概括
我们开发了一种全光学图像重建方法,使用环芯纤维 (RCF) 中的衍射深神经网络 (D2NN). 这种技术有效地纠正RCF中的散射问题,优于传统的多模光纤方法.
科学领域:
- 光学和光子学 在光学和光子学.
- 人工智能的人工智能
- 电信 电信服务 电信服务 电信服务
背景情况:
- 光纤成像在信号散射方面面临挑战,特别是在多模纤维 (MMF) 和环芯纤维 (RCF) 中.
- 纠正分散引起的扭曲的传统方法在复杂的场景重建中往往存在局限性.
- 轨道角动量 (OAM) 模式为光通信和成像中的增强信息容量提供了潜力.
研究的目的:
- 引入和实验验证使用衍射深度神经网络 (D2NN) 的全光学图像重建技术.
- 为了利用轨道角动量 (OAM) 模式,通过光纤进行高效的成像传输.
- 解决和克服RCF固有的散射到恢复转换问题.
主要方法:
- 在环芯纤维 (RCF) 架构中集成的衍射深度神经网络 (D2NN) 的实现.
- 利用轨道角动量 (OAM) 模式来传播图像数据.
- 在1550nm工作波长的实验验证,在MMF和RCF中比较性能.
主要成果:
- 复杂场 difrractive图像重建的成功实验演示.
- 显著缓解RCF内部的分散诱导的工件.
- 与传统的基于货币货币基金的校正技术相比,D2NN-RCF方法的表现优越.
结论:
- 提出的基于D2NN的全光学图像重建技术对于RCF成像是有效的.
- 这种方法在克服光纤散射挑战方面取得了重大进展.
- 这种方法对复杂光纤环境中的高保真图像传输充满了希望.
