CN112508185B - 基于衍射深度神经网络的光学轨道角动量模式光学系统 - Google Patents

基于衍射深度神经网络的光学轨道角动量模式光学系统 Download PDF

Info

Publication number
CN112508185B
CN112508185B CN202011156810.8A CN202011156810A CN112508185B CN 112508185 B CN112508185 B CN 112508185B CN 202011156810 A CN202011156810 A CN 202011156810A CN 112508185 B CN112508185 B CN 112508185B
Authority
CN
China
Prior art keywords
mode
neural network
diffraction
vortex
light
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
CN202011156810.8A
Other languages
English (en)
Other versions
CN112508185A (zh
Inventor
刘俊敏
陈丽贞
王佩佩
黄泽斌
柴广跃
陆黎明
陈书青
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.)
Shenzhen Technology University
Original Assignee
Shenzhen Technology 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 Shenzhen Technology University filed Critical Shenzhen Technology University
Priority to CN202011156810.8A priority Critical patent/CN112508185B/zh
Publication of CN112508185A publication Critical patent/CN112508185A/zh
Application granted granted Critical
Publication of CN112508185B publication Critical patent/CN112508185B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/06—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons
    • G06N3/067—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means
    • G06N3/0675—Physical realisation, i.e. hardware implementation of neural networks, neurons or parts of neurons using optical means using electro-optical, acousto-optical or opto-electronic means
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B27/00—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00
    • G02B27/28—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for polarising
    • G02B27/286—Optical systems or apparatus not provided for by any of the groups G02B1/00 - G02B26/00, G02B30/00 for polarising for controlling or changing the state of polarisation, e.g. transforming one polarisation state into another

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Neurology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • Optical Communication System (AREA)
  • Optical Couplings Of Light Guides (AREA)

Abstract

本发明涉及一种基于衍射深度神经网络的光学轨道角动量模式光学系统。该系统中激光光源、起偏器、光纤耦合器、光纤准直器、涡旋光产生模块、模式复用神经网络模块、模式解复用神经网络模块、共轭涡旋光产生模块、探测器依次排列，模式复用神经网络模块的输入端通信连接涡旋光产生模块的输出端，模式解复用神经网络模块的输入端通信连接模式复用神经网络模块的输出端，模式解复用神经网络模块的输出端通信连接共轭涡旋光产生模块，共轭涡旋光产生模块的输出端通信连接探测器的输入端。本发明的涡旋光模式光学系统装置具有操作简单方便，光场信号处理准确灵活以及复用和解复用效果高效等特点，在轨道角动量通信等方面具有广阔的应用前景。

