申请/专利权人：北京理工大学;北京邮电大学

申请日：2024-02-05

公开（公告）日：2024-06-28

公开（公告）号：CN118264318A

主分类号：H04B10/25

分类号：H04B10/25;H04B13/02;G06N3/0464

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开的一种基于物理先验神经网络的水下湍流波前相位恢复方法，属于光通信技术领域。本发明实现方法为：利用高斯光束作为探测光束经过海洋湍流信道；构建包括U‑Net网络的模型，采用混合输入输出算法分区域处理方法决相位包裹问题；采用角谱传输理论模拟光信号传输过程，构建多维度损失函数的联合损失函数，通过联合损失函数评估U‑Net网络生成的海洋湍流相位屏信息与真实值的差别程度，更新U‑Net网络模型权重，不断训练后直至损失函数收敛，U‑Net网络完成海洋湍流相位屏的生成。由基于物理先验的U‑Net神经网络模型预测海洋湍流相位屏信息，利用海洋湍流相位屏信息对发送光信号进行波前相位预补偿，提高水下无线光通信波前相位检测精度和效率。

主权项：1.一种基于物理先验神经网络的水下湍流波前相位恢复方法，用于补偿海洋湍流引起的光信号相位畸变，其特征在于：包括如下步骤，步骤一：水下无线光通信系统的接收端发送单个高斯光束，高斯光束经过海洋湍流信道后得到畸变的高斯光束，发送端接收畸变高斯光束的振幅幅值并进行归一化处理，然后对振幅接收屏周围进行“填充”操作，即扩展接收屏的面积为原接收屏面积的两倍，原接收屏接收的幅值在扩展后接收屏的中心位置，将周围扩展范围的幅值大小设置为0；填充后的幅值作为U-Net网络的输入；步骤二：构建用于生成海洋湍流相位屏的U-Net神经网络模型；步骤三：采用如式1所示表达式将输出的振幅幅值和海洋湍流相位屏进行幅值相角点乘： 其中A′x,y表示生成的幅值，表示生成的海洋湍流相位屏，fx,y则表示携带海洋湍流的高斯探测信号；在进行幅值相角点乘后采用混合输入输出算法进行分区域处理，混合输入输出算法的分区域处理具体处理如下：接收的振幅在步骤一中被分为如式2所示两个区域： 其中,αx,y为接收到的经过海洋湍流后的畸变高斯光束振幅幅值，I为接收原始区域，I′为填充扩展的区域，将式1的光信号进行如下更新： 其中，fx,y是当前迭代轮次U-Net神经网络得到的光信号，f′x,y是上一迭代轮次经过分区域处理后的光信号；β是常数；完成更新后，对两个区域分别构建均方误差损失函数，I内的光信号取幅值与原始高斯光束的幅值构建损失函数loss1:loss1＝MSE|gx,y|,Ax,y,x,y∈I4I′内的光信号取幅值与0构建损失函数loss2:loss2＝MSE|gx,y|,0,z,y∈I′5其中,用|·|表示信号的幅值，MSE损失函数表达式如下： 混合输入输出算法通过利用先前相位重构的信息，保证海洋湍流相位屏在生成过程中相位的连续性；步骤四：对步骤三更新后的信号gx,y引入物理约束，根据如式7所示角谱传输理论表达式模拟在距离z的近场衍射传输过程； 其中，表示傅里叶变换，表示傅里叶逆变换，u和v分别是x和y方向上的空间频率,λ表示光信号的波长；将gzx,y取幅值与U-Net神经网络的输入振幅幅值构建损失函数loss3，用|fzx,y|表示神经网络的输入振幅幅值，loss3表达式如下：loss3＝MSE|gzx,y|,|fzx,y|8步骤五：将loss1+loss2+loss3作为总损失函数loss，采用梯度反向传播算法和Adam参数优化算法，确定最优的U-Net网络模型参数，loss收敛U-Net神经网络模型则能重建海洋湍流相位屏，将最终生成的海洋湍流相位屏记为步骤六：获得海洋湍流相位屏后，在发送端让发送光信号携带海洋湍流共轭畸变波前，用θx,y表示发送信号，携带海洋湍流共轭畸变波前的发送光信号表达式如下： 其中，γx,y表示光信号的原始相位；用Φx,y表示实际的海洋湍流相位屏，则θ′x,y经过实际的海洋湍流信道后相位部分波前畸变就会被抵消，相位部分表达式如下： 根据式910利用海洋湍流相位屏信息对发送光信号进行波前相位预补偿。

全文数据：

权利要求：

百度查询： 北京理工大学;北京邮电大学 一种基于物理先验神经网络的水下湍流波前相位恢复方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD