，针对波前畸变估??计精度与补偿等主要技术挑战，提出一种面向ＦＳＯ的基于卷积神经网络的波前??校正方案。接着从仿真研究和实验探究两方面研究了所提ＣＮＮ校正方法的可行??性与性能分析。探宄了基于ＣＮＮ的波前校正系统中的关键因素影响，包括Ｚｅｒｎｉｋｅ??项数、光强图像量化位数和ＣＮＮ网络结构等。并将所提方法与传统优化算法从??性能和时间复杂度上进行了比较分析。接着，通过搭建ＦＳＯＡＯ实验平台实验分??析了基于ＣＮＮ的ＦＳＯ波前校正系统在不同湍流强度下的校正性能。最后通过理??论推导和实验验证分析了湍流校正前后的光纤耦合效率分布。??－基于ＣＮＮ的ＦＳＯ?ＡＯ系统模型及原理??纖酿純（?ＷＺｅｍｉｋｅ项数／量??■颂獅挪化位数／ＣＮＮ结构）??Ｌ与传统优化算法的性能比较（校正??ｐｗｗｆｉｗｉ?性能和时间复杂度）??ＣＮＮ波前校正实验（不同湍流强度下??ｆ?波前校正性能）??湍流校正前后光纤耦合效率分布（理??论推导与实验验证）??图１．４研究方案框图??本文的具体研宄内容如下：??１．针对目前自适应光学技术还存在的问题与挑战，本文结合实际自适应光学??系统结构，研究了一种基于深度学习的快速波前畸变校正方案，可以实现波前畸??变的快速校正，且适用于不同的湍流强度。本文首先对大气湍流对ＦＳＯ链路的??影响进行建模分析，基于Ｚｅｍｉｋｅ多项式方法建立湍流波前畸变

图２．１所示。在发射端，发送信号在完成编码和调制后通过任意波形发生器??（Ａｒｂｉｔｒａｒｙ?Ｗａｖｅｆｏｒｍ?Ｇｅｎｅｒａｔｏｒ，ＡＷＧ）等器件将己调信号６（／）加载在激光器上，??设激光器偏置电流为／〇，当输入电流大于阈值电流心时，激光器的输出光功率??Ｐ仍与输入电流的关系在一定电流范围内成线性关系，如式（２．１）所示。??Ｐ（ｔ）?＝?Ｒ－（－Ｊ，ｈ＋ｂ（ｔ）?＋?Ｉ０）?（２．１）??其中，为电光转换系数。此时激光束的电场五为：??Ｅ（ｐ，?ｅ，?ｚ，?ｔ）?＝?４ｍ?■?Ｕ（ｐ，?９，?ｚ）ｅＭｐ＇ｅ＇２）?（２．２）??其中，｛／为电场的幅度，满足高斯分布，＾为高斯光束相位，ｐ和０分别为二维??坐标极化径向和角向，ｚ为传输距离。??


本文编号：2980064