基于矢量涡旋光束和深度学习的图像信息编解码

作     者：孙立虎 李萍萍 刘素娟 张晓冬 刘楠楠 吴鑫鹏 

作者机构：郑州轻工业大学电子信息学院 郑州轻工业大学河南省磁电信息功能材料重点实验室 

出 版 物：《激光与光电子学进展》 (Laser & Optoelectronics Progress)

年 卷 期：2024年

核心收录：

学科分类：0810[工学-信息与通信工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 081001[工学-通信与信息系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62105296) 河南省科技攻关项目(242102210145,232102210144) 河南省高等学校重点科研项目(22A140031) 

主　　题：矢量涡旋光束 神经网络 编解码 大气湍流 深度学习 

摘      要：为了提高矢量光通信的编码新颖性和受大气湍流影响的模式识别准确度，提出一种基于矢量涡旋光束和深度学习的信息编解码方案。设计一种新颖的编码方式将灰度图像信息嵌入矢量涡旋光束的特性参数。实验室内利用等效相位屏相应模拟无、弱、中等和强大气湍流对光波前造成的影响，并构建一种由级联密集块组成的模式识别神经网络对接收端光束模式的偏振分布特性进行解调，模式识别准确度分别为100%、99.96%、99.93%、93.75%。为了验证方案的可行性，通过实验编码并在四种大气湍流环境中各传输了一张分辨率为80×80的Lena灰度图像，图像解码的误码率分别为0、1.56×10-4、7.8125×10-4和4.898×10-2。结果表明，所提方案可实现灰度图像信息的高质量加密编码、传输和解码，对大气湍流环境下结构光通信的发展具有潜在的应用价值。