机构名称：
¥ 1.0
摘要：当光与复杂介质相互作用（例如较少或多模式光纤）相互作用时，发生的复杂的光学失真通常是随机的，并且是通信和传感系统的错误源。我们提出使用轨道角动量（OAM）特征提取来减轻相位噪声，并允许使用联合偶联作为纤维传感的有效工具。OAM特征提取是通过被动的全光OAM消除来实现的，我们以94.1％的精度演示了纤维弯曲跟踪。相反，当使用经过卷积的神经网络进行培训的纤维输出强度测量训练时，确定相同的弯曲位置仅获得了14％的精度。此外，与基于强度图像的测量值相比，OAM特征提取的训练信息减少了120倍。这项工作表明结构化的轻型机器学习可以在各种未来的传感技术中使用。
纤维弯曲感应的结构化轻型机器学习
主要关键词
相关文件推荐
