[发明专利]一种涡旋光束轨道角动量模态的检测方法及装置

说明书

本发明提供的一种涡旋光束轨道角动量模态的检测方法及装置，所述方法包括：提取训练用涡旋光衍射图的特征参数，使用所述训练用涡旋光衍射图的特征参数对前馈神经网络进行多次迭代训练，得到训练后的前馈神经网络；提取任意一张待检测涡旋光衍射图的特征参数，将所述待检测涡旋光衍射图的特征参数输入到训练后的前馈神经网络，得到代表轨道角动量模态的二进制序列。训练后的前馈神经网络对图像有很强的识别能力，能够对涡旋光轨道角动量的模态进行快速且准确的检测，在光学OAM通信和量子通信等领域具有广阔的应用前景。

技术领域

本发明涉及计算机视觉领域和光学技术领域，尤其涉及的是一种涡旋光束轨道角动量模态的检测方法及装置。

背景技术

近年来，携带轨道角动量(Orbital Angular Momentum，OAM) 的涡旋光束在光学捕获、光学成像和量子信息等方面具有广阔的应用前景，在通信中，涡旋光束可以作为独立的信号传输通道，能提高通信容量，涡旋光的环形强度分布形成的大梯度力可以将微粒推入涡旋光束的暗核中，因此可以采用涡旋光进行粒子操作，OAM模态应用于数字信息编码能够提高光子效率，并增强芯片上光互联的数据容量。

人工神经网络(Artificial Neural Network，ANN)在图像识别、语音识别、语言翻译、光通信等领域得到了广泛的研究。因此可以结合人工神经网络优秀的图像识别和分类能力来实现涡旋光束的OAM模态检测，已有研究采用神经网络直接对共轭模态的涡旋光的光强分布进行信息提取，实现OAM模态识别；但是，此方法传输的涡旋光必须由两个共轭的OAM模态组成，或者在接收端用共轭OAM模态进行干涉，这严重减少了可用的OAM模态。并且在自由光通信中，涡旋光因其独特的螺旋相位结构，很容易受到大气湍流影响发生畸变，一般的模态识别方法很难在湍流环境中准确的对OAM模态进行识别。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明提供了一种涡旋光束轨道角动量模态的检测方法及装置，旨在准确、快速地识别湍流环境中的涡旋光束的OAM模态。

本发明的技术方案如下：

一种涡旋光束轨道角动量模态的检测方法，所述方法包括：

提取训练用涡旋光衍射图的特征参数，使用所述训练用涡旋光衍射图的特征参数对前馈神经网络进行多次迭代训练，得到训练后的前馈神经网络；

提取任意一张待检测涡旋光衍射图的特征参数，将所述待检测涡旋光衍射图的特征参数输入到训练后的前馈神经网络，得到代表轨道角动量模态的二进制序列。

作为进一步的改进技术方案，所述提取训练用涡旋光衍射图的特征参数，使用所述训练用涡旋光衍射图的特征参数对前馈神经网络进行多次迭代训练包括依次重复以下步骤：

将涡旋光调制成畸变涡旋光；

对所述畸变涡旋光进行衍射处理得到训练用涡旋光衍射图；

提取所述训练用涡旋光衍射图的特征参数，使用所述训练用涡旋光衍射图的特征参数训练前馈神经网络。

作为进一步的改进技术方案，所述将涡旋光调制成畸变涡旋光的步骤前还包括：

改变光源出射的高斯光束的偏振方向得到高斯光，并将所述高斯光调制成涡旋光。

作为进一步的改进技术方案，所述提取训练用涡旋光衍射图的特征参数的步骤包括：

从训练用涡旋光衍射图中选取i×i的衍射级作为训练用特征提取对象；

提取所述训练用特征提取对象中每个衍射级的最大值、平均值和方差作为训练用涡旋光衍射图的特征参数。

作为进一步的改进技术方案，所述使用所述训练用涡旋光衍射图的特征参数训练前馈神经网络的步骤包括：