Description

基于衍射深度神经网络的光学轨道角动量模式光学系统
技术领域
本发明涉及深度学习和光通信领域，更具体地说，涉及一种基于衍射深度神经网络的光学轨道角动量模式光学系统。
背景技术
涡旋光束是一种相位波前呈螺旋状分布的特殊光束，波前沿传播方向上的轴螺旋前进使其具有轨道角动量(Orbital angular momentum，OAM)的特性，可以用方位角相位因子exp(jkl)来表征，并且每个光子携带
Figure GDA0003465218700000011
的，其中l表示OAM模式的拓扑电荷，θ表示柱坐标系中的方位角。由于光束截面的相位奇异性，涡旋光束呈现出“暗中空”的强度分布。这些空间变化的光场分布使得涡旋光束具有许多独特的光学性质，在粒子捕获和操纵、光通信以及量子信息等领域具有很大的潜力。
尤其是在光通信领域，正交OAM模式可以通过模式复用来显着提高通信容量密度。最近的研究表明，通过复用26个OAM模式信道，传输速率达到1.036Pbit/s。然而，通过空间光调制器及超表面器件调控光场的复用输出光场的准确性和能量利用率较低，表现为复用的多OAM模式的解复用由于缺乏高效灵活的识别方法而使其应用受到阻碍。传统神经网络使用的模型(例如前馈神经网络和卷积神经网络)全部由电驱动，只能离线处理光场信号。因此，现有的涡旋光模态复用与解复用技术还有待于改进和发展。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供基于衍射深度神经网络的光学轨道角动量模式光学系统。
本发明解决其技术问题所采用的技术方案是：构造一种基于衍射深度神经网络的光学轨道角动量模式光学系统，包括所述激光光源、起偏器、光纤耦合器、光纤准直器、涡旋光产生模块、模式复用神经网络模块、模式解复用神经网络模块、共轭涡旋光产生模块和探测器依次排列，所述模式复用神经网络模块的输入端通信连接所述涡旋光产生模块的输出端，所述模式解复用神经网络模块的输入端通信连接所述模式复用神经网络模块的输出端，并接收所述模式复用神经网络模块的输出端，所述模式解复用神经网络模块的输出端通信连接所述共轭涡旋光产生模块，所述共轭涡旋光产生模块的输出端通信连接所述探测器的输入端；
所述激光光源出射的杂偏基模高斯光束经过水平偏振方向的起偏器后生成水平偏振态的高斯光束，再经过所述光纤耦合器分束得到多路水平偏振的高斯光束，每路高斯光束分别经过所述光纤准直器准直后再分别经过多个所述涡旋光产生模块得到不同模式的涡旋光束，所述涡旋光束用拉盖尔-高斯光束进行模拟，其远场分布可近似表示为：
Figure GDA0003465218700000021
Figure GDA0003465218700000022
其中，(r,θ)为场点极坐标，z为传输距离，j为虚数单位，θ为方位角，
Figure GDA0003465218700000023
为光束传播z距离的束腰半径，w0为基模高斯光束在z＝0时的束腰半径，
Figure GDA0003465218700000024
是瑞利距离，λ是光波波长，k＝2π/λ为光波波矢，l和p为拓扑荷值和径向指数，此处径向指数p取0，LP为拉盖尔多项式；
多路不同模式的所述涡旋光束的经过所述模式复用神经网络模块耦合成一束同轴传输的多模涡旋光束，复用多轨道角动量的涡旋光场表达式为：
Figure GDA0003465218700000031
其中M取不同值时对应不同的l值，lM为第M个模式所携带的拓扑荷值，N为所叠加的模式数；
同轴传输的所述多模涡旋光束经过所述模式解复用神经网络模块解复用产生多路从不同的空间位置出射的不同模式的单模涡旋光束；
所述单模涡旋光束经过所述共轭涡旋光产生模块被解调还原成高斯光，再由相应模式所对应位置的所述探测器进行信号检测。
进一步，在本发明所述的基于衍射深度神经网络的光学轨道角动量模式光学系统中，所述模式复用神经网络模块和所述模式解复用神经网络模块为由衍射神经层数据3D打印的多个衍射屏，所述衍射神经层数据由搭建有模式复用和模式解复用的级联衍射深度神经网络模型的计算机训练得到。
进一步，在本发明所述的基于衍射深度神经网络的光学轨道角动量模式光学系统中，所述级联衍射深度神经网络模型包括：模式复用网络和模式解复用网络；
所述模式复用网络和所述模式解复用网络都包括：4个衍射神经层，相邻所述衍射神经层之间的距离为30mm，所述衍射神经层的大小为30×30mm2，每个所述衍射神经层有256×256个神经元；
最后一个衍射神经层在不同位置出射不同模式的涡旋光束。
进一步，在本发明所述的基于衍射深度神经网络的光学轨道角动量模式光学系统中，光束在级联衍射神经层间传播时遵循Rayleigh-Sommerfeld衍射原理，Rayleigh-Sommerfeld衍射传播公式可表示为：
Figure GDA0003465218700000041
其中(x,y,z)为衍射层神经元节点的坐标，i表示第s个衍射层的第i个神经元节点，
Figure GDA0003465218700000042
表示光源到第i个神经元节点的距离。
所述第s个衍射层的第i个神经元的输出可表示为：
Figure GDA0003465218700000043
其中
Figure GDA0003465218700000044
代表第s个衍射层的输入波，它由第(s-1)层的所有输出波叠加而成，传输系数
Figure GDA0003465218700000045
由幅度和相位项组成，并且服从
Figure GDA0003465218700000046
和
Figure GDA0003465218700000047
衍射屏尺寸和各层之间的距离固定时，光束调制取决于每个节点的幅度和相位值。
输入光束传播到第s层时，将光场转换为
Figure GDA0003465218700000048
被第s个衍射神经层衍射后，光场转变为：
Figure GDA0003465218700000049
随后光场空间自由传播两个衍射层之间的透射距离d，光场等效于经历菲涅耳衍射的透射矩阵H。透射矩阵H满足菲涅传播定理：
Figure GDA00034652187000000410
(fx,fy)为空间频率坐标，将第s层输出光场或第(s+1)层的输入光场表示为：
Figure GDA00034652187000000411
进一步，在本发明所述的基于衍射深度神经网络的光学轨道角动量模式光学系统中，所述衍射深度神经网络模型训练过程中用损失函数来表征模型训练的好坏，随着网络迭代次数的增加，网络预测的输出光场为Eout，定义理想输出光场的强度分布Iout，通过均方根误差损失函数来训练以逼近实际输出，过均方根误差损失函数的表达式为：
Figure GDA0003465218700000051
采用自适应矩估计优化算法使损失函数最小，并在优化的过程中不断更新网络衍射层的幅值和相位参数。
进一步，在本发明所述的基于衍射深度神经网络的光学轨道角动量模式光学系统中，所述涡旋光产生模块是只对水平偏振方向响应的第一组Q-相位板；所述模式复用神经网络模块是由模式复用神经网络衍射层数据3D打印的多个衍射屏；所述模式解复用神经网络模块是由模式解复用神经网络衍射层数据3D打印的多个衍射屏；所述共轭涡旋光产生模块是只对水平偏振方向响应的第二组Q-相位板。
进一步，在本发明所述的基于衍射深度神经网络的光学轨道角动量模式光学系统中，所述激光光源的工作波长为1550nm；所述起偏器是水平偏振方向的格兰棱镜；所述光纤耦合器是用于光束分束的单模光纤耦合器；所述光纤准直器用于光路准直的准直透镜；所述探测器是光电二极管器件。
实施本发明的一种基于衍射深度神经网络的光学轨道角动量模式光学系统，具有以下有益效果：本发明的涡旋光模式光学系统装置具有操作简单方便，光场信号处理准确灵活以及复用和解复用效果高效等特点，在轨道角动量通信等方面具有广阔的应用前景。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是一实施例提供的一种基于衍射深度神经网络的光学轨道角动量模式光学系统的结构示意图；
图2是一实施例提供的一种基于衍射深度神经网络的光学轨道角动量模式光学系统的模式复用和解复用过程示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
实施例
如图1所示，本实施例的一种基于衍射深度神经网络的光学轨道角动量模式光学系统包括：光束产生装置、模式复用装置、模式解复用装置和信号探测装置，其中
光束产生装置，用于将杂偏基模高斯光处理生成水平偏振方向的高斯光分束准直后再将其转变为水平偏振的单模涡旋光束。
模式复用装置，将不同空间位置的多路单模涡旋光束合成一束同轴传输的多模涡旋光束。
模式解复用装置，将同轴传输的一束多模涡旋光束进行模式识别并分解，并从空间不同位置出射多路单模涡旋光束。
信号探测装置，在不同空间位置出射的多路单模涡旋光束经过共轭处理还原成高斯光束，并由相应位置的探测器检测到能量并进行信号检测。
在一个较佳实施例中，光束产生装置具体用于将激光光源1出射的一束杂偏基模高斯光束经过水平偏振方向的起偏器2后生成水平偏振态的高斯光束，再经过光纤耦合器3得到多路水平偏振的高斯光束，每路高斯光束经过光纤准直器4准直后经过涡旋光产生模块5转变成不同模式的涡旋光。用拉盖尔-高斯光束模拟涡旋光束，其远场分布可近似表示为：
Figure GDA0003465218700000071
Figure GDA0003465218700000072
其中，(r,θ)为场点极坐标，z为传输距离，j为虚数单位，θ为方位角，
Figure GDA0003465218700000073
为光束传播z距离的束腰半径，w0为基模高斯光束在z＝0时的束腰半径，
Figure GDA0003465218700000074
是瑞利距离，λ是光波波长，k＝2π/λ为光波波矢，l和p为拓扑荷值和径向指数，此处径向指数p取0，LP为拉盖尔多项式。
具体地，光束产生装置包括：光源1、起偏器2、光纤耦合器3、光纤准直器4和涡旋光产生模块5，光源1、起偏器2、光纤耦合器3、光纤准直器4和涡旋光产生模块5依次排列。光源1采用工作波长为1550nm的激光光源，起偏器2是水平偏振方向的格兰棱镜，光纤耦合器3是用于光束分束的单模光纤耦合器，光纤准直器4是用于光路准直的准直透镜，涡旋光产生模块5是只对水平偏振方向响应及产生涡旋光束的第一组Q-相位板。
在一个较佳实施例中，模式复用装置将不同空间位置入射的多路单模涡旋光束合成一束同轴传输的多模涡旋光束。
不同空间位置入射的多路不同模式的涡旋光束的经过模式复用神经网络模块6耦合成一束同轴传输的多模涡旋光束，复用多轨道角动量的涡旋光场表达式为：
Figure GDA0003465218700000075
其中M取不同值时对应不同的l值，lM为第M个模式所携带的拓扑荷值，N为所叠加的模式数；
模式复用装置位于光束产生装置的同一方向上。具体地，模式复用装置包括：模式复用神经网络模块6。模式复用神经网络模块6是由模式复用神经网络衍射层数据3D打印的多个衍射屏，衍射屏按神经层的分布依次排列。
在一个较佳实施例中，模式解复用装置具体用于将同轴传输的一束多模涡旋光束进行模式识别并分解，并从空间不同位置出射多路单模涡旋光束。
同轴传输的多模复用的涡旋光束经过模式解复用神经网络模块7的光场调控后分解成多束不同模式的单模涡旋光束，并且从不同空间位置出射。
具体地，模式解复用装置包括：模式解复用神经网络模块7。模式解复用神经网络模块7是由模式解复用神经网络衍射层数据3D打印的多个衍射屏，衍射屏按神经层的分布依次排列。
在一个较佳实施例中，信号探测装置具体用于在不同空间位置探测到相应模式的涡旋光束。
从不同空间位置出射的多路单模涡旋光束经过共轭涡旋光产生模块8共轭处理还原成高斯光束，并由不同空间位置探测的探测器9检测到能量并进行信号检测。探测器的位置与不同模式的出射位置一一对应。
具体地，信号探测装置包括：共轭涡旋光产生模块8和探测器9，共轭涡旋光产生模块8、探测器9依次排列。共轭涡旋光产生模块8是可以将涡旋光束调制为高斯光的第二组Q-相位板，探测器9是光电二极管器件。
值得说明的是，本装置的衍射深度神经网络在迭代训练到最优之后可以将衍射层数据3D打印，从而可以在光路中直接处理光场信息，解决了OAM通信中缺乏有效模式检测、复用及解复用技术的问题。相比传统的模态检测方法，本实施例的涡旋光模态识别装置具有操作简单方便，光场信号处理准确灵活以及复用和解复用效果高效等特点，在轨道角动量通信等方面具有广阔的应用前景。
本实施例的一种基于衍射深度神经网络的光学轨道角动量光学系统的模式复用和解复用过程如图2所示。激光光源10通过起偏器处理成水平偏振方向的高斯光，在通过光纤耦合分束产出多路高斯光束11，准直后再通过涡旋光产生模块5将其转变为水平偏振的单模涡旋光场12，不同空间位置入射的多路单模涡旋光场12经过模式复用神经网络13耦合成同轴传输的复用多模涡旋光场14，光场14经过模式解复用神经网络15分解成不同空间位置出射的单模涡旋光场16，光场16经过共轭涡旋光产生模块8共轭处理还原成高斯光束，并由相应位置的探测器9探测到能量从而识别OAM模式17并进行信号检测。
本实施例的一种基于衍射深度神经网络的光学轨道角动量模式光学系统的级联衍射深度神经网络模型框架包括：模式复用网络和模式解复用网络。本实施例采用的级联衍射深度神经网络模型由两个网络级联而成，是一个8层的深度神经网络，模型的训练步骤具体如下：
模式复用神经网络13和模式解复用神经网络15都包括：4个衍射神经层，相邻衍射神经层之间的距离为30mm，衍射神经层的大小为30×30mm2，每个衍射神经层有256×256个神经元。
光束在级联衍射神经层间传播时遵循Rayleigh-Sommerfeld衍射原理，Rayleigh-Sommerfeld衍射传播公式可表示为：
Figure GDA0003465218700000091
(x,y,z)为衍射层神经元节点的坐标，i表示第s个衍射层的第i个神经元节点，
Figure GDA0003465218700000101
表示光源到第i个神经元节点的距离。
第s个衍射层的第i个神经元的输出可表示为：
Figure GDA0003465218700000102
Figure GDA0003465218700000103
代表第s个衍射层的输入波，它由第(s-1)层的所有输出波叠加而成，传输系数
Figure GDA0003465218700000104
由幅度和相位项组成，并且服从
Figure GDA0003465218700000105
和
Figure GDA0003465218700000106
衍射屏尺寸和各层之间的距离固定时，光束调制主要取决于每个节点的幅度和相位值。
输入光束传播到第s层时，将光场转换为
Figure GDA0003465218700000107
被第s个衍射神经层衍射后，光场转变为：
Figure GDA0003465218700000108
随后光场空间自由传播两个衍射层之间的透射距离d，光场等效于经历菲涅耳衍射的透射矩阵H；透射矩阵H满足菲涅传播定理：
Figure GDA0003465218700000109
(fx,fy)为空间频率坐标，然后，可以将第s层输出光场或第(s+1)层的输入光场表示为：
Figure GDA00034652187000001010
进一步，在本实施例的基于衍射深度神经网络的光学轨道角动量模式光学系统中，衍射深度神经网络模型训练过程当中用损失函数来表征模型训练的好坏，随着网络迭代次数的增加，网络预测的输出光场为Eout，定义理想输出光场的强度分布Iout，通过均方根误差损失函数来训练以逼近实际输出，过均方根误差损失函数的表达式为：
Loss＝∑(|Eout|2-Iout)1/2
采用自适应矩估计优化算法使损失函数最小，并在优化的过程中不断更新网络衍射层的幅值和相位参数。
本实施例的衍射深度神经网络的光学轨道角动量模式光学系统，成功利用深度学习中的衍射深度神经网络模型实现模式复用与解复用。相比传统的模式复用与解复用方案，本实施例的衍射深度神经网络的光学轨道角动量模式光学系统具有操作简单方便，光场信号处理准确灵活以及复用和解复用效果高效等特点，在轨道角动量通信等方面具有广阔的应用前景。
在上述基于衍射深度神经网络的光学轨道角动量模式光学系统的基础上，本实施例还提供了一种基于衍射深度神经网络的光学轨道角动量模式复用和解复用方法的较佳实施例：
本实施例基于衍射深度神经网络的光学轨道角动量模式光学系统方法，包括以下步骤：
步骤S100、将杂偏基模高斯光处理生成水平偏振方向的高斯光分束准直后再将其转变为水平偏振的单模涡旋光束。
具体地，步骤S100具体包括：
S110、将激光光源出射的一束杂偏基模高斯光束经过水平偏振方向的起偏器后得到水平偏振态的高斯光束；
S120、水平偏振方向的高斯光束经过光纤耦合器分束生成多路生成水平偏振的高斯光束并进行光路准直。
S130、各路准直后的高斯光束经过涡旋光产生模块生成水平偏振的涡旋光束。
步骤S200、不同模式的涡旋光束从不同空间位置入射到模式复用神经网络模块，经过神经网络的光场调控后实现模式复用，转变成同轴传输的多模涡旋光。
具体地，步骤S200具体包括：
S210、产生的水平偏振涡旋光束从不同空间位置入射衍射层，在多个衍射层的光场调控后将合成一束复用光束，衍射层的振幅和相位数据由模式复用神经网络训练得到。
步骤S300、模式复用的多模涡旋光束入射到模式解复用神经网络模块，经过神经网络的光场调控后实现模式解复用，转变成从不同空间位置出射的多路涡旋光。
具体地，步骤S300具体包括：
S310、模式复用的一束多模涡旋光入射衍射层，在多个衍射层的光场调控后将分解成多束不同模式的单模涡旋光，并从不同空间位置出射，从而实现模式解复用，衍射层的振幅和相位数据由模式解复用神经网络训练得到。
综上，本装置的衍射深度神经网络在迭代训练到最优之后可以将衍射层数据3D打印，从而可以在光路中直接处理光场信息，解决了OAM通信中缺乏有效模式检测、复用及解复用技术的问题。相比传统的模式复用与解复用方案，本实施例的衍射深度神经网络的光学轨道角动量模式复用和解复用系统具有操作简单方便，光场信号处理准确灵活以及复用和解复用效果高效等特点，在轨道角动量通信等方面具有广阔的应用前景。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上实施例只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人士能够了解本发明的内容并据此实施，并不能限制本发明的保护范围。凡跟本发明权利要求范围所做的均等变化与修饰，均应属于本发明权利要求的涵盖范围。

Claims (7)

1.一种基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，包括激光光源(1)、起偏器(2)、光纤耦合器(3)、光纤准直器(4)、涡旋光产生模块(5)、模式复用神经网络模块(6)、模式解复用神经网络模块(7)、共轭涡旋光产生模块(8)和探测器(9)，所述激光光源(1)、起偏器(2)、光纤耦合器(3)、光纤准直器(4)、涡旋光产生模块(5)、模式复用神经网络模块(6)、模式解复用神经网络模块(7)、共轭涡旋光产生模块(8)和探测器(9)依次排列，所述模式复用神经网络模块(6)的输入端通信连接所述涡旋光产生模块(5)的输出端，所述模式解复用神经网络模块(7)的输入端通信连接所述模式复用神经网络模块(6)的输出端，并接收所述模式复用神经网络模块(6)的输出端输出的经过自由空间传播的复用同轴传输光束，所述模式解复用神经网络模块(7)的输出端通信连接所述共轭涡旋光产生模块(8)，所述共轭涡旋光产生模块(8)的输出端通信连接所述探测器(9)的输入端；
所述激光光源(1)出射的杂偏基模高斯光束经过水平偏振方向的起偏器(2)后生成水平偏振态的高斯光束，再经过所述光纤耦合器(3)分束得到多路水平偏振的高斯光束，每路高斯光束分别经过所述光纤准直器(4)准直后再分别经过多个所述涡旋光产生模块(5)得到不同模式的涡旋光束，所述涡旋光束用拉盖尔-高斯光束进行模拟，其远场分布可近似表示为：
Figure FDA0003465218690000021
其中，(r,θ)为场点极坐标，z为传输距离，j为虚数单位，θ为方位角，
Figure FDA0003465218690000022
为光束传播z距离的束腰半径，w0为基模高斯光束在z＝0时的束腰半径，
Figure FDA0003465218690000023
是瑞利距离，λ是光波波长，k＝2π/λ为光波波矢，l和p为拓扑荷值和径向指数，此处径向指数p取0，LP为拉盖尔多项式；
多路不同模式的所述涡旋光束经过所述模式复用神经网络模块(6)耦合成一束同轴传输的多模涡旋光束，复用多轨道角动量的涡旋光场表达式为：
Figure FDA0003465218690000024
其中M取不同值时对应不同的l值，lM为第M个模式所携带的拓扑荷值，N为所叠加的模式数；
同轴传输的所述多模涡旋光束经过所述模式解复用神经网络模块(7)解复用产生多路从不同的空间位置出射的不同模式的单模涡旋光束；
所述单模涡旋光束经过所述共轭涡旋光产生模块(8)被解调还原成高斯光，再由相应模式所对应位置的所述探测器(9)进行信号检测。
2.根据权利要求1所述的基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，所述模式复用神经网络模块(6)和所述模式解复用神经网络模块(7)为由衍射神经层数据3D打印的多个衍射屏，所述衍射神经层由搭建有模式复用和模式解复用的级联衍射深度神经网络模型的计算机训练得到。
3.根据权利要求2所述的基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，所述级联衍射深度神经网络模型包括：模式复用网络和模式解复用网络；
所述模式复用网络和所述模式解复用网络都包括：4个衍射神经层，相邻所述衍射神经层之间的距离为30mm，所述衍射神经层的大小为30×30mm2，每个所述衍射神经层有256×256个神经元；
最后一个所述衍射神经层在不同位置出射不同模式的涡旋光束。
4.根据权利要求3所述的基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，光束在级联衍射神经层间传播时遵循Rayleigh-Sommerfeld衍射原理，Rayleigh-Sommerfeld衍射传播公式可表示为：
Figure FDA0003465218690000031
其中(x,y,z)为衍射层神经元节点的坐标，i表示第s个衍射层的第i个神经元节点，
Figure FDA0003465218690000032
表示光源到第i个神经元节点的距离；
所述第s个衍射层的第i个神经元的输出可表示为：
Figure FDA0003465218690000033
其中
Figure FDA0003465218690000034
代表第s个衍射层的输入波，它由第(s-1)层的所有输出波叠加而成，传输系数
Figure FDA0003465218690000035
由幅度和相位项组成，并且服从
Figure FDA0003465218690000036
和
Figure FDA0003465218690000037
衍射屏尺寸和各层之间的距离固定时，光束调控取决于每个节点的幅度和相位值；
输入光束传播到第s层时，将光场转换为
Figure FDA0003465218690000038
被第s个衍射神经层衍射后，光场转变为：
Figure FDA0003465218690000041
随后光场空间自由传播两个衍射层之间的透射距离d，光场等效于经历菲涅耳衍射的透射矩阵H；透射矩阵H满足菲涅传播定理：
Figure FDA0003465218690000042
(fx,fy)为空间频率坐标，将第s层输出光场或第(s+1)层的输入光场表示为：
Figure FDA0003465218690000043
5.根据权利要求4所述的基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，所述衍射深度神经网络模型训练过程中用损失函数来表征模型训练的好坏，随着网络迭代次数的增加，网络预测的输出光场为Eout，定义理想输出光场的强度分布Iout，通过均方根误差损失函数来训练以逼近实际输出，过均方根误差损失函数的表达式为：
Loss＝∑(|Eout|2-Iout)1/2
采用自适应矩估计优化算法使损失函数最小，并在优化的过程中不断更新网络衍射层的幅值和相位参数。
6.根据权利要求1所述的基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，所述涡旋光产生模块(5)是只对水平偏振方向响应的第一组Q-相位板；所述模式复用神经网络模块(6)是由模式复用神经网络衍射层数据3D打印的多个衍射屏；所述模式解复用神经网络模块(7)是由模式解复用神经网络衍射层数据3D打印的多个衍射屏；所述共轭涡旋光产生模块(8)是只对水平偏振方向响应的第二组Q-相位板。
7.根据权利要求1所述的基于衍射深度神经网络的光学轨道角动量模式光学系统，其特征在于，所述激光光源(1)的工作波长为1550nm；所述起偏器(2)是水平偏振方向的格兰棱镜；所述光纤耦合器(3)是用于光束分束的单模光纤耦合器；所述光纤准直器(4)用于光路准直的准直透镜；所述探测器(9)是光电二极管器件。
CN202011156810.8A 2020-10-26 2020-10-26 基于衍射深度神经网络的光学轨道角动量模式光学系统 Active CN112508185B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011156810.8A CN112508185B (zh) 2020-10-26 2020-10-26 基于衍射深度神经网络的光学轨道角动量模式光学系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011156810.8A CN112508185B (zh) 2020-10-26 2020-10-26 基于衍射深度神经网络的光学轨道角动量模式光学系统

