相关实验视频
Updated: May 10, 2026

07:45
Quasi-light Storage for Optical Data Packets
Published on: February 6, 2014
11.4K
使用基于OAM的结构光和智能自适应信号处理的强大的高容量自由空间光通信
Muhammad Ahmad1,2,3, Babar Hayat4, Ming Fang1,2,3
1The Key Laboratory of Intelligent Computing and Signal Processing, Ministry of Education, Anhui University, Hefei, 230601, China.
Scientific reports
|February 26, 2026
概括
本研究介绍了一种混合的自由空间光学 (FSO) 通信系统,使用结构光和AI来克服大气流 (AT). 新的框架显著降低了比特错误率,并改善了强大的FSO链路的信号稳定性.
科学领域:
- 光学通信是指光学通信.
- 信号处理 信号处理
- 大气物理学 大气物理学
背景情况:
- 自由空间光学 (FSO) 通信提供高速,安全的数据传输,但受到大气流 (AT) 的限制.
- 现有的方法在实时适应性补偿AT诱导的信号退化方面扎.
- 挑战包括光束扭曲,强度色,以及长距离FSO链路中的多式联络干扰.
研究的目的:
- 开发一种新的混合FSO框架,以提高对大气动荡的弹性.
- 整合结构光束,自适应光学和智能信号处理以实现实时补偿.
- 在恶劣大气条件下提高FSO通信系统的性能和可扩展性.
主要方法:
- 提出了一个混合FSO框架,包括贝塞尔,空气和轨道角动量 (OAM) 束.
- 实现了自适应光学 (AO) 和智能信号处理,包括动态神经模糊推理系统 (DNFIS) 进行等分.
- 利用深度卷积神经网络与时间域相关序列生成 (DCNN-TCSGm) 进行实时流预测和补偿.
- 在中红外光谱中使用光学元表面模拟OAM多重复合与波长分区多重复合 (WDM).
主要成果:
- 与传统系统相比,比特错误率 (BER) 降低了 55%.
- 在信号电压稳定性方面表现出22%的改善.
- 与传统的模式分割多重复合 (MDM) -FSO和决策反等效器 (DFE) 系统相比,获得了高达10dB的功率增益.
- 在具有挑战性的大气条件下验证了强度和可扩展性.
结论:
- 拟议的混合FSO框架有效地减轻大气流的影响.
- 整合结构光,AO和人工智能驱动的信号处理显著提高了FSO通信性能.
- 该框架为未来的高性能FSO网络提供了可扩展和强大的解决方案.

