CN108242957B - 基于信号串扰分布特征识别oam光束拓扑荷数的检测系统 - Google Patents

基于信号串扰分布特征识别oam光束拓扑荷数的检测系统 Download PDF

Info

Publication number
CN108242957B
CN108242957B CN201711275118.5A CN201711275118A CN108242957B CN 108242957 B CN108242957 B CN 108242957B CN 201711275118 A CN201711275118 A CN 201711275118A CN 108242957 B CN108242957 B CN 108242957B
Authority
CN
China
Prior art keywords
oam
light beam
module
charge number
optical
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201711275118.5A
Other languages
English (en)
Other versions
CN108242957A (zh
Inventor
杨国伟
李志鹏
毕美华
卢旸
周雪芳
胡淼
李齐良
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201711275118.5A priority Critical patent/CN108242957B/zh
Publication of CN108242957A publication Critical patent/CN108242957A/zh
Application granted granted Critical
Publication of CN108242957B publication Critical patent/CN108242957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B10/00—Transmission systems employing electromagnetic waves other than radio-waves, e.g. infrared, visible or ultraviolet light, or employing corpuscular radiation, e.g. quantum communication
    • H04B10/60—Receivers
    • H04B10/66—Non-coherent receivers, e.g. using direct detection
    • H04B10/67—Optical arrangements in the receiver
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04J—MULTIPLEX COMMUNICATION
    • H04J14/00—Optical multiplex systems
    • H04J14/04—Mode multiplex systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Optical Communication System (AREA)

Abstract

基于信号串扰分布特征识别OAM光束拓扑荷数检测系统，包括OAM复用模块、第一、第二光学天线模块、OAM解复用模块和OAM光束拓扑荷数检测模块；OAM复用模块对涡旋光束进行轨道角动量复用；第一光学天线模块将经过OAM复用模块后的涡旋光束信号发射进入光通信信道；第二光学天线将经过光通信信道后的光束进行接收并传入OAM解复用模块，OAM解复用模块将接收到的光信号分解到一组OAM模式上，并转化成串扰分布电信号后输入所述OAM光束拓扑荷数检测模块，OAM光束拓扑荷数检测模块对输入数据进行分析以得出涡旋光束的拓扑荷数。本发明利用串扰分布的特征，充分利用串扰分布中包含的拓扑荷数信息使得涡旋光束拓扑荷数检测的正确率高、速率快，实现高速率信息传输。