Publications (2)

Publication Number Publication Date
CN112508185A CN112508185A (zh) 2021-03-16
CN112508185B true CN112508185B (zh) 2022-03-22

Family

ID=74955906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011156810.8A Active CN112508185B (zh) 2020-10-26 2020-10-26 基于衍射深度神经网络的光学轨道角动量模式光学系统

Country Status (1)

Country Link
CN (1) CN112508185B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113405675A (zh) * 2021-05-06 2021-09-17 杭州电子科技大学 一种基于光束轨道角动量态的非相干叠加键控方法与系统
CN113340418B (zh) * 2021-06-01 2022-06-28 北京理工大学 基于卷积神经网络的光束轨道角动量谱测量方法与系统
CN113466984B (zh) * 2021-06-30 2023-11-17 暨南大学 基于双柱电介质超表面的偏振器件
CN113822424B (zh) * 2021-07-27 2023-10-20 湖南大学 一种基于超构表面的全光衍射神经网络系统
CN114235146B (zh) * 2021-12-09 2024-03-15 中南民族大学 一种复用涡旋光束轨道角动量模式的检测系统及其方法
CN114819131A (zh) * 2022-05-12 2022-07-29 北京大学 一种基于光学片上超表面的光子衍射神经元及其实现方法
CN114722354B (zh) * 2022-06-10 2022-10-18 苏州大学 计算归一化轨道角动量通量密度的方法、设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017021888A1 (en) * 2015-08-04 2017-02-09 Strand S.R.L. Optical device for demultiplexing and multiplexing a plurality of channels with different wavelength and different orbital angular momentum and optical communication system thereof
CN110186559A (zh) * 2019-04-19 2019-08-30 深圳大学 一种涡旋光束轨道角动量模态的检测方法及装置
WO2019207438A1 (en) * 2018-04-26 2019-10-31 SM Optics S.r.l. Optical device for demultiplexing and multiplexing modes with different orbital angular momentum
CN111222538A (zh) * 2019-11-22 2020-06-02 深圳大学 一种涡旋光束模态识别方法、智能终端及存储介质

