文献类型：期刊文章

作　　者：尹霄丽[1] 崔小舟[1] 常欢[1] 张兆元[1] 苏元直[1] 郑桐[1]

Yin Xiaoli;Cui Xiaozhou;Chang Huan;Zhang Zhaoyuan;Su Yuanzhi;Zheng Tong(Beijing Key Laboratory of Space-Ground Interconnection and Convergence,School of Electronic Engineering,Beijing University of Posts and Telecommunications,Beijing 100876,China)

机构地区：[1]北京邮电大学电子工程学院天地互联与融合北京市重点实验室,北京100876

出　　处：《光电工程》

基　　金：国家自然科学基金资助项目(61575027);北京市自然科学基金资助项目(4192041)。

年　　份：2020

卷　　号：47

期　　号：3

起止页码：124-138

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：轨道角动量(OAM)复用和编码技术可有效提高光通信系统信道容量。近些年研究者提出将机器学习(ML)技术用于OAM模式探测以提高OAM光通信系统性能。本文对基于机器学习的OAM模式探测方案进行了综述,包括误差反向传播(BP)神经网络、自组织神经网络(SOM)、支持向量机(SVM)、卷积神经网络(CNN)、光束变换辅助的识别技术以及全光衍射深度神经网络(D2NN),分析了各类机器学习OAM探测器在对抗大气、水下信道带来的干扰时展现出的性能差异以及各自优势。

关 键 词：轨道角动量 机器学习  神经网络

分 类 号：TN929.1]