Description

基于信号串扰分布特征识别OAM光束拓扑荷数的检测系统
技术领域
本发明属于激光通信技术领域，具体涉及一种基于信号串扰分布特征识别轨道角动量(OAM)光束拓扑荷数的检测系统。
背景技术
从上世纪90年代起，国内外学者对涡旋光束开展了大量研究工作，其中就包括了对涡旋光束的拓扑荷数的检测。从一开始，对涡旋光束的拓扑荷数检测主要包括两种方法，一种是基于干涉衍射效应对接收端的光斑使用光学方法来使得拓扑荷数的数值特性显示在干涉或衍射后的光斑图像中。这种方法利用了涡旋光束的相位分布的宏观特征，相干涡旋光束具有不同拓扑荷数时会发生干涉现象并在光斑上显现出与拓扑荷数相关的亮斑或暗斑。另一种方法是基于近几年提出的涡旋光束串扰分布特征的。涡旋光束的串扰分布在未受到信道干扰前或在较弱的信道干扰下，拓扑荷数非常容易被区分，而在受到较强的信道干扰后的串扰分布特征则难以用于拓扑荷数的检测。这主要是由于传统的对串扰分布的检测只接受基于检测串扰值最高的点为拓扑荷数而放弃了对其他邻近位置串扰分布的数值进行分析。
传统的轨道角动量复用系统中，由于涡旋光束需要在光通信信道中传输，极易受到信道干扰的影响从而导致涡旋光束的拓扑荷数难以被识别，这一结果也导致了轨道角动量的解复用系统难以实现。再加之传统的轨道角动量解复用系统中使用的拓扑荷数检测方法多是基于在接收端对检测到的光斑进行干涉或衍射的方法。这种方法在低速率且较弱信道干扰下是可行的，而在较强的信道干扰下，通过分析接收端检测到的光斑的几何分布特性来确定拓扑荷数则非常困难，并且对干涉或衍射后的光斑进行图像处理的速率也很难达到高速通信系统的要求。而基于串扰分布特征的检测方法由于局限于对串扰值最高点的判决而缺少对串扰分布包络的分析，对拓扑荷数的检测正确率也难以达到实际应用的要求。
发明内容
为了解决现有技术存在结构复杂、准确率低、速率低、使用不方便等技术问题，本发明提供了一种结构简单、准确率高、速率高、使用简便的涡旋光束拓扑荷数检测系统。
为了实现上述目的，本发明所采用的技术方案如下：
基于信号串扰分布特征识别OAM光束拓扑荷数检测系统，包括OAM复用模块、第一光学天线模块、第二光学天线模块、OAM解复用模块和OAM光束拓扑荷数检测模块；所述的OAM复用模块对涡旋光束进行轨道角动量复用；所述的第一光学天线模块将经过OAM复用模块后的涡旋光束信号发射进入光通信信道；所述的第二光学天线将经过光通信信道后的光束进行接收并传入OAM解复用模块，所述的OAM解复用模块将接收到的光信号分解到一组OAM模式上，并转化成串扰分布电信号后输入所述OAM光束拓扑荷数检测模块，所述的OAM光束拓扑荷数检测模块对输入数据进行分析以得出涡旋光束的拓扑荷数。
优选的，所述的OAM光束拓扑荷数检测模块包括涡旋光束串扰计算模块、码本寄存器、相似因数计算模块；
涡旋光束串扰计算模块，将输入的不同拓扑荷数涡旋光束对应的电信号转化为串扰分布并以矢量的形式作为训练序列将串扰分布存入码本寄存器，并且将输出的串扰分布矢量作为相似因数计算模块的一路输入；
码本寄存器，将串扰分布矢量作为码矢保存，并通过统计学习算法，随着训练序列的增加实时更新码本寄存器中的码矢，并且将寄存器中的码矢作为相似因数计算模块的一路输入；
相似因数计算模块，比较两路输入矢量之间的相似因数，通过比较计算得到的相似因数与阈值来判定是否接受拓扑荷数的检测结果；输出正确的涡旋光束拓扑荷数检测值。
优选的，所述的相似因数计算模块将计算两路输入矢量之间的相似度并与所述的阈值进行比较，当符合阈值判决条件时，则接受码矢所代表的拓扑荷数检测结果，否则就更换下一条码矢。
本发明基于信号串扰分布特征识别轨道角动量(OAM)光束拓扑荷数的检测系统，包括OAM光信号发射端和OAM光信号接收端，其中，OAM光信号发射端包括OAM复用模块以及第一光学天线模块；OAM光信号接收端由第二光学天线模块、OAM解复用模块和OAM光束拓扑荷数检测模块三部分组成；携带不同OAM的光束经过OAM复用模块后，OAM光信号均延着同一光轴方向进行传输，并经由第一光学天线模块向OAM光信号接收端发射。经过光通信信道传输后，OAM光信号被OAM光信号接收端的第二光学天线模块接收，并经过OAM解复用模块得到接收光信号的串扰分布。最后通过OAM光束拓扑荷数检测模块，可对串扰分布特性进行解析并识别出OAM光束的拓扑荷数。OAM光束拓扑荷数检测模块首先对检测到的经过轨道角动量复用的涡旋光束计算串扰分布，并使用矢量保存串扰分布的数值。随后一边将串扰分布矢量串扰码本寄存器作为训练序列，一边将提取串扰分布矢量中的特征并传入相似因数计算模块。而码本寄存器将对传入的训练序列使用统计学习算法，改变本地存储的码矢并将码矢提取特征并传入相似因数计算模块。随后，相似因数计算模块将计算两路输入矢量之间的相似度并于判决阈值比较，当符合判决条件时则接受码矢所代表的拓扑荷数检测结果，否则更换下一条码矢。
使用本发明可以达到以下有益效果：本发明利用串扰分布的特征，充分利用串扰分布中包含的拓扑荷数信息使得涡旋光束拓扑荷数检测的正确率更高、速率更快，可实现高速率信息传输。本发明在应用形式、实际效果、技术方案简便性上，具有很好的创新形式和强大的适应性，更是在强湍流条件下拓扑荷数的检测效果尤为突出，具备很好的应用前景。
附图说明
图1是本发明的整体功能方框图。
图2是本发明OAM光信号接收端的整体功能方框图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细地描述。
如图1所示，本实施例基于信号串扰分布特征识别OAM光束拓扑荷数检测系统由OAM光信号发射端和OAM光信号接收端两部分组成，其中，OAM光信号发射端包括OAM复用模块以及第一光学天线模块；OAM光信号接收端端包括第二光学天线模块、OAM解复用模块和OAM光束拓扑荷数检测模块三部分。
OAM复用模块对涡旋光束进行轨道角动量复用，复用后的涡旋光束信号是经过空间耦合后同轴传输的光信号。OAM复用模块包括对多个相同波段的具有不同拓扑荷数的涡旋光束信号进行复用，波段为光通信中多个工作窗口中的一个。
第一光学天线模块将经过OAM复用模块后的涡旋光束信号发射进入光通信信道。
第二光学天线模块是将经过光通信信道后的光束信号接收的装置。第二光学天线将经过光通信信道后的光束进行接收并传入OAM解复用模块，将光信号转化成电信号的，转换后的电信号作为后端OAM光束拓扑荷数检测模块的输入。OAM光束拓扑荷数检测模块将对输入数据进行分析以得出涡旋光束的拓扑荷数。
OAM解复用模块是将接收到的光信号分解到一组OAM模式上并转化成串扰分布电信号的装置，转换后的电信号作为后端OAM光束拓扑荷数检测模块的输入。
OAM光束拓扑荷数检测模块将对输入数据进行分析以得出涡旋光束的拓扑荷数的装置。OAM光束拓扑荷数检测模块中使用统计学习算法对拓扑荷数进行识别，包括但不限于涡旋光束串扰计算模块、码本寄存器、相似因数计算模块。
涡旋光束串扰计算模块，将输入的不同拓扑荷数涡旋光束对应的电信号转化为串扰分布并以矢量的形式作为训练序列将串扰分布存入码本寄存器，并且将输出的串扰分布矢量作为相似因数计算模块的一路输入。
码本寄存器将串扰分布矢量作为码矢保存，并通过统计学习算法，随着训练序列的增加实时更新码本寄存器中的码矢，并且将寄存器中的码矢作为相似因数计算模块的一路输入。
相似因数计算模块可以比较两路输入矢量之间的相似因数，通过比较计算得到的相似因数与阈值来判定是否接受拓扑荷数的检测结果。
图2显示了一种OAM光束拓扑荷数检测模块的实现方式。基于信号串扰分布特征识别的OAM光束拓扑荷数检测方法的执行过程参见图2，首先携带调制信息涡旋光束从光通信信道中传输后，被第二光学天线接收后，OAM解复用模块将传入的光信号转换为串扰分布电信号作为OAM光束拓扑荷数检测模块的输入信号。随后，OAM光束拓扑荷数检测模块将输入信号与具有不同拓扑荷数的共轭涡旋相位分布计算内积(其中内积的定义为：
Figure BDA0001496240800000041
Figure BDA0001496240800000042
)，获得输入信号的串扰分布并使用矢量形式保存串扰分布的数值。涡旋光束串扰计算模块一边将串扰分布矢量串扰码本寄存器作为训练序列传入码本寄存器，一边将提取串扰分布矢量中的特征并传入相似因数计算模块。其中码本寄存器使用统计学习算法(如监督学习算法或半监督学习算法)以获得码矢，算法首先对输入的训练序列取平均值以获得串扰分布模型估计短时间内信道对信号的干扰，不断根据后续输入的训练序列修正串扰分布模型，与此同时将串扰分布模型在本地存储为码矢，对码矢提取特征并传入相似因数计算模块。随后，相似因数计算模块将输入的码矢与串扰分布样矢量计算余弦相似度(其中余弦相似度的定义为：
Figure BDA0001496240800000043
)，并将计算得到的余弦相似度与判决阈值比较，其中判决阈值是根据贝叶斯决策理论获得的最佳判决门限，当余弦相似度大于判决阈值时则接受码矢所代表的拓扑荷数检测结果，否则就更换下一条码矢。最终，OAM光束拓扑荷数检测模块将输出正确的涡旋光束拓扑荷数检测值。
本领域技术人员可显见，本发明上述概述并不意味着阐述了本发明的每一个示例性的实施例或每一种实施方式，容易对本发明进行各种修改和形式替换而不偏离本发明的精神和范围。因此，旨在使本发明覆盖落在所附权利要求书及其等效技术方案范围内的对本发明的修改、替换及其等同形式。