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10726353B2 (en) * 2015-08-03 2020-07-28 Nxgen Partners Ip, Llc Quantum mechanical framework for interaction of OAM with matter and applications in solid states, biosciences and quantum computing
US10891555B2 (en) * 2018-08-07 2021-01-12 Nxgen Partners Ip, Llc Universal quantum computer, communication, QKD security and quantum networks using OAM Qu-dits with digital light processing
US10187171B2 (en) * 2017-03-07 2019-01-22 The United States Of America, As Represented By The Secretary Of The Navy Method for free space optical communication utilizing patterned light and convolutional neural networks
CN107367795B (zh) * 2017-07-27 2019-10-18 中国科学院上海光学精密机械研究所 完美光学涡旋轨道角动量复用/解复用的光纤耦合装置
WO2019204960A1 (zh) * 2018-04-23 2019-10-31 中山大学 一种基于螺旋变换的光子轨道角动量模式测量方法及系统
CN109709684B (zh) * 2018-12-29 2023-05-12 广东尤科泊得科技发展有限公司 一种偏振调制轨道角动量的轨道角动量产生装置与方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017021888A1 (en) * 2015-08-04 2017-02-09 Strand S.R.L. Optical device for demultiplexing and multiplexing a plurality of channels with different wavelength and different orbital angular momentum and optical communication system thereof
WO2019207438A1 (en) * 2018-04-26 2019-10-31 SM Optics S.r.l. Optical device for demultiplexing and multiplexing modes with different orbital angular momentum
CN110186559A (zh) * 2019-04-19 2019-08-30 深圳大学 一种涡旋光束轨道角动量模态的检测方法及装置
CN111222538A (zh) * 2019-11-22 2020-06-02 深圳大学 一种涡旋光束模态识别方法、智能终端及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Convolutional Neural Network Based Atmospheric Turbulence Compensation for Optical Orbital Angular Momentum Multiplexing;Wenjie Xiong et al;《JOURNAL OF LIGHTWAVE TECHNOLOGY》;20200401;第38卷(第7期);1712-1721 *
OAM光束短距离自由空间传输特性的实验研究;席瑞等;《光电工程》;20190615(第06期);16-25 *
Orbital angular momentum: origins,behavior and applications;Alison M. Yao et al;《Enlighten–Research publications by members of the University of Glasgow》;20120717;161-204 *
涡旋光束轨道角动量在大气湍流传输下的特性分析;张利宏等;《光电工程》;20200415(第04期);52-63 *

Also Published As

Publication number Publication date
CN112508185A (zh) 2021-03-16

Similar Documents

Publication Publication Date Title
CN112508185B (zh) 基于衍射深度神经网络的光学轨道角动量模式光学系统
Wang et al. Orbital angular momentum and beyond in free-space optical communications
CN108196244B (zh) 基于spgd算法的光纤阵列相控阵偏转发射系统
US20180091230A1 (en) Systems and methods for detection and demodulation of optical communication signals
US7671337B1 (en) System and method for pointing a laser beam
US7429734B1 (en) System and method for aircraft infrared countermeasures to missiles
US20180262291A1 (en) Method for free space optical communication utilizing patterned light and convolutional neural networks
Zhao et al. Orbital angular momentum detection based on diffractive deep neural network
US7546037B2 (en) Topologically multiplexed optical data communication
CN111985320A (zh) 一种基于前馈神经网络的多模涡旋光束模态识别系统
CN111856766B (zh) 抑制湍流效应的自聚焦涡旋光束产生方法
CN110954213A (zh) 一种基于交叉相位的大拓扑荷数涡旋光制备与检测方法
CN108981935B (zh) 一种基于自发参量下转换的双光子高维空间纠缠的实现方法
CN115685565A (zh) 一种透过散射介质的复杂光场的调控方法及装置
Yang et al. Single-mode fiber coupling with a M-SPGD algorithm for long-range quantum communications
CN112179506B (zh) 一种混合阶或分数阶涡旋光束模态识别装置及方法
Song et al. Dynamic aerosol and dynamic air-water interface curvature effects on a 2-Gbit/s free-space optical link using orbital-angular-momentum multiplexing
Zhou et al. Spatiotemporal diffractive deep neural networks
CN108599840B (zh) 一种基于功率谱检测的lg光两维复用通信的实现方法
Chi et al. Comprehensive study of orbital angular momentum shift keying systems with a CNN-based image identifier
CN107941353A (zh) 一种基于双光子关联的相干涡旋拓扑荷的测量法
Briantcev et al. Efficient channel modeling of structured light in turbulence using generative adversarial networks
Madhag et al. Satellite vibration effects on communication quality of OISN system
US7760976B1 (en) Method and system for pointing a laser beam
Yang et al. CNN-based phase matching for the OAM mode selection in turbulence heterodyne coherent mitigation links

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