BR-GAN: GAN con mejora estructural con optimización de pérdida híbrida para la recuperación de haces de momento...

Área de la Ciencia:

• Óptica y Fotónica
• Inteligencia Artificial
• Comunicaciones Ópticas de Espacio Libre

Sus antecedentes:

• Los haces de momento angular orbital (OAM) ofrecen potencial para comunicaciones de alta capacidad.
• La distorsión del haz OAM debido a la turbulencia atmosférica (AT) limita las aplicaciones prácticas.
• Los métodos de recuperación existentes luchan con distorsiones complejas y diferentes intensidades de turbulencia.

Objetivo del estudio:

• Desarrollar un método novedoso y robusto para la recuperación de haces OAM distorsionados.
• Mejorar el rendimiento de las redes generativas adversarias (GAN) para la restauración de haces OAM.
• Validar el método propuesto en diversos niveles de distorsión y escenarios de turbulencia.

Principales métodos:

• Se desarrolló una red generativa adversaria mejorada estructuralmente (BR-GAN) con optimización de pérdida híbrida.
• Se optimizó la arquitectura y el entrenamiento del BR-GAN para mejorar la recuperación de OAM.
• Se evaluó el rendimiento utilizando la relación señal/ruido pico (PSNR), el índice de similitud estructural (SSIM) y la pureza de modo.

Principales resultados:

• El BR-GAN logró un alto rendimiento de recuperación (p. ej., 41,76 dB de PSNR, 0,9989 de SSIM, 0,9815 de pureza de modo para OAM+1).
• Se demostró una recuperación eficaz en turbulencias atmosféricas débiles, moderadas y fuertes.
• BR-GAN superó significativamente a los métodos convencionales (VAE, GAN original, VGG-11) en métricas clave.

Conclusiones:

• El BR-GAN propuesto ofrece un rendimiento superior para la recuperación de haces OAM en comparación con las técnicas existentes.
• El método muestra una gran promesa para sistemas de comunicación láser de espacio libre de alta capacidad, incluido el multiplexado por división de modo (MDM).
• BR-GAN proporciona una solución robusta para la compensación de la distorsión del haz OAM en condiciones del mundo real.