Claims (2)

1.基于信号串扰分布特征识别OAM光束拓扑荷数的检测系统，其特征是包括OAM复用模块、第一光学天线模块、第二光学天线模块、OAM解复用模块和OAM光束拓扑荷数检测模块；
所述的OAM复用模块对涡旋光束进行轨道角动量复用；所述的第一光学天线模块将经过OAM复用模块后的涡旋光束信号发射进入光通信信道；
所述的第二光学天线将经过光通信信道后的光束进行接收并传入OAM解复用模块；所述的OAM解复用模块将接收到的光信号分解到一组OAM模式上，并转化成串扰分布电信号后输入所述OAM光束拓扑荷数检测模块；所述的OAM光束拓扑荷数检测模块对输入电信号数据进行分析以得出涡旋光束的拓扑荷数；
所述的OAM光束拓扑荷数检测模块包括涡旋光束串扰计算模块、码本寄存器、相似因数计算模块；
涡旋光束串扰计算模块，将输入的不同拓扑荷数涡旋光束对应的电信号转化为串扰分布并以矢量的形式作为训练序列将串扰分布存入码本寄存器，并且将输出的串扰分布矢量作为相似因数计算模块的一路输入；
码本寄存器，将串扰分布矢量作为码矢保存，并通过统计学习算法，随着训练序列的增加实时更新码本寄存器中的码矢，并且将寄存器中的码矢作为相似因数计算模块的一路输入；
相似因数计算模块，比较两路输入矢量之间的相似因数，通过比较计算得到的相似因
数与阈值来判定是否接受拓扑荷数的检测结果，输出正确的涡旋光束拓扑荷数检测值。
2.如权利要求1所述基于信号串扰分布特征识别OAM光束拓扑荷数的检测系统，其特征是：
所述的相似因数计算模块将计算两路输入矢量之间的相似度并与所述的阈值进行比较，当符合阈值判决条件时，则接受码矢所代表的拓扑荷数检测结果，否则就更换下一条码矢。
CN201711275118.5A 2017-12-06 2017-12-06 基于信号串扰分布特征识别oam光束拓扑荷数的检测系统 Active CN108242957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711275118.5A CN108242957B (zh) 2017-12-06 2017-12-06 基于信号串扰分布特征识别oam光束拓扑荷数的检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711275118.5A CN108242957B (zh) 2017-12-06 2017-12-06 基于信号串扰分布特征识别oam光束拓扑荷数的检测系统

Publications (2)

Publication Number Publication Date
CN108242957A CN108242957A (zh) 2018-07-03
CN108242957B true CN108242957B (zh) 2020-05-22

Family

ID=62701015

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711275118.5A Active CN108242957B (zh) 2017-12-06 2017-12-06 基于信号串扰分布特征识别oam光束拓扑荷数的检测系统

Country Status (1)

Country Link
CN (1) CN108242957B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110401488B (zh) * 2019-07-12 2021-02-05 北京邮电大学 一种解调方法及装置
CN114268403B (zh) * 2021-12-08 2023-07-21 淮阴工学院 一种降低信道串扰的方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144025A (zh) * 2014-05-29 2014-11-12 深圳大学 一种利用光学旋涡达曼光栅复用及解复用的方法和系统
CN105282630A (zh) * 2015-09-10 2016-01-27 深圳大学 一种新型涡旋达曼光栅模型及动态可重构路由系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10284325B2 (en) * 2015-11-27 2019-05-07 Electronics And Telecommunications Research Institute Apparatus for OAM mode combination and antenna apparatus for multi-mode generation

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104144025A (zh) * 2014-05-29 2014-11-12 深圳大学 一种利用光学旋涡达曼光栅复用及解复用的方法和系统
CN105282630A (zh) * 2015-09-10 2016-01-27 深圳大学 一种新型涡旋达曼光栅模型及动态可重构路由系统

Also Published As

Publication number Publication date
CN108242957A (zh) 2018-07-03

Similar Documents

Publication Publication Date Title
CN112818891B (zh) 通信干扰信号类型智能识别方法
CN108242957B (zh) 基于信号串扰分布特征识别oam光束拓扑荷数的检测系统
CN102760235B (zh) 一种基于多视的水下目标分类系统及方法
Liu et al. Deep learning-based spectrum sensing in space-air-ground integrated networks
CN110061946A (zh) 一种面向高铁的深度信号检测方法
Wu et al. LiDAR-aided mobile blockage prediction in real-world millimeter wave systems
CN116866129A (zh) 一种无线通信信号检测方法
CN108881096A (zh) 一种基于相位判决的空间调制mqam基站
CN109275096A (zh) 一种基于多层融合网络动态匹配的室内定位方法
CN114757224A (zh) 一种基于持续学习和联合特征提取的特定辐射源识别方法
CN114298086A (zh) 基于深度学习和四阶滞后矩谱的stbc-ofdm信号盲识别方法和装置
CN112751633B (zh) 一种基于多尺度窗口滑动的宽带频谱检测方法
CN111417124A (zh) 在认知无线网络环境下频谱感知的方法
CN104036300A (zh) 基于均值漂移分割的遥感图像目标识别方法
CN103996207A (zh) 一种物体跟踪方法
CN106960183A (zh) 一种基于梯度提升决策树的图像行人检测算法
Tang et al. A novel approach for automatic recognition of LPI radar waveforms based on CNN and attention mechanisms
Gai et al. Spectrum sensing method based on residual cellular network
CN110380801A (zh) 基于lstm的协作感知算法及多usrp实现的方法
Weng et al. Message structure aided attentional convolution network for rf device fingerprinting
Li et al. MorseNet: a unified neural network for morse detection and recognition in spectrogram
CN115276857A (zh) 基于Cholesky分解和卷积神经网络相结合的全盲频谱检测方法
To Efficient Automatic Modulation Classification for Next Generation Wireless Networks
Marina et al. Automatic Traffic Light Detection Using AI for VLC
Li et al. Detection algorithm of frequency hopping signals based on S Transform and Deep Learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant