基于深度学习的光束位置估计,使用光子计数摄像头在自由空间光通信中的光子计数摄像头.
Optics express
|December 19, 2025
概括
一种新的深度学习方法通过准确估计信标束中心来增强深空光学传感. 这种基于深度学习的超高分辨率光束位置估计器 (DSRBPE) 即使在噪音较大,信号较弱的情况下也能达到分像素精度.
科学领域:
- 光学传感和通信技术
- 深度学习应用程序深度学习应用程序
- 光子检测检测的光子检测.
背景情况:
- 光子计数摄像头为深空应用提供高灵敏度和时间分辨率.
- 精确估计信标束中心至关重要,但由于光子噪声和波动,很难.
研究的目的:
- 开发基于深度学习的超高分辨率光束位置估计器 (DSRBPE).
- 为了提高对深空中弱光信号的光束位置估计的准确性.
主要方法:
- 开发了一个包含光子数据建模的深度学习模型.
- 优化了一个超高分辨率的卷积神经网络框架和损失函数.
- 使用模拟和实验验证.
主要成果:
- 实现了0.2像素的子像素精度,用于中心点抽取.
- 在32x32探测器上成功估计了一个弱4x4像素高斯点的位置.
- 与传统算法相比,在低信号噪声比条件下表现出优越的稳定性.
结论:
- DSRBPE显著提高了深空光学传感中光束位置估计的准确性.
- 拟议的方法为挑战性低信号对噪声环境提供了强大的解决方案.
- 深度学习提供了一种强大的方法来提高光学传感能